血浆蛋白质组学揭示肌萎缩侧索硬化症新型生物标志物组合及其发病前预测价值

这篇开创性研究通过Olink Explore 3072平台对183例肌萎缩侧索硬化症（ALS）患者和309例对照进行血浆蛋白质组学分析，鉴定出33个差异蛋白（如NEFL log2FC=2.34），并构建出诊断准确率达98.3%的机器学习模型。研究首次发现ALS病理过程（涉及骨骼肌、神经和能量代谢）可在症状出现前数年启动，为早期干预提供分子依据。

血浆蛋白质组学揭示ALS生物标志物及发病机制

主要发现

研究团队采用Olink Explore 3072平台对183例ALS患者和309例对照（含健康人群及其他神经系统疾病患者）进行血浆蛋白质组检测，发现33个显著差异蛋白。其中神经丝轻链蛋白（NEFL）变化最显著（log₂FC=2.34，FDR P=2.22×10^-88），另有32个蛋白首次被报道与ALS相关。

机器学习诊断模型

通过随机森林算法构建的诊断模型包含17个核心蛋白（如CSRP3、HSPB6等）及临床参数，在独立验证队列中展现优异性能：

• •

  测试集（48例ALS vs 75例对照）：AUC 96.2%

• •

  英国生物银行外部验证（13例ALS vs 23,601例对照）：AUC 99.1%

  模型可有效区分ALS与类似疾病（如神经病变和肌病），准确率达93.8%。

C9orf72特异性标志物

在29例C9orf72突变携带者中鉴定出8种独特上调蛋白（如EIF2S2、HPCAL1），这些蛋白在无症状突变携带者中未出现变化，提示其可作为表型转化的预测指标。

病理机制新见解

通路分析揭示ALS相关蛋白主要富集于：

1. 1.

   骨骼肌发育与退化（TPM3、MYL3等）

2. 2.

   能量代谢（ATP合酶亚基）

3. 3.

   NMDA受体介导的兴奋毒性

   值得注意的是，孟德尔随机化分析表明这些蛋白变化是疾病继发效应而非遗传驱动。

症状前预测突破

对110例症状前个体的分析显示，ALS风险评分与发病时间呈强相关性（R²=0.74）：

• •

  NEFL水平在症状出现前5年即开始升高

• •

  疾病相关蛋白变化最早可追溯至症状出现前14年

  这种"分子发病"远早于临床表现的发现，为超早期干预提供了时间窗口。

方法学创新

研究采用多组学整合策略：

• •

  蛋白质定量通过PEA技术完成，与ELISA结果高度一致（r=0.83）

• •

  遗传数据UMAP降维用于校正人群分层

• •

  建立公开数据库促进生物标志物研究

临床意义

该研究突破了ALS诊断依赖临床症状的传统模式：

1. 1.

   提供高精度血液检测方案（>98%准确率）

2. 2.

   揭示病理过程始于症状出现前多年

3. 3.

   为C9orf72携带者提供特异性监测指标

   这些发现将推动ALS诊疗进入分子分型和早期干预的新阶段。

局限性

1. 1.

   平台覆盖约3000种蛋白，未检测新型异常蛋白

2. 2.

   脑脊液验证样本量较小（n=14 ALS）

3. 3.

   需更多族裔数据验证模型普适性

未来方向

研究者计划：

• •

  扩大纵向样本收集

• •

  开发包含CSF检测的分级诊断流程

• •

  探索蛋白质动态变化与治疗响应的关系

这项研究为理解ALS发病机制树立了新范式，其构建的生物标志物体系有望改写临床实践指南。