《自然·衰老》：又发现近300种蛋白与阿尔茨海默病相关，7蛋白模型预测AD状态AUC最高可达0.88...

主要观点总结

本文报道了关于阿尔茨海默病（AD）的血浆生物标志物研究。研究人员通过大规模蛋白质组学分析确定了与AD临床状态相关的蛋白质，并使用了机器学习来预测AD状态。该研究为早期诊断和个性化治疗提供了机会。

关键观点总结

关键观点1: 研究重点

研究团队进行了AD患者血浆的大规模蛋白质组学分析，确定了与临床AD状态有关的蛋白质。

关键观点2: 新发现

在研究的蛋白质中，有294种是全新发现的，与AD风险效应有关。

关键观点3: 机器学习应用

通过机器学习，研究者确定了7个蛋白质的组合，可用于预测AD状态，对临床AD状态预测AUC达到0.72。

关键观点4: 研究规模

与之前的研究相比，本研究的病例数更多，纳入了超过1000名AD患者和2096名健康对照。

关键观点5: 蛋白质的功能领域

筛选到的AD相关蛋白质主要参与脂质代谢、免疫和炎症等五个领域。

关键观点6: 预测模型的性能

预测模型在淀粉样蛋白阳性、脑脊液淀粉样蛋白/tau状态以及血浆p-tau217状态的预测中表现出较高的准确性。

关键观点7: 模型的局限性

该模型在区分AD和其他类型的痴呆（如额颞叶痴呆）方面可能存在困难。

正文

请到「今天看啥」查看全文

在阿尔茨海默病（AD）领域，生物标志物一直是研究的重点，尤其是相较脑脊液（CSF）更为易得的血浆生物标志物，能够为疾病的早期诊断和个性化治疗更好地创造机会。

近期，《自然·衰老》杂志发表了一篇来自圣路易斯华盛顿大学医学院科研团队的论文， 研究者进行了AD患者血浆的大规模蛋白质组学分析，在超3300个个体的血浆样本、6106种蛋白质中确定了416种与临床AD状态有关的蛋白质，其中294种是全新发现的。

通过机器学习，研究者确定了7个蛋白质，其组合可用于预测AD状态，对临床AD状态预测AUC达到0.72，对生物标志物定义的AD状态预测AUC达到0.88。

请到「今天看啥」查看全文