《Journal of Neurochemistry》：Limitations and Strengths of the SH-SY5Y Neuroblastoma Cell Line as a Model of β-Amyloid Neurotoxicity: Lessons From a Systematic Review and Meta-Analysis
SH-SY5Y人神经母细胞瘤细胞系被广泛用作阿尔茨海默病（AD）中β-淀粉样蛋白（Aβ）神经毒性的体外模型。然而，缺乏评估Aβ毒性的标准化方案——包括SH-SY5Y细胞的分化策略——限制了研究结果之间的可比性。为解决这些问题，研究人员进行了一项系统综述和荟萃分析，以评估方法学因素如何影响SH-SY5Y细胞中Aβ诱导的毒性。研究人员纳入了359项符合条件的研究，涵盖了1192个基于MTT的细胞活力比较，比较了Aβ处理组与对照组SH-SY5Y细胞。一项三水平荟萃分析估计，Aβ暴露后的平均细胞活力为对照组的63%（95% CI [61.6; 64.3]），且异质性非常高（I2?=?99.6%）。荟萃回归发现，较高的Aβ浓度、较长的暴露时间以及使用被描述为纤维的肽制剂与毒性增加显著相关。相反，分化方案、持续时间和细胞密度对毒性结果无显著影响。报告质量通常较差，经常遗漏细胞系来源、鉴定、污染检测、Aβ制剂细节以及实验单元性质等信息。总体而言，研究人员的发现显示，SH-SY5Y细胞中Aβ毒性显著，主要受剂量、暴露时间和Aβ聚集状态驱动，而非细胞分化状态。研究人员的结论强调了改进Aβ暴露参数报告的必要性，以提高AD研究中的可重复性和转化潜力。
**1 引言**
阿尔茨海默病（AD）中的认知障碍被广泛归因于β-淀粉样蛋白（Aβ）肽聚集体诱导的突触功能障碍。通过BACE-1和γ-分泌酶在神经元细胞外表面酶切淀粉样前体蛋白（APP），可生成不同亚型的Aβ肽，其中最常见的亚型含有40个（Aβ40）或42个氨基酸残基（Aβ42）。这些肽可组装成结构多样的聚集体，具有不同程度的溶解性和毒性。尽管为表征不同Aβ物种的神经毒性特性付出了大量努力，但由于实验模型、Aβ浓度、暴露时间和聚集方案之间的不一致性，进展受到了阻碍。这种标准化的缺乏导致了临床前研究结果的普遍性有限，并可能部分解释了Aβ靶向疗法在临床试验中的高失败率。
SH-SY5Y细胞系是神经科学研究中广泛使用的模型，包括AD研究。该细胞系通过从亲本SK-N-SH人神经母细胞瘤细胞系中多次亚克隆和选择产生，既可用于未分化状态，也可在分化成成熟神经元样表型后使用，其中全反式维甲酸（ATRA）是首选的分化试剂。ATRA通过抑制细胞增殖，同时增加成熟神经元典型细胞骨架蛋白β-微管蛋白III的表达，并促进胆碱能表型的出现。当与脑源性神经营养因子（BDNF）联合使用时，ATRA进一步增强神经元特征，包括突触结构的形成和轴突囊泡运输。此外，还探索了替代分化方案，包括使用专用培养基（如N2）或添加替代生长因子（如FGF）。
多项研究，包括使用SH-SY5Y细胞系的研究，提出Aβ聚集体引发的毒性机制涉及与突触结构的直接相互作用。这引发了对未分化SH-SY5Y细胞（其不具备延伸的神经突或功能性突触）作为研究Aβ诱导毒性模型适用性的担忧。此外，使用不同培养基分化的SH-SY5Y细胞对Aβ42聚集体暴露表现出不同的毒性反应，表明分化机制途径和细胞培养的最终表型分布会影响毒性结果。这些差异可能解释了在SH-SY5Y作为模型的研究中使用的Aβ浓度范围广泛——包括一些远高于体内浓度的浓度。分化方案、Aβ聚集制备和Aβ浓度的变异性组合可能影响细胞反应，并导致研究之间的可比性差。
基于SH-SY5Y细胞作为研究Aβ毒性的广泛使用，研究人员进行了系统综述和荟萃分析，以确定影响该细胞系中Aβ毒性的主要因素。具体而言，研究人员检查了与Aβ暴露相关的参数——包括聚集状态、浓度和持续时间——以及细胞系变量，如分化方案和细胞密度。此外，研究人员对纳入文章的方法学方面和报告质量进行了全面评估。研究结果指出了改进报告标准的机遇，并可能为优化SH-SY5Y细胞在Aβ神经毒性和AD病理学未来研究中的应用提供实用指导。
**2 方法**
**2.1 搜索策略**
研究方案已在开放科学框架（OSF）预注册，与预注册方案的偏差见OSF链接。最初，研究人员创建了一份包含14篇哨兵文章的列表，以指导搜索策略的制定。最终搜索字符串包含两个部分：一个包含与体外模型相关的关键词，另一个包含与AD或β-淀粉样肽相关的关键词。研究人员于2020年12月18日在PubMed和EMBASE索引的文章的标题和摘要中进行了搜索，并筛选出英文文章。从每个数据库检索到的文章总数见补充表。
此外，还使用相同的搜索策略和搜索字符串进行了额外搜索，以分析综述结束后发表的研究数量。这些研究的摘要通过以结构化方式查询大型语言模型（GPT 5.2）进行筛选，并分析了10%的样本，以评估文章特征与初始样本的可比性。
**2.2 标题和摘要筛选**
评审员使用Rayyan分析文章并去除重复项。纳入标准为：(i) 英文文章，(ii) 呈现原始结果，(iii) 描述使用合成来源或从重组来源纯化的β-淀粉样肽的实验，(iv) 描述使用SH-SY5Y细胞作为模型的实验，(v) 未被撤回。标题和摘要筛选步骤按照筛选试点中的相同标准进行，每篇文章由一名评审员评估，10%的文章进行双重筛选以计算一致性水平。评审员对之间的一致性通过绝对百分比和Cohen's kappa衡量。
**2.3 全文筛选**
在全文筛选中，每篇纳入的文章由一名不同于最初进行标题和摘要筛选的评审员评估。纳入标准与上一步相同，并增加了以下内容：(i) 使用暴露于Aβ肽（亚型1-37至1-43）的SH-SY5Y细胞；(ii) 使用相同培养条件但未暴露于Aβ的SH-SY5Y细胞作为对照组；(iii) 使用测量细胞活力、细胞死亡或氧化应激标志物的毒性结果；(iv) 提供每组的样本量、均值和标准差（SD）或均值的标准误（SEM）。如果任何所需统计量不明确或缺失，则联系相应作者以请求必要信息。在此阶段，使用Airtable记录符合纳入标准的实验图表。
**2.4 数据提取**
图表数据由一名不同于筛选阶段纳入文章的评审员提取。变量在文章、图表/表格、结果和方案层面收集，包括文章元数据、实验设计、结果和方案变量（如对照组和处理组结果，以及Aβ、细胞培养和处理条件的详细信息）。完整的提取变量集见补充表。使用Gsys从图表中提取数值，并使用Airtable记录数据。
**2.5 数据处理**
使用R将不同评审员提取的数据表合并。对实验单元描述的数据进行审查和分类。使用每孔铺板细胞数和板尺寸的信息计算细胞密度作为新变量。对培养基补充剂的描述进行审查，从而创建两个二分变量以指示抗生素和谷氨酰胺的使用。经过手动清理步骤后，数据被重新导入R以进行所有后续清理、分析和可视化。排除任何一组均值或样本量缺失的比较，以及处理组变异缺失的比较。当变异性以SEM报告时，SD计算为SEM?×?√样本量。如果误差棒的含义不明确，则假设其代表SEM。如果仅处理组呈现误差棒，则假设进行了配对归一化（每个处理单元除以特定的对照值）。
**2.6 数据合成**
所有分析脚本和数据集可在OSF获取。使用的软件包列表见补充表。所有分析均使用对数转换的均值比（ROM/ROMC）和标准化均值差（SMD）作为效应量指标。当对照组无SD或SEM报告时，将其视为零，并在metafor的escalc函数中使用measure = “ROMC”或“SMC”。当对照组报告了SD或SEM时，则使用measure = “ROM”或“SMD”。对于所有均值比分析，在显示结果时，通过对荟萃分析结果取自然指数，将效应估计值转换为线性尺度（即对照组的%）。
使用τ2的限制最大似然估计量计算随机效应荟萃分析（两水平模型）。基于这些结果，通过使用R0和L0估计量的剪补法分析以及使用SEM倒数作为预测变量的Egger回归评估发表偏倚。三水平荟萃分析模型在文章和实验两个水平上使用随机效应。
使用分化持续时间（无分化 = 0天）、Aβ聚集状态、Aβ浓度、Aβ暴露持续时间和细胞密度进行三水平单变量荟萃回归。对于将Aβ浓度作为调节变量的荟萃回归，排除了Aβ浓度高于100?μM的比较（18个比较），因为溶液中高浓度的该肽易于快速聚集为不溶性物质。三水平多变量荟萃回归使用τ2的最大似然估计量，并在多变量模型中测试了所选变量列表的所有组合。最佳模型根据校正后的赤池信息准则（AICc）进行排名。此外，还计算了模型的R2，并对每个变量（包括每个分类调节变量的所有虚拟变量）进行了调节变量Q检验，以获得单个变量的p值。还构建了一个包含Aβ浓度和Aβ暴露持续时间及交互项的多变量模型，以评估这两个变量之间可能的交互作用。
**3 结果**
**3.1 实验选择**
研究选择过程在PRISMA流程图中说明。共筛选了9391篇文章，其中1364篇进入全文筛选。在双重筛选的文章样本中，评审员之间的平均一致性为86.6%，Cohen's kappa为0.67。在全文筛选步骤分析的1364篇文章中，553篇被纳入数据提取。第二次筛选后，对毒性检测方法进行初步分析，发现基于代谢的活力测定是最常见的检测方法，共1386个比较（占总数的54%）。MTT是这些测定中最常用的试剂（>80%的比较）。基于这些测定的广泛使用，研究人员出于可行性考虑，仅从这些比较中提取数据。在数据提取过程中，所选文章中的另外215个比较被评审员认定为符合条件，从而共包含444篇文章和1601个比较。其中，226个比较因均值或变异性信息缺失而被排除，183个因样本量信息缺失而被排除，最终留下来自359篇文章的1192个比较用于分析。
**3.2 样本描述**
纳入文章发表于1998年至2021年间，每篇文章呈现1至52个比较，中位数为2，平均数为3.3个比较。在大多数选定的研究中（69%），该测定用于测试特定干预措施是否能逆转Aβ引起的毒性。仅55%的文章报告了细胞来源。报告的来源主要是细胞库（51%的文章），主要来自美国模式培养物保藏中心（ATCC）（30%）或欧洲认证细胞培养物保藏中心（ECACC）（8%）。最常用的培养基是DMEM和F12的组合（36%），其次是DMEM（31%）。在8.5%的比较中，培养基未报告。大多数实验在培养基中添加了抗生素（72%），约40%的实验补充了谷氨酰胺。在大多数实验中，细胞培养基补充了10%的胎牛/小牛血清（FBS/FCS），但观察到了血清类型和浓度的广泛范围。
与Aβ暴露方案相关的变量总结于表1。除一个比较外，所有实验比较均描述了单次暴露于Aβ。Aβ1-42是最常用的亚型（81%的比较），其次是Aβ1-40（18%），鉴于这两种亚型在AD中的关联，这符合预期。在大多数实验中，肽的来源或物种身份未报告（分别为52%和80%）。寡聚体（可溶性）形式是最常报告的聚集状态（38%），其次是纤维（9%）。近一半的实验未提供聚集状态的清晰描述（45%），可能使用了不同聚集体（可溶性和不溶性）的混合物。对照组（未暴露）条件的清晰描述（例如，仅培养基、溶剂）在44%的比较中缺失。暴露持续时间和Aβ浓度在99%的案例中报告。观察到了广泛的值范围，平均（±SD）暴露持续时间为33.2?h（±16.9），平均Aβ浓度为41.5?μM（±875.4）。
与分化方案相关的变量总结于表2。SH-SY5Y细胞在270个比较中进行了分化（23%）。用于分化的培养基组成比用于标准细胞培养的培养基更少被详细描述。与常规培养一样，DMEM和DMEM+F12是最常报告的培养基选择。在47%的比较中，培养基补充了FBS/FCS，其中5%或更低是最常见的浓度范围（32%）。关于分化方法，ATRA在51.5%的比较中使用，而ATRA+（ATRA与另一种试剂如BDNF、N2或FGF联合使用）出现在30%的案例中。在近20%使用分化细胞的比较中，分化持续时间未报告，类似比例的比较未描述ATRA浓度。在描述这些变量的比较中，平均分化持续时间为6.6（±3.2）天，平均ATRA浓度为9.2?μM（±3.4）。
**3.3 报告质量**
与报告相关的文章层面变量总结于表3。没有一项选定的研究报告了样本量计算，协议注册仅在10项研究中报告（2.8%）。51%的研究包含了利益冲突声明，且在近期文章中更常见。在相当比例的文章中（44.6%），细胞来源未报告。细胞系鉴定和支原体污染检测仅在2篇和3篇文章中报告，且这些测试的方案均未提供。此外，样本量的含义并不总是清晰。尽管通常提供如“独立实验”或“重复”等通用描述（约64%的比较），但无法保证作者对这些术语的含义达成一致。例如，“独立实验”可能指使用单一培养批次重复测定、独立培养批次，或同一批次的不同传代。
研究人员还对2020年12月至2025年4月期间发表的文献进行了简要范围综述，使用相同的搜索策略和数据库。去重后，检索到3321篇文章。该集合使用相同的纳入标准，并在BRISA开发的AI工具支持下进行摘要筛选，排除2780篇，纳入541篇。鉴于大量符合条件的文章和时间限制，研究人员随机抽取10%的研究进行全文筛选和定性数据提取，最终纳入29篇文章。在这些样本中，摘要和全文筛选阶段的纳入率与原始文章集相似。在纳入的文章中，76%（22篇）使用细胞活力测定评估Aβ诱导的毒性，比例与原始综述相似（80%）。收集了这22项研究的定性数据。Aβ变量的报告仍然较差，大多数研究缺乏肽来源、物种或聚集状态的信息。与先前发现一致，Aβ42是最常用的序列（82%），寡聚体是最常报告的聚集状态（32%）。神经元分化仍不常见，22项研究中仅有3项（14%）报告使用分化的SH-SY5Y细胞，而原始综述中为23%。
**3.4 主要荟萃分析**
研究人员最初按照预注册方案，基于标准化均值差作为效应量指标，运行了包含所有1192个比较的随机效应荟萃分析。该模型产生的效应量（Hedges' g）为-5.47（95% CI [-5.7, -5.2], p < 0.0001），且异质性高（I2 = 93.77%，Q检验p值 < 0.0001），表明观察到的效应量差异极不可能仅由抽样误差引起。然而，使用标准化效应量存在两个问题。首先，在相当数量的研究中（51.6%），对照组未呈现误差棒（可能因为每个处理单元的值已归一化到特定的对照单元）。在这些情况下，无法准确估计标准化效应量，因为合并两组的误差棒无法提供真正的合并标准差。其次，对实验单元含义的不确定性引发了关于不同研究间实验单元独立程度是否可比的问题。这一问题因一些研究报告实验单元间标准差极小（导致非常大的标准化效应量）而进一步加剧——这可能是由于各组间的单元并非真正独立（如技术重复的情况）。此外，误差棒很小也导致从图表中估计SD或SEM不可靠（从而得到不可靠的标准化效应量）。
因此，研究人员选择使用均值比作为主要效应量指标，因为它(a) 提供了归一化和非归一化数据之间可比的结果，(b) 不会因低估变异性而失真（尽管标准误小的研究在荟萃分析中仍会获得更大权重）。使用此方法，随机效应荟萃分析得到的对数均值比（[95% CI]）为-0.46 [-0.48, -0.44], p < 0.0001，对应于Aβ处理组的平均细胞活力为对照组的63% [61.6%, 64.3%]。异质性仍然非常高（I2 = 99.6%；Q检验p值 < 0.0001）。所有后续分析均基于此指标，但使用标准化效应量的替代分析以支持信息形式呈现。
**3.5 发表偏倚分析**
通过漏斗图不对称性和Egger回归检验（p = 0.1587）评估发表偏倚。使用R0方法进行的剪补法分析显示有强烈证据表明存在发表偏倚，缺失86项研究，调整后的荟萃分析效应量为-0.40 [-0.42, -0.37]，而L0方法未发现缺失研究，因此与主要荟萃分析无差异。图3显示，处理组活力高于100%的实验很少被报告。这可能是预期的，因为在大多数实验中（~70%），Aβ暴露用于测试另一种干预措施逆转其毒性作用的效果。在这些情况下，毒性的缺失很可能被解释为方法学失败，阻碍了对治疗的评估，因此最终未被报告。
**3.6 三水平荟萃分析**
鉴于数据的嵌套结构（每篇文章平均3.3个比较），研究人员进行了三水平荟萃分析，将实验和来源研究作为相互嵌套的独立变异来源。发现荟萃分析估计值与两水平分析相似，对数均值比（[95% CI]）为-0.50 [-0.53, -0.47], p < 0.0001，对应于Aβ处理组的平均细胞活力为61% [59%, 63%], p < 0.0001。方差（[95% CI]）为0.09 [0.08, 0.1]（I2 = 66.3%），文章间方差为0.04 [0.03, 0.06]（I2 = 33.4%），表明文章内实验之间的异质性大于文章之间的异质性。这可能反映了单篇文章内使用了不同的实验条件（例如Aβ浓度、暴露时间等），包括一些预期无效且用作阴性对照的条件。
**3.7 荟萃回归**
荟萃分析的主要目标并非获得整个文章样本的效应估计，而是探索不同变量如何影响该效应。在数据收集前，研究人员选择了以下变量进行荟萃回归：分化方法、分化持续时间、Aβ聚集状态、Aβ浓度、Aβ暴露持续时间、细胞密度和结果指标；由于仅从细胞活力测定中提取数据，结果指标被排除。由于进行分化方案的比较数量有限，也移除了分化方法。分析基于所有报告了该变量的结果，并显示于表5、图4。Aβ的毒性与其较高浓度、较长暴露时间以及被报告为纤维或未报告聚集状态（与Aβ单体相比）的制剂相关。分化持续时间显示出与较低毒性的非显著性趋势，当使用SMD进行分析时更为显著。另一方面，细胞密度对效应量无显著影响。
虽然单变量荟萃回归能提供信息，但可能因纳入变量间的共变而混淆。为考虑这种可能性，研究人员还进行了多变量荟萃回归，纳入了单变量分析中使用的相同变量。仅所有变量数据完整的比较符合多变量荟萃回归条件。因此，排除了571个比较，保留了621个用于分析。然后测试了所有64种可能的模型，考虑了所有变量的组合。表6显示了由校正后的赤池信息准则（AICc）选出的最佳模型，其包含Aβ聚集状态、Aβ浓度和Aβ暴露持续时间，与单变量荟萃回归的结果一致。一项额外分析还表明，Aβ浓度和暴露持续时间的影响是协同的，随着暴露时间的增加，毒性变得更具剂量依赖性。
**4 讨论**
人神经母细胞瘤细胞系SH-SY5Y已被广泛用作研究Aβ毒性的细胞模型，从搜索中检索到的大量已发表文章即可看出。据研究人员所知，这是首次系统综述，综合了SH-SY5Y细胞中Aβ诱导毒性的已发表数据。研究结果包括文章层面的方法学和报告实践的范围综述，以及识别影响观察到的毒性结果因素的荟萃分析和荟萃回归。本综述编纂的证据表明，通过MTT还原测定评估，Aβ暴露降低了SH-SY5Y细胞的活力，表明线粒体代谢活性受损，进而影响神经元活力。
基于代谢的活力测定是最常用的检测方法，其中MTT是最广泛使用的试剂。在MTT测定中，四唑盐被代谢活跃的细胞还原为甲瓒，一种不溶于水的紫蓝色产物，可通过吸光度定量，其被认为与代谢活力细胞的数量成正比。尽管MTT测定被广泛用于推断细胞增殖、活力或线粒体活性，但其潜在机制尚未完全阐明，有报道称存在线粒体外的酶进行MTT还原。因此，有人提出应将MTT测定主要解释为参与细胞代谢酶的综合活性指标，而非细胞活力的直接指标。此外，培养基组成和MTT试剂浓度等变量也可能导致结果的高估或低估。
约70%的纳入研究使用SH-SY5Y细胞评估旨在抵消Aβ诱导毒性的干预措施。这种以神经保护为重点的框架的普遍使用，可能部分解释了为什么报告Aβ暴露后保持或增加细胞活力的研究少于预期，如漏斗图所示。此类结果可能被视为方法学上与研究目标不一致（因为证明神经毒性是测试保护作用的前提），因此被认为不可发表或无信息。这与此前关于生物医学科学中发表偏倚的发现一致。
报告质量差严重阻碍了不同研究结果的解释和综合。值得注意的是，体外研究中实验单元定义标准的缺失限制了研究人员准确解释报告样本量的能力。使用了各种模糊的描述，通常未能明确区分技术重复和生物学重复。这种清晰度的缺乏可能部分解释了某些比较中观察到的异常大的标准化效应量，因为技术重复通常表现出比生物学重复更低的变异性，当技术重复被错误地视为独立观察时，可能导致效应量膨胀。可能导致这些极端效应量的其他因素包括从图表中提取均值和误差值的不准确性——特别是当误差棒很小时——以及选择性报告实践（即排除异常值），甚至数据伪造。这些非常大的效应量是导致整个样本中结果之间异质性极高的部分原因。
在提取数据的359篇文章中，44.6%未报告所用细胞系的来源，4.7%声明通过捐赠获得。仅有9.2%（1192个比较中的110个）报告了细胞传代次数。加上缺乏细胞系鉴定，这引发了对所用细胞系可靠性的担忧。对于像SH-SY5Y这样源自肿瘤的细胞系，这一点尤其相关，因为它们长期培养时特别容易发生表型和遗传漂变。此外，细胞系间交叉污染的风险仍是一个有据可查的问题，没有常规的鉴定程序，这种污染可能未被发现，尤其是当形态学差异微小或不存在时。这些担忧，连同其他问题（如实验单元定义不清），凸显了严格评估体外研究内部效度的必要性。因此，开发并实施标准化工具以评估细胞培养研究中的偏倚风险，对于推进该领域的证据综合至关重要，正在进行的举措已开始解决这一差距。
在报告质量方面，相当比例的实验未能明确Aβ的来源或氨基酸序列的物种起源。虽然通常可以合理假设所用肽是合成的且基于人类序列，但建议更清晰地报告这些变量，因为一些研究使用了重组生产的肽或来自大鼠的序列。同样，近一半的实验未提供Aβ聚集状态的清晰描述，可能使用了可溶性和不溶性聚集体的异质混合物，这可能会影响毒性识别。这种描述可以通过使用能够区分不同Aβ聚集体的构象抗体来提供，例如针对寡聚体物种的A11、NU1和NUsc1，以及针对前纤维物种的OC。
这种缺乏适当描述的情况令人担忧，因为可溶性和不溶性Aβ聚集体的毒性不同。不同Aβ聚集体差异作用的临床意义通过以下发现得到强调：淀粉样斑块负荷与阿尔茨海默病认知衰退并不一致相关。因此，强烈建议在使用SH-SY5Y细胞评估针对Aβ毒性的新型治疗化合物时，仔细选择和表征Aβ聚集状态，最终目标是开发阿尔茨海默病的有效疗法。
本综述纳入研究中使用的平均Aβ浓度为41.5?μM，与体内估计浓度相比是一个高值。例如，在AD患者脑组织中发现的Aβ寡聚体水平据报道在低皮克每克范围，而人脑来源的Aβ寡聚体在体外以低至50?nM的浓度即可诱导神经毒性。有趣的是，本综述中Aβ浓度的中位数为10?μM，显著低于均值，表明分布呈右偏态，由一部分使用毫摩尔级浓度研究驱动。这种差异指出可能缺乏对Aβ（特别是42残基亚型）低水溶性的认识，并突显了体外神经毒性模型中标准化不足的更广泛问题。尽管存在这些注意事项，荟萃分析显示，Aβ暴露后细胞活力显著降低，且在不同标准随机效应模型和考虑研究水平聚集的三水平模型中均一致。
尽管大多数研究观察到毒性效应，但效应大小在研究中以及同一研究内的实验之间高度异质。高异质性在临床前系统综述中非常常见，如本研究。研究内异质性特别高的事实表明，这部分是由实验条件范围广泛造成的，其中一些可能主要作为阳性或阴性对照。不同研究中模型使用的实验条件也存在显著差异，包括细胞培养条件（如培养基、补充剂、传代次数和Aβ浓度）的差异。
为评估实验条件能否解释部分异质性，研究人员使用多个方案变量进行了荟萃回归。可预见的是，Aβ浓度和暴露持续时间均调节了效应，且两个变量在交互作用分析中具有协同效应，表明效应的剂量依赖性随时间增加。这表明，长时间暴露于低剂量可能产生与短时间暴露于较高浓度相当的效果。
相比之下，分化状态仅显示出随分化时间延长毒性降低的非显著性趋势。这一结果有些出乎意料，因为Aβ毒性已被证明涉及与突触结构的直接相互作用，而突触结构在未分化SH-SY5Y细胞中比在分化细胞中更少。因此，观察到的趋势可能是虚假的，或受方法学异质性影响。也可能将分析限制在活力测定上，阻碍了研究人员在分化细胞中观察到更微妙的Aβ毒性信号。与此观点一致，个别研究报告了分化SH-SY5Y细胞相对于未分化细胞对Aβ毒性的易感性增加。荟萃分析中未观察到稳健效应，可能反映了未控制的混杂变量的影响，或超生理Aβ浓度下，毒性机制可能变得选择性较低且对神经元成熟度依赖性降低。
研究人员还检查了Aβ聚集状态对细胞毒性的影响。有趣的是，与单体Aβ（据报道无毒，甚至可能在低浓度下发挥生理作用）相比，纤维状Aβ和聚集状态未明确的制剂与显著更高的毒性相关。相反，被归类为寡聚体的Aβ制剂与略低的毒性相关，尽管这种差异在统计学上不显著。这一发现也出乎意料，因为有大量证据表明可溶性寡聚体是最具神经毒性的Aβ物种。与分化状态一样，不能排除报告不足、Aβ制剂生化表征不充分或未识别的混杂因素可能影响了该评估。
最后，越来越多的研究报告称，高毒性Aβ组装体存在于可溶性寡聚体和不溶性纤维之间的连续体中。这些物种与典型的原纤维不同，通常与成熟纤维紧密相互作用。可以合理认为，被归类为纤维以及未表征的制剂可能含有并释放此类毒性组装体，而典型的无纤维寡聚体制剂则不含。因此，从使用纤维或聚集状态不明的研究中观察到的较高Aβ毒性，可能是由中间物种引起的，而这些物种在充分表征的可溶性Aβ寡聚体制剂中不存在。未来的研究应优先对Aβ聚集状态进行严格的生化表征，以阐明特定组装体在SH-SY5Y细胞模型中对神经毒性的贡献。
**4.1 局限性**
本研究的一个关键局限性源于纳入研究中缺乏描述实验单元的标准化术语。尽管尽了最大努力，但一些技术重复可能被误分类为生物学重复。如Lazic等人所述，这种误分类可能夸大单个研究的样本量和证据强度，从而可能偏倚总体效应估计。虽然研究人员试图通过避免使用标准化均值差来降低此风险，但具有人为精确数据的研究在荟萃分析中仍可能具有更大权重。此外，在荟萃回归中对变量进行分类的方法，特别是关于Aβ物种，可能引入了误分类偏倚。除了明确未报告聚集状态的情况外，其他制剂可能因聚集状态描述的不一致或局限性而被错误分类。这种精确表征的缺乏可能影响了亚组比较的准确性，并应通过改进报告和生化验证在未来的原始研究中加以解决。
此外，将数据提取和分析限制在基于代谢的活力测定也代表了局限性。尽管这些测定是最常用的检测方法，但与其他方法相比，它们可能无法检测到更早期和更敏感的毒性信号，可能限制了结论的范围。此外，分化细胞实验数量少以及多个方案变量之间的变异性，使得无法根据分化试剂对分化方案进行分类，从而将分析限制在分化的存在及其持续时间上。
本研究的另一个局限性涉及数据收集的时间框架。由于可行性限制以及数据提取和分析的长时间跨度，文献搜索仅包含截至2020年12月发表的文章。使用原始搜索词进行的后续搜索，限于2020年12月以后发表的文章，在PubMed中检索到额外3202篇文章，在Embase中检索到1926篇。使用相同的纳入标准，在AI工具的支持下进行筛选，最终纳入541篇文章。根据综述中观察到的纳入率，估计其中约142篇符合纳入标准，这代表纳入文章数量可能增加39.6%。虽然研究人员承认这是一个重大局限性，但已纳入分析的大量研究以及总体效应量的稳健性表明，纳入更多近期数据不太可能显著改变主要结论。对10%的纳入文章进行全文分析的范围综述显示，一般文章特征与原始样本相似，包括细胞活力测定占主导（76%）、Aβ42（82%）、寡聚体作为聚集状态（32%）和未分化细胞（86%）。这表明纳入文章的一般特征仍然未变，来自时间受限样本的结论可能在更近期的研究中仍然成立。
**4.2 未来研究建议**
提高方法学细节的报告质量以及实验单元的清晰定义，对于增强体外研究的透明度和可重复性至关重要。为解决这些问题，研究人员建议采用标准化、无歧义的术语来分类重复和实验设计。Lazic等人倡导用更精确的描述符——即生物学单元、实验单元和观察单元——来替代模糊的术语（如“技术重复”和“生物学重复”），这有助于澄清实验设置的层次结构。在细胞系研究中，使用标准化语言明确说明实验单元之间的可变组成部分（例如传代次数、培养板或实验日期）将有助于提高研究的可重复性和可比性。此外，强烈建议常规实施质量控制措施，如细胞系鉴定和支原体检测，因为这些实践增强了基于细胞模型的研究结果的可靠性和转化相关性。特别是对于系统综述，开发和传播评估体外研究偏倚风险的工具和指南，将是朝着提高该领域证据综合的严谨性和可解释性迈出的宝贵一步。
**4.3 结论**
荟萃分析证实，通过基于代谢的细胞活力测定测量，Aβ暴露显著降低了SH-SY5Y细胞活力。该效应的大小主要受Aβ浓度、暴露持续时间和聚集状态影响。相比之下，其他因素如分化状态和细胞密度在研究中未显示出一致效应。分析还识别出广泛存在的方法学缺陷，包括报告实践不足、缺乏细胞系鉴定以及Aβ制剂表征不充分。这些局限性降低了个别研究的可靠性和可重复性，并可能影响综合结果的解释性。总体而言，研究结果支持继续使用SH-SY5Y细胞作为研究Aβ诱导神经毒性的相关体外模型。然而，它们也强调了迫切需要在方法学严谨性、标准化报告和质量控制措施方面进行改进，以增强该模型在AD研究中的可靠性和转化价值。
