《Frontiers in Aging Neuroscience》：Mapping Alzheimer’s disease heterogeneity through exploratory unsupervised learning
编辑推荐：
引言：阿尔茨海默病(AD)正成为本世纪最紧迫的健康挑战之一，影响全球约5500万人，预计到2050年这一数字将增加两倍。除了患病率不断增长，AD由于其漫长的临床前阶段和显著的症状异质性，仍然难以诊断。尽管存在强调使用生物标志物（如神经影像学和脑脊液分子生物标志
引言：阿尔茨海默病(AD)正成为本世纪最紧迫的健康挑战之一，影响全球约5500万人，预计到2050年这一数字将增加两倍。除了患病率不断增长，AD由于其漫长的临床前阶段和显著的症状异质性，仍然难以诊断。尽管存在强调使用生物标志物（如神经影像学和脑脊液分子生物标志物）的AD诊断国际指南，但大多数研究仍在使用忽视其诊断质量的数据，模糊了整体统计结果。为了规避这一影响，研究人员使用了来自阿尔茨海默病神经影像学倡议(ADNI)的生物标志物确认样本，该倡议整合了所有参与者的遗传和神经影像学数据。方法：测试了无监督机器学习聚类方法，以探索精选的遗传标记是否能揭示散发性AD(sAD)内的潜在亚结构。研究人员选取了两组特定的单核苷酸多态性(SNPs)：(i)既往研究中突出显示的候选SNPs，这些研究确定了sAD中存在不同亚型；(ii)在至少50%样本具有生物标志物确认诊断的全基因组关联研究(GWAS)中发现与sAD相关的SNPs。结果：该策略最小化了背景噪声，并能够构建用于分析的高质量SNP集合。评估了不同的聚类算法，凝聚层次聚类一致地表现出最稳健的性能。在SNP集合中，大多数试验揭示了sAD样本内可重复的二元结构，提示存在遗传上可区分的亚组。讨论：这些发现与支持AD生物学异质性的新兴多模态证据一致。总体而言，这项工作表明，精选的SNP面板结合无监督学习可以揭示sAD中有意义的亚结构，强化了将高质量遗传数据整合到亚型研究中的价值。
阿尔茨海默病(AD)是痴呆症的主要原因，全球约5500万人受影响。由于漫长的临床前阶段和症状异质性，早期诊断极为困难。尽管国际指南推荐使用生物标志物（如神经影像学和脑脊液分子标志物）进行确诊，但多数研究仍依赖临床诊断，导致病例-对照定义模糊，遗传关联信号被稀释。全基因组关联研究(GWAS)中样本量虽大，但诊断质量不一，效应量未能提升，遗传异质性掩盖了亚型特异性信号。为探索散发性阿尔茨海默病(sAD)的遗传亚结构，研究人员利用阿尔茨海默病神经影像学倡议(ADNI)数据库中生物标志物确认的sAD样本，采用无监督机器学习聚类方法，测试精选单核苷酸多态性(SNP)面板能否揭示潜在亚群。研究证实，精选SNP结合无监督学习可发现可重复的二元遗传结构，为sAD精准医学提供基础。该论文发表在《Frontiers in Aging Neuroscience》。
主要关键技术方法包括：样本来自ADNI数据库（2003年启动，整合MRI、PET及生物标志物数据），基因型数据使用Illumina芯片（Human610-Quad、HumanOmniExpress、Omni 2.5M）。SNP选择依据三个标准：(i)既往亚型研究中的候选SNP（如Tijms等2024文献）；(ii)在至少50%生物标志物确认样本的GWAS中与sAD相关的SNP；(iii)APOE定义SNP。最终形成三个子集：Group1（9个亚型SNP）、Group2（18个GWAS风险SNP，含高缺失率rs10456232）、Group3（合并24个SNP，排除rs10456232）。聚类算法包括DBSCAN、K-means、凝聚层次聚类、谱聚类和高斯混合模型(GMM)，评估指标为轮廓系数(Silhouette)、Calinski-Harabasz指数(CH)和Davies-Bouldin指数(DB)。关键SNP驱动性通过随机森林特征重要性(RFI)和互信息(MI)衡量。
研究结果分为两个主要部分：
**分析SNP子集**：对Group1（9个亚型SNP）进行聚类，凝聚层次聚类在k=2时表现最优（轮廓系数=0.309，CH=178.9，DB=1.37），rs7245858为主要驱动SNP（RFI=0.9455）。加入APOE2（rs7412）后，双簇结构仍保持稳定（轮廓系数=0.261），rs7245858（RFI=0.4949）和APOE2（RFI=0.4042）共同驱动，且两者独立（LD r2=0.002，D'=0.064），表明存在非APOE信号。对Group2（18个GWAS风险SNP）分析，排除高缺失率SNP rs10456232后样本量从669增至1110，聚类质量改善（CH从61.5增至95.0）。凝聚层次聚类在k=4时表现最佳（轮廓系数=0.222），rs2421847在全部四个子集中RFI均>0.1（峰值0.743），是最一致的驱动SNP。rs1861525显示噪声敏感性，排除Miss_SNP后RFI从0.487降至0.247，加入APOE2后进一步降至≤0.016，表明其依赖低质量基因型伪影。APOE2加入后重构聚类但未破坏遗传结构，65%–75%样本保留遗传身份。
**分析合并SNP数据集**：对Group3（24个SNP，排除Miss_SNP）进行聚类，谱聚类在k=2时表现最佳（轮廓系数=0.198），但整体低于优化后的子集。加入APOE2后，KMeans在k=2时最优（轮廓系数=0.210）。关键SNP为rs11154851（RFI=0.2570）和rs7245858（RFI=0.1724），前者在数据清洗后重要性上升，后者在合并面板中仍具贡献。APOE2加入后，仅rs2421847的RFI>0.1（0.743），表明其主导性。共聚类热图显示多数样本跨分析稳定，APOE2仅引起局部重分配而非全局重组。
讨论部分强调，诊断质量低下是遗传信号稀释的关键，ADNI的欧洲血统队列虽减少分层噪声，但限制了普适性。APOE2作为强混杂因子，需系统排除以识别真实驱动SNP。研究揭示了四个稳健SNP：rs2421847（PRRC2C，与应激颗粒形成相关）、rs7245858（PPIAP59，与脯氨酰异构酶及Tau调控相关）、rs11154851（PDE7B，编码长链非编码RNA，与BACE1调控相关）、rs4296166（AKAP6，与激酶信号及Tau过度磷酸化相关）。研究结论部分翻译如下：散发性阿尔茨海默病的准确诊断需要生物标志物确认。sAD亚型已明确，但基因组学在临床实践中整合不足。公共数据库中的基因组数据常缺乏细节，导致近期GWAS因仅扩大样本量而忽视诊断质量出现问题。本研究提供了新证据：小型精选SNP面板（约9–19个标记）在sAD聚类中优于合并面板，识别出rs2421847、rs7245858、rs11154851和rs4296166为关键驱动SNP，且对APOE分层、噪声和算法变化具有鲁棒性；揭示了二元结构，需进一步功能验证。方法学创新包括系统APOE排除测试和敏感性分析，证明凝聚层次聚类在异质性数据中优于KMeans/DBSCAN。尽管是初步结果，但提示sAD可能是一种遗传异质性综合征，包含不同分子通路亚型，与近期多模态及蛋白质组学研究一致。未来方向包括：独立队列验证、多模态整合（MRI/PET、CSF生物标志物）、功能验证（eQTL、通路富集、动物模型）、治疗分层及多基因风险评分细化。
