繼前幾期不同蛋白質組學技術在阿爾茨海默癥中的應用系列文章分享之后，本期給大家帶來蛋白質組學在阿爾茨海默癥biomarker研究中的應用案例。下面跟著小編一起來看看吧~

阿爾茨海默癥(AD)是一種與衰老相關的神經退行性疾病。據估計，全世界約有5000萬人患有阿爾茨海默癥和其他類型的癡呆。該病的主要臨床表現為嚴重的認知功能減退、進行性記憶喪失、逆行性和順行性健忘癥，并伴有嚴重的組織病理學改變，如海馬體退化和隨后的皮質喪失。廣泛的分子研究揭示了這種疾病的病理特征是β-淀粉樣蛋白(Aβ)聚集和tau蛋白過度磷酸化。盡管數十年來進行了積極的研究和藥物開發，但尚未完全了解這種腦退化的確切原因。隨著蛋白質組學技術的快速發展，已被廣泛應用于各種疾病的檢驗，對于了解AD疾病的復雜調控網絡及尋找特異性的biomarker提供了重要幫助。

基于質譜的蛋白質組學分析通常包括三個主要步驟：

(i) 質譜前樣品處理；

(ii) 質譜數據采集；

(iii) 質譜后生物信息學分析，每個步驟都提供了多種策略來實現蛋白質鑒定和定量的分析目標。

圖1. 蛋白質組學研究策略

蛋白質組學圖譜揭示AD進展機制

基于AD的蛋白質組學分析數據，作者繪制了一個簡單的平衡模型來討論已識別的DE蛋白在AD發展過程中的作用（圖2）。在AD無癥狀階段激活的生物學過程和細胞通路中，有些可能發揮保護作用。然而，隨著疾病進展過程中有害損傷的加劇，保護作用已經耗盡。由此產生的不平衡導致神經元退化和臨床癥狀的出現。但這些AD相關蛋白的功能很可能在疾病長期發展過程中是多因素的，并且它們是起到保護作用還是有害作用取決于時間、區域和細胞環境。

圖2. AD疾病進展過程中有害和保護因素的平衡模型

基于蛋白質組學的AD生物標志物的發現

基于質譜的腦脊液蛋白質組學研究，在發現生物標志物方面取得了令人振奮的進展。在許多蛋白質組學研究中，高豐度蛋白往往會掩蓋低豐度蛋白，因此去除高豐度蛋白是提高低豐度蛋白質檢測的常用方法。作者整合了6個深層腦脊液蛋白組學的數據集(每個>1,000個蛋白，總計260個AD和對照組)，共獲得5939個蛋白數據，其中包括311個上調蛋白和165個下調蛋白（圖3），為將來的驗證提供了AD腦脊液蛋白質組資源。

圖3. 6個深層腦脊液蛋白組數據集的整合分析

技術策略

TMT蛋白質組學+WB+機器學習

研究思路

通過TMT蛋白質組學共檢測到2994種血小板蛋白，與對照組相比，在 MCI 和 AD 患者中共檢測到 360 種差異蛋白。這些差異蛋白參與多種 KEGG 途徑，包括 AD、AMP 活化蛋白激酶 (AMPK) 途徑、端粒酶 RNA 定位、血小板活化和補體活化。通過與MMSE評分的相關性分析，確定了三個正相關通路和兩個負相關通路與MCI和AD患者的認知能力下降密切相關。偏小二乘判別分析 (PLS-DA) 顯示 PHB、UQCRH、CD63、GP1BA、FINC、RAP1A、ITPR1/2 和 ADAM10 等 9 種蛋白質的變化可以有效區分認知障礙患者和對照組。進一步的機器學習分析顯示，四種減少的血小板蛋白組合，即 PHB、UQCRH、GP1BA 和 FINC，希望預測 MCI 和 AD 患者的認知能力下降?？傊?，該研究提供了一組用于預測認知能力下降的血小板生物標志物，可用于 AD 的早期篩查。

圖4. 蛋白質組學差異及富集分析

圖5. 血小板OPTN和rGSK3β聯合可有效鑒別T2DM-MCI和T2DM-NMCI