
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于血浆蛋白组学与机器学习的帕金森病诊断及鉴别诊断生物标志物研究
《npj Parkinson's Disease》:Machine learning-based plasma proteomics discovers biomarkers for the early diagnosis of Parkinson’s disease
【字体: 大 中 小 】 时间:2026年11月19日 来源:npj Parkinson's Disease 6.7
编辑推荐:
摘要帕金森病(Parkinson’s disease,PD)是一种进行性神经退行性疾病,但目前仍缺乏可靠、微创且可用于精准诊断和临床分层的生物标志物。本研究旨在鉴定具有诊断及鉴别诊断价值的血浆蛋白生物标志物。研究采用两阶段设计,对391名受试者的血浆样本进行分析。在发现阶段,通过
帕金森病(Parkinson’s disease,PD)是一种进行性神经退行性疾病,但目前仍缺乏可靠、微创且可用于精准诊断和临床分层的生物标志物。本研究旨在鉴定具有诊断及鉴别诊断价值的血浆蛋白生物标志物。研究采用两阶段设计,对391名受试者的血浆样本进行分析。在发现阶段,通过无标记定量蛋白质组学鉴定帕金森病患者与健康对照之间差异表达的蛋白,并进行功能富集分析。随后,采用基于机器学习的特征选择策略筛选候选生物标志物组合。在验证阶段,利用酶联免疫吸附试验对所选蛋白进行定量检测,验证队列包括帕金森病患者、帕金森型多系统萎缩(multiple system atrophy,Parkinsonian type,MSA-P)患者和健康对照。采用受试者工作特征曲线分析评估诊断性能,并考察所选生物标志物与临床特征之间的关联。蛋白质组学分析鉴定出121种差异表达蛋白,主要涉及囊泡运输、氧化应激和自噬。由LAMP1、APOD、VIM、CTSF和HEG1组成的血浆蛋白组合在区分帕金森病患者与健康对照方面表现出稳健性能,而一种简化的蛋白组合对帕金森病与MSA-P具有中等程度的鉴别能力。所选生物标志物还与认知及非运动症状的临床量表评分相关,提示其有望用于帕金森病的临床评估。