蛋白质组学与代谢组学的整合识别出帕金森病的阶段特异性候选生物标志物

《npj Parkinson's Disease》：Proteo-metabolomic integration identifies stage-specific candidate biomarkers for Parkinson’s disease

　　

帕金森病(Parkinson’s disease, PD)是一种进行性神经退行性疾病，具有漫长的前驱期和复杂的运动症状。尽管临床标准有所改进，早期诊断和纵向监测仍具挑战。虽然脑脊液(cerebrospinal fluid, CSF)和血浆中的代谢物和蛋白质显示出生物标志物潜力，但其在预测模型中的效用尚未得到充分表征。研究人员采用一种二次计算方法，整合了来自超过1100名帕金森进展标志物倡议(Parkinson’s Progression Markers Initiative, PPMI)参与者的CSF和血浆样本的蛋白质组-代谢组谱。通过多组学机器学习，识别了生物流体特异性特征并评估了预测性能。21个候选生物标志物在三种模型(支持向量机[SVM]、广义线性模型网络[GLMNET]、随机森林[RF])中得到了验证；SVM和GLMNET实现了最高的召回率(83–86%)和AUC值0.84–0.89。纵向混合效应模型揭示了8个与跨诊断阶段进展相关的候选标志物。研究人员确定了一个表征神经退行性变的三部分分子框架：一个诊断子组反映早期微生物组失调(分泌性嗜铬粒蛋白和代谢物)和突触破坏；第二个子组通过神经发生前体和细胞外基质蛋白监测表型转化；第三个子组通过慢性神经炎症和免疫激活追踪进展。这种整合的多组学方法为分期特异性PD监测和潜在的临床应用提供了一个稳健的框架。

帕金森病（Parkinson’s disease, PD）是一种进行性神经退行性疾病，其特征是运动功能下降和一系列非运动症状。PD的一个重要特征是长期前驱期，在此期间，生理和生化改变可在临床诊断前10-20年出现，包括线粒体功能障碍、神经炎症、突触调节异常和蛋白质聚集。当运动症状变得临床可操作时，黑质纹状体多巴胺能神经元通常已损失超过50%，并伴有黑质内晚期α-突触核蛋白病理。脑脊液（cerebrospinal fluid, CSF）因其与脑组织的紧密相互作用以及富含蛋白质、代谢物和其他反映神经退行性变的分子指标，提供了直接观察中枢神经系统病理的窗口。整合CSF和血浆等多种生物流体，可以更全面地了解疾病生物学，因为每种流体捕捉了病理过程的互补方面。然而，尽管神经影像、分子谱分析和计算方法有所进步，这些见解转化为临床有用生物标志物仍然有限。早期诊断和纵向追踪仍然缺乏敏感、特异和可及的标志物，PD的显著异质性及其与其他神经退行性疾病的重叠加剧了这一挑战。传统生物标志物发现主要集中于单一分子靶标，如血浆中的多巴胺能代谢物或CSF中的α-突触核蛋白水平，很少能达到可靠疾病分层或进展追踪所需的敏感性和特异性。因此，需要采用整合性多组学策略，结合跨生物流体和分子层的数据，识别分期特异性的分子特征并提高对生物变异性的稳健性。

在这项研究中，研究人员对帕金森进展标志物倡议（Parkinson’s Progression Markers Initiative, PPMI）数据库中获得的CSF和血浆蛋白质组和代谢组数据进行了二次计算分析。蛋白质组数据集包括661名个体（177名对照、101名前驱期、383名PD），测量了477个独特项目（CSF 291个，血浆186个）；代谢组数据集包括1136名个体（232名对照、300名前驱期、604名PD），测量了646个独特项目（CSF 298个，血浆348个）。所有生物标志物在基线临床访视时测量，并在长达16个月的随访中重新评估以进行进展分析。研究人员评估了多组学整合是否能提高生物标志物发现和分类性能，并识别了具有潜在临床效用的与PD进展相关的分子特征。

主要结果如下：

**PPMI数据提取和处理**：研究人员从PPMI数据库中提取了蛋白质组和代谢组数据，包括CSF和血浆样本，并进行了数据预处理，如log2转换、缺失值过滤和重复测量聚合。

**统计建模**：使用limma模型的成对比较在每个生物流体和组学数据集中识别显著差异特征。在CSF代谢组中，对照与PD比较发现69个显著代谢物，对照与前驱期比较发现30个，PD与前驱期比较发现25个；血浆代谢组中分别有10、12和36个显著代谢物。CSF蛋白质组在对照与PD比较中发现41个显著蛋白质，而血浆蛋白质组无蛋白质通过预设阈值。功能富集分析显示，代谢物主要涉及氨基酸和脂质代谢，其中磷脂和鞘磷脂贡献最大；蛋白质主要涉及大分子结合、蛋白结合以及丝氨酸型内肽酶活性及其抑制剂活性。

**多变量分析**：对单一组学数据（ProCSF、MetCSF、ProPlasma、MetPlasma及组合）使用五种机器学习算法（GLMNET、RF、SVM、NN、XGBoost）进行建模。GLMNET在蛋白质组数据中表现最佳，Pro_Combined准确率为0.893，AUC为0.892；代谢组模型判别力较低。总体上，蛋白质组模型优于代谢组模型，CSF模型优于血浆模型。

**整合方法（多流体+多组学）**：将CSF和血浆的蛋白质组和代谢组特征合并，使用LASSO回归在训练集上进行特征选择，经五折交叉验证后保留318个非零系数特征。四种分类器中，SVM表现最佳（准确率82%，敏感性86%，特异性76%，F1 85%，AUC 0.89），RF次之（AUC 0.87），GLMNET和NN表现中等。共有21个跨流体多组学特征在至少两种模型中得到验证，包括已知PD相关代谢物如尸胺、多巴胺3-O-硫酸盐、3-甲氧基酪氨酸，以及神经分泌和突触蛋白如VGF、分泌粒蛋白、钙粘蛋白-13、边缘系统相关膜蛋白（LSAMP）等。

**纵向进展分析**：对21个候选生物标志物应用线性混合效应模型，评估16个月内不同诊断阶段的进展斜率。其中5个生物标志物在CSF和血浆中均满足数据可用性标准（至少5名患者，至少3次访视），12个仅满足CSF分析，4个仅满足血浆分析。进展率分析显示，不同生物标志物在不同队列间呈现不同的斜率模式。根据斜率的方向和幅度，筛选出8个具有分期特异性潜力的候选标志物，并分为三个子组：子组I（早期诊断标志物）包括尸胺（CSF）、P05060（分泌粒蛋白）、P05408（神经内分泌蛋白7B2）、Q13449（边缘系统相关膜蛋白）；子组II（前驱期到PD转化标志物）包括O15240（神经分泌蛋白VGF）和P51884（核心蛋白聚糖）；子组III（进展敏感标志物）包括P01042（激肽原-1）和Q08380（半乳糖凝集素-3结合蛋白）。此外，另6种蛋白质（P19021、P55290、P36222、P08185、Q9NYU2、Q96S96）显示出前驱期和PD期平行的变化轨迹，可能用于长期疾病监测，但需进一步验证。

讨论部分指出，单变量分析和功能富集揭示了氨基酸代谢和脂质生化、大分子结合和酶活性等关键分子轴。从神经调节到神经炎症的分子转变可能在疾病进展中发生。整合多组学方法比单一模态更具优势。研究局限包括缺乏独立外部队列验证、纵向随访时间较短（16个月）、样本量有限等。结论认为，跨生物流体的多组学整合可提高预测性能，所识别的候选生物标志物轨迹可映射PD生命周期，强调了多分析物组合的价值，即根据反映中枢病理的生物学区室战略性选择生物标志物。