《Nature Aging》：Spatiotemporal dynamics of tau extent and load increase in Alzheimer’s disease across four longitudinal cohorts
编辑推荐：
该纵向研究纳入了四个独立队列，利用2,459名参与者的 tau 正电子发射断层扫描数据，评估了阿尔茨海默病中 tau 蛋白扩散范围与负荷变化的时空动态学，其中包括898名随访时间长达7年的参与者。区域标准化摄取值比值指示了 tau 负荷，而 tau 病理的空间
该纵向研究纳入了四个独立队列，利用2,459名参与者的 tau 正电子发射断层扫描数据，评估了阿尔茨海默病中 tau 蛋白扩散范围与负荷变化的时空动态学，其中包括898名随访时间长达7年的参与者。区域标准化摄取值比值指示了 tau 负荷，而 tau 病理的空间范围（SEOT）（异常体素的比例）测量了 tau 扩散范围。研究人员观察到依赖于负荷的 tau 进展纵向动态学：在基线 tau 负荷较低的区域，SEOT 对随时间增加表现出更高的敏感性；而一旦区域负荷建立，标准化摄取值比值在追踪积累方面则提供了更多信息。这种模式在各个 Braak 区域和队列中保持一致，并反映在与其它阿尔茨海默病严重程度标志物的差异性关联中。这些发现通过表明 tau 正电子发射断层扫描的变化在疾病进展的不同阶段可分别被基于范围和基于负荷的指标差异性地捕获，从而完善了 tau 传播模型，突显了 SEOT 作为临床试验替代结局指标的广阔前景。
研究背景与问题
阿尔茨海默病（AD）的核心病理特征是大脑中 tau 神经原纤维缠结的积累。tau 病理在脑内的局部扩散与远程传播遵循由 Braak 和 Braak 提出的层级沉积模式，该模式已被纳入 AD 的神经病理学诊断标准。传统的神经病理学评估侧重于解剖分布，而非密度。相比之下，使用正电子发射断层扫描（PET）的研究主要依赖区域标准化摄取值比值来评估 tau 负荷。近期研究提出了评估 tau 病变空间范围的指标，并发现其与 AD 临床严重程度的相关性更强，且可能更早检测到病理变化。然而，目前对于 tau 空间范围相对于常用的 tau 负荷指标在空间与时间上的动态变化机制尚不完全明确。为了探究这一问题并完善 tau 传播模型，研究人员在《Nature Aging》上发表了本研究，利用四个独立纵向队列的 PET 成像数据，系统比较了 tau 空间范围与负荷在 AD 进展中的时空动态学差异，并探讨了其作为临床前驱期生物标志物的潜力。
关键技术方法
本研究综合分析了来自四个队列共2,459名参与者的数据：TRIAD、ADNI、WRAP和HABS-HD。研究人员使用不同示踪剂进行 tau PET 及 Aβ-PET 成像，通过提取区域平均 SUVR 量化 tau 负荷，并将 tau 病理的空间范围（SEOT）定义为同一感兴趣区内超过异常阈值的体素比例。采用 Kruskal-Wallis 检验、受试者工作特征曲线分析及 DeLong 检验比较组间差异与识别能力。利用线性混合效应模型评估纵向变化率。通过 Spearman 秩相关分析评估各项指标与认知功能、Aβ-PET 负荷、CSF p-tau 及海马体积等严重程度标志物的关联，并按基线 tau 负荷进行分层分析。
研究结果
tau 空间范围与负荷在 AD 各阶段的组间差异与识别能力
研究人员通过横向对比发现，SEOT 和 SUVR 均随 AD 严重程度增加而升高。在识别轻度认知障碍等早期临床阶段时，SEOT 表现出比 SUVR 更高的敏感性。ROC 分析表明，在区分 Aβ
+ 临床正常个体与认知障碍个体时，SEOT 的曲线下面积（AUC）显著优于 SUVR。此外，对于早期 Braak 分期，在同一区域内 SUVR 具有较好的识别力；但当评估比受试者自身分期更晚期的 Braak 区域时，SEOT 表现出与 SUVR 相当甚至更优的鉴别效能。
AD 相关区域内 tau 空间范围与负荷的关联性
相关性分析显示，SEOT 与 SUVR 在所有 Braak 感兴趣区中呈强非线性正相关。在特定区域内，当 SEOT 接近 100% 的上限后，SUVR 才急剧增加。亚组分析表明，男性参与者在内侧颞叶等区域表现出更强的 SEOT-SUVR 相关性；APOE ε4 携带者在多个区域也表现出类似增强的相关性，表明该关联强度受性别与 APOE 基因型调控。
tau 空间范围与负荷与 AD 严重程度的关联随局部 tau 负荷而异
在整体样本中，SEOT 和 SUVR 与全局认知受损、Aβ-PET 负荷、CSF p-tau217 及海马萎缩均显著相关。在基线 tau 阴性的亚组中，SEOT 在 Braak I-II 期等早期阶段与多项严重程度标志物表现出更强的相关性，特别是在评估情景记忆时，SEOT 对细微认知变化更为敏感。相反，在基线 tau 阳性的区域，局部负荷已较高，此时 SUVR 与严重程度标志物的相关性等同或优于 SEOT。
SEOT 与 SUVR 的纵向动态学差异取决于基线 tau 负荷
混合效应模型揭示，在基线 tau 阴性的区域，SEOT 的年百分比变化率显著高于 SUVR，表明在 tau 沉积初期空间扩散速度远快于局部负荷积累。而在基线 tau 阳性的区域，SEOT 与 SUVR 变化率趋于相近，甚至 SUVR 增速超过 SEOT，呈现明显的负荷依赖性。此外，纵向变化还受生物修饰因子调控，如 Aβ 阳性、APOE ε4 携带显著加速了多个区域的 SEOT 与 SUVR 进展。
讨论与结论
本研究通过多队列纵向分析，证实了 tau 病理的空间扩散与负荷积累遵循负荷依赖性模式。在区域 tau 负荷较低的早期阶段，tau 以空间扩散为主导，SEOT 能更敏感地捕捉长距离传播与早期播种；当区域 tau 负荷建立后，以局部复制积累为主导，SUVR 则更能有效反映病理严重程度。研究结论支持了 Braak 提出的 NFT 传播模型，并强调了 SEOT 在识别临床前驱期及早期 AD 病理进展中的重要价值。SEOT 可优化 AD 的分期、为疾病修饰疗法的临床试验提供更早期的入组富集策略与追踪指标，与 SUVR 形成重要的互补关系。
