《Brain Research Bulletin》：High-fidelity and network-based spatio-temporal mathematical models of Alzheimer’s disease progression and their comparison with PET-SUVR imaging data
编辑推荐：
阿尔茨海默病（AD）的病理发展由淀粉样蛋白-β（Aβ）与tau蛋白（τP）两种蛋白触发并维持。在生理条件下，τP稳定微管；当其过度磷酸化后，从微管脱落并在细胞质中聚集形成纤维状聚集体（Jouanne et al., 2017）。Aβ来源于淀粉样前体蛋白（APP
阿尔茨海默病（AD）的病理发展由淀粉样蛋白-β（Aβ）与tau蛋白（τP）两种蛋白触发并维持。在生理条件下，τP稳定微管；当其过度磷酸化后，从微管脱落并在细胞质中聚集形成纤维状聚集体（Jouanne et al., 2017）。Aβ来源于淀粉样前体蛋白（APP）的蛋白水解加工：APP经α-分泌酶切割产生的片段无毒，而经β-分泌酶继而γ-分泌酶的顺序切割则生成易于错误折叠的Aβ肽（Chen et al., 2017）。在AD中，胱天蛋白酶（caspase）的激活触发τP在其羧基端的蛋白水解切割，加速τP组装为神经原纤维缠结（Binder et al., 2005）。在疾病最早期阶段，主要标志是Aβ的积累，其诱导caspase激活并导致τP聚集。这些错误折叠蛋白促进神经元死亡，导致记忆、认知、行为和/或运动功能受损（Wilson et al., 2023）。AD的诊断仍极具挑战性，多数病例仅在晚期才被识别。因此，识别合适的生物标志物是研究中的关键目标，既用于早期诊断和纵向研究（Dubois et al., 2023），也用于评估临床试验中的治疗效力（Pascoal et al., 2024）。生物标志物可分为神经影像学与体液类。在前者中，磁共振成像（MRI）可实现对海马与内嗅皮层萎缩的体内评估，这些被视为AD的特征性结构改变（Hampel et al., 2008）。正电子发射断层扫描（PET）因放射性示踪剂的发展而日益重要，其可通过量化错误折叠蛋白的积累实现疾病进展的体内监测。因此，PET提供了对AD潜在病理机制的直接洞察，尽管由于使用放射性药物而具有侵入性，且成本高昂（Bao et al., 2021）。
在此背景下，基于偏微分方程（PDEs）的数学模型成为蛋白传播纵向监测的重要工具。在各种建模方法中，最简单但描述充分的是异二聚体模型，其仅关注健康与错误折叠蛋白单体之间的相互作用（Matth?us, 2009）。此外，异二聚体模型可进一步约化为Fisher-Kolmogorov（FK）方程（Fisher, 1937；Kolmogorov et al., 1937），广泛用于描述生物动力学。FK模型在健康蛋白浓度远高于错误折叠蛋白、且其动力学可忽略的初始假设下尤为适用（Fornari et al., 2019）。研究人员已开发多种数值策略以在神经退行性疾病背景下近似FK模型。从基于有限元方法的最初工作（Weickenmeier et al., 2019；Sch?fer et al., 2019）开始，近期工作聚焦于多面体间断伽辽金（PolyDG）方法（Corti et al., 2023；Corti, 2023；Corti et al., 2024a），其亦被用于保结构FK格式以保留蛋白传播动力学的定性性质（Corti et al., 2024a；Antonietti et al., 2026；Bonizzoni et al., 2020）。在三维几何中求解此类模型一方面信息量丰富，另一方面由于高空间分辨率的代价而计算需求巨大。为克服这一局限，文献中许多研究或限制于二维脑切片（Sch?fer et al., 2019；Corti, 2023），或采用基于结构连接组导出的图、将脑表示为网络的降阶模型（Raj et al., 2012；Iturria-Medina et al., 2014；Fornari et al., 2019），其反映蛋白沿轴突通路的优先扩散。这些模型依赖若干无法直接从临床数据获得的生物物理参数。因此，参数估计已通过反演技术与不确定性量化方法加以处理（Sch?fer et al., 2021；Corti et al., 2024b）。
在本工作中，研究人员聚焦于FK模型以描述AD中Aβ与τP的动力学。研究人员比较了定义于三维脑几何（3D）上的高保真离散策略即PolyDG方法、几何约化的二维矢状面表示（2D）以及降阶图基形式（0D），以评估疾病进展简化几何表示的优势与局限。此外，研究人员通过敏感性分析考察模型参数对蛋白浓度模式的影响，将Corti（2023）的2D研究扩展至3D情形与图基模型。最后，研究人员对3D模型与Therriault et al.（2022）的体内PET数据进行定量比较，以评估基于物理的方法在临床导向背景下的相关性。测量值表示为从PET成像导出的标准化摄取值比（SUVRs），其中[1?F]AZD4694与[1?F]MK6240分别靶向Aβ与τP。研究还关注评估计算模型正确再现AD病理Braak分期（Braak et al., 2006）的能力。Fig. 2总结了所提出研究的工作流程，从临床影像数据到计算建模及与PET测量的比较。
**研究背景与问题** 神经退行性疾病是当代重大医学与社会挑战之一。部分神经退行性病理因错误折叠蛋白经类朊病毒（prion-like）机制传播而被称为蛋白质病（proteinopathies）。阿尔茨海默病（AD）是最常见的蛋白质病，其病理发展由淀粉样蛋白-β（Aβ）与tau蛋白（τP）触发并维持；错误折叠蛋白促进神经元死亡，导致记忆与认知等功能受损。AD诊断困难，多在晚期才被识别，因此生物标志物（神经影像与体液类）对早期诊断、纵向研究与疗效评估至关重要。正电子发射断层扫描（PET）可通过量化错误折叠蛋白的积累实现体内监测，但具侵入性且成本高。基于偏微分方程（PDEs）的数学模型成为蛋白传播纵向监测的重要工具，其中Fisher-Kolmogorov（FK）方程由异二聚体模型约化而来，广泛用于描述此类动力学。三维求解信息丰富但计算代价高，文献中常用二维脑切片或基于结构连接组的图网络降阶模型替代，而这些模型依赖难以从临床数据直接获得的生物物理参数。基于此，研究人员采用FK模型描述AD中Aβ与τP的动力学，比较高保真多面体间断伽辽金（PolyDG）三维离散、二维矢状面表示与图基降阶形式，开展参数敏感性分析，并与PET标准化摄取值比（SUVR）数据进行定量比较，同时评估模型再现Braak分期的能力。
**关键技术方法（不超过250字）** 研究采用Fisher-Kolmogorov反应-扩散方程描述Aβ与τP的产生、错误折叠、清除与空间传播，分别建立于脑实质连续域与脑连接组图网络两种分辨率上。高保真侧采用PolyDG方法离散，时间上采用半隐式Euler格式；三维脑网格由OASIS-3数据库的结构MRI经FreeSurfer与Desikan-Killiany图谱分割、SVMTK库生成，轴突方向由弥散加权成像（DWI）导出，模拟采用FEniCS并四进程并行。图基模型以Brainnetome图谱构建连接组，由DWI经DSI Studio确定论纤维追踪（百万条纤维）生成，采用Crank–Nicolson时间格式与半隐式非线性项处理。模型-数据比较采用SUVR到模型浓度的蛋白特异性映射程序，并借随机配点法进行转换系数的不确定性量化。临床数据来自Therriault et al.（2022）的独立纵向PET队列（非同一受试者）。
**研究结果**
*三维高保真模拟*：固定转换系数α（Aβ取0.61 yr?1、τP取0.70 yr?1），Aβ因初始条件分布于整个皮质而迅速向病理状态推进；τP自内嗅皮层的局灶初始条件出发，按与Braak分期理论一致的空间模式传播，10年后颞叶显著受累。敏感性分析显示：α增大使两蛋白均呈现特征性S形行为，初始前沿更陡、向饱和相过渡更快，而τP因初始条件局灶化响应较慢；提高轴突/细胞外扩散比（d_axn/d_ext）加速疾病进展并促进错误折叠蛋白积累，对τP尤为明显；初始浓度越高积累越快，以Aβ更为显著。
*高保真模型与PET-SUVR数据的比较*：Aβ模拟曲线在经SUVR映射后与Therriault et al.（2022）临床数据趋势一致，除时间平移外各α取值均落在数据置信带内，α=1.24 yr?1的轨迹位于不确定性区间之外；以Braak宏观分期表达时，各轨迹收敛为与临床神经病理分期对齐的通用曲.τP模拟在临界阈值c^crit_h=0.5与0.4下均与临床数据良好吻合，各α轨迹落在不确定性区间内；c^crit_h=0.5时Braak III在最后两个宏观分期转换处略有欠拟合，降至0.4后差异减小、所有曲线吻合满意。临界阈值影响Braak宏观分期在后处理中的时间定位，α则调控疾病进展速率，中央宏观分期的持续时间在两阈值下近似恒定但发生时间平移。
*高保真与降阶描述的比较*：二维矢状面模拟较三维提前了Aβ与τP的时间演化，τP差异更明显，而高α时Aβ的二维动力学反而慢于三维。图基模型对两蛋白表现不同：Aβ传播较三维与二维均提前，τP的时间演化则比二维更接近高保真三维模拟。
*基于Braak分期理论的比较*：图基模型能捕捉τP传播至Braak IV期的主要时空特征，但不能完全再现Braak IV期之后特定解剖脑区的渐进性侵犯；正确的进展由高保真三维模拟捕捉。
**讨论与结论** 讨论部分指出，三维结果展示了两种蛋白不同的时空动力学；α虽无法直接临床测量，但影响疾病演化速率且个体间存在变异，敏感性分析确认了S形行为及α、扩散比、初始条件的作用。与PET数据比较表明，Aβ模拟的临床一致性不依赖α，以Braak分期而非绝对时间表达可放松时间假设；τP方面α与临界阈值对结果影响大，c^crit_h=0.4与数据吻合最佳，且落在Therriault et al.（2022）报告的Braak II–VI区归一化PET-SUVR异常水平[0.30,0.43]范围内，具生物学解释；转换相持续约4–5年且不依赖阈值，提示模拟动力学存在稳健的内在时间尺度，并与Krishnadas et al.（2023）的纵向tau PET观察在时间上一致。二维模型因忽略矢状面正交方向的几何而导致扩散动力学损失；图基模型在Aβ上加速，在τP上则因纳入长程轴突连接而优于二维。局限性包括：常转换系数的简化忽略时空异质性，在几何约化模型中影响更明显；未显式表示血管周围间隙与脑室壁等细胞外转运通路；Aβ比较依赖外部临床标志确定Braak宏观分期；映射参数与特定示踪剂及人群数据绑定；不确定性量化尚未涵盖扩散参数与初始条件位置。结论部分指出，研究人员采用Fisher-Kolmogorov模型研究了AD相关两种蛋白的传播动力学，在三维脑域中对转换系数α进行了敏感性分析，凸显其对疾病进展速率的影响；随后将三维结果与二维矢状脑切片及降阶图基形式比较，以评估几何简化对模型精度与计算效率的影响。比较表明，与三维设置相比，二维几何不能完全捕捉两种蛋白的全局动力学。在三维脑域中进一步分析了扩散参数与初始条件的影响，结果显示轴突运输在tau动力学中起重要作用，而初始条件主要影响疾病进展的早期阶段。研究人员基于[1?F]AZD4694与[1?F]MK6240示踪剂的PET-SUVR数据建立了比较策略，分别评估Aβ与τP，结果表明三维模型成功再现了两种蛋白的观测演化。对不同转换系数重复的分析证实，该参数的变化影响Braak分期之间的时间转换及进展速率，同时与临床数据保持良好吻合。图基模型在时间上提前了Aβ的传播，同时较二维构型更准确地描述tau传播，但不能再现tau特征性的Braak分期模式。
