《Neurobiology of Disease》：Insulin like growth factor and cytokine signalling predict future cognitive impairment in Parkinson's disease
编辑推荐：
认知障碍是神经退行性疾病帕金森病（PD）常见的非运动症状。然而，认知障碍的发生时间和严重程度具有异质性，目前无法预测。这使得预先告知患者以及应用早期治疗干预措施面临挑战。此外，PD中认知障碍背后的生物学通路尚未完全明确。为了更好地预测和理解参与认知障碍的生物学
认知障碍是神经退行性疾病帕金森病（PD）常见的非运动症状。然而，认知障碍的发生时间和严重程度具有异质性，目前无法预测。这使得预先告知患者以及应用早期治疗干预措施面临挑战。此外，PD中认知障碍背后的生物学通路尚未完全明确。为了更好地预测和理解参与认知障碍的生物学通路，研究人员整合了来自纵向帕金森病进展标志物倡议（PPMI）的多模态数据集，包括临床、人口统计学、生物标志物和高通量蛋白质组学数据。该整合数据集被用于开发三种机器学习模型，以预测未来九年认知障碍的发生，并与同期保持认知正常的患者进行比较。最优模型预测未来认知障碍的曲线下面积（AUC）达到88%。置换特征重要性分析显示，细胞因子、白细胞介素-2（IL-2）和胰岛素样生长因子（IGF）信号传导是促进未来认知障碍预测的重要生物学通路。
论文解读：基于多模态机器学习与CSF蛋白质组学预测帕金森病未来认知障碍
一、研究背景与问题
帕金森病（Parkinson's disease, PD）是第二大常见的神经退行性疾病，全球患病率约为1–2/1000。运动症状是PD的核心临床表现，但认知障碍（cognitive impairment, CI）同样常见，其患病率是健康人群的6倍。临床诊断时约20%的PD患者已存在认知障碍，5年后这一比例超过60%，且认知障碍显著降低患者生活质量并增加医疗成本。尽管大多数PD患者最终会出现某种程度的认知障碍，但进展时间与严重程度存在很大异质性，其生物学基础目前尚不清楚。因此，早期预测高风险患者的认知恶化轨迹，不仅有助于识别与认知衰退相关的生物学通路，还能为高危患者提供前瞻性干预，并帮助患者及照护者提前准备。已有研究利用机器学习（machine learning, ML）基于基线临床评分和人口学数据预测未来CI，AUC在0.76–0.93之间，但这些模型对认知衰退的生物学机制几乎无法提供信息。而基于生物学数据的模型通常范围有限，多集中于少量 hallmark CSF蛋白（如α-突触核蛋白、tau及磷酸化tau、淀粉样蛋白β）。鉴于PD中CI的生物学异质性和多因素病因，许多与认知衰退相关的蛋白标志物和通路很可能尚未被发现。
近年来，高通量蛋白质组学技术（如SomaScan平台）能够覆盖大量CSF蛋白，为发现生物标志物和通路提供了新机遇。PPMI队列已应用SomaScan 4K检测，提供了4135种蛋白的基线CSF水平，并伴有长达11年的纵向临床数据。既往对该数据集的分析主要关注PD患者与健康对照间的差异表达蛋白（DEPs），而本研究则进一步筛选能够区分认知结局的CSF蛋白特征，并整合PPMI中的其他模态特征，以预测PD患者未来CI的发生。
二、研究目的
本研究旨在利用PPMI队列的回顾性数据，通过机器学习方法整合多模态特征（包括高通量CSF蛋白质组学、临床、人口学和其他生物流体数据），建立能够准确预测PD患者未来9年内发生认知障碍的模型，并揭示关键的生物学通路。
三、主要技术方法
研究数据来源于PPMI数据库，包括SomaLogic 4K数据集（含4785个SOMAmers，靶向4135种人蛋白）、人口学与临床数据（2024年12月11日数据切片）、遗传变异数据、以及其他生物标志物（CSF α-突触核蛋白、磷酸化tau、总tau、神经丝轻链、淀粉样蛋白β；血清神经丝轻链、尿酸；尿液脂质等）。研究队列从311例具有基线认知诊断的PD患者中，筛选出基线认知正常者280例，进一步根据9年随访结局分为维持认知正常的PD-NC组（n=46）和发生认知障碍的PD-CI组（n=46）。PD-CI组要求至少连续两次记录MCI/痴呆，排除了单次记录及认知逆转者。采用支持向量机（SVM）、随机森林（RF）和极端梯度提升（XGBoost）三种ML算法，60/40训练测试划分，通过置换特征重要性（PFI）进行特征选择，使用贝叶斯优化超参数，以AUC-ROC评估模型性能。采用SHAP值量化特征贡献，并用Metascape进行Reactome通路富集分析。为控制年龄混杂，进行了年龄校正分析。
四、研究结果
1. 特征选择对模型训练性能的影响：基于SomaScan数据构建的模型通常优于仅基于临床或生物流体数据的模型。将全部特征组合并未提升AUC-ROC，表明特征子集间存在冗余。通过PFI特征选择后，SVM模型仅保留37个特征，RF保留191个特征，XGBoost保留19个特征，特征缩减显著改善了所有模型的性能，其中SVM在训练集交叉验证中达到平均AUC-ROC 0.98。
2. ML模型能准确预测未来认知障碍：在独立验证集上，XGBoost模型AUC-ROC为0.88（95% CI [0.77,0.99]），RF为0.87（95% CI [0.76,0.98]），SVM为0.83（95% CI [0.7,0.96]），三者95%置信区间重叠，表明预测性能相当。
3. 预测模型在PD亚型中泛化良好：在LRRK2突变携带者中，XGBoost和RF的AUC-ROC均达0.92；在散发性PD（sPD）中，两者AUC-ROC均为0.93，表明模型对PD亚型具有较强泛化能力。SVM表现稍逊。
4. CSF蛋白质组学数据对预测模型贡献显著：XGBoost模型中全部19个特征均为SomaScan蛋白，重要特征包括STAT1、RBP4、LRIT3、SUN5、NME2（正向贡献），以及POMC、DIABLO、MXRA8（负向贡献）。RF模型则包含186种SomaScan蛋白、2个临床量表（UPSIT和SCOPA）、年龄、诊断年龄及血清神经丝轻链。SVM模型包含37个特征，其中CKB/CKM、RTN4、GPI、SERPINA7、LRIT3、TNFRSF25等为强贡献特征。
5. CSF蛋白特征在ML模型间存在重叠：17种SomaScan蛋白出现在多个模型中，其中LRIT3和POMC出现在全部三个模型中，STAT1、AZGP1和DDX46在RF和XGBoost中均有影响。唯一的非CSF蛋白特征是基线UPSIT评分，同时贡献于RF和SVM模型。
6. 所选CSF蛋白显著富集于Reactome通路：通路富集分析显示，细胞因子信号传导（p=2×10??）和白细胞介素-2家族信号传导（p=1.5×10??）显著富集，STAT1均为这些通路中的顶级预测因子。其他显著富集通路包括胰岛素样生长因子（IGF）转运与摄取的调控、血小板活化信号与聚集等。
7. 年龄并非实质性混杂因素：相关性分析显示仅少数蛋白与年龄强相关（r≥0.5）。模型输出与年龄的R2均≤0.28。年龄校正后，三种模型AUC-ROC略有下降（XGBoost 0.82，SVM 0.77，RF 0.76），但最重要的两条通路保持不变，表明年龄对结果影响有限。
五、讨论与结论
本研究表明，基于PPMI队列的多模态ML模型能够准确预测PD患者未来9年内发生认知障碍的风险，其中CSF蛋白质组学特征是最强的预测因子，其性能显著优于传统神经退行性生物标志物组合。通路分析揭示了细胞因子信号传导（特别是IL-2家族）和IGF信号传导是预测未来认知障碍的核心生物学通路。这些通路与神经炎症、免疫代谢相互作用及血管功能调节有关，提示它们可能是PD认知障碍的潜在治疗靶点。研究也存在局限性，如样本量较小、仅在PPMI内部验证、将MCI和痴呆合并分析，以及遗传性PD占比过高等，未来需要外部队列验证和更大样本的亚组分析。
研究结论：本研究开发了预测未来认知障碍的新型预测模型，并确定了影响模型性能的重要特征。细胞因子和胰岛素样生长因子信号通路被揭示为预测PD未来认知障碍的主要贡献因素。
