在之前的“滴血算病”专题中，我们为大家介绍了血浆蛋白质组学如何有效预测糖尿病肾病和房颤的风险。这次，我们聚焦在血浆蛋白质组学能否帮助我们提前发现阿尔茨海默病的风险，一起了解一下吧！

阿尔茨海默病（Alzheimer's disease, AD）是一种涉及多种生物学过程的神经退行性疾病，它不仅发病率高，病程长，致残率和死亡率也都非常高。然而，目前尚没有药物能够有效治愈或显著减缓疾病的进展。所以，提前识别高危人群，进行早期预防，可能是减轻阿尔茨海默病造成的个人与社会负担的关键。

（图片来源于网络，版权归原作者）

在过去几年中，基于生物标志物的淀粉样蛋白/Tau/神经变性（A/T/N）框架虽然已被广泛应用于阿尔茨海默病的研究，但它的局限性也很明显：不仅侵入性强、成本高，而且无法全面覆盖阿尔茨海默病的整个病理过程。此外，现有的一些阿尔茨海默病预测模型通常依赖于临床中难以获得的信息，如影像学数据、认知测试和脑脊液生物标志物等，这也限制了它们的临床应用。

随着近年来血液检测技术的发展，通过血液样本分析，我们能够获得大规模的血浆蛋白质数据。血浆蛋白质组学不仅参与多种生物过程的调控，还能将基因、环境、年龄、行为、合并症及治疗等因素结合起来。那么，是否可以通过简单的血液采集，检测体内少量（几个至几十个）的蛋白质水平，来预测未来患上阿尔茨海默病的风险呢？这一问题，至今尚无定论。

针对上述问题，南方医科大学南方医院国家肾脏病临床医学研究中心开展了相关工作，研究成果发表于Aging Cell杂志。该研究基于约3000种血浆蛋白质的数据，发现通过31种蛋白构建的阿尔茨海默病风险模型，能够有效预测阿尔茨海默病的发生风险。

该研究纳入了35,547名基线无痴呆参与者。根据研究中心分布，参与者被划分为开发队列和验证队列，开发队列进一步随机分为训练集和验证集。**在训练集中，筛选出31个与新发阿尔茨海默病相关的蛋白质，并基于此构建了血浆蛋白质预测模型。****该蛋白质模型在开发队列验证集（C指数=0.867）和验证队列（C指数=0.912）中均表现出了良好的阿尔茨海默病风险预测能力。**此外，与现有的基因风险模型（APOE基因型）和临床风险预测模型（CogDrisk-AD）相比，该蛋白质模型显著优于或显著提升了它们的预测性能。即便仅考虑模型中排名前十的蛋白质，仍能有效预测阿尔茨海默病的发生风险。（图1）

图1. 阿尔茨海默病蛋白模型中绝对系数最大的前10个蛋白质的累积C指数

通过对这31个蛋白质进行进一步的富集分析和网络分析，发现EGFR、GFAP和CHGA是阿尔茨海默病候选蛋白相互作用网络中的关键蛋白****。（图2）

图2. 蛋白富集和蛋白相互作用网络分析

血液样本的采集在临床环境中非常便捷，且血浆蛋白检测具有高度的客观性、可量化性和操作简便性。与需要依赖参与者报告、医疗记录或多次检测的临床危险因素收集方式相比，血浆蛋白检测在大规模筛查中具有明显优势。我们的研究结果表明，通过简单的血浆蛋白检测即可有效预测阿尔茨海默病，无需复杂的面对面临床评估。这为预测阿尔茨海默病提供了一种更为简便和高效的方法，尤其适用于大人群筛查和早期风险识别。通过这种方式，能够快速识别高风险个体，进而进行精准的管理和预防，从而提高阿尔茨海默病的早期干预效果。

参考文献：Yang S, Ye Z, He P, et al. Plasma proteomics for risk prediction of Alzheimer's disease in the general population. Aging Cell*.* Published online September 9, 2024. doi:10.1111/acel.14330

编辑 | 杨思思 张艺炜

审核 | 秦献辉

来源: 肾脏健康促进研究