AI联袂蛋白质分析：有望提前15年预测痴呆风险

  郁金泰和冯建峰在接受科技日报记者采访时强调，最新研究结果对痴呆高危人群的筛查和早期干预意义重大。这一研究有望催生新的血液测试方法，尽早检测出阿尔茨海默病和其他形式的痴呆。此外，AI与蛋白质分析的“强强联手”，对推动精准医疗的发展也具有重要意义。

  靠机器学习找出标志物

  世界卫生组织的数据显示，全球每年罹患痴呆的人数超过5500万人。这种疾病非常“狡猾”，患者被确诊时或许已经患病很多年。“痴呆的病程长，在发病前数年甚至数十年就会出现病理改变。到确诊时，往往已经错过最佳治疗时间窗口。因此，急需寻找痴呆的早期预测方法，识别痴呆高风险人群。”郁金泰解释说。

  为了鉴别出可揭示痴呆“蛛丝马迹”的蛋白质，团队利用了英国生物银行数据库在2006年至2010年间采集并冷冻的52645名健康参与者的血液样本。在约15年的随访时间里，这些人中有1417人罹患痴呆。冯建峰介绍：“在痴呆患者的血液中，某些特定蛋白质的水平会发生变化。我们利用机器学习方法分析了1463种蛋白，发现其中GFAP、NEFL和GDF15的水平升高与痴呆有关。我们使用机器学习算法，将上述生物标志物与受试者的年龄、性别、教育和家族史等人口统计学因素相结合。结果显示，在不同验证策略下，该模型预测包括阿尔茨海默病在内的3种痴呆亚型发病率的准确率约为90%。”

  GFAP能够为星形胶质细胞提供结构支持，此前已被科学家提议作为诊断阿尔茨海默病的生物标志物。郁金泰补充说，最新研究发现，血液中GFAP水平高的人，罹患阿尔茨海默病的可能性是正常水平的人的2.91倍。

  “与以往的确诊时间相比，我们可以相当可靠地提前15年预测这类疾病的风险。”冯建峰说。

  或将催生新血液检测方法

  郁金泰认为，这一发现可用于开发新型血液检测方法，以尽早识别出有痴呆风险的人群。通过简单的验血来检查血液中是否存在疾病标志蛋白，这种方法相对于其他具有侵入性或更高成本的检测方法（如腰椎穿刺、影像学检查等）来说更加经济、易于实施。这也表明蛋白质组学在未来痴呆早期筛查领域具有广阔的应用前景。

  郁金泰进一步解释：“我们的研究采用了迄今为止最大的血液蛋白质组学和社区人群队列，大样本、长时间的纵向随访保证了研究发现的可靠性和研发模型的稳定性。更重要的是，我们的数据源于社区队列，这使研究结果更贴近痴呆早期筛查的实际应用情况。这一点对于未来模型的应用至关重要。”冯建峰也说，希望未来能开发出新药，与研究中确定的蛋白相互作用。

  尽管上述研究结果让人们对痴呆的早期诊断和尽早治疗燃起新的希望，但也有研究人员强调，新发现的这些标志物还需进一步验证，才能作为临床筛查工具。“尽管基于血液学检测的痴呆预测从科学研究到临床应用的过渡已成为趋势，但它仍处于研究阶段且存在一些挑战和限制。”郁金泰介绍，首先是要解决标准化问题。目前科学家尚未建立统一的血液蛋白标志物评估标准，不同研究可能使用的方法和标准不同。

  冯建峰也认为，血液蛋白水平受多种因素影响，包括年龄、性别、健康状况、药物使用等，因此需要充分考虑这些因素的影响。目前，仍需大规模和长期的研究，来验证血液蛋白标志物在痴呆预测中的准确性和可靠性。

（编辑:月儿 ）