基于机器学习与全局替代模型的轻度认知障碍代谢组学多标志物发现研究

《Metabolomics》：Multi-marker discovery for mild cognitive impairment in metabolomics using machine learning with a global surrogate model via partial least squares

本研究针对轻度认知障碍（MCI）早期诊断生物标志物缺乏的临床难题，开发了一种结合随机森林算法与偏最小二乘（PLS）全局替代模型的新型代谢组学分析策略。研究人员通过变量筛选方法构建了仅含5种代谢物（甲硫氨酸、奎尼酸、次黄嘌呤、O-乙酰肉碱和2-氧代戊二酸）的高精度预测模型（AUC≈0.85），并利用PLS负载分析揭示了14个与神经元能量代谢和神经传递相关的关键代谢物，为MCI的代谢机制研究和早期诊断提供了新方法。

　　

随着全球人口老龄化加剧，阿尔茨海默病（AD）已成为神经疾病领域最突出的未满足医疗需求。其前期阶段——遗忘型轻度认知障碍（aMCI）的早期诊断尤为关键，但现有诊断方法存在灵敏度高而特异性不足的困境。研究表明AD发病涉及淀粉样前体蛋白代谢、tau蛋白磷酸化、能量代谢异常、氧化应激等多重病理过程，而代谢紊乱与神经退行性病变之间存在密切关联。这促使科学家们通过代谢组学技术系统探索MCI的代谢特征，以期发现可靠的早期诊断生物标志物。

近日发表于《Metabolomics》的研究提出了一种创新性的多标志物面板开发策略。该研究团队整合了来自日本弘前市的两个队列——Iwaki健康促进项目（IHPP）和IkI-Iki研究，共纳入40名MCI患者和40名匹配对照者。研究人员采用毛细管电泳-飞行时间质谱（CE-TOFMS）技术对血浆样本进行代谢组学分析，检测到353种代谢物，其中96种在超过50%样本中检测到的代谢物被纳入最终分析。

研究采用机器学习中的随机森林算法，结合多种变量选择方法（包括平均减少精度、VSURF和Boruta算法），通过严格的训练集-测试集划分策略构建预测模型。值得注意的是，当最初尝试使用IHPP队列作为训练集、Iki-Iki研究作为测试集时，模型表现不佳（测试集AUC=0.493），这揭示了不同队列间样本处理条件和代谢物分布的显著差异。进一步分析发现47种代谢物在两组队列间存在统计学差异，如乙醇胺磷酸（p=1.938×10^-13）、天冬氨酸（p=4.880×10^-12）和牛磺酸（p=5.544×10^-12），强调了代谢组学生物标志物研究中队列匹配的重要性。

模型优化与性能验证

通过合并队列并采用75%训练-25%测试的划分策略，研究团队经过参数优化（ntree=456，mtry=1）和变量选择，最终构建了包含五种代谢物的精简模型。该模型在训练集和测试集均表现出色，曲线下面积（AUC）均达到约0.85，展示了良好的预测性能和泛化能力。

全局替代模型的应用

为解决少量代谢物难以进行生物学解释的局限，研究创新性地引入了偏最小二乘（PLS）全局替代模型。通过设置预测概率阈值>0.8筛选高置信度样本，该替代模型的近似精度（R²）超过0.8，成功识别出组间差异明显的PLS1成分。

关键代谢物识别与通路分析

基于PLS负载分析，研究确定了14种与MCI显著相关的代谢物，包括随机森林筛选出的5种核心代谢物以及丙氨酸、苯丙氨酸、肌氨酸、酪氨酸等。通路富集分析显示shikimate途径受到显著影响，而个体代谢物功能分析揭示了这些分子在神经能量代谢和神经传递中的重要作用。例如，胍基乙酸在GAMT缺乏症中具有神经毒性，乙酰肉碱参与线粒体脂肪酸代谢，2-氧代戊二酸是三羧酸循环的关键中间体，肌氨酸是胆碱向甘氨酸转化的代谢中间体。

与既往研究的一致性

本研究结果与团队前期使用LC-MS/MS技术的研究部分一致，发现MCI患者中多种氨基酸水平降低，提示免疫细胞可能存在氨基酸饥饿状态。特别值得注意的是，差异代谢物多为必需氨基酸，这为MCI的代谢异常提供了新的证据。

研究结论表明，通过整合机器学习与代谢组学策略，成功开发了具有高预测精度的MCI多标志物面板。全局替代模型的应用不仅增强了模型的可解释性，还揭示了MCI与能量代谢和神经传递异常的潜在关联。这种方法为复杂疾病生物标志物的发现和生物学解释提供了新思路，特别适用于像MCI这样具有异质性病理特征的疾病。

尽管本研究存在队列间MCI筛查方法差异、样本量有限等局限性，但其提出的分析框架具有广泛的适用性。未来在更大规模、更严格匹配的队列中进行验证，将有助于进一步确认该方法的普遍适用性，为MCI的早期诊断和干预提供有力的代谢组学工具。