IF58.7｜全球神经退行性疾病蛋白质组学联盟揭示血浆蛋白标志物与器官衰老模式

GNPC整合约2.5亿蛋白测量，发现跨AD、PD、FTD、ALS的疾病特异血浆蛋白变化及APOE ε4独立签名。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

神经退行性疾病影响全球超过5700万人，且缺乏治愈手段。生物标志物对于早期诊断、预后和分型至关重要。高通量蛋白质组学技术为大规模生物标志物发现提供了可能，但数据孤岛和异质性阻碍了进展。此前已有ADNI、UKBB-PPP等大型数据共享项目，但多聚焦单一疾病或缺乏疾病特异性深度。GNPC联盟旨在建立全球最大的神经退行性疾病蛋白质组数据集，涵盖AD、PD、FTD和ALS，并配套统一临床数据，以加速标志物和药物靶点发现。

科学问题

卡在哪里： 现有神经退行性疾病蛋白质组研究多局限于单一疾病或小样本队列，缺乏跨疾病、多队列的大规模整合分析，导致发现的可重复性差，且难以识别跨诊断的共性机制。同时，APOE ε4作为AD主要遗传风险因子，其独立于疾病状态的蛋白质组效应尚未被系统解析。

本文要回答： 本文旨在展示GNPC V1数据集的规模与价值，通过三个示例分析揭示疾病特异血浆蛋白差异、器官衰老模式及APOE ε4相关蛋白签名，并评估其作为生物标志物和药物靶点的潜力。

技术路线

作者主要用了：SomaScan 7K蛋白质组、meta分析、LASSO回归、器官衰老时钟、机器学习分类。

作者首先对来自23个队列的18,645名参与者的血浆样本进行SomaScan蛋白质组学检测，获得约2.5亿蛋白测量值。然后分三个工作流进行分析：第一，对AD、PD、FTD和ALS分别进行队列内差异丰度分析并meta整合，识别疾病相关蛋白；第二，应用已发表的器官衰老模型计算器官年龄差距，并与疾病状态关联；第三，通过回归和机器学习分离APOE ε4基因型对血浆蛋白组的独立影响。这种设计充分利用大规模多队列数据，兼顾疾病特异性和跨疾病共性。

图 1　Fig. 1。图1展示了AD、PD、FTD和ALS患者与对照相比的血浆蛋白差异丰度meta分析结果。每个点代表一个蛋白，x轴为效应大小，y轴为-log10 FDR校正P值。AD中ACHE、SPC25等显著升高，VAT1、GPD1等降低；PD中SUMF1等升高，CLEC3B等降低；FTD和ALS也显示各自特征。底部平行线标记FDR显著蛋白。此外，图1i-j显示临床严重度签名随CDR升高而增加，且在AD、FTD、PD中均相关。

核心亮点

亮点 1｜疾病特异血浆蛋白差异

在AD中，27个蛋白在至少6个队列中显著升高，包括ACHE、SPC25、LRRN1和CTF1；130个蛋白显著降低，如VAT1、GPD1、ARPC2和PA2G4。通路分析富集糖代谢和蛋白异戊二烯化。PD中40个蛋白升高（如SUMF1、PRR15），15个降低（如CLEC3B、GPD1），涉及蛋白稳态和免疫通路。FTD中9个蛋白降低（如NPTXR、APLP1），ALS中44个升高（如PDLIM3、MYOM2）和38个降低（如ART3），富集肌肉收缩和胶原通路。这些结果提供了跨队列验证的候选标志物。

图 2　Fig. 2。图2展示器官衰老时钟在临床正常个体中的表现（a）及器官年龄差距与疾病的关联（b）。a中散点图显示预测年龄与实际年龄的相关性，r值范围0.36-0.92。b中身体图显示标准化器官年龄差距与AD、FTD、PD的关联，红点表示正相关（年龄差距增大），蓝点表示负相关。AD与认知富集脑、动脉、肝脏、肠道衰老正相关；FTD与认知富集脑衰老正相关；PD与肌肉衰老正相关。

亮点 2｜跨诊断临床严重度签名

利用LASSO回归基于CDR评分构建了256蛋白的临床损伤签名，在测试集中与CDR相关性r=0.58，与认知评分（MoCA/MMSE）相关性r=-0.47。该签名在AD、FTD和PD中均随严重程度升高（r分别为0.55、0.85、0.70），表明其作为跨诊断严重度标志物的潜力。重要特征蛋白包括ACHE、NPTXR、EPHA4、CNTFR、MSMP和KLK3，提示神经可塑性和免疫激活在疾病进展中的作用。

图 3　Fig. 3。图3展示APOE ε4相关蛋白分析。a为调整AD诊断后的火山图，红色为FDR显著蛋白，SPC25、LRRN1、S100A13、NEFL等突出。b-c箱线图显示SPC25和LRRN1随APOE ε4剂量增加而升高，但与AD诊断无关；NPTXR和GDF2与AD诊断相关但与APOE ε4无关。d显示5蛋白模型预测APOE ε4状态的ROC曲线，AUC 0.90-0.96。e-f展示蛋白互作网络和脑细胞类型表达。g展示APOE ε4相关蛋白与AD相关蛋白的重叠。

亮点 3｜器官衰老模式揭示疾病特异加速衰老

应用器官衰老模型发现，认知富集脑年龄差距与AD（OR=1.33）和FTD（OR=1.26）风险增加相关，而非认知富集脑年龄差距仅与AD弱相关（OR=1.08）。此外，动脉（OR=1.18）、肝脏（OR=1.11）和肠道衰老与AD相关，肌肉衰老与PD相关（OR=1.12）。这些结果表明不同神经退行性疾病具有独特的器官衰老特征，提示系统性健康与神经退行性变的关联。

亮点 4｜APOE ε4独立蛋白签名

调整AD诊断后，SPC25、LRRN1、S100A13和NEFL等蛋白与APOE ε4显著相关。其中SPC25和LRRN1在AD与对照间无差异，但随APOE ε4剂量增加而升高，说明此前AD差异分析中的升高可能由APOE ε4富集驱动。相反，NPTXR和GDF2与AD诊断相关，与APOE ε4无关。仅用5个蛋白（SPC25、NEFL、S100A13、TBCA、LRRN1）的机器学习模型预测APOE ε4携带状态AUC达0.90-0.96，且跨AD和非AD患者均有效。蛋白互作网络显示SPC25、TBCA和S100A13为中枢节点，且与泛素C连接，提示蛋白稳态通路参与。

亮点 5｜APOE与AD蛋白重叠揭示早期分子足迹

在认知正常个体中，APOE ε4相关蛋白有215个；在APOE ε3纯合子AD患者中，AD相关蛋白有2150个。两者重叠44个蛋白，方向一致，包括MMP8、SNAP23和APOB等，涉及免疫血管信号、突触囊泡融合和脂质转运。这些重叠蛋白可能代表APOE ε4携带者中无症状期的早期AD病理分子特征，为理解APOE ε4如何增加疾病易感性提供线索。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： SomaScan 7K蛋白质组、meta分析、LASSO回归、器官衰老时钟、机器学习分类
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事神经退行性疾病蛋白质组学、生物标志物发现、遗传风险因素解析及药物靶点筛选的研究人员。

带走一句

大规模多队列蛋白质组整合分析能够揭示跨疾病共性标志物，并区分遗传背景与疾病状态对蛋白组的影响，为生物标志物和靶点发现提供新范式。