《Genes, Brain and Behavior》：An Integrated Analysis of Manganese Metabolism-Related Genes and Their Association With Biomarkers, Immune Infiltration, and Clinical Subtypes in Alzheimer's Disease
编辑推荐：
阿尔茨海默病（Alzheimer's disease, AD）是一种以β-淀粉样蛋白斑块和tau蛋白神经原纤维缠结为特征的神经退行性疾病，其进展伴随着一系列关键生物学过程。锰是生命活动（包括能量代谢和抗氧化防御）所必需的微量元素，对神经健康不可或缺。然而，锰在
阿尔茨海默病（Alzheimer's disease, AD）是一种以β-淀粉样蛋白斑块和tau蛋白神经原纤维缠结为特征的神经退行性疾病，其进展伴随着一系列关键生物学过程。锰是生命活动（包括能量代谢和抗氧化防御）所必需的微量元素，对神经健康不可或缺。然而，锰在整个AD发病过程中的精确代谢作用尚未完全阐明。通过多组学框架，研究人员确定了四个与锰代谢相关的重要基因作为诊断标志物。该方法整合了加权基因共表达网络分析（Weighted Gene Co-Expression Network Analysis, WGCNA）与机器学习集成算法（最小绝对收缩和选择算子/随机森林/极端梯度提升），并在独立数据集中进行了严格验证。在识别之外，研究人员利用CIBERSORT和单样本基因集富集分析（ssGSEA）表征免疫浸润，并借助GSEA/GO/KEGG进行通路解析。最后，基于这些核心基因将AD患者分为分子亚型，并重建了涉及miRNA和转录因子的潜在调控网络。一个整合的生物信息学框架在AD中识别出12个与锰代谢相关的差异表达基因。基于机器学习的特征选择进一步确定了四个关键诊断生物标志物（TSPO、PTBP1、GLO1和ACACB），具有较高的判别能力（AUC：0.831–0.905）。免疫浸润分析揭示了AD中显著的免疫重塑，包括初始B细胞的升高。此外，AD样本被分为两个具有不同免疫和代谢特征的分子亚型，并为核心基因构建了调控性miRNA/TF相互作用网络。研究结果为理解AD的分子机制提供了新见解，并为基于分子亚型的早期诊断和个性化治疗干预的未来努力提供了支持。
**论文解读：锰代谢相关基因在阿尔茨海默病中的诊断价值与免疫亚型研究**
阿尔茨海默病（Alzheimer's disease, AD）是一种进行性、不可逆的神经退行性疾病，以β-淀粉样蛋白（amyloid-beta, Aβ）斑块和tau蛋白过度磷酸化形成的神经原纤维缠结为主要病理特征，是老年人痴呆的最常见原因。AD发病机制复杂，涉及能量代谢紊乱、氧化应激、神经炎症等多种过程。锰是维持机体能量代谢、抗氧化防御和神经功能所必需的微量元素，其稳态失衡既可能导致锰过载引发神经毒性，也可能因锰调节异常导致锰超氧化物歧化酶（MnSOD）活性下降，加剧氧化应激。然而，锰代谢在AD病程中的精确分子作用尚未被充分阐明。因此，系统探究锰代谢相关基因（manganese metabolism-related genes, MMRGs）在AD中的表达改变、诊断价值及与免疫微环境的关系，对于理解AD异质性、寻找早期诊断标志物和开发亚型特异性治疗策略具有重要意义。
该研究利用基因表达综合数据库（GEO）中的两个数据集：GSE132903作为训练集（含97例AD、98例对照），GSE122063作为独立验证集（含56例AD、44例对照）。从GeneCards数据库获取2069个锰代谢相关基因。研究人员首先采用加权基因共表达网络分析（WGCNA）识别与AD显著相关的共表达模块，再结合limma差异表达分析，筛选出差异表达的锰代谢相关基因（DEMMRGs）。随后整合三种机器学习算法——最小绝对收缩和选择算子（LASSO）、随机森林（RF）和极端梯度提升（XGBoost）——进一步筛选核心诊断基因，并通过受试者工作特征（ROC）曲线和列线图评估其诊断效能。免疫浸润分析采用CIBERSORT和单样本基因集富集分析（ssGSEA）；通路富集分析使用基因集富集分析（GSEA）、基因本体（GO）和京都基因与基因组百科全书（KEGG）。最后，基于核心诊断基因对AD样本进行共识聚类分型，并利用NetworkAnalyst平台和Cytoscape构建miRNA和转录因子调控网络。
**3.1 加权基因共表达网络分析**
利用WGCNA对AD和对照样本进行共表达网络构建，软阈值设为20，得到10个模块。其中蓝色模块与AD呈显著正相关（r=0.44, p<0.001），共包含1029个关键基因，该模块基因的模块成员度与基因显著性呈显著正相关（r=0.44, p=5.8e-50）。
**3.2 筛选诊断生物标志物**
将2069个MMRGs与蓝色模块基因取交集，获得78个锰代谢相关的AD候选基因。GO和KEGG富集分析显示，这些基因主要参与能量代谢、葡萄糖代谢、细胞凋亡及朊病毒病等相关通路。GSVA分析表明，AD组中多个代谢通路活性评分显著高于对照组，并在验证集中得到证实。进一步对训练集进行差异表达分析，获得481个差异表达基因，与78个候选基因及MMRGs取交集，最终得到12个DEMMRGs。
**3.3 使用机器学习筛选诊断生物标志物**
针对12个DEMMRGs，分别采用LASSO回归（选出10个基因）、随机森林（Mean Decrease Gini >1，选出10个基因）和XGBoost（重要性排序前5个基因）。三种算法结果取交集，得到5个共识特征基因，作为可靠的诊断生物标志物候选。
**3.4 验证诊断生物标志物**
经综合评估，最终确定四个诊断基因：TSPO、PTBP1、GLO1和ACACB。构建的列诺图模型在训练集中AUC为0.831，在独立验证集GSE122063中AUC达0.905，显示出较强的判别能力。表达分析显示，TSPO、PTBP1和ACACB在AD中显著上调，而GLO1显著下调，该趋势在验证集中得到一致验证。
**3.5 免疫浸润分析**
CIBERSORT分析显示，AD组初始B细胞（na?ve B cells）比例显著升高，而对照组活化树突状细胞和浆细胞比例较高。ssGSEA进一步证实AD组在B细胞、免疫检查点、NK细胞等免疫相关功能类别上显著上调。相关性分析表明，TSPO、PTBP1和ACACB与活化树突状细胞和滤泡辅助T细胞呈负相关，与M0巨噬细胞和静息肥大细胞呈正相关，而GLO1呈现相反的相关模式。
**3.6 单基因富集分析**
对四个诊断基因的GSEA结果显示，PTBP1和TSPO主要富集于核糖体、RNA代谢及氧化磷酸化通路，提示其与高代谢活性和能量需求相关；GLO1和ACACB则主要参与脂肪酸延伸、降解及胆固醇稳态等脂质代谢通路，提示其功能集中于脂质平衡和能量储备利用。
**3.7 基于诊断特征基因的AD亚型分析**
基于四个诊断基因的表达，通过共识聚类将AD样本分为两个亚型：Cluster 1（56例）和Cluster 2（41例）。主成分分析可清晰区分两亚型。Cluster 1中PTBP1、TSPO和ACACB表达显著上调，GLO1显著下调。ssGSEA显示Cluster 1在B细胞、免疫检查点、肥大细胞和NK细胞评分较高，Cluster 2在CD8+ T细胞、巨噬细胞和Treg评分较高。CIBERSORT显示Cluster 1中静息肥大细胞和初始CD4+ T细胞浸润程度更高，Cluster 2中中性粒细胞浸润更高。两亚型间共鉴定出77个上调基因和232个下调基因。
**3.8 亚型基因富集分析**
上调基因主要富集于细胞膜转运、氨基酸代谢、骨骼发育、病毒感染及脂质/胰岛素信号通路，表现出代谢、防御和发育的复合特征；下调基因则高度集中于突触信号传递、神经递质代谢、胰岛素分泌及神经退行性疾病通路。GSEA显示Cluster 1富集于同种异体移植排斥、谷胱甘肽代谢和原发性免疫缺陷等通路，Cluster 2则富集于氧化磷酸化、SNARE囊泡转运相互作用和加压素调节水重吸收等通路。
**3.9 特征基因相关调控网络的构建**
通过miRNA和转录因子调控网络分析，发现诊断基因受多种miRNA调控，其中hsa-miR-6734-3p和hsa-miR-6756-3p与多个靶基因存在广泛互作。转录因子网络中，ELK1、ZBTB11和TAF7等被识别为核心调控因子，与多个诊断基因相互作用，可能在AD转录调控中发挥枢纽作用。
**讨论与结论**
讨论部分指出，四个诊断基因TSPO、PTBP1、GLO1和ACACB在AD发病中具有不同但互补的病理作用：TSPO作为线粒体转位蛋白，参与神经炎症和线粒体功能障碍；PTBP1通过调控RNA剪接影响Aβ沉积和tau病理；GLO1作为甲基乙二醛解毒限速酶，在AD中发挥保护作用；ACACB参与脂肪酸氧化，与能量代谢紊乱相关。这些基因同时与锰神经毒性机制存在关联，可能作为锰暴露与AD病理之间的共享分子节点。免疫浸润结果提示AD存在适应性免疫失调，初始B细胞异常积聚可能反映免疫系统不成熟或功能紊乱。多水平富集分析揭示了锰代谢失衡与能量代谢、朊病毒病通路及突触囊泡运输的关联。研究局限性包括缺乏实验验证、基于预测数据库的调控网络及未进行因果推断。未来需结合单细胞测序、空间转录组及孟德尔随机化研究以进一步验证。
研究结论为：这项研究为理解AD的复杂病理提供了新的分子基础，并为未来开发早期诊断工具和亚型特异性精准治疗策略奠定了基础。
