《Frontiers in Molecular Neuroscience》：Omics research in Parkinson’s disease: evolution, integrated analysis, pathogenic mechanisms, biomarkers, and therapeutic targets
帕金森病（PD）是一种常见神经退行性疾病，2020–2025年间组学技术已广泛应用于其研究。本综述聚焦从单一组学到整合多组学的范式转变，该技术突破了单一组学策略的局限，为系统解析PD发病机制提供了更全面视角。核心研究内容包括：阐明核心病理机制（线粒体功能障碍、脂质代谢紊乱、α-突触核蛋白病及肠-脑轴损伤）；推动生物标志物开发（从侵入性脑脊液采样向性能更优的微创血浆/尿液检测组合转变）；识别潜在干预靶点（信号通路、关键分子及肠道菌群）。技术进展涵盖单一组学检测精细化、人工智能辅助多组学整合及多中心大队列的建立。尽管取得显著进展，领域仍面临样本多样性有限、技术标准不足及基础研究与临床转化脱节等挑战。未来研究应优先建立多中心纵向生物样本库、开发高灵敏度检测方法，并通过精准分型与靶向干预推动临床转化。整合多组学已将PD研究从碎片化探索推进至系统化框架，为早期诊断与精准治疗奠定基础，但仍需进一步突破现有局限，将研究成果转化为PD患者的临床获益。
1 引言
帕金森病是一种以脑黑质（SN）多巴胺能神经元变性为核心特征的神经退行性疾病。多巴胺作为神经递质介导黑质与纹状体间的信号传递，其缺乏可导致震颤、运动迟缓、姿势不稳及步态障碍等运动症状，以及言语障碍、抑郁、疲劳、焦虑等非运动症状。PD病理标志包括路易小体、路易神经突及黑质多巴胺能神经元丢失，其中错误折叠的α-突触核蛋白（α-Synuclein）聚集是路易小体的主要成分，因此该病被归类为α-突触核蛋白病。根据遗传学与发病机制，PD可分为散发型与家族型，二者存在部分共享遗传特征与临床症状。散发型帕金森病（sPD）占比最高，无家族史，可由遗传易感性、环境暴露与衰老共同作用诱发，偶见家族聚集现象，可根据发病年龄、临床表现及疾病进展进一步分型。家族型帕金森病具有明确遗传谱系，由特定致病基因突变驱动，遗传模式多样，患者发病年龄更早，疾病进展、症状严重度及对药物治疗的反应均与散发型存在显著差异，常见致病基因包括PARK1、PARK2、PARK6及PARK8等。年龄是PD重要风险因素，男性发病率高于女性。目前尚缺乏特异性诊断方法及根治手段，因此精准诊断与治疗研发成为领域核心议题。
单一组学分析难以系统阐释PD复杂发病机制：基因组学通过检测DNA序列变异识别易感位点，但无法反映动态病理过程；转录组学通过RNA表达水平评估PD相关基因转录活性，易受样本异质性干扰；蛋白质组学直接检测生物样本中蛋白质，但无法独立解释蛋白改变的上游原因；代谢组学可识别氨基酸、脂质、神经递质等小分子代谢物，但无法区分代谢波动是否由其他神经退行性疾病诱发；表观基因组学（如DNA甲基化、组蛋白修饰）研究不改变DNA序列的基因表达调控机制，但单一组学无法验证“甲基化修饰逆转PD病理进程”的假设；微生物组学可解析肠道菌群组成并识别PD相关菌群，但无法单独阐明菌群是否通过产生短链脂肪酸、脂多糖等代谢产物进入血液循环并穿过血脑屏障诱发神经炎症。整合多组学分析通过融合遗传、转录、蛋白、代谢、表观遗传调控及肠道菌群等多维信息，突破了单一分子层面的局限，为全面解析PD复杂病理机制与临床特征提供了可能。例如，蛋白质组学与代谢组学整合分析识别出脑脊液（CSF）中IL1B-一氧化氮（NO）-神经生长因子（NGF）轴是PD相关病理过程的核心调控节点；蛋白质组学与脂质组学结合孟德尔随机化（MR）方法揭示了脂质、炎症蛋白与PD的因果关系及中介通路；靶向代谢组学（含脂质组覆盖）发现PD患者血浆中核心脂质代谢通路失调，鞘脂代谢激活是关键病理特征；蛋白质组学与转录组学（RNA-seq）整合分析揭示PD病理过程中mRNA与蛋白水平的异步性，共享诊断基因组合指向核心病理交汇点；代谢组学与转录组学整合分析阐明了肝-脑器官间代谢-基因关联及关键代谢物-基因对与共享调控通路。本研究明确两类组学整合定义：（1）简单双组学并列：仅比较两组学层面的差异谱，无联合计算建模或网络整合；（2）严格整合多组学：采用数学建模、网络分析、孟德尔随机化或机器学习实现系统数据融合，仅后者为本综述定义的标准多组学整合。
2 方法
本研究遵循PRISMA 2020声明，检索PubMed数据库中2020年1月至2025年9月发表的文献，检索策略结合PD相关主题词（MeSH）与组学关键词。经去重、标题/摘要筛选及全文评估后，最终纳入127篇研究，包括80篇单一组学研究与47篇多组学研究。文献筛选过程中实施标准化数据提取，记录排除原因及纳入研究核心特征（如样本类型）。检索策略具体包括自由词检索：（帕金森病 OR PD）AND（组学 OR 基因组学 OR 蛋白质组学 OR 代谢组学 OR 多组学）；MeSH词检索：“帕金森病”[MeSH] AND（蛋白质组学[MeSH] OR 代谢组学[MeSH] OR 脂质组学[MeSH]）；MeSH词与文本词联合检索：“帕金森病”[MeSH] AND（multi-omics[TW] OR multi omics[TW] OR multiomics[TW] OR multi-omic[TW]）。纳入标准为：（1）2020年1月至2025年9月发表的原始研究；（2）PubMed收录；（3）聚焦PD及相关组学分析（含基因组学、蛋白质组学、代谢组学及多组学）。排除标准包括重复发表、非PD相关研究、无组学分析、综述、不符合研究目标、预印本及超出时间范围的文献。由两名独立研究者完成纳入研究的质量评估，评估指标涵盖研究设计、样本选择、数据完整性及结果可靠性，分歧通过讨论或第三方仲裁解决，期刊影响因子不作为筛选标准。
3 PD组学研究的核心共性目标（2020–2025）
2020–2025年间，PD组学研究虽样本类型与技术路线多样，但始终围绕阐明致病机制、识别临床生物标志物及发现干预靶点三大核心目标展开，形成清晰的研究框架。
3.1 阐明PD发病的核心分子机制
3.1.1 线粒体功能障碍：从“代谢现象”到“因果链解析”
线粒体功能障碍是PD最具保守性的病理特征，研究已实现从异常识别到调控机制定义的跨越。研究人员对晚期PD患者黑质致密部（SNpc）突触体蛋白质组分析显示，PD患者14种线粒体核糖体蛋白表达下调，提示线粒体翻译功能受损。整合转录组学与蛋白质组学分析PINK1缺陷多巴胺能神经元，证实线粒体代谢异常与多巴胺合成紊乱直接相关。对9个脑区的蛋白质组分析进一步确立线粒体功能障碍早于α-Synuclein聚集与神经元丢失，是PD早期关键驱动因素。后续蛋白质组研究发现线粒体核糖体蛋白下调幅度最为显著，且与RNA剪接、补体激活等下游通路失调相关。对PARK7敲除小鼠及早发性家族性PD患者成纤维细胞的代谢组整合分析揭示，高糖高脂饮食通过促进晚期糖基化终产物（AGEs）积累加剧糖酵解肌纤维选择性萎缩，遗传因素（PARK7突变）与环境暴露（高糖高脂饮食）共同作用诱导肌肉萎缩等PD相关表型，且该过程独立于线粒体氧化磷酸化损伤及能量代谢重编程。上述研究共同表明，线粒体功能障碍是PD的早期驱动事件，特征为线粒体核糖体蛋白改变及下游通路紊乱，遗传突变与高能饮食可协同诱导PD相关表型，且不依赖于线粒体能量代谢异常。
3.1.2 脂质代谢紊乱：从“单一脂质异常”到“网络调控”
脂质代谢紊乱贯穿PD全程，研究认知已从“特定脂质”推进至“脂质-蛋白-炎症”整合调控网络。对Hoehn-Yahr 5期PD患者皮肤成纤维细胞的脂质组分析发现，含C20:3脂肪酸链的磷脂酰肌醇（PI 38:3）显著下调。整合蛋白质组学与代谢组学分析显示，PD患者血浆鞘脂代谢激活、载脂蛋白水平降低，提示脂质转运功能受损。对30份死后CSF样本的脂质组分析揭示，路易小体病早期阶段鞘磷脂显著升高，中期阶段磷脂酰胆碱升高，晚期新皮质阶段多不饱和脂肪酸（PUFAs）与甘油三酯（TAG）显著增加。GBA突变PD患者成纤维细胞的脂质组分析证实，鞘脂组成异常与葡萄糖脑苷脂酶活性降低直接相关，异常脂质提取物可加速α-Synuclein聚集。2023–2025年研究进一步建立了脂质代谢紊乱与临床表型的关联：MPTP处理的食蟹猴PD模型纹状体脂质组分析显示，磷脂酰丝氨酸（38,1）含量显著降低，且与线粒体电子传递链复合物I结合位点密度升高相关； treadmill运动干预可通过恢复PD大鼠脑内磷脂酰乙醇胺及肌肉溶血磷脂酰乙醇胺水平改善运动功能，证实脂质代谢的可调控性。上述研究揭示PD不同疾病阶段存在特异性脂质异常，鞘脂代谢异常与脂质转运障碍普遍存在，GBA突变诱导的脂质紊乱可驱动α-Synuclein聚集，脑区特异性脂质变化与线粒体功能密切相关，且脂质代谢紊乱与PD临床表现高度相关，运动干预可有效调节脂质谱以改善运动损伤。
3.1.3 α-突触核蛋白病理：从“聚集关联”到“结构-功能调控”
α-Synuclein异常聚集是PD核心病理标志，近年研究聚焦于其翻译后修饰、相互作用蛋白及调控机制。大鼠原代海马神经元蛋白质组分析鉴定出29种与DHA稳定α-Synuclein寡聚体相互作用的蛋白并预测其关键结合位点。瑞典NYPUM队列CSF蛋白质组分析发现，PD患者CSF中自发聚集神经肽水平显著降低，该类肽与神经元致密核心囊泡内α-Synuclein共定位，其水平异常可能干扰α-Synuclein的正常包装与分泌，从而促进其异常聚集。脑组织蛋白质组分析识别出α-Synuclein的Y39磷酸化与K21/K23乙酰化等翻译后修饰，其中Y39磷酸化可有效阻断脑源性病理性α-Synuclein的传播，为调控其异常聚集提供了关键靶点。基于蛋白质组学构建的AlphaLarge元预测器解析了含919个残基的Synphilin-1与A53T/A30P/E46K突变型α-Synuclein的相互作用结构，发现突变型α-Synuclein结构无序性轻度升高，与Synphilin-1的结合亲和力显著增强，相互作用核心定位于Synphilin-1 C端，通过增加残基对数量促进异常聚集体形成并发展为路易小体。上述多组学研究系统阐明了α-Synuclein聚集的蛋白互作网络、调控修饰及结构机制，为干预PD进展提供了重要结构靶点。
3.1.4 肠-脑轴紊乱：从“菌群差异”到“代谢产物介导的调控级联”
肠-脑轴是PD研究的新兴方向，2021–2025年研究逐步阐明“肠道菌群-代谢产物-脑病理”轴的调控通路。整合微生物组学与代谢组学分析显示，PD患者肠道菌群黏蛋白降解能力与统一帕金森病评定量表（UPDRS）评分呈正相关，菌群代谢失调导致叶酸缺乏与同型半胱氨酸升高，间接促进脑部神经炎症。转基因PD大鼠多组学分析发现，年龄相关性肠道菌群失调伴随琥珀酸水平升高，抗生素处理可降低前脑α-Synuclein水平。台湾与马来西亚双队列验证研究显示，PD患者咖啡因及其代谢物水平显著降低，与56种富集菌群呈负相关，提示肠道菌群通过调节咖啡因代谢影响PD运动症状。上述研究证实肠道菌群异常与PD严重程度及神经炎症密切相关，年龄相关性菌群失调可升高琥珀酸水平并调控脑内α-Synuclein积累，跨地区队列验证进一步明确肠道菌群通过调节咖啡因代谢影响PD运动症状，系统阐明了肠-脑轴在PD发病中的调控级联。
3.2 筛选临床适用生物标志物
3.2.1 诊断生物标志物：从“侵入性样本”到“无创组合”
诊断生物标志物需具备高灵敏度、无创性及可及性，近年研究不断拓展样本类型并提升诊断效能。血浆蛋白质组分析发现，簇集素（Clusterin）与VPS35组合的线性判别模型可有效区分PD患者与健康对照，VPS35是首个在血浆中报道的PD相关蛋白。CSF蛋白质组分析鉴定出13种稳定差异蛋白，为CSF诊断标志物奠定基础。皮脂代谢组分析识别出10种脂质代谢物可作为潜在PD诊断标志物，皮脂采样具有无创、易获取优势。CSF来源细胞外囊泡蛋白质组分析在CSF样本中鉴定出13种PD特异性标志物。DeNoPa队列血清蛋白质组研究通过差异表达分析与特征选择确认14种稳定潜在诊断标志物，且PD患者总血清α-Synuclein水平显著高于健康对照。靶向质谱检测血浆蛋白构建的8蛋白组合可在症状出现前7年100%识别PD患者，79%识别孤立性快速眼动睡眠行为障碍（iRBD）个体，实现疾病早期预警。血浆代谢组分析构建的5代谢物预测模型AUC达0.94，且代谢物与肠道通透性标志物正相关，兼具诊断价值与机制关联性。此外，α-突触核蛋白种子扩增 assay（SAA，含实时震动诱导转换RT-QuIC、蛋白错误折叠循环扩增PMCA）是2023–2025年最具变革性的生物标志物进展，其特异性检测朊病毒样病理性α-Synuclein seeding活性，CSF检测汇总灵敏度超88%、特异度超95%，在皮肤活检、外周血等微创样本中验证有效，可用于识别iRBD临床前个体、鉴别神经元α-突触核蛋白病与多系统萎缩（MSA），并实现突触核蛋白病研究队列的生物分期与分层，是多组学分子组合的重要功能病理学检测补充。
3.2.2 分型生物标志物：从“遗传分型”到“临床表型关联”
分型生物标志物旨在区分PD不同亚型，为精准诊疗提供依据。中性粒细胞蛋白质组分析显示，LRRK2 G2019S与VPS35 D620N突变患者pRab10水平分别较健康对照升高1.9倍与3.7倍，可有效区分PD遗传亚型。CSF蛋白质组分析发现，震颤主导（TD）型PD患者CSF中CLU与FBLN1水平显著高于姿势不稳/步态障碍（PIGD）亚型。GBA突变PD患者CSF蛋白质组分析鉴定出20种特异性差异蛋白，提示该类患者突触损伤与氧化应激更严重。ParkWest队列CSF蛋白质组分析显示，tau蛋白水平与PD诊断后10年认知下降速率正相关，可预测认知亚型转化。血浆脂质组分析发现，PD患者HexCer水平高于阿尔茨海默病（AD）患者与健康对照，LPC水平低于健康对照，可实现PD与AD的鉴别诊断。上述研究证实分型生物标志物可有效区分PD遗传亚型、运动表型及认知进展轨迹，为精准分类与个体化临床管理奠定基础。
3.2.3 治疗监测生物标志物：从“靶点评估”到“临床应答预测”
治疗监测生物标志物用于评估药物疗效与干预效果，近年研究已从基础靶点评估拓展至临床应答预测。中性粒细胞pRab10水平可用于评估LRRK2抑制剂疗效，治疗后pRab10水平下降超30%。蛋白质组分析发现突触小泡运输相关蛋白表达上调，可作为恩他卡朋疗效的分子指标。DATATOP临床试验520例PD患者血浆蛋白质组数据构建的炎症蛋白预测模型可高精度区分司来吉兰与α-生育酚组的治疗应答状态。PPMI队列多技术分析显示，未经治疗的PD患者、前驱期PD个体及LRRK2/GBA携带者CSF与尿液中多巴脱羧酶（DDC）水平均升高，且与UPDRS III评分正相关，可用于监测疾病进展。尿液代谢组分析发现，高香草酸（HVA）水平可作为治疗监测标志物，琥珀酸水平与H-Y分期负相关，三甲胺氧化物（TMAO）水平与H-Y分期正相关，实现了疗效评估与疾病严重度评价的整合。
3.3 识别精准干预靶点
3.3.1 通路靶点：从“单一通路”到“交叉调控”
核心通路靶点的验证是干预研究的基础，近年研究聚焦于LRRK2-Rab、PI3K/AKT、Nrf2/HO-1等通路。LRRK2敲除小鼠星形胶质细胞蛋白质组分析显示，LRRK2通过磷酸化RAB35/RAB10招募JIP4介导溶酶体损伤修复（LYTL）过程，致病突变可增强该效应。多组学分析证实LRRK2-Rab通路异常与PD患者分层相关。MPTP诱导PD小鼠多组学分析发现，(?)-Clausenamide可结合ALOX5 Ser663位点，抑制其核转位与激活，减少脂质过氧化，保护多巴胺能神经元免受铁死亡损伤。整合多组学与DaTscan成像的MMT_CA模型实现了PD高精度诊断。研究同时证实，谷胱甘肽合成限速酶下调通过加剧氧化应激参与PD发病，多组学联合成像模型为病理机制探索与精准诊断提供了支持。
3.3.2 分子靶点：从“基础验证”到“临床前探索”
分子靶点的临床转化潜力是研究焦点，近年聚焦于GCase、GPNMB、ALOX5等可成药靶点。GBA突变PD患者iPSC来源多巴胺能神经元蛋白质组分析显示，GCase小分子分子伴侣可挽救神经突生长缺陷。多队列验证确认GPNMB是PD最具潜力的脑-血双重靶点。西班牙LRRK2队列磷酸化蛋白质组分析发现pSer106 RAB12是G2019S驱动PD的血液生物标志物。上述研究为临床转化与靶向治疗提供了候选分子。
3.3.3 微生物靶点：从“菌群调节”到“功能验证”
肠道菌群是PD干预的新兴靶点，研究已从菌群组成表征拓展至功能验证。104例PD患者与96例健康对照的微生物组学与代谢组学分析显示，PD患者短链脂肪酸（SCFA）水平降低，且与认知功能负相关。抗生素处理可改变PD大鼠肠道代谢物并降低前脑α-Synuclein水平。设计的含乳杆菌的微生物组合可改善PD果蝇模型的运动缺陷。肠道菌群参与咖啡因代谢，其相关代谢物帕拉桑素的降低与PD相关。上述研究为肠道靶向治疗策略提供了实证支持。
4 PD组学技术的演进轨迹（2020–2025）
组学技术迭代是推动PD研究目标深化的核心动力，2020–2025年技术路线已从基础单一组学检测发展为系统层面多组学建模，支撑技术体系从小规模单中心样本扩展至大规模多中心大数据，形成了“检测-整合-验证”的完整技术管线。
4.1 单一组学技术：从“基础定量”到“精准靶向”
4.1.1 蛋白质组学：从“传统质谱”到“高特异性靶向技术”
蛋白质组学技术进步聚焦于低丰度蛋白检测能力提升、翻译后修饰表征精细化及样本类型拓展。LC-MS/MS分析SN突触蛋白仅鉴定出数百种蛋白；LC-MS/MS联合无标记定量蛋白质组学分析MPP+处理的SH-SY5Y细胞分泌颗粒，鉴定出4249种蛋白，其中536种为显著差异蛋白。2022年靶向LC-MS/MS MRM技术应用于生物标志物验证，如靶向MRM蛋白质组学验证了CSF CLU与FBLN1水平差异可区分震颤主导与PIGD PD亚型。该技术检测红细胞α-Synuclein的检出限（LOD）达0.02 μg/mL，优于CE-MS与直接MS。2024–2025年结构蛋白质组学与邻近蛋白质组学技术兴起，AlphaLarge元预测器成功解析了α-Synuclein与Synphilin-1的相互作用结构。
4.1.2 脂质组学：从“单类检测”到“全局分析”
脂质组学技术演进聚焦于扩大脂质覆盖范围、提升结构解析能力及关联功能验证。2020年研究集中于单类脂质检测，如LC-MS分析6-OHDA处理的SH-SY5Y细胞脂质，发现胆固醇的保护作用，但细胞模型适用性有限。UPLC-MS/MS应用于全局脂质分析，可检测CSF中SM、PC、PE等多类脂质。MALDI-MS用于组织脂质成像，分析了PD模型食蟹猴脑区脂质，发现嗅球与纹状体磷脂酰丝氨酸（38,1）变化与电子传递链（ETC）复合物活性相关。4D糖鞘脂组学技术实现了精细化结构表征，分析血清样本发现41种神经节苷脂与新乳糖系列糖鞘脂可区分PD患者与健康对照，其中14种可区分PD性别亚组，但无法提供糖苷键类型等结构信息。
4.1.3 代谢组学：从“靶向检测”到“多技术整合”
代谢组学技术进步致力于扩大代谢物覆盖范围、多平台验证及关联微生物代谢机制。LC/MS分析LCC队列发现咖啡因及其代谢物与LRRK2突变携带者的PD抗性相关。LC-MS分析皮脂样本发现脂质代谢异常与PD相关。优化化学信息学流程后，LC-MS/MS分析血浆与粪便样本识别出肠道微生物代谢物与PD的关联。UHPLC-MS/MS实现高分辨率检测，分析CSF样本发现23种化合物组合的PD预测AUC达0.897，多胺通路参与神经退行性变。2024–2025年多技术整合实现了多类别代谢物覆盖，GC-MS联合LC-MS/MS分析尿液代谢物，识别出琥珀酸、HVA、TMAO与PD的关联。
4.2 多组学整合技术：从“简单耦合”到“系统建模”
4.2.1 双组学整合：单通路验证
2020–2021年多组学研究以蛋白质组学+代谢组学、蛋白质组学+转录组学组合为主，目标是验证单一通路相关性，但该时期多数双组学整合属于简单数据并列而非系统联合建模。整合蛋白质组学与代谢组学分析PD患者血浆，识别出脂质代谢失调但未进行通路网络分析；整合转录组学、蛋白质组学与代谢组学发现PINK1缺陷多巴胺能神经元线粒体代谢与多巴胺代谢失调，但仅聚焦单基因缺陷；整合蛋白质组学与代谢组学分析认知障碍PD患者血清，发现LPC(18,1)与认知水平负相关，炎症-脂质代谢网络异常，但未进一步探索机制。
4.2.2 三组学整合：通路网络探索
2022–2023年多组学研究扩展至“三组学组合”并引入基础算法（如WGCNA、PPI网络），目标是探索通路间串扰。整合单细胞RNA测序与蛋白质组学分析PD患者单核细胞，发现沙格司亭治疗可激活抗炎、抗氧化及自噬相关通路，且与UPDRS III评分改善相关；整合代谢组学与蛋白质组学发现PARK7可清除1,3-二磷酸甘油酸（1,3-BPG）形成的活性中间体，防止代谢物与蛋白损伤；整合转录组学、蛋白质组学与代谢组学分析PD小鼠，发现(?)-Clausenamide通过抑制ALOX5保护多巴胺能神经元；多组学研究揭示年龄相关性肠道菌群失调升高琥珀酸水平，促进PD模型脑内α-Synuclein积累。
4.2.3 多组学+AI算法：临床模型构建
2024–2025年多组学研究整合基因组学、转录组学、蛋白质组学、代谢组学及微生物组学，并纳入AI算法（机器学习、孟德尔随机化、GCN模型），目标是构建诊断、分型及疗效预测的临床适用模型。整合脂质组学与代谢组学分析804例PD患者样本，发现二葡萄糖神经酰胺（Hex2Cer，含乳糖神经酰胺与二半乳糖神经酰胺两种亚型）与鞘氨醇（SPB）在脑深部刺激（DBS）组中显著升高，诊断效能优异，Hex2Cer的ROC曲线下面积（AUC）达0.99（需注意该近完美诊断效能可能仅适用于小型单中心队列，存在过拟合风险与样本特异性，难以推广至异质性真实世界PD人群），SPB的AUC达0.91。整合转录组学、蛋白质组学、代谢组学、血液信息与DaTscan成像构建的MMT_CA模型PD诊断平衡准确率达97.7%，DaTscan成像贡献最大。整合基因组学、转录组学（mRNA、miRNA）、蛋白质组学与表观基因组学（DNAm）分析PPMI队列，发现SNP与DNAm组合可作为遗传性PD早期诊断工具，纵向实验显示该组合训练的模型区分PD、临床前PD与健康对照的最优准确率达0.974，F1值达0.965。整合蛋白质组学与代谢组学联合机器学习识别出GCLC下调与PD相关，GCLC过表达可恢复多巴胺能神经元功能。整合基因组学、代谢组学与微生物组学发现微生物组合可改善PD果蝇运动缺陷，且该效应与脑代谢异常相关。尽管上述AI整合模型诊断准确率与AUC值较高，但多数受限于小型单中心队列，存在过拟合风险，且当前模型普遍缺乏足够可解释性，难以阐明组学特征分类的内在生物学逻辑。
4.3 辅助技术支撑体系：从“单中心小样本”到“多中心大数据”
4.3.1 生物样本库：从“单中心小样本”到“多中心大队列”
现代生物样本库建设聚焦于扩大队列规模、提升人口多样性及延长纵向随访时间。2020年研究多基于单中心小样本，多数队列样本量少于50例，且无纵向随访。2021年启动多中心队列整合，部分研究纳入3个独立队列共460份血浆样本，或纳入149例非SNCA、LRRK2、GBA突变携带者PD患者。2022年队列规模进一步扩大，部分研究纳入215份样本，覆盖Braak分期PD患者与健康对照的9个脑区，首次出现纵向队列，如DeNoPa队列纳入85例PD患者与93例对照并完成8年随访。2024–2025年多中心、多族裔、大样本队列成为主流，部分研究整合23个贡献队列（ABC-PD、PPMI、BioFINDER等），或纳入GNPC队列10527份血浆样本，或纳入PPMI队列2188份样本，覆盖遗传性PD、特发性PD及前驱期人群并提供纵向随访数据。
4.3.2 数据分析工具：从“基础统计”到“AI算法”
分析工具开发聚焦于高效数据整合、复杂生物网络挖掘及系统偏差缓解。2020年基础统计方法（t检验、ANOVA、Pearson相关分析）占主导，如t检验筛选血浆差异蛋白，ANOVA分析代谢组学差异时通过研究设计与统计检验控制核心混杂因素，但因缺乏UPDRS评分等部分临床信息未将其纳入模型优化。随后多元统计方法（PCA、PLS-DA）引入该领域，PLS-DA筛选PD相关差异代谢物并联合二元Logistic回归构建含吲哚乳酸与苯乙酰谷氨酰胺的代谢物诊断模型，在3个独立队列中验证显示优异区分效能；代谢建模分析肠道菌群与代谢物的关联。WGCNA与PPI网络应用于通路探索，如WGCNA分析PD大鼠RTN区蛋白识别嘌呤能信号异常；发现PARK7通过
