一項大型研究發現，血液中的蛋白質「生物標誌物」能夠在診斷痴呆症15年前預測其發生。
這項發表於《自然衰老》雜誌的研究表明，血液中蛋白質特徵可以準確預測15年後發生的痴呆症。這些被稱為生物標誌物的分子存在於血液、其他體液或組織中，可以指示正常或異常過程、或某些疾病。
來自英國華威大學和上海復旦大學的科學家使用了迄今為止最大型的血液蛋白質組學和痴呆症隊列，其中包括來自英國生物樣本庫(一項基於人群的研究隊列)的52645名健康參與者的血液樣本。
2006年至2010年收集的血液樣本被冷凍儲存，然後在10-15年後於2021年4月至2022年2月期間由研究團隊進行分析。截至2023年3月，共有1417名參與者發展為痴呆症，他們的血液顯示蛋白質生物標誌物失調。
在經過機器學習(一種人工智能技術)輔助分析的1463種蛋白質中，研究人員發現並組合了11種蛋白質作為蛋白質 panel，並證明其在預測未來痴呆症方面具有高度準確性。進一步結合年齡、性別、教育水平和遺傳等傳統風險因素，首次使預測模型的準確性達到90%以上，表明其未來有望用於社區痴呆症篩查項目。
例如神經絲酸性膠質纖維蛋白(GFAP)等蛋白質此前在較小的研究中被確定為潛在的痴呆症生物標誌物，但這項新研究規模更大，時間跨度更長。這種被稱為縱向分析的研究使研究人員能夠在15年間展示痴呆症患者和對照組之間的差異和發展軌跡。
對於痴呆症患者而言，早期診斷至關重要。新藥技術可以減緩甚至逆轉阿爾茨海默病的進展，但前提是必須在疾病足夠早期發現。lecanemab是兩種治療該病的新藥之一。
該研究的主要作者、華威大學計算機科學系的Jianfeng Feng教授希望未來能夠開發針對研究中發現的蛋白質的新藥。
Feng教授強調，人工智能和蛋白質分析的結合為精準醫療提供了 promising的途徑。這對篩查社區內處於痴呆症高風險的中老年人非常重要。「這個模型可以無縫集成到NHS系統，並由全科醫生用作篩查工具，」馮教授說道。
復旦大學的共同通訊作者之一Wei Cheng教授解釋，這項研究基於該團隊之前開發的痴呆症預測模型，該模型使用年齡、是否存在特定基因和母親去世年齡等變量。「與我們之前的工作相比，這種新開發的基於蛋白質的模型顯然是一個突破，」他說。
另一位共同通訊作者、復旦大學神經植物病專家Jintai Yu教授補充說：「蛋白質組生物標誌物更容易獲得且非侵入性，它們可以大大促進大規模人群篩查的應用。」
他還指出，以前的風險模型主要依賴複雜且難以獲得的生物標誌物，這些生物標誌物需要腰椎穿刺或複雜影像等程序才能獲得，這意味着由於侵入性操作和高昂的實施成本，它們的廣泛使用受到阻礙。
