《International Journal of Biological Macromolecules》:Essence: A benchmarking-validated transformer framework for early diagnosis of Parkinson's disease using cerebrospinal fluid protein biomarkers
编辑推荐:
Zexu Zhou|Xueqin Xie|Yuduo Hao|Kaiyuan Han|Ting Wang|Feitong Hong|Yijie Wei|Sijia Xie|Xinwei Luo|Xiaolong Li|Li Liu|Fuying Dao|Hao Lin|Hongy
Zexu Zhou|Xueqin Xie|Yuduo Hao|Kaiyuan Han|Ting Wang|Feitong Hong|Yijie Wei|Sijia Xie|Xinwei Luo|Xiaolong Li|Li Liu|Fuying Dao|Hao Lin|Hongyan Lai|Hao Lyu
中国电子科技大学生命科学与技术学院成都脑科学研究所临床医院,成都,610054,中国
摘要
帕金森病(PD)是一种进行性神经退行性疾病,其特征是运动和非运动症状。缺乏客观的分子生物标志物限制了早期诊断和个性化治疗。在这里,我们提出了Essence框架,该框架结合了脑脊液(CSF)蛋白质组学与传统的和深度学习模型,以识别PD的稳健蛋白质特征。使用来自两个独立队列的数据,量化了1266种高置信度的蛋白质,其中178种在PD和健康对照组(HC)之间表现出差异丰度。通过对十种机器学习算法和四种神经架构的系统基准测试,Transformer模型在多种特征选择策略中始终表现出色,仅使用35个特征就实现了接收者操作特征曲线下面积(AUC)为1.0000。对排名前35的蛋白质的功能分析显示,这些蛋白质在神经炎症、突触和氧化应激相关通路中富集。重要的是,基于Allen Brain Atlas的空间转录组谱分析显示这些生物标志物在PD相关脑结构中具有区域特异性表达,包括纹状体、丘脑下核、海马体和白质束。这种解剖学对齐支持了所识别标志物的功能相关性,并突出了它们在PD早期诊断和机制理解中的潜在用途。
引言
帕金森病(PD)是一种复杂且日益普遍的中枢神经系统神经退行性疾病[1]。PD通常根据运动症状的临床标准进行诊断,包括运动迟缓、静止性震颤和僵硬[2]。然而,非运动症状如睡眠障碍、便秘、冷漠和嗅觉丧失可能在出现临床相关症状的数年前甚至数十年前就已出现[3]。目前,PD的诊断过程仍然不确定,没有方法可以减缓或逆转疾病进展。这部分是由于疾病的临床异质性和缺乏客观生物标志物。因此,在分子水平上识别与PD相关的生物标志物对于阐明疾病机制和开发新的治疗策略非常有益。
基于蛋白质组学的生物标志物被广泛用于理解、诊断和监测疾病[4]。其中,质谱(MS)是一种理想的工具,因为它可以检测健康个体和患者之间蛋白质丰度的差异[5]。然而,由于蛋白质浓度低和蛋白质丰度动态范围广,PD的蛋白质组学分析一直具有挑战性,导致量化精度有限、通量低和蛋白质组深度受限[6]。
传统的机器学习方法已被广泛应用于开发大规模蛋白质组学数据的准确诊断模型。例如,Jenny H?llqvist等人[7]使用基于支持向量机(SVM)的机器学习模型分析了八种蛋白质(Granulin前体、Mannan-binding-lectin-serine-peptidase-2、内质网伴侣蛋白BiP、前列腺素H2-D异构酶、细胞间粘附分子-1、补体C3、Dickkopf-WNT信号通路抑制剂-3和血浆蛋白酶C1抑制剂)的表达变化,成功识别了所有PD患者,并在运动症状出现前7年内对79%的运动障碍患者进行了分类。然而,由于蛋白质丰度通常相关并且可能非线性地依赖于其他蛋白质的丰度,SVM可能会“错过”蛋白质组学数据集中的一些关键特征。
在这项研究中,我们报告了一个基于Transformer的框架Essence,旨在精确识别蛋白质组学数据中的PD生物标志物。我们整合了PRIDE存储库中的PD患者和健康对照组(HC)的蛋白质组谱,并使用了10种机器学习模型和4种深度学习架构进行模型优化。逐步特征选择(IFS)和消融实验确定了35个对模型预测准确性有显著贡献的关键蛋白质特征,这些特征有潜力作为检测和分层早期PD患者的标志物。使用Essence,我们实现了迄今为止最高的PD与HC二分类诊断性能。此外,生物学机制分析显示,这些蛋白质在PD发病机制中起核心作用的通路中富集——突触信号传导、氧化应激反应、囊泡运输和神经炎症,并显示出区域特异性的表达模式,这些模式反映了基底节和边缘回路内的退化。工作流程如图1所示。总之,我们提供了一个综合的分析框架,将蛋白质组学与基于Transformer的深度学习方法相结合,不仅识别了关键的PD生物标志物,还为它们在疾病早期诊断和个性化治疗中的临床应用奠定了基础。
章节片段
数据集收集和预处理
我们收集了两个独立队列的蛋白质组学数据:哈佛生物标志物研究(HBS)有94个样本,LRRK2队列联盟(LCC)有121个样本[8]。HBS和LCC队列合并后包括113名HC和102名PD患者。有关队列的更多信息总结在表S3中。质量控制和样本排除按照原始出版物中描述的标准进行[8],包括去除红细胞污染的样本和异常值
与HC相比,PD患者的脑脊液蛋白质组表现出广泛的改变
为了探索PD是否在CSF中表现出独特的蛋白质组改变,我们分析了来自两个独立队列HBS和LCC的样本[8]。如图2a所示,HBS和LCC队列分别量化了1,493种和1,626种蛋白质。应用严格的质量控制过滤器后,共有1,266种蛋白质在两个队列中一致被检测到,从而实现了可靠和可重复的比较分析。
接下来,我们进行了京都基因组与基因组百科全书(KEGG)通路富集分析
讨论
PD表现出显著的临床和生物学异质性,运动症状通常在已经发生大量神经退行之后才出现。这种症状出现的延迟凸显了对早期、可靠且生物学上有意义的生物标志物的迫切需求,这些标志物能够反映潜在的疾病过程。CSF作为直接接触中枢神经系统的近端液体,提供了一个独特的窗口来观察神经退行的分子景观。然而,识别稳健的
结论
总之,我们的发现表明,Essence通过结合系统的模型基准测试和互补的特征选择策略,实现了对帕金森病基于CSF的蛋白质特征的稳健和生物学上有根据的发现。具体来说,我们展示了基于树的集成模型和基于注意力的Transformer在紧凑的标志物面板上实现了优越的预测性能,而逐步特征选择支持了优先蛋白质的稳定性。
CRediT作者贡献声明
Zexu Zhou:撰写——原始草稿、可视化、软件、方法论、数据管理。Xueqin Xie:软件、方法论。Yuduo Hao:可视化、研究。Kaiyuan Han:可视化、研究。Ting Wang:研究、正式分析。Feitong Hong:研究、正式分析。Yijie Wei:资源、数据管理。Sijia Xie:资源、数据管理。Xinwei Luo:资源、研究。Xiaolong Li:资源、研究。Li Liu:验证、软件。Fuying Dao:
资助
这项工作得到了国家自然科学基金(62402089、62502062)、中国博士后科学基金(2023TQ0047、GZC20230380、2025M782889)、衢州市政府(2023D037)和四川省科学技术厅(2025ZNSFSC1465)的支持。