捕捉早期阿尔茨海默病中的无声氧化应激：从睡眠定量脑电图数据预测脑脊液生物标志物

《GeroScience》：Capturing silent oxidative stress in early Alzheimer’s disease: prediction of CSF biomarkers from sleep qEEG data

氧化应激在阿尔茨海默病早期促进非酶促蛋白修饰积累于脑脊液，通过睡眠EEG特征可预测生物标志物水平。研究采用42例轻中度AD患者睡眠EEG数据，提取非线性及时域特征，结合随机森林模型实现脑脊液氧化应激标志物预测（R2=0.625，MAE=467.1 pg/mL），前额叶和中央电极在慢波及REM睡眠中的特征贡献显著，健康对照组与AD组预测分布存在统计学差异，验证了qEEG生物标志的特异性及临床转化潜力。

　　

摘要

氧化应激是阿尔茨海默病（AD）早期阶段的核心致病过程，它促进非酶蛋白修饰的产生，这些修饰会在可测量的神经退行性变之前在脑脊液（CSF）中积累。这些变化会损害蛋白质稳态并破坏调节睡眠的神经回路，从而导致睡眠脑电图（EEG）模式的特征性改变。由于脑脊液采样具有侵入性，定量脑电图（qEEG）已成为一种有前景的无创方法，用于检测早期的氧化过程。在本研究中，我们探讨了利用机器学习（ML）模型是否可以通过非线性和时域睡眠qEEG特征来估计早期AD患者的脑脊液氧化应激生物标志物。42名轻度至中度AD患者接受了整夜多导睡眠监测，从中提取了睡眠qEEG特征。通过气相色谱/质谱法测定了脑脊液中的蛋白质氧化生物标志物——谷氨酸半醛、氨基己二酸半醛、N-羧乙基赖氨酸、N-羧甲基赖氨酸和N-马来二醛赖氨酸，并训练ML模型根据qEEG特征预测这些生物标志物的水平。表现最佳的模型是基于第一个主成分训练的随机森林模型，其解释率（R2）为0.625，平均绝对误差（MAE）为467.1 pg/mL。在慢波睡眠和快速眼动睡眠期间从前额和中央电极获取的特征对预测性能的贡献最大。健康对照组的预测结果与AD患者明显不同，这支持了基于qEEG的估计结果的生物学特异性。这些探索性分析表明，结合机器学习的睡眠qEEG可以无创地捕捉AD病理级联早期发生的潜在氧化过程，具有用于风险分层、疾病监测和开发无创上游生物标志物的潜力。