《Brain Pathology》:Proteomic profile of CSF obtained at the time of diagnosis determines amyotrophic lateral sclerosis progression and survival: CXCL7 levels in disease prognosis and survival
编辑推荐:
摘要:肌萎缩侧索硬化症(Amyotrophic Lateral Sclerosis, ALS)是一种主要累及运动神经元的致死性神经退行性疾病。神经丝轻链(Neurofilament Light Chain, NfL)是目前公认的预后生物标志物,但其诊断分辨力有
摘要:肌萎缩侧索硬化症(Amyotrophic Lateral Sclerosis, ALS)是一种主要累及运动神经元的致死性神经退行性疾病。神经丝轻链(Neurofilament Light Chain, NfL)是目前公认的预后生物标志物,但其诊断分辨力有限,尤其中间浓度区间,且不能反映ALS的分子异质性。本研究旨在通过非靶向多组学方法鉴定互补性脑脊液(Cerebrospinal Fluid, CSF)生物标志物及通路特异性特征。研究人员对按生存分层(ALS-SS短生存期组和ALS-LS长生存期组)的ALS患者及健康对照者的CSF进行SWATH-MS基于的蛋白质组学和LC–MS/MS脂质组学分析。应用加权蛋白共表达网络分析(Weighted Protein Co-expression Network Analysis, WPCNA)识别与疾病表型及进展相关的生物学连贯蛋白模块。通过独立队列免疫测定进一步评估顶级生物标志物候选分子。分析ALS死后脊髓组织以探讨所鉴定蛋白的病理生理相关性。CSF蛋白质组学谱可有效区分ALS患者与对照者,并按生存期对患者亚组分型,显示侵袭性ALS亚型具炎症分子特征、解毒机制下调及突触调控异常,而脂质组学谱区分能力有限。WPCNA识别出捕获ALS异质性的模块化蛋白质组学特征,基于这些谱的机器学习模型给出了优化的诊断与预后生物标志物组合。CXCL7成为有前景的互补生物标志物,并为疾病病理生理提供线索。免疫验证支持CXCL7的诊断和预后潜能及其与生存时间的关联。组织病理学分析确认CXCL7定位于前角运动神经元,尽管晚期全脊髓裂解液中未检测到变化。综合CSF蛋白质组学分析联合网络分析增进了我们对ALS分子异质性的理解,并为精准生物标志物发现提供框架。CXCL7可补充NfL作为诊断及预后生物标志物,有助于改善患者分层并推进ALS个体化治疗策略的开发。
论文解读:诊断时获取的脑脊液蛋白质组学谱决定肌萎缩侧索硬化症的疾病进展与生存——CXCL7水平在疾病预后及生存评估中的价值
一、研究背景与立项依据
肌萎缩侧索硬化症(Amyotrophic Lateral Sclerosis, ALS)是一种临床高度异质性的致死性神经退行性疾病,表现为上肢/下肢起病或延髓起病,进展速度差异大,中位生存2~5年。目前诊断依赖临床与电生理检查,从症状出现至确诊平均延迟10~16个月。神经丝轻链(Neurofilament Light Chain, NfL)作为轴突损伤标志物已在ALS临床研究中广泛应用,但其局限性在于:无法区分其他引起轴索损伤的神经疾病(如吉兰–巴雷综合征、多发性硬化),且中等浓度区间对预后的预测力不足,亦不反映ALS的分子亚型异质性。因此亟需发现可补充NfL、能反映ALS特异病理通路并有助于患者分层(诊断与预后)的新型CSF生物标志物。本研究由西班牙Bellvitge大学医院等团队完成,论文发表于Brain Pathology。
二、主要技术方法与样本队列
研究人员设计回顾性观察病例–对照研究,收集经El Escorial标准确诊的散发性ALS患者CSF(诊断时首次获取)及年龄性别匹配的健康对照CSF。发现队列含健康对照(HC)15例、ALS 28例[短生存(Short Survival, SS)生存<3年15例,长生存(Long Survival, LS)生存>5年13例,均为脊髓起病];验证队列含HC 28例、ALS 54例[慢进展Slow Progressor(SP)27例、快进展Fast Progressor(FP)27例]。另设ALS模拟疾病组:脊髓病(Myelopathy)14例、炎性多发性神经病(Inflammatory Polyneuropathy, IP)26例。死后组织取自ALS及对照者腰段脊髓前角及额叶8区皮质。
关键技术方法包括:① CSF非靶向蛋白质组学采用SWATH-MS(Sequential Window Acquisition of all Theoretical fragment-ion spectra–Mass Spectrometry);② CSF非靶向脂质组学采用LC–MS/MS;③ 加权蛋白共表达网络分析(Weighted Protein Co-expression Network Analysis, WPCNA/WGCNA);④ 机器学习分类模型——偏最小二乘判别分析(Partial Least Squares–Discriminant Analysis, PLS-DA)及随机森林(Random Forest, RF);⑤ 候选生物标志物CXCL7及参照物NfL采用ELISA定量验证;⑥ 死后组织进行RT–qPCR、Western Blot及免疫组化(Immunohistochemistry, IHC)分析。
三、研究结果
3.1 Patient cohort(患者队列)
发现队列与验证队列各组间年龄、性别、发病年龄无显著差异。ALS按生存/进展速率严格分层,确保极端表型对比。
3.2 Comprehensive CSF proteomic profiling reveals distinct molecular signatures between ALS and controls and across ALS progression subtypes(ALS与对照及各进展亚型间CSF全面蛋白质组学谱揭示独特分子特征)
SWATH-MS定量1059个蛋白,PCA可清晰区分ALS与HC(PC1+PC2=48.5%),386个差异表达蛋白(DEPs)。ALS vs HC富集到中性粒细胞脱颗粒、髓系细胞活化、胞吐作用上调,以及气体转运/过氧化氢分解/细胞解毒下调。ALS-SS vs ALS-LS亦得386个DEPs,ALS-SS上调中性粒细胞/白细胞活化、调节性胞吐,下调轴突发芽/神经元投射形态发生相关通路,提示侵袭型ALS具强炎症激活及突触结构相关通路抑制。
3.3 Weighted protein Co-expression network analysis identifies phenotype-associated protein modules in ALS(加权蛋白共表达网络分析识别ALS中与表型相关联的蛋白模块)
WPCNA构建16个模块。M1-Black(糖蛋白代谢/修饰)ALS两亚型均上调vs HC;M2-Greenyellow(中丝/细胞黏附)ALS-LS上调、ALS-SS下调;M3-Pink(轴突导向/突触后膜组织)ALS-LS上调、ALS-SS下调;M4-Green(轴突发芽/突触成熟)ALS-SS低于ALS-LS;M5-Magenta(突触膜黏附)ALS-SS低于ALS-LS及HC;M10-Purple(髓样白细胞趋化)ALS-SS上调vs HC;M11-Yellow(轴突导向)ALS-SS上调;M14-Brown(过氧化氢分解/细胞解毒)ALS两亚型均下调且ALS-SS更低。表明ALS异质性可由协调改变的蛋白模块捕获。
3.4 Lipidomic profiling reveals subtle alterations in CSF lipids with limited discriminative power between ALS and control groups(脂质组学分析显示CSF脂质仅有细微改变且区分ALS与对照组能力有限)
鉴定1119个脂质特征,PCA无组间分离(PC2=0%),仅15个脂质在ALS vs HC达名义p<0.05(1个FDR显著),ALS-SS vs ALS-LS仅3个差异脂质。ROC中最高AUC≈0.70。CSF脂质组学对ALS诊断及预后的判别力弱于蛋白质组学。
3.5 Machine learning models uncover robust and distinct proteomic signatures differentiating ALS subtypes and controls(机器学习模型揭示可区分ALS亚型与对照的稳健独特蛋白质组学特征)
PLS-DA(Q2=0.972, p=0.03)实现三组清晰分离,VIP>1.5重要蛋白含CXCL7、SPAT2、VIM、MPO等。RF模型OOB误差=0,分类准确率100%,重要蛋白含FAM174A、SERPINB12、ARSA等。PLS-DA与RF共有IGKV3-7、ARSA、CRABP1、MB。蛋白面板具强判别力。
3.6 Machine learning analysis of lipidomic data not reveals discriminatory power for ALS classification(脂质组学数据的机器学习分析未能显示ALS分类判别力)
sPLS-DA(p=0.7)及RF(OOB误判率70.3%)均无法有效分类,证实脂质组判别力不足。
3.7 Validation of CXCL7 as a candidate CSF biomarker reveals moderate diagnostic potential compared to NfL in ALS(CXCL7作为候选CSF生物标志物的验证显示其诊断潜力较NfL中等)
ELISA示ALS组CSF CXCL7(127.20±10.49 pg/mL)显著低于HC(256.73±46.73 pg/mL,p=0.0065),AUC=0.691(cut-off 311.4 pg/mL,敏感性100%,特异性30.77%)。同期NfL在ALS显著升高(AUC=0.995)。CXCL7在IP及脊髓病组与ALS无显著差异(ANCOVA p=0.153)。
3.8 CXCL7 and NfL demonstrate prognostic value in distinguishing fast and slow progression phenotypes in sporadic ALS(CXCL7与NfL可区分散发性ALS快进展与慢进展表型)
ALS-SP组CXCL7(152.4±17.47 pg/mL)高于ALS-FP组(102.0±10.51 pg/mL,p=0.017),AUC=0.67(cut-off 146.3 pg/mL,敏感性54.17%,特异性83.4%);NfL在ALS-FP更高(AUC=0.865)。DeLong检验示NfL预后AUC显著高于CXCL7(p=0.017)。
3.9 CXCL7 and NfL independently associate with ALS progression, with NfL showing stronger predictive power in multivariate models(CXCL7与NfL独立关联ALS进展,多元模型中NfL预测力更强)
GLM示NfL(η2=0.415)与CXCL7(η2=0.179)均组间差异显著。CXCL7与ALS-FRS-R斜率负相关(r=-0.309, p=0.05),NfL正相关(r=0.497, p=0.002),二者无显著互相关。多元回归中NfL单独模型解释27%方差(β=0.521, p=0.001),联合模型解释36%方差,CXCL7在联合模型中边缘显著(β=-0.256, p=0.09)。
3.10 Association of CSF CXCL7 levels with disease survival time, but not with site of onset(CSF CXCL7水平与疾病生存时间相关,但与起病部位无关)
CXCL7与疾病持续时间呈中度正相关(Spearman ρ=0.37, p=0.012),ALS-LS高于ALS-SP(p=0.035),脊髓与延髓起病间CXCL7无差异(p=0.69)。
3.11 Region-specific analysis of post-mortem tissue reveals differential CXCL7 mRNA expression without significant protein changes in ALS(死后组织区域特异性分析显示ALS中CXCL7 mRNA差异表达但蛋白水平无显著改变)
腰段脊髓前角CXCL7 mRNA无差异,AIF1(小胶质标记)mRNA升高;额叶8区CXCL7 mRNA上调(p=0.008),CXCR1/CXCR2及GFAP无差异。Western Blot全组织裂解液CXCL7蛋白脊髓及额叶均无组间差异。IHC示CXCL7定位于脊髓前角残存运动神经元胞浆及突起、额叶少数神经元。
四、讨论与结论总结(翻译结论部分)
应用多组学方法对复杂疾病病理生理的理解至关重要。本研究发现CSF全面蛋白质组学分析可成功区分ALS患者与健康对照并按生存期分型,显示侵袭型ALS具炎症特征、解毒机制下调及突触/结构建立异常;而脂质组学无此判别力。模块化蛋白质组学特征可有效捕获ALS异质性,为精准生物标志物发现提供框架。基于CSF蛋白质组学的机器学习模型鉴定CXCL7为ALS诊断与预后有前景的候选物,且其CSF水平与疾病持续时间及生存相关联。验证研究确认NfL仍为ALS进展最稳健预测因子,但CXCL7可作为互补生物标志物,提供ALS生物学额外信息并支持精细化临床分层。未来需在更大独立队列中阐明CXCL7机制作用并确认其广泛临床适用性。