|
前言 重要性能够在临床前阶段诊断阿尔茨海默病（AD）的血液生物标志物可以在疾病可能发生可逆的情况下进行试验登记。7月15日马里兰州巴尔的摩国立卫生研究院国家老龄研究所临床研究实验团队在JAMA Neurology查看期刊详情上发表了“Association of Extracellular Vesicle Biomarkers With Alzheimer Disease in the Baltimore Longitudinal Study of Aging”，据报道，AD患者的血浆神经元富集的细胞外囊泡（nEV）表现出磷酸化（p）tau，Aβ42和磷酸化胰岛素受体底物1（IRS-1）水平升高。 目的：验证nEV生物标志物作为AD预测因子。 实验设计：该病例对照研究包括来自巴尔的摩老年人纵向研究（BLSA）队列的认知正常参与者的纵向血浆样本，他们在2015年1月开发AD，以及在认知上正常的年龄和性别匹配对照类似的后续行动。对来自约翰霍普金斯阿尔茨海默病研究中心（JHADRC）的临床AD和对照的参与者进行1年以上的盲法分析重复样本。数据来自2016年9月至2018年1月。分析于2019年3月进行。 结果：富含神经元的细胞外囊泡免疫沉淀;通过免疫测定法定量tau，Aβ42和IRS-1生物标志物;通过纳米颗粒跟踪分析确定nEV浓度和直径。比较了未来AD患者和对照参与者之间nEV生物标志物的水平和纵向轨迹。 结论：文章验证了nEV生物标志物候选物并进一步证明其临床前纵向轨迹可以预测AD诊断。这些发现促使nEV生物标志物进一步发展为AD的临床血液测试。  关键点 1、问题血液细胞外囊泡生物标志物可以在临床前和临床阶段诊断阿尔茨海默病吗？ 2、结果在一项大型病例对照研究中，检查了来自128名巴尔的摩老年人纵向研究参与者的887个纵向样本，结合细胞外囊泡生物标志物预测阿尔茨海默病在症状出现前约4年具有高辨别准确度和特异性;个体生物标志物与认知表现相关。生物标志物在约翰霍普金斯大学的病例对照组中得到进一步验证。 3、含义细胞外囊泡生物标志物的进一步发展可以将它们建立为阿尔茨海默病的血液检测。 研究思路  Figure 1：年龄特异性回顾性纵向神经元丰富的细胞外囊泡（nEV）生物标志物参与者与未来阿尔茨海默病（AD）和对照参与者的变化。  Figure 2：未来阿尔茨海默病（AD）和对照参与者的参与者的人体内平均神经元富集细胞外囊泡（nEV）生物标志物水平。  Figure 3：阿尔茨海默病风险预测模型的训练数据。 基于训练数据（A）的10个模型的ROC曲线。在模型1中，人口统计学包括年龄，性别和血浆/血清样本类型。在模型10中，最佳蛋白质组包括TSG101，总tau，pY-IRS-1，pSer312-IRS-1，p-tau181和Aβ42的量度。 基于训练数据（B），具有95％CI的模型之间的曲线下面积（AUC）差异图。  Figure 4：测试数据阿尔茨海默病风险预测模型的比较。 基于测试数据（A）的10个模型的ROC曲线。在模型1中，人口统计学包括年龄，性别和血浆/血清样本类型。在模型10中，最佳蛋白质组包括TSG101，总tau，pY-IRS-1，pSer312-IRS-1，p-tau181和Aβ42的量度。基于测试数据（B），具有95％CI的模型之间的AUC差异的图。  Figure 5：预测模型的风险评分。 来自训练数据（A）和测试数据（B）的预测模型的风险评分箱图。 y轴描绘了使用基于每个模型的未来AD和对照参与者的所有临床前数据的估计风险评分估计。 讨论 在这项主要基于来自良好特征的纵向队列的病例对照样本的大型验证研究中，证明了分离nEV的方法的可重复性，盲目地复制了针对AD的许多候选nEV生物标志物的发现，以及未发现的nEV纵向轨迹生物标志物，参与者与未来的AD和对照之间存在差异，并且取决于年龄和性别。进一步证明，通过利用重复测量作为长期平均值和变化率并将它们最佳地组合在预测模型中，nEV生物标志物以高特异性预测AD。最终模型的判别能力优于经典和最近提出的血液生物标志物与CSF生物标志物相媲美.重要的是，为了预测AD临床，nEV生物标志物优于其他血液和CSF生物标志物甚至淀粉样蛋白成像.此外，同一组nEV生物标志物在对参与者进行分类时是准确的。来自JHADRC的外部队列中的临床AD和对照。对于因未能复制指数研究结果而受困扰的领域，这些结果再次证实了EV生物标志物的有效性，并为其作为AD临床血液检测的进一步发展开辟了道路。 文章对tau生物标志物的研究结果证实了使用nEVs14的第一项研究中所见的模式：未来AD的参与者比对照组具有更高的p-tau231和p-tau181，但不是总tau。所有3个tau生物标记物的重复测量的功能提供了对AD的强烈预测并且有助于最终模型。 这项研究的一个意想不到的结果是未来AD患者和对照参与者之间Aβ42水平没有显着差异，尽管我们使用比我们之前的研究更灵敏的免疫分析来量化它。此外，Aβ42对最终研究没有贡献。多年来，血浆Aβ协助诊断分类的能力仍然存在问题，尽管这可能随着最近的创新而改变.未来的生物标志物研究应该测量EV结合和未结合的Aβ，组分研究使用新的EV分析平台来解开它们在AD预测中的差异贡献。 脑胰岛素抵抗对AD发病机制很重要，可能与淀粉样蛋白和tau病理有关.Tau蛋白过度磷酸化可诱导脑胰岛素抵抗。本研究再次证实了IRS-1磷酸型作为AD预测生物标志物的重要性：pSer312-IRS-1和pY-IRS-1是最强的个体预测因子，并为最终模型做出贡献。此外，pSer312-IRS-1和pY-IRS-1与认知的负相关性代表了这些标志物在AD患者和生前认知参与者的尸检大脑中报告的相关性的令人印象深刻的体内复制。 优点和局限 这项研究的优势包括其大样本量，远远超过任何先前的nEV生物标志物研究，以及重复的临床前样本的可用性，这使能够发现以前未观察到的EV生物标记物的年龄和性别相关的纵向轨迹，确定他们在预测AD中的表现，并区分横断面和纵向与认知的关联。另一个优点是所有实验程序都是盲目进行的。 限制包括队列代表性，BLSA测试数据中阈值估计风险评分的敏感性降低55.6％，而训练数据中的敏感性降低81.8％，这表明最佳阈值可能在队列之间变化，并且事实通过NINCDS-ADRDA标准对未来的临床AD诊断进行了比较，评估了EV生物标志物的预测性能，该标准允许一定程度的诊断错误分类.相比之下，nEV生物标志物的早期病例对照研究，基于高病例基于CSF生物标志物的概率AD.BLSA临床前队列中的特异性高于敏感性表明目前检查的nEV生物标志物的临床使用情况可能在于在临床前AD，而不是筛选它。具有高度特异性的生物标志物可以通过最大限度地减少没有临床前AD病理学的参与者的入学率来帮助老年人放心关注他们患AD的风险并提高二级预防临床试验中的错误分类准确性;具有高灵敏度的生物标志物可以用作筛选试验，并且可以通过富集AD病理学的存在来改善临床试验中的错误分类。用于AD的候选nEV生物标志物的不断扩大的列表包括突触病理学标记，补体，和RNA种类.未来的研究应该鉴定具有高灵敏度特异性高的EV标记组。 结论 总之，在BLSA参与者中，使用症状出现前长达9年的nEV生物标志物数据来构建能够以高准确度预测未来AD诊断的模型。同一组nEV生物标志物在JHADRC参与者的单独队列中有效地正确分类具有临床AD的参与者。通过将BLSA数据分成训练和测试集，文章评估了模型的预测有效性，而通过分析JHADRC数据，评估了模型的并发有效性。这些发现再次证实了nEV生物标志物的有效性，并促使它们进一步发展为AD的临床血液检测。需要额外的验证研究来明确定义用于预后和诊断的最有效的nEV生物标志物组，并指定各个生物标志物的截止值和模型衍生的风险评分。对nEV生物标志物在AD预测和诊断中的效用的确定性评估应基于利用nEV生物标志物历史的不同群组中的大型前瞻性纵向研究。nEV生物标志物研究的最终动机是希望它们可以使研究人员在AD的临床前阶段识别老年人，并选择他们进行临床试验，增强测试假设和引领疾病治疗发现的能力。 全文链接: https://pan.baidu.com/s/1OLoFsNLP7lOwedtxxWOr4g 提取码: 1au3 EVs-Exosomes由苏大，浙大, 法国居里研究所数位博士、博后及教授创建。 |
|
|
