《Translational Psychiatry》：Identification of plasma biomarkers in lipid metabolism for accurate prediction of Alzheimer’s disease
编辑推荐：
阿尔茨海默病（AD）早期诊断困难。为发掘无创诊断标志物，研究者针对中国队列，对AD、轻度认知障碍（MCI）及正常对照（NC）血浆代谢组进行综合分析。通过差异分析和前向特征选择，确定了包含22个关键代谢物（如甘油三酯（TG）和磷脂酰乙醇胺（PE））的诊断模型，在验证队列中AUC达0.935。研究表明AD存在显著的脂质代谢紊乱，为AD的早期诊断和机制探索提供了新工具。
当我们谈论阿尔茨海默病（Alzheimer’s disease, AD），我们面对的是一个正在全球范围内不断加剧的公共卫生挑战。这种以进行性认知功能下降为特征的神经退行性疾病，不仅给患者带来沉重的身心负担，也给家庭和社会造成了巨大的压力。然而，当前AD的临床诊断很大程度上依赖于神经心理学量表评估和神经影像学检查，这些方法通常在疾病中晚期才能提供明确指征，错过了干预的黄金窗口。更重要的是，能够明确病理诊断的脑脊液（Cerebrospinal Fluid, CSF）生物标志物检测或尸检，因其有创性或滞后性，难以广泛应用于大规模人群的早期筛查。因此，寻找一种准确、无创、易于获取的生物标志物，实现AD的早期甚至超早期识别，成为了该领域亟待突破的关键瓶颈。
血液，作为与大脑存在复杂交流的体液，其代谢物的动态变化可能忠实地反映大脑的病理生理状态。代谢组学（Metabolomics）技术，能够系统性地描绘生物体内小分子代谢物的全貌，为在血液中发现AD相关的诊断标志物提供了强大的工具。如果能在血液中发现一组稳定可靠的代谢物组合，不仅可以为临床提供便捷的诊断工具，更可能揭示AD发生发展过程中被忽视的代谢通路，为理解疾病机制和开发新的治疗靶点打开一扇新的大门。
为了回应这一挑战，研究人员在《Translational Psychiatry》上发表了一项研究。他们旨在通过分析中国人群的血浆代谢组，系统探索AD发生发展过程中的代谢紊乱特征，筛选并构建一个基于血液代谢物的高精度诊断模型，并深入解析其背后潜在的生物学通路，从而为AD的早期诊断和机制研究提供新的见解和工具。
为了开展这项研究，研究人员整合运用了多种关键技术方法。核心在于对一个包含447名中国受试者（包括188名AD患者、181名轻度认知障碍（Mild Cognitive Impairment, MCI）患者和78名正常对照（Normal Control, NC））的队列进行了血浆代谢组学分析。通过差异分析（Differential Analysis）比较不同组别间代谢物的水平变化。随后，采用前向特征选择（Forward Feature Selection）算法，从大量代谢物中筛选出对区分AD与NC最具有判别能力的关键代谢物子集。利用这些关键代谢物，研究人员构建了逻辑回归（Logistic Regression）诊断模型，并采用受试者工作特征曲线下面积（Area Under the Curve, AUC）来评估模型的诊断效能。此外，研究还对关键代谢物富集的通路进行了定量分析，以揭示紊乱的生物学过程，并使用两个外部独立数据集对主要发现进行了验证。
研究结果
1. AD患者存在广泛的代谢紊乱
通过比较AD患者与年龄匹配的NC个体的血浆代谢组，研究人员发现了广泛的代谢物水平失调。值得注意的是，这些在AD中发生显著变化的代谢物中，约有25%在MCI个体中也呈现出同方向的显著失调。这一发现提示，AD相关的部分代谢异常在临床前驱期（即MCI阶段）已经出现，强调了这些代谢物作为早期预警标志物的潜力。
2. 筛选出22个关键代谢物并构建诊断模型
为了从众多差异代谢物中提炼出最具诊断价值的核心组合，研究采用了前向特征选择。最终，一个包含22个代谢物的组合被确定为关键。在该组合中，脂质代谢物，特别是甘油三酯（Triglycerides, TG）和磷脂酰乙醇胺（Phosphatidylethanolamines, PE）的相关分子，在模型中的重要性排名靠前。基于这22个关键代谢物构建的逻辑回归诊断模型展现出了优异的性能，在验证队列中能够准确区分AD与NC，其AUC值达到了0.935，显示出高精度和稳健性。
3. 通路分析揭示脂质代谢的核心作用
对关键代谢物富集的通路进行定量分析发现，AD患者的脂质代谢通路发生了显著变化。这一发现将AD的病理机制与系统性的脂质代谢重编程联系了起来。更重要的是，这种脂质代谢的紊乱特征在后续两个外部独立数据集中得到了验证，增强了研究结论的可靠性和普适性。
结论与讨论
本研究通过对中国AD、MCI及NC人群的血浆进行系统的代谢组学分析，成功筛选并验证了一个由22个代谢物（以TG和PE类脂质分子为核心）构成的血液诊断模型。该模型能够以高准确度（AUC=0.935）区分AD患者与认知正常者，为AD的无创、便捷早期诊断提供了强有力的新工具。
研究的深刻意义在于多个层面。首先，在临床转化层面，这个基于血液的代谢物诊断面板具有无创、成本相对较低、易于重复检测等优势，有望未来开发成可用于临床辅助诊断或高危人群大规模筛查的产品，推动AD的早期发现和管理关口前移。其次，在机制探索层面，研究将AD与系统性的脂质代谢紊乱紧密关联。TG和PE等脂质分子是细胞膜的主要成分，并参与多种细胞信号传导和能量代谢过程。它们在AD中的失调提示，AD可能不仅仅是一种单纯的“大脑疾病”，而是伴随着全身性的代谢失衡。这为理解AD的发病机制开辟了新的视角，即从大脑局部病变扩展到全身代谢网络失调，相关脂质代谢通路可能成为未来药物研发的新靶点。最后，研究发现部分代谢异常在MCI阶段已现端倪，这为识别可能向AD转化的高风险MCI亚型提供了潜在的生物学依据，有助于实现更精准的疾病进展预测和干预。
总之，这项研究不仅交付了一个高精度的潜在诊断工具，更重要的是深化了我们对AD作为一种代谢性疾病的理解，将血液代谢标志物与大脑神经退行性病变联系起来，为未来AD的早期诊断、机制研究和治疗策略开发奠定了重要的科学基础。
