饮食中铜摄入量与阿尔茨海默病、大脑结构及认知功能之间的关系
《The Journal of nutrition, health and aging》:Association of dietary copper intake with Alzheimer’s disease, brain structure and cognitive function
【字体:
大
中
小
】
时间:2026年05月09日
来源:The Journal of nutrition, health and aging 4
编辑推荐:
吴新通|陈岩|刘浩|孙照晨|孙平|刘玉萍|帅萍|杨涵|杨亮亮|万里伟
中国电子科技大学医学院,成都,中国
**摘要**
**目的** 本研究旨在探讨膳食铜摄入量与阿尔茨海默病(AD)风险、认知功能及脑结构指标之间的关系。
**设计** 采用结合前瞻性队列研究和
吴新通|陈岩|刘浩|孙照晨|孙平|刘玉萍|帅萍|杨涵|杨亮亮|万里伟
中国电子科技大学医学院,成都,中国
**摘要**
**目的** 本研究旨在探讨膳食铜摄入量与阿尔茨海默病(AD)风险、认知功能及脑结构指标之间的关系。
**设计** 采用结合前瞻性队列研究和横断面分析的方法。
**研究地点** 英国生物银行(UK Biobank)。
**参与者** 研究纳入了来自英国生物银行的126,660名参与者(56,053名男性和70,607名女性),这些参与者在基线时无痴呆症状且膳食数据完整。基线时的平均年龄为56.14±7.83岁,膳食铜摄入量的中位数为1.33毫克/天(四分位数范围:1.10–1.61毫克/天)。
**测量方法** 通过24小时膳食回顾问卷评估膳食铜摄入量;AD诊断依据健康记录;认知功能和脑结构指标通过神经心理评估及MRI扫描获得。使用带有限制立方样条的Cox比例风险模型分析关联关系。
**结果** 在中位随访时间13.34年内,共有619名参与者发展为AD。观察到铜摄入量与AD风险之间存在非线性U形关联(非线性P<0.001),最低风险摄入量为1.57毫克/天。与参考摄入量(1–2毫克/天)相比,无论是较低还是较高的摄入量均与AD风险增加相关,其中摄入量≥3毫克/天时风险最高(HR=2.73,95% CI:1.53–4.87)。这种关联在按遗传风险分层的亚组中保持一致。铜摄入量与认知功能和脑结构也存在显著的非线性关联,最佳摄入量范围大致为1.3–2.0毫克/天。
**结论** 膳食铜摄入量与AD风险呈U形关联,将摄入量维持在适当范围内(约1.3–2.0毫克/天)可能有助于降低AD风险,并有益于认知功能和脑健康。
**1. 引言**
阿尔茨海默病是最常见的痴呆症原因,占所有痴呆病例的50%–70%。其典型症状包括记忆丧失,导致认知功能下降,严重影响日常生活活动。随着全球人口老龄化,阿尔茨海默病正迅速成为21世纪最昂贵、最致命且负担最重的疾病之一[1]。根据国际阿尔茨海默病协会2018年的估计,全球约有5000万人患有痴呆症,预计到2050年这一数字将翻倍[2]。由于目前缺乏有效的治疗方法[3],探索其风险因素并实施预防措施已成为研究的重点。最新研究表明,通过改变生活方式和环境风险因素,最多40%的痴呆病例可能是可以预防或延迟的[4]。
铜是一种必需的微量元素,在维持正常脑功能中起关键作用,包括神经递质合成、突触传递和神经元代谢。膳食铜主要来源于食物和营养补充剂。然而,目前关于铜摄入量与认知结果之间关系的证据有限且不一致。早期有研究报道称,高铜摄入量(尤其是与高饱和脂肪饮食结合时)会增加痴呆和认知损害的风险[5];而最近的研究则发现相反的结果,表明来自食物的较高铜摄入量可能与较低的痴呆风险相关[6]。这些相互矛盾的发现表明铜摄入量与AD风险之间的关系可能很复杂且可能是非线性的。从生物学角度来看,铜稳态失调与AD的发病机制有关。铜影响大脑功能的多个方面,包括神经递质合成、神经肽激活和中枢神经系统的有效突触传递[7]。铜代谢失调被认为是AD发病的重要因素。铜缺乏和过量都会损害细胞功能,大脑中铜的积累与Aβ清除障碍及tau蛋白磷酸化和聚集增强有关[8]。现有的流行病学和机制学证据支持这样的假设:偏离最佳铜摄入量可能促进AD的发展。
因此,本研究旨在调查英国一个大型前瞻性队列中膳食铜摄入量与AD发病风险之间的剂量-反应关系。此外,我们还利用神经影像数据探讨了铜摄入量与认知表现及脑结构指标之间的关联。通过整合流行病学、认知学和神经影像学证据,本研究旨在阐明膳食铜摄入量在AD风险中的作用,并为AD预防提供潜在的营养策略建议。
**2. 材料与方法**
**2.1. 研究人群** 英国生物银行(UKB)是一项基于人口的大型前瞻性队列研究,2006年至2010年间在英格兰招募了超过50万名40–69岁的参与者。该研究通过触摸屏问卷、访谈、身体测量和生物样本(包括用于基因分型的血液)收集了大量社会人口统计学、生活方式、健康和遗传数据。所有参与者均提供了书面知情同意书,研究方案获得了西北多中心研究伦理委员会的批准。随访数据通过链接国家电子健康记录获得。
在所有符合条件的参与者中,首先排除了基线时膳食铜摄入量缺失的个体,随后排除了基线时已被诊断为痴呆或认知障碍的个体。最终有126,660名参与者被纳入分析。研究参与者纳入流程的流程图见图1。
**2.2. 膳食铜摄入量评估** 基线时使用24小时膳食回顾问卷(Field ID: 100052)评估膳食摄入情况,该问卷涵盖了206种食物和32种饮料的摄入量。具有有效电子邮件地址的参与者被邀请在基线评估阶段(2009年4月至2010年9月)及之后的四次在线随访中完成此问卷。膳食铜摄入量(Field ID: 26043)是根据此膳食评估得出的估计营养值。需要注意的是,该估计值仅反映膳食来源的铜摄入量,不包括来自膳食补充剂的铜摄入量。
**2.3. 阿尔茨海默病结果** AD的发病病例通过英国生物银行内的多种数据源确定。主要病例确认依据算法定义的结果(日期:Field ID 42020;来源:Field ID 42021)。此外,我们还使用了AD的首次发病数据(日期:Field ID 131036;来源:Field ID 131037)来确定初始诊断日期。病例识别还结合了医院住院记录(ICD-10: G30*;ICD-9: 331.8)、死亡登记数据(根本或促成死因,ICD-10: G30)以及自我报告的诊断结果(代码1263)。详细定义见补充表S1。
**2.4. 脑结构** 脑成像数据来自英国生物银行2014年及以后的Stockport招募中心进行的成像评估,使用标准化的Siemens Skyra 3T MRI扫描仪获取。基于先前的证据,选择了12个MRI指标作为潜在的脑结构测量指标[9]。本研究重点关注其中7个指标:总灰质、白质、白质高信号(WMH)、全脑体积以及左脑和右脑海马体的体积。此外,WMH进一步分为脑室周围和深层成分以考察区域特异性。为便于解释,这些指标转换为z分数(均值=0,标准差=1)。WMH指标(包括总WMH、脑室周围WMH和深层WMH)在标准化前进行了自然对数转换以校正分布偏斜。九个指标的具体定义见补充表S2。
**2.5. 认知功能** 根据英国生物银行的指南,综合考虑参与者的参与度和数据质量(来自评估中心和在线随访),选择了可靠性和有效性较好的认知测试[10,11]。所选测试涵盖多个领域,包括流体智力、矩阵完成、数字记忆、反应时间、总路径制作(部分A+部分B)、符号数字替换和配对匹配。所有测试的原始分数均转换为z分数(均值=0,标准差=1),较高z分数表示更好的认知表现。九个指标的具体定义见补充表S2。
**2.6. 协变量** 本研究中纳入的协变量通过相关文献【[12]、【[13]、【[14]】确定,包括性别(女性或男性)、年龄(连续值)、种族背景(亚洲人、白人、黑人、混合或其他)、教育程度(大学学位或其他)、税前家庭总收入(<18000、18000–30999、31000–51999或≥52000)、饮酒状况(当前、曾经或从未)、吸烟状况(当前、曾经或从未)、睡眠时间(<6小时、6–8小时或>8小时)、IPAQ活动水平(低、中或高)、情绪波动(是或否)、整体健康状况(优秀/良好/一般/差)、体重指数(BMI)(<18.5 kg/m2、28.5–25 kg/m2或>25 kg/m2)、糖尿病(是或否)、高血压(是或否)、家族史(是或否)、血脂谱(包括HDL胆固醇(连续值)、LDL胆固醇(连续值)、甘油三酯(连续值)和总胆固醇(连续值)。
为进一步评估遗传倾向,我们将遗传风险变量作为协变量纳入模型,包括AD的多基因风险评分(PRS)和载脂蛋白E(APOE)基因型。所有遗传数据均经过英国生物银行的质量控制和插补处理。AD PRS基于英国生物银行的一项先前研究方法构建[15],得分越高表示遗传易感性越高。PRS分为低、中和高新组。我们还纳入了APOE ε4等位基因,这是已知的痴呆症(包括AD)的遗传风险因子[16,17]。定义APOE基因型的两个单核苷酸多态性(SNPs)(rs429358和rs7412)未包含在用于PRS计算的变异集中。APOE ε4等位基因根据等位基因的数量被编码为0、1或2。此外,根据ε4等位基因的存在与否,参与者被分为携带者和非携带者。
为了减少混杂因素的影响,在分析铜摄入量与脑结构之间的关联时,我们进一步调整了以下因素:头围大小(基于T1头部图像到标准图谱的体积缩放)、头部运动、头部位置(X、Y、Z脑重心和桌子位置)以及影像中心。
**2.7. 统计分析** 研究参与者的描述性特征以均值(标准差)、中位数(四分位数范围)或数量(百分比)表示。根据铜摄入量将参与者分为四组:Q1(0–<1.0毫克/天)、Q2(1.0–<2.0毫克/天)、Q3(2.0–<3.0毫克/天)和Q4(≥3.0毫克/天)。使用Cox比例风险回归模型分析膳食铜摄入量与AD发病率之间的关联,计算风险比(HRs)和95%置信区间(CI)。构建了三个模型:模型1未经调整;模型2在模型1的基础上添加了家庭收入、教育程度、种族、年龄和性别作为协变量;模型3进一步添加了睡眠模式、情绪波动、自我评估的健康状况、家族史、吸烟状况、饮酒状况、BMI、IPAQ评分、胆固醇水平、血糖水平、HDL、LDL、甘油三酯水平、高血压、糖尿病、PRS组和APOE ε4携带者状况作为协变量。此外,基于多变量调整的Cox回归进行了限制立方样条分析,确定了基线铜摄入量水平与AD之间的线性或非线性关系(在5th、35th、65th和95th百分位数处设置结节)。分析使用“rms”软件包(版本6.7.1)进行。
**3. 结果评估** 我们进行了敏感性分析以评估研究结果的稳健性和可靠性。首先,通过排除在随访前2年和5年内发展为AD的参与者来减轻潜在的反向因果关系。其次,我们对协变量进行了额外调整:在原始模型的基础上,进一步纳入了维生素和矿物质补充剂以及矿物质和其他膳食补充剂。此外,还进行了基于性别(<65岁、≥65岁)、吸烟状况(当前或曾经吸烟者、从未吸烟者)、饮酒状况(当前或曾经饮酒者、从未饮酒者)、BMI(<25 kg/m2、≥25 kg/m2)、PRS组(低、中、高)和APOE ε4携带者状况的亚组分析,以检测潜在的影响调整。
除了对AD发病率的主要分析外,我们还进一步探讨了铜摄入量与中间表型(包括脑结构和认知表现)之间的关联。在这一部分分析中,使用了从大脑结构和认知功能测试数据中得出的标准化z分数作为效应值,以评估铜摄入量的影响。为了探究铜摄入量与这些效应值之间可能的非线性关系,应用了限制性三次样条(RCS)模型,并在铜摄入量的第5、35、65和95百分位处设置了节点。如果RCS回归结果显示出非线性关联,则进一步估计铜摄入量与大脑结构或认知功能之间的拐点。随后绘制了剂量-反应曲线,以直观展示铜摄入量与大脑结构和认知功能测试标准化分数之间的关系。本研究中的所有统计分析均使用R(版本4.1.2)软件完成。所有分析均为双侧检验,显著性水平α为0.05,P值小于0.05被视为具有统计学意义。
3. 结果
3.1 基线特征
该分析包括了126,660名参与者(56,053名男性和70,607名女性)。基线时的平均[中位数]年龄为56.14 ± 7.83岁,中位数膳食铜摄入量为1.33毫克/天(四分位数范围:1.10–1.61毫克/天)。表1显示了整个研究人群以及膳食铜摄入量四个四分位数(Q1-Q4)的特征。这些特征在补充表S3中按阿尔茨海默病(AD)进一步分层。在膳食铜摄入量的不同四分位数中,大多数基线特征存在显著差异(P < 0.001)。铜摄入量较高的参与者(Q3和Q4)更有可能是男性,年龄稍大,并且受教育程度更高。相反,家庭收入最低(<18,000)的参与者比例在铜摄入量最低的组(Q1)中最高。生活方式和与健康相关因素也存在显著差异。当前饮酒者和参与国际体力活动问卷(IPAQ)的人在铜摄入量较高的组(Q3和Q4)中更为普遍。相比之下,当前吸烟者和报告健康状况较差或一般的人在Q1组中比例最高。此外,低密度脂蛋白(LDL)、胆固醇和甘油三酯的水平呈现出明显的模式,最低水平出现在Q2,随铜摄入量的增加而逐渐下降。在PRS组之间没有发现显著差异(P = 0.116),并且在不同铜摄入量四分位数中APOE ε4携带状态也只有轻微的变异。表1显示了来自英国生物银行队列的阿尔茨海默病风险研究中按膳食铜摄入量四分位划分的基线特征。
3.2 饮食铜摄入量与阿尔茨海默病风险之间的关联
基于RCS分析,观察到膳食铜摄入量与阿尔茨海默病(AD)风险之间存在显著的非线性U形关联,最低风险出现在摄入量为1.57毫克/天时(非线性P值 = 0.005;图S1)。考虑到铜摄入量与AD风险之间的U形关联,在评估不同铜摄入量四分位数与AD风险之间的关联时,将Q2(1–2毫克/天)作为参考组。在完全调整协变量后,发现较低的铜摄入量四分位数和较高的铜摄入量四分位数都与AD风险增加相关。具体来说,Q1(0–1毫克/天)的参与者风险增加了29%(风险比HR = 1.29,95%置信区间:1.03–1.61),而Q3(2–3毫克/天)的参与者风险增加了33%(HR = 1.33,95%置信区间:1.04–1.71)(图2)。更值得注意的是,最高摄入组Q4(≥3毫克/天)的参与者风险增加了173%(HR = 2.73,95%置信区间:1.53–4.87)。这一趋势在所有模型中都存在,且所有趋势的P值均低于0.01,表明即使在校正了各种混杂因素后,膳食铜摄入量与AD风险之间仍存在稳健且剂量响应的关联。
3.3 饮食铜摄入量与大脑结构之间的关联
RCS分析的结果显示,铜摄入量与白质体积、右侧海马体积、总海马体积和白质高信号强度之间存在显著的非线性关系(P < 0.05)。图4展示了铜摄入量与这四个指标的剂量-反应关系(z分数)。非线性分析表明,白质体积的变化在铜摄入量为1.46毫克/天时达到最大效应(图4C)。同样,右侧海马体积和总海马体积的最大变化出现在铜摄入量为1.32毫克/天时(图4F和G)。相比之下,白质高信号强度的变化在铜摄入量为1.92毫克/天时达到最小效应(图4D)。为了进一步研究区域特异性,分别分析了室周白质和深部白质的高信号强度。两者都与铜摄入量存在显著的非线性关联,室周白质高信号强度的最高水平出现在大约1.4毫克/天,而深部白质高信号强度的最高水平出现在大约1.74毫克/天(图S4和S5)。对于总脑体积、灰质体积或左侧海马体积没有发现显著的线性或非线性关联(图4A、B和E)。
3.4 饮食铜摄入量与认知功能之间的关联
RCS分析的结果显示,铜摄入量与以下认知指标存在显著的非线性关联:圆圈中错误匹配的数量、流体智力得分、正确记住的最大数字数量、路径测试B、符号数字替换、配对关联学习和矩阵模式完成(P < 0.05)。图5展示了铜摄入量与这些七项指标的剂量-反应关系(z分数),总体呈现出先增加后减少的模式。在每日铜摄入量为1.58毫克时,观察到错误匹配数量的最大效应(图5A);在1.52毫克/天时,正确记住的最大数字数量达到最大(图5B);在1.41毫克/天时,Trail Making Test B的表现最佳(图5C);在1.66毫克/天时,流体智力得分最高(图5D);在1.49毫克/天时,Matrix Pattern Completion的表现最好(图5E);在1.30毫克/天时,Symbol Digit Substitution的表现最出色(图5F);在1.97毫克/天时,Pairied Associate Learning的效果最显著(图5G)。相比之下,在正确识别匹配项的平均时间和Trail Making Test A方面没有发现显著的线性或非线性关联。下载:下载高分辨率图像(698KB)下载:下载完整尺寸图像。图5. 饮食铜摄入量与认知功能之间的剂量-反应关系。(A) 错误匹配的数量。(B) 正确记住的最大数字数量。(C) Trail Making Test B。(D) 流体智力得分。(E) Matrix Pattern Completion。(F) Symbol Digit Substitution。(G) Paired Associate Learning。(H) Trail Making Test A。(I) 正确识别匹配项的平均时间。使用限制立方样条函数来检验铜摄入量与大脑结构之间非线性相关的假设。样条曲线表示根据家庭收入、教育水平、种族背景、年龄、性别、睡眠情况、情绪波动、整体健康状况、家族史、吸烟状况、饮酒状况、BMI、IPAQ活动量、胆固醇、葡萄糖、HDL、LDL、甘油三酯、高血压、糖尿病、PRS组、APOE ε4携带者进行调整的Z分数。红色虚线表示曲线拐点的位置。AD:阿尔茨海默病;BMI:身体质量指数;IPAQ:国际体力活动问卷;PRS:多基因风险评分;APOE:载脂蛋白E;CI:置信区间。
4. 讨论
这是迄今为止规模最大的研究,评估了饮食中铜摄入量与阿尔茨海默病(AD)之间的关系。本研究的主要发现总结如下:首先,我们发现铜摄入量过高或过低都与AD风险增加有关。其次,在从未饮酒者和曾经饮酒者中,高铜摄入量与AD风险之间的关联更为明显,而在其他人口亚组(如年龄、性别)中未观察到显著差异。第三,铜摄入量与AD风险之间的关系在所有遗传亚组中保持一致,包括APOE ε4携带者。最后,我们发现铜摄入量与认知功能得分和大脑结构之间存在非线性关系。
我们的研究发现,无论是低水平还是高水平的饮食铜摄入量都与AD风险增加相关。目前关于铜与AD之间关系的流行病学证据主要集中在系统性铜水平上,但结论并不一致。一项汇总了73项基于人群的研究的系统性回顾发现,AD患者的多种组织样本中的铜水平显著高于健康对照组(SMD = 0.37)[18],表明AD患者体内的铜代谢存在广泛紊乱。其他测量AD患者血清铜水平的研究报告称铜浓度既有显著升高也有没有变化的[19,20]。然而,这些研究都没有评估饮食铜摄入量与AD风险之间的长期剂量-反应关系。在为数不多的饮食相关研究中,有一项针对美国四个社区15,792名参与者的研究发现,较高的铜摄入量与痴呆风险增加有关,尤其是在饱和脂肪摄入量高的个体中,尽管该研究并未正式评估剂量-反应关系[6]。我们的研究通过使用摄入四分位数全面考察饮食铜摄入量与AD发病之间的关系,扩展了现有文献。我们观察到,与中等摄入量(Q2,1-2毫克/天)相比,较低摄入量(Q1,0-1毫克/天)和较高摄入量(Q3,2-3毫克/天;Q4,≥3毫克/天)都与AD风险显著增加有关,其中最高风险出现在最高摄入量四分位数。这些结果提供了明确且具有临床意义的证据,表明偏离中等铜摄入量,尤其是过量摄入,可能会增加AD风险。此外,分层分析表明铜摄入量与AD风险之间的关联存在异质性。与饮酒状况之间存在显着交互作用,从未饮酒者和曾经饮酒者之间的关联更强,这表明生活方式因素可能会影响饮食铜对AD风险的影响。遗传易感性似乎也影响了这种关系。按APOE ε4状态分层后,高铜摄入量(Q4,≥3毫克/天)在携带者和非携带者中都与AD风险增加有关。然而,非携带者在中等高摄入量(Q3,2-3毫克/天)时也表现出显著增加的风险,而ε4携带者仅在最高摄入量时显示出增加的风险,这表明对饮食铜暴露的敏感度可能存在差异。然而,最佳摄入范围与人口差异、遗传背景和饮食模式等因素密切相关。仍需要进一步研究来验证铜摄入量与AD风险之间的具体剂量-反应关系。
从机制角度来看,本研究中观察到的关联得到了生物学证据的支持。铜因其氧化还原特性在维持正常生理功能中起着关键作用,并参与合成依赖铜的酶。这些酶包括参与神经肽合成的肽基甘氨酸-α-酰胺化单加氧酶和对神经传递很重要的多巴胺-β-单加氧酶[21]。铜可以通过位于血脑屏障的铜转运蛋白进入大脑,在神经元的生长、成熟和功能中发挥重要作用[22]。一方面,铜缺乏与大脑结构改变有关。它会影响依赖铜的酶(如细胞色素c氧化酶和超氧化物歧化酶1)的活性,导致氧化应激增加、一氧化氮(NO)清除能力下降以及过氧亚硝酸盐积累,从而损害神经元结构完整性[23,24]。另一方面,大脑中铜的过量积累越来越多地被认为是AD进展的关键病理驱动因素。铜过载加速Aβ沉积和tau蛋白磷酸化,促进氧化应激和神经炎症,最终导致神经元功能障碍和损伤[25,26]。Aβ和病理性tau蛋白已被确认为AD的关键生物标志物[27]。铜缺乏和过量在大脑损伤中的双重病理机制表明铜摄入量与神经退行性疾病风险之间存在复杂关系。
我们的研究还发现,饮食铜摄入量的低水平和高水平都与AD风险增加有关。目前关于铜与AD之间关系的流行病学证据主要关注系统性铜水平,但结论并不一致。一项系统回顾汇总了73项基于人群的研究的数据,发现AD患者多种组织样本中的铜水平显著高于健康对照组(SMD = 0.37)[18],表明AD患者体内的铜代谢存在广泛紊乱。其他测量AD患者血清铜水平的研究报告称铜浓度既有显著升高也有没有变化[19,20]。然而,这些研究都没有评估饮食铜摄入量与AD风险之间的长期剂量-反应关系。在为数不多的饮食相关研究中,有一项涉及美国四个社区的15,792名参与者的研究发现,较高的铜摄入量与痴呆风险增加有关,尤其是在饱和脂肪摄入量高的个体中,尽管该研究并未正式评估剂量-反应关系[6]。我们的研究通过全面考察饮食铜摄入量与AD发病之间的关系,扩展了现有文献。我们观察到,与中等摄入量(Q2,1-2毫克/天)相比,较低摄入量(Q1,0-1毫克/天)和较高摄入量(Q3,2-3毫克/天;Q4,≥3毫克/天)都与AD风险显著增加有关,其中最高风险出现在最高摄入量四分位数。这些结果提供了明确的、具有临床解释力的证据,表明偏离中等铜摄入量,特别是过量摄入,可能会增加AD风险。此外,分层分析表明铜摄入量与AD风险之间的关联存在异质性。与饮酒状况存在显著交互作用,从未饮酒者和曾经饮酒者之间的关联更强,这表明生活方式因素可能会影响饮食铜对AD风险的影响。遗传易感性似乎也影响这种关系。按APOE ε4状态分层后,高铜摄入量(Q4,≥3毫克/天)在携带者和非携带者中都与AD风险增加有关。然而,非携带者在中等高摄入量(Q3,2-3毫克/天)时也表现出显著增加的风险,而ε4携带者仅在最高摄入量时显示出增加的风险,这表明对饮食铜暴露的敏感性可能存在差异。然而,最佳摄入范围与人口差异、遗传背景和饮食模式等因素密切相关。仍需要进一步研究来验证铜摄入量与AD风险之间的具体剂量-反应关系。
从机制角度来看,本研究中观察到的关联得到了生物学证据的支持。铜由于其氧化还原特性在维持正常生理功能中起着关键作用,并参与合成依赖铜的酶。这些酶包括参与神经肽合成的肽基甘氨酸-α-酰胺化单加氧酶和对神经传递很重要的多巴胺-β-单加氧酶[21]。铜可以通过位于血脑屏障的铜转运蛋白进入大脑,在神经元的生长、成熟和功能中发挥重要作用[22]。一方面,铜缺乏与大脑结构改变有关。它会损害依赖铜的酶(如细胞色素c氧化酶和超氧化物歧化酶1)的活性,导致氧化应激增加、一氧化氮(NO)清除能力下降以及过氧亚硝酸盐积累,从而损害神经元结构完整性[23,24]。另一方面,大脑中铜的过量积累越来越多地被认为是AD进展的关键病理驱动因素。铜过载加速Aβ沉积和tau蛋白磷酸化,促进氧化应激和神经炎症,最终导致神经元功能障碍和损伤[25,26]。Aβ和病理性tau蛋白已被确认为AD的关键生物标志物[27]。铜缺乏和过量的双重病理机制表明铜摄入量与神经退行性疾病风险之间存在复杂关系。
我们的研究进一步揭示了饮食铜摄入量与大脑结构和认知功能之间的显著非线性关联,从神经影像学和认知表型的角度为饮食铜摄入量与AD风险之间的U形关系提供了机制解释。在神经影像学方面,我们发现中等铜摄入量与较高的白质体积、更大的海马体积和较低的白质高信号负担相关,而不足和过量的摄入量都与更不良的结局相关。先前的研究也提供了将铜与大脑结构变化联系起来的证据。例如,一项回顾性分析报告称,血液中非铜蓝蛋白结合铜的浓度较高与更大的功能损伤、更多的神经元损伤和整体脑体积减少有关[28]。另一项针对2,836名儿童的研究将环境铜暴露与纹状体(特别是尾状核)的灰质浓度增加联系起来,但没有整体组织体积的变化[29]。然而,这是首次从饮食摄入量的角度系统地揭示与大脑结构之间的非线性关联。值得注意的是海马体积,作为AD早期阶段的关键区域,与记忆功能密切相关,为解释铜摄入量与AD风险增加之间的关联提供了直接的神经解剖学线索。
在认知功能方面,我们也观察到一致的三明治U形关系。在涵盖流体智力、记忆、处理速度和执行功能的七个认知测试中,认知表现随着铜摄入量的增加而提高,直到约1.3毫克/天的中位水平,之后开始下降。在两个认知测试(正确识别匹配项的平均时间和Trail Making Test A)中没有发现显著关联。这表明铜对认知的影响是特定领域的,可能主要影响记忆和执行功能等高级认知过程,这些过程与AD密切相关。关于认知功能,先前的研究得出了不一致的结论。李在2019年的一项研究报告称,较高的铜摄入量与较差的认知表现风险降低有关,尤其是在数字符号替换测试(DSST)和动物流畅性测试中[5]。然而,王的研究首次揭示了铜摄入量与认知功能之间的非线性关系,确定了阈值效应:当铜摄入量低于某个点时,它与认知表现呈正相关,但当摄入量超过这个点时,趋势趋于平稳[30]。2025年,魏使用NHANES数据库的研究也得出了类似的结论[31]。我们的研究通过包括九个更广泛的认知结果并利用更大的样本量,进一步加强和扩展了这一证据,从而提高了结果的稳健性和普遍性。
这项研究系统地揭示了饮食铜摄入量与AD风险、大脑结构和认知功能之间的非线性关联。这一发现对营养流行病学和公共卫生实践具有明确的意义。首先,与大多数关注体内铜负荷(如血清或组织铜水平)的研究不同,我们的研究直接评估了长期饮食铜摄入量(一个可改变的生活方式因素),从而为通过饮食调整预防AD提供了直接证据。其次,确定的U形关系和“最佳摄入范围”强调了进一步明确营养指南中适当饮食铜摄入量的必要性,特别是对于一般人群和高风险群体(如老年人组和APOE ε4携带者)。未来的研究需要整合饮食模式、遗传背景和生活方式因素,以更精确地制定个性化的营养干预策略,从而将“最佳摄入范围”转化为可行的预防措施。
这项研究的主要优势在于利用了英国生物银行队列,该队列提供了相对较大的样本量、长期随访以及对大脑相关疾病和神经影像学特征的准确评估。需要注意的是,这项研究存在某些局限性。首先,我们根据医院记录和死亡登记数据确定了AD病例,这可能会遗漏在其他环境中诊断的较轻病例。这种结果分类错误可能导致零关联的偏向。其次,英国生物银行并不能完全代表一般人群,健康志愿者的选择偏差可能会影响结果的规模和普遍性。第三,由于我们对神经影像学和认知功能特征的分析仅依赖于单时间点数据,我们无法检查随时间变化的神经影像学和认知情况。第四,饮食铜摄入量是使用24小时饮食回忆数据评估的。为了提高暴露评估的可靠性,我们将分析限制在至少有两次重复饮食测量的参与者。虽然这种方法在一定程度上减少了随机测量误差,但24小时回忆可能仍然无法完全捕捉到铜等微量营养素的长期习惯性摄入。因此,可能会存在一定程度的个体内变异性和暴露分类错误,这可能会减弱观察到的关联。此外,铜摄入量是根据饮食数据估计的,因此主要反映来自食物来源的摄入量,可能无法完全捕捉到总铜暴露量。最后,这项研究没有考虑饮用水中的铜摄入量。
5. 结论
这项研究揭示了饮食铜摄入量与AD风险之间的U形关联。我们的发现扩展了先前的知识,证实高和低铜摄入量均是普通人群中AD发展的风险因素。值得注意的是,无论遗传风险如何,这种关联都保持显著。此外,我们还观察到铜摄入量与某些认知功能以及大脑结构之间存在显著的非线性关系。这些结果为预防AD的发生和发展提供了饮食指导。
作者贡献:
吴欣彤:概念化、正式分析、数据管理、初稿撰写、可视化。
陈燕:概念化、方法学、验证、初稿撰写。
刘浩:概念化、方法学、验证、审稿与编辑。
孙照晨:可视化。
孙平:资金筹集。
刘玉萍:审稿与编辑。
隋平:概念化。
杨汉:概念化。
杨亮亮:概念化。
万正伟:概念化、方法学、初稿撰写、资源准备、审稿与编辑、监督、资金筹集。
出版同意:
不适用。
伦理批准和参与同意:
英国生物银行已从其管理的研究伦理委员会获得了研究组织库的批准,该批准遵循国家研究伦理服务的建议,且研究遵守《赫尔辛基宣言》中规定的伦理原则。所有参与者均通过电子方式签署了书面知情同意书。
在撰写过程中,关于生成式人工智能(Generative AI)和人工智能辅助技术的声明:
在准备这项研究时,作者使用了人工智能辅助工具来提升语言表达的准确性和文章的可读性。使用这些工具后,作者对内容进行了必要的审查和修改,并对最终发表的文章内容承担全部责任。
**资金支持**
本研究得到了四川省干部健康研究项目(2026-109)的支持。
**数据与材料的获取**
本研究使用的数据来自英国生物银行(UK Biobank)的数据资源。如需访问英国生物银行的数据资源,须完成注册并通过申请流程。更多相关信息请访问英国生物银行官方网站:https://www.ukbiobank.ac.uk/
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号