proteomics ທີ່ສົມບູນແບບເປີດເຜີຍໃຫ້ເຫັນ biomarkers ນ້ໍາ cerebrospinal ສະຫມອງໃນພະຍາດ Alzheimer ຂອງ asymptomatic ແລະອາການ

ພະຍາດ Alzheimer (AD) ຂາດຕົວ biomarkers ທາດໂປຼຕີນທີ່ສະທ້ອນໃຫ້ເຫັນ pathophysiology ພື້ນຖານຂອງມັນ, ຂັດຂວາງຄວາມຄືບຫນ້າຂອງການວິນິດໄສແລະການປິ່ນປົວ. ທີ່ນີ້, ພວກເຮົາໃຊ້ proteomics ທີ່ສົມບູນແບບເພື່ອກໍານົດ biomarkers ນ້ໍາ cerebrospinal (CSF) ທີ່ເປັນຕົວແທນຢ່າງກວ້າງຂວາງຂອງ pathophysiology AD. Multiplex mass spectrometry ກໍານົດປະມານ 3,500 ແລະປະມານ 12,000 ໂປຣຕີນໃນ AD CSF ແລະສະຫມອງ, ຕາມລໍາດັບ. ການວິເຄາະເຄືອຂ່າຍຂອງໂປຣຕີນຂອງສະຫມອງໄດ້ແກ້ໄຂ 44 ໂມດູນຊີວະນາໆພັນ, 15 ອັນທີ່ທັບຊ້ອນກັບໂປຣຕີນຂອງນ້ໍາສະຫມອງ. ເຄື່ອງຫມາຍ CSF AD ໃນໂມດູນທີ່ຊ້ອນກັນເຫຼົ່ານີ້ຖືກພັບເຂົ້າໄປໃນຫ້າກຸ່ມທາດໂປຼຕີນ, ເຊິ່ງເປັນຕົວແທນຂອງຂະບວນການທາງ pathophysiological ທີ່ແຕກຕ່າງກັນ. synapses ແລະ metabolites ໃນສະຫມອງ AD ຫຼຸດລົງ, ແຕ່ CSF ເພີ່ມຂຶ້ນ, ໃນຂະນະທີ່ myelination ອຸດົມສົມບູນ glial ແລະກຸ່ມພູມຕ້ານທານໃນສະຫມອງແລະ CSF ເພີ່ມຂຶ້ນ. ຄວາມສອດຄ່ອງແລະຄວາມສະເພາະຂອງພະຍາດຂອງການປ່ຽນແປງຄະນະກໍາມະໄດ້ຖືກຢືນຢັນໃນຫຼາຍກວ່າ 500 ຕົວຢ່າງ CSF ເພີ່ມເຕີມ. ກຸ່ມເຫຼົ່ານີ້ຍັງໄດ້ກໍານົດກຸ່ມຍ່ອຍທາງຊີວະພາບໃນ AD asymptomatic. ໂດຍລວມແລ້ວ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ແມ່ນເປັນບາດກ້າວທີ່ດີຕໍ່ກັບເຄື່ອງມື biomarker ເວັບໄຊຕ໌ສໍາລັບຄໍາຮ້ອງສະຫມັກທາງດ້ານການຊ່ວຍໃນ AD.
ພະຍາດ Alzheimer (AD) ເປັນສາເຫດທົ່ວໄປທີ່ສຸດຂອງ dementia neurodegenerative ໃນທົ່ວໂລກແລະມີລັກສະນະເປັນລະດັບຄວາມຜິດປົກກະຕິຂອງລະບົບຊີວະພາບ, ລວມທັງສາຍສົ່ງ synaptic, ພູມຕ້ານທານ glial-mediated, ແລະ metabolism mitochondrial (1-3). ຢ່າງໃດກໍ່ຕາມ, ເຄື່ອງຫມາຍ biomarkers ທາດໂປຼຕີນທີ່ສ້າງຕັ້ງຂຶ້ນຂອງມັນຍັງຄົງສຸມໃສ່ການກວດພົບທາດໂປຼຕີນຈາກ amyloid ແລະ tau, ແລະດັ່ງນັ້ນຈຶ່ງບໍ່ສາມາດສະທ້ອນເຖິງ pathophysiology ທີ່ມີຄວາມຫຼາກຫຼາຍນີ້. ເຫຼົ່ານີ້ "ຫຼັກ" ທາດໂປຼຕີນຈາກ biomarkers ທີ່ຖືກວັດແທກທີ່ເຊື່ອຖືໄດ້ຫຼາຍທີ່ສຸດໃນນ້ໍາ cerebrospinal (CSF) ປະກອບມີ (i) amyloid beta peptide 1-42 (Aβ1-42), ເຊິ່ງສະທ້ອນໃຫ້ເຫັນການສ້າງຕັ້ງຂອງ plaques amyloid cortical; (ii) tau ທັງຫມົດ, ອາການຂອງ degeneration axon; (iii) phospho-tau (p-tau), ຕົວແທນຂອງ pathological tau hyperphosphorylation (4-7). ເຖິງແມ່ນວ່າ biomarkers ນ້ໍາ cerebrospinal ເຫຼົ່ານີ້ໄດ້ອໍານວຍຄວາມສະດວກຢ່າງຫຼວງຫຼາຍໃນການກວດສອບຂອງພວກເຮົາຂອງ "ຫມາຍ" ພະຍາດທາດໂປຼຕີນຈາກ AD (4-7), ພວກເຂົາເຈົ້າພຽງແຕ່ເປັນຕົວແທນບາງສ່ວນຂອງຊີວະສາດສະລັບສັບຊ້ອນທີ່ຢູ່ເບື້ອງຫຼັງຂອງພະຍາດ.
ການຂາດຄວາມຫຼາກຫຼາຍຂອງ pathophysiological ຂອງ biomarkers AD ໄດ້ນໍາໄປສູ່ສິ່ງທ້າທາຍຫຼາຍ, ລວມທັງ (i) ບໍ່ສາມາດກໍານົດແລະປະລິມານຂອງ heterogeneity ຊີວະພາບຂອງຄົນເຈັບ AD, (ii) ການວັດແທກບໍ່ພຽງພໍຂອງຄວາມຮຸນແຮງແລະຄວາມຄືບຫນ້າຂອງພະຍາດ, ໂດຍສະເພາະໃນຂັ້ນຕອນ preclinical, ແລະ (. iii​) ການ​ພັດ​ທະ​ນາ​ຂອງ​ຢາ​ປິ່ນ​ປົວ​ທີ່​ບໍ່​ສາ​ມາດ​ແກ້​ໄຂ​ຢ່າງ​ສົມ​ບູນ​ທຸກ​ດ້ານ​ຂອງ​ການ​ເສື່ອມ​ໂຊມ​ທາງ​ປະ​ສາດ​. ການເອື່ອຍອີງຂອງພວກເຮົາກ່ຽວກັບ pathology ສະຖານທີ່ສໍາຄັນເພື່ອອະທິບາຍ AD ຈາກພະຍາດທີ່ກ່ຽວຂ້ອງພຽງແຕ່ເຮັດໃຫ້ບັນຫາເຫຼົ່ານີ້ຮ້າຍແຮງຂຶ້ນ. ຫຼັກຖານຫຼາຍກວ່າແລະຫຼາຍສະແດງໃຫ້ເຫັນວ່າຜູ້ສູງອາຍຸສ່ວນໃຫຍ່ທີ່ມີ dementia ມີຫຼາຍກວ່າຫນຶ່ງລັກສະນະ pathological ຂອງການຫຼຸດລົງຂອງມັນສະຫມອງ (8). ຈໍານວນຫຼາຍເຖິງ 90% ຫຼືຫຼາຍກວ່ານັ້ນຂອງບຸກຄົນທີ່ມີພະຍາດ AD ຍັງມີພະຍາດ vascular, TDP-43 ລວມ, ຫຼືພະຍາດ degenerative ອື່ນໆ (9). ອັດຕາສ່ວນສູງເຫຼົ່ານີ້ຂອງການທັບຊ້ອນທາງ pathological ໄດ້ຂັດຂວາງໂຄງຮ່າງການວິນິດໄສຂອງພວກເຮົາໃນປະຈຸບັນສໍາລັບ dementia, ແລະຈໍາເປັນຕ້ອງມີຄໍານິຍາມ pathophysiological ທີ່ສົມບູນແບບຂອງພະຍາດ.
ໃນທັດສະນະຂອງຄວາມຕ້ອງການອັນຮີບດ່ວນສໍາລັບຄວາມຫລາກຫລາຍຂອງ biomarkers AD, ພາກສະຫນາມແມ່ນນັບມື້ນັບໃຊ້ວິທີການ "omics" ໂດຍອີງໃສ່ລະບົບລວມເພື່ອຄົ້ນພົບ biomarkers. Accelerated Pharmaceutical Partnership (AMP)-AD Alliance ໄດ້ເປີດຕົວໃນປີ 2014 ແລະຢູ່ໃນແຖວໜ້າຂອງໂຄງການ. ຄວາມພະຍາຍາມ multidisciplinary ນີ້ໂດຍສະຖາບັນແຫ່ງຊາດຂອງສຸຂະພາບ, ນັກວິຊາການ, ແລະອຸດສາຫະກໍາມີຈຸດປະສົງເພື່ອນໍາໃຊ້ຍຸດທະສາດລະບົບເພື່ອກໍານົດທີ່ດີກວ່າ pathophysiology ຂອງ AD ແລະພັດທະນາຍຸດທະສາດການວິເຄາະແລະການປິ່ນປົວຊີວະນາໆພັນ (10). ເປັນສ່ວນຫນຶ່ງຂອງໂຄງການນີ້, proteomics ເຄືອຂ່າຍໄດ້ກາຍເປັນເຄື່ອງມືທີ່ດີສໍາລັບຄວາມກ້າວຫນ້າຂອງ biomarkers ທີ່ອີງໃສ່ລະບົບໃນ AD. ວິທີການຂັບເຄື່ອນຂໍ້ມູນແບບບໍ່ມີອະຄະຕິນີ້ຈັດຊຸດຂໍ້ມູນ proteomics ທີ່ຊັບຊ້ອນເປັນກຸ່ມ ຫຼື “ໂມດູນ” ຂອງໂປຣຕີນທີ່ສະແດງອອກຮ່ວມກັນທີ່ກ່ຽວຂ້ອງກັບຈຸລັງສະເພາະ, ອະໄວຍະວະ ແລະໜ້າທີ່ທາງຊີວະພາບ (11-13). ເກືອບ 12 ການສຶກສາ proteomics ເຄືອຂ່າຍຂໍ້ມູນທີ່ອຸດົມສົມບູນໄດ້ຖືກດໍາເນີນຢູ່ໃນສະຫມອງ AD (13-23). ໂດຍລວມແລ້ວ, ການວິເຄາະເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າ AD ເຄືອຂ່າຍສະຫມອງ proteome ຮັກສາອົງການຈັດຕັ້ງ modular ທີ່ມີການອະນຸລັກສູງຢູ່ໃນກຸ່ມເອກະລາດແລະພາກພື້ນ cortical ຫຼາຍ. ນອກຈາກນັ້ນ, ບາງໂມດູນເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນການປ່ຽນແປງທີ່ເກີດໃຫມ່ໃນຄວາມອຸດົມສົມບູນທີ່ກ່ຽວຂ້ອງກັບ AD ໃນທົ່ວຊຸດຂໍ້ມູນ, ສະທ້ອນໃຫ້ເຫັນ pathophysiology ຂອງພະຍາດຫຼາຍຊະນິດ. ໂດຍລວມແລ້ວ, ການຄົ້ນພົບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນເຖິງຈຸດທີ່ໂດດເດັ່ນສໍາລັບການຄົ້ນພົບຂອງ proteome ເຄືອຂ່າຍສະຫມອງເປັນ biomarker ທີ່ອີງໃສ່ລະບົບໃນ AD.
ເພື່ອຫັນປ່ຽນເຄືອຂ່າຍສະຫມອງຂອງ AD ໄປສູ່ລະບົບທີ່ມີປະໂຫຍດທາງດ້ານຄລີນິກ, ພວກເຮົາໄດ້ລວມເຄືອຂ່າຍທີ່ມາຈາກສະຫມອງກັບການວິເຄາະ proteomic ຂອງ AD CSF. ວິທີການປະສົມປະສານນີ້ນໍາໄປສູ່ການກໍານົດຫ້າຊຸດທີ່ມີທ່າແຮງຂອງ CSF biomarkers ທີ່ກ່ຽວຂ້ອງກັບຄວາມຫລາກຫລາຍຂອງ pathophysiology ສະຫມອງ, ລວມທັງ synapses, ເສັ້ນເລືອດ, myelination, ການອັກເສບ, ແລະຄວາມຜິດປົກກະຕິຂອງເສັ້ນທາງ metabolic. ພວກ​ເຮົາ​ໄດ້​ຮັບ​ຜົນ​ສໍາ​ເລັດ​ການ​ກວດ​ສອບ biomarker panels ເຫຼົ່າ​ນີ້​ໂດຍ​ຜ່ານ​ການ​ວິ​ເຄາະ​ການ​ຈໍາ​ລອງ​ຫຼາຍ​, ລວມ​ທັງ​ຫຼາຍ​ກ​່​ວາ 500 ຕົວ​ຢ່າງ CSF ຈາກ​ພະ​ຍາດ neurodegenerative ຕ່າງໆ​. ການວິເຄາະຄວາມຖືກຕ້ອງເຫຼົ່ານີ້ລວມມີການກວດສອບກຸ່ມເປົ້າຫມາຍໃນ CSF ຂອງຄົນເຈັບທີ່ມີ AD asymptomatic (AsymAD) ຫຼືສະແດງໃຫ້ເຫັນຫຼັກຖານຂອງການສະສົມ amyloid ຜິດປົກກະຕິໃນສະພາບແວດລ້ອມມັນສະຫມອງປົກກະຕິ. ການວິເຄາະເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນເຖິງຄວາມແຕກຕ່າງກັນທາງດ້ານຊີວະວິທະຍາທີ່ສໍາຄັນໃນປະຊາກອນ AsymAD ແລະກໍານົດເຄື່ອງຫມາຍກະດານທີ່ອາດຈະສາມາດຍ່ອຍບຸກຄົນໃນໄລຍະທໍາອິດຂອງພະຍາດ. ໂດຍລວມແລ້ວ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນເຖິງບາດກ້າວທີ່ສໍາຄັນໃນການພັດທະນາເຄື່ອງມື biomarker ທາດໂປຼຕີນໂດຍອີງໃສ່ຫຼາຍລະບົບທີ່ສາມາດປະສົບຜົນສໍາເລັດໃນການແກ້ໄຂສິ່ງທ້າທາຍທາງດ້ານຄລີນິກທີ່ປະເຊີນຫນ້າໂດຍ AD.
ຈຸດປະສົງຕົ້ນຕໍຂອງການສຶກສານີ້ແມ່ນເພື່ອກໍານົດ biomarkers ນ້ໍາ cerebrospinal ໃຫມ່ທີ່ສະທ້ອນໃຫ້ເຫັນ pathophysiology ສະຫມອງຕ່າງໆທີ່ນໍາໄປສູ່ AD. Figure S1 ອະທິບາຍວິທີການຄົ້ນຄ້ວາຂອງພວກເຮົາ, ເຊິ່ງປະກອບມີ (i) ການວິເຄາະທີ່ສົມບູນແບບທີ່ຂັບເຄື່ອນໂດຍການຄົ້ນພົບເບື້ອງຕົ້ນຂອງ AD CSF ແລະ proteome ສະຫມອງຂອງເຄືອຂ່າຍເພື່ອກໍານົດ biomarkers ພະຍາດ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງຫຼາຍ, ແລະ (ii) ການຈໍາລອງຕໍ່ມາ biomarkers ເຫຼົ່ານີ້ແມ່ນຢູ່ໃນ cerebrospinal ເອກະລາດຫຼາຍ. ກຸ່ມນ້ຳ. ການຄົ້ນຄວ້າທີ່ເນັ້ນໃສ່ການຄົ້ນພົບໄດ້ເລີ່ມຕົ້ນດ້ວຍການວິເຄາະການສະແດງອອກຄວາມແຕກຕ່າງຂອງ CSF ໃນ 20 ບຸກຄົນປົກກະຕິທາງດ້ານສະຕິປັນຍາແລະ 20 ຄົນເຈັບ AD ທີ່ສູນຄົ້ນຄວ້າພະຍາດ Emory Goizueta Alzheimer's (ADRC). ການວິນິດໄສຂອງ AD ແມ່ນຖືກກໍານົດວ່າເປັນຄວາມບົກຜ່ອງທາງດ້ານສະຕິປັນຍາທີ່ສໍາຄັນໃນການປະກົດຕົວຂອງ Aβ1-42 ຕ່ໍາແລະລະດັບສູງຂອງ tau ແລະ p-tau ທັງຫມົດໃນນ້ໍາ cerebrospinal [Mean Montreal Cognitive Assessment (MoCA), 13.8 ± 7.0] [ELISA (ELISA) )]] (ຕາຕະລາງ S1A). ການຄວບຄຸມ (ຫມາຍຄວາມວ່າ MoCA, 26.7 ± 2.2) ມີລະດັບປົກກະຕິຂອງ biomarkers CSF.
CSF ຂອງມະນຸດແມ່ນມີລັກສະນະແບບເຄື່ອນໄຫວຂອງຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນ, ໃນທີ່ albumin ແລະທາດໂປຼຕີນທີ່ອຸດົມສົມບູນອື່ນໆສາມາດປ້ອງກັນການກວດພົບຂອງທາດໂປຼຕີນທີ່ມີຄວາມສົນໃຈ (24). ເພື່ອເພີ່ມຄວາມເລິກຂອງການຄົ້ນພົບທາດໂປຼຕີນ, ພວກເຮົາໄດ້ເອົາທາດໂປຼຕີນທີ່ອຸດົມສົມບູນ 14 ທໍາອິດອອກຈາກແຕ່ລະຕົວຢ່າງ CSF ກ່ອນການວິເຄາະມະຫາຊົນ (MS) (24). ຈໍາ​ນວນ​ທັງ​ຫມົດ​ຂອງ 39,805 peptides ໄດ້​ຖືກ​ກໍາ​ນົດ​ໂດຍ MS​, ເຊິ່ງ​ໄດ້​ຮັບ​ການ​ສ້າງ​ແຜນ​ທີ່ 3691 proteomes ໃນ 40 ຕົວ​ຢ່າງ​. ປະລິມານທາດໂປຼຕີນແມ່ນປະຕິບັດໂດຍການຕິດສະຫລາກຫຼາຍ tandem mass tag (TMT) (18, 25). ເພື່ອແກ້ໄຂຂໍ້ມູນທີ່ຂາດຫາຍໄປ, ພວກເຮົາໄດ້ລວມເອົາພຽງແຕ່ທາດໂປຼຕີນທີ່ຖືກປະເມີນຢູ່ໃນຢ່າງຫນ້ອຍ 50% ຂອງຕົວຢ່າງໃນການວິເຄາະຕໍ່ໄປ, ດັ່ງນັ້ນໃນທີ່ສຸດຈຶ່ງເຮັດໃຫ້ປະລິມານ 2875 proteomes. ເນື່ອງຈາກຄວາມແຕກຕ່າງທີ່ສໍາຄັນໃນລະດັບຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນຈາກທັງຫມົດ, ຕົວຢ່າງການຄວບຄຸມໄດ້ຖືກພິຈາລະນາທາງສະຖິຕິເປັນ outlier (13) ແລະບໍ່ໄດ້ຖືກລວມເຂົ້າໃນການວິເຄາະຕໍ່ມາ. ມູນຄ່າຄວາມອຸດົມສົມບູນຂອງຕົວຢ່າງທີ່ຍັງເຫຼືອ 39 ໄດ້ຖືກປັບຕາມອາຍຸ, ເພດ, ແລະຄວາມແຕກຕ່າງກັນ batch (13-15, 17, 18, 20, 26).
ການນໍາໃຊ້ການວິເຄາະທາງສະຖິຕິ t-test ເພື່ອປະເມີນຄວາມແຕກຕ່າງໃນຊຸດຂໍ້ມູນການຖົດຖອຍ, ການວິເຄາະນີ້ໄດ້ກໍານົດທາດໂປຼຕີນທີ່ລະດັບຄວາມອຸດົມສົມບູນມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ (P <0.05) ລະຫວ່າງກໍລະນີຄວບຄຸມແລະ AD (ຕາຕະລາງ S2A). ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບ 1A, ຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນຈາກ 225 ໃນ AD ໄດ້ຖືກຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ, ແລະຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນຈາກ 303 ແມ່ນເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ທາດໂປຼຕີນທີ່ສະແດງອອກທີ່ແຕກຕ່າງກັນເຫຼົ່ານີ້ປະກອບມີເຄື່ອງຫມາຍ AD ນ້ໍາສະຫມອງທີ່ໄດ້ກໍານົດກ່ອນຫນ້ານີ້, ເຊັ່ນ: microtubule-associated protein tau (MAPT; P = 3.52 × 10−8), neurofilament (NEFL; P = 6.56 × 10−3), ທາດໂປຼຕີນທີ່ກ່ຽວຂ້ອງກັບການເຕີບໂຕ 43. (GAP43; P = 1.46 × 10−5), ທາດໂປຼຕີນຈາກອາຊິດໄຂມັນ 3 (FABP3; P = 2.00 × 10−5), Chitinase 3 like 1 (CHI3L1; P = 4.44 × 10−6), Neural Granulin (NRGN; P = 3.43 × 10−4) ແລະປັດໄຈການຂະຫຍາຍຕົວເສັ້ນປະສາດ VGF (VGF; P = 4.83 × 10−3) (4-6). ຢ່າງໃດກໍ່ຕາມ, ພວກເຮົາຍັງໄດ້ກໍານົດເປົ້າຫມາຍທີ່ສໍາຄັນອື່ນໆເຊັ່ນ: GDP dissociation inhibitor 1 (GDI1; P = 1.54 × 10-10) ແລະ SPARC-related calcium binding modular calcium 1 (SMOC1; P = 6.93 × 10-9). ການວິເຄາະ Gene Ontology (GO) ຂອງ 225 ທາດໂປຼຕີນທີ່ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໄດ້ເປີດເຜີຍການເຊື່ອມຕໍ່ຢ່າງໃກ້ຊິດກັບຂະບວນການຂອງນ້ໍາໃນຮ່າງກາຍເຊັ່ນ: ການເຜົາຜະຫລານຂອງ steroid, ການ coagulation ຂອງເລືອດ, ແລະກິດຈະກໍາຂອງຮໍໂມນ (ຮູບ 1B ແລະຕາຕະລາງ S2B). ໃນທາງກົງກັນຂ້າມ, ທາດໂປຼຕີນທີ່ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍຂອງ 303 ແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບໂຄງສ້າງຂອງເຊນແລະການເຜົາຜະຫລານພະລັງງານ.
(A) ແຜນຜັງພູເຂົາໄຟສະແດງໃຫ້ເຫັນການປ່ຽນແປງຂອງ log2 fold (x-axis) ທີ່ກ່ຽວຂ້ອງກັບຄ່າ P ສະຖິຕິ -log10 (ແກນ y) ທີ່ໄດ້ຮັບໂດຍການທົດສອບ t, ເຊິ່ງຖືກນໍາໃຊ້ເພື່ອກວດພົບການສະແດງອອກທີ່ແຕກຕ່າງກັນລະຫວ່າງການຄວບຄຸມ (CT) ແລະ ກໍລະນີ AD ຂອງໂປຣຕີນ CSF ຂອງທາດໂປຼຕີນທັງຫມົດ. ທາດໂປຼຕີນທີ່ມີລະດັບຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ (P <0.05) ໃນ AD ແມ່ນສະແດງໃຫ້ເຫັນເປັນສີຟ້າ, ໃນຂະນະທີ່ທາດໂປຼຕີນທີ່ມີລະດັບເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນພະຍາດແມ່ນສະແດງໃຫ້ເຫັນເປັນສີແດງ. ທາດໂປຼຕີນທີ່ເລືອກແມ່ນຕິດສະຫຼາກ. (B) ຂໍ້ກໍານົດ GO ເທິງສຸດທີ່ກ່ຽວຂ້ອງກັບທາດໂປຼຕີນແມ່ນຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ (ສີຟ້າ) ແລະເພີ່ມຂຶ້ນ (ສີແດງ) ໃນ AD. ສະ​ແດງ​ໃຫ້​ເຫັນ​ສາມ​ຄໍາ​ສັບ GO ທີ່​ມີ​ຄະ​ແນນ z ສູງ​ທີ່​ສຸດ​ໃນ​ຂະ​ບວນ​ການ​ທາງ​ຊີ​ວະ​ພາບ​, ຫນ້າ​ທີ່​ໂມ​ເລ​ກຸນ​, ແລະ​ອົງ​ປະ​ກອບ​ຂອງ​ໂທລະ​ສັບ​ມື​ຖື​. (C) MS ໄດ້ວັດແທກລະດັບ MAPT ໃນຕົວຢ່າງ CSF (ຊ້າຍ) ແລະຄວາມກ່ຽວຂ້ອງຂອງມັນກັບຕົວຢ່າງ ELISA tau (ຂວາ). ຄ່າສໍາປະສິດການພົວພັນ Pearson ກັບຄ່າ P ທີ່ກ່ຽວຂ້ອງແມ່ນສະແດງ. ເນື່ອງຈາກການຂາດຂໍ້ມູນ ELISA ສໍາລັບກໍລະນີ AD ຫນຶ່ງ, ຕົວເລກເຫຼົ່ານີ້ລວມມີຄ່າສໍາລັບ 38 ໃນ 39 ກໍລະນີທີ່ຖືກວິເຄາະ. (D) ການວິເຄາະກຸ່ມທີ່ມີການຄວບຄຸມ (P <0.0001, Benjamini-Hochberg (BH) ປັບ P <0.01) ໃນການຄວບຄຸມແລະ AD CSF ໄດ້ພົບເຫັນຕົວຢ່າງໂດຍໃຊ້ 65 ທາດໂປຼຕີນທີ່ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍໃນຊຸດຂໍ້ມູນ. ປັບມາດຕະຖານ, ປົກກະຕິ.
ລະດັບ proteomic ຂອງ MAPT ແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບລະດັບ ELISA tau ທີ່ວັດແທກເອກະລາດ (r = 0.78, P = 7.8 × 10-9; ຮູບ 1C), ສະຫນັບສະຫນູນຄວາມຖືກຕ້ອງຂອງການວັດແທກ MS ຂອງພວກເຮົາ. ຫຼັງຈາກການຍ່ອຍອາຫານຂອງ trypsin ໃນລະດັບຂອງທາດໂປຼຕີນຈາກ precursor amyloid (APP), peptides ສະເພາະ isoform ທີ່ແຜນທີ່ກັບ C-terminus ຂອງAβ1-40 ແລະAβ1-42 ບໍ່ສາມາດຖືກ ionized ປະສິດທິພາບ (27, 28). ເພາະສະນັ້ນ, peptides APP ທີ່ພວກເຮົາກໍານົດບໍ່ມີຫຍັງກ່ຽວຂ້ອງກັບລະດັບ ELISA Aβ1-42. ເພື່ອປະເມີນຄວາມແຕກຕ່າງຂອງການສະແດງອອກຂອງແຕ່ລະກໍລະນີ, ພວກເຮົາໃຊ້ໂປຣຕີນທີ່ສະແດງຄວາມແຕກຕ່າງກັບ P <0.0001 [ອັດຕາການຄົ້ນພົບທີ່ບໍ່ຖືກຕ້ອງ (FDR) ແກ້ໄຂ P <0.01] ເພື່ອປະຕິບັດການວິເຄາະກຸ່ມທີ່ມີການຄວບຄຸມຂອງຕົວຢ່າງ (ຕາຕະລາງ S2A). ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບ 1D, 65 ທາດໂປຼຕີນທີ່ມີຄວາມສໍາຄັນສູງເຫຼົ່ານີ້ສາມາດຈັດກຸ່ມຕົວຢ່າງຢ່າງຖືກຕ້ອງຕາມສະພາບຂອງພະຍາດ, ຍົກເວັ້ນກໍລະນີ AD ຫນຶ່ງທີ່ມີລັກສະນະຄວບຄຸມ. ໃນບັນດາທາດໂປຼຕີນ 65 ເຫຼົ່ານີ້, 63 ເພີ່ມຂຶ້ນໃນ AD, ໃນຂະນະທີ່ມີພຽງແຕ່ສອງ (CD74 ແລະ ISLR) ຫຼຸດລົງ. ໃນຈໍານວນທັງຫມົດ, ການວິເຄາະນ້ໍາ cerebrospinal ເຫຼົ່ານີ້ໄດ້ກໍານົດທາດໂປຼຕີນຫຼາຍຮ້ອຍຄົນໃນ AD ທີ່ອາດຈະເຮັດຫນ້າທີ່ເປັນຕົວຊີ້ບອກຂອງພະຍາດ.
ຫຼັງຈາກນັ້ນ, ພວກເຮົາປະຕິບັດການວິເຄາະເຄືອຂ່າຍເອກະລາດຂອງ proteome ສະຫມອງ AD. ກຸ່ມສະຫມອງຂອງການຄົ້ນພົບນີ້ປະກອບມີ dorsolateral prefrontal cortex (DLPFC) ຈາກການຄວບຄຸມ (n = 10), ພະຍາດ Parkinson (PD; n = 10), ກໍລະນີ AD / PD ປະສົມ (n = 10) ແລະ AD (n = 10) ກໍລະນີ. ) ຕົວຢ່າງ. Emery Goizueta ADRC. ປະຊາກອນຂອງ 40 ກໍລະນີເຫຼົ່ານີ້ໄດ້ຖືກອະທິບາຍກ່ອນຫນ້ານີ້ (25) ແລະຖືກສະຫຼຸບໃນຕາຕະລາງ S1B. ພວກເຮົາໄດ້ນໍາໃຊ້ TMT-MS ເພື່ອວິເຄາະເນື້ອເຍື່ອສະຫມອງເຫຼົ່ານີ້ 40 ແລະກຸ່ມການຈໍາລອງຂອງ 27 ກໍລະນີ. ໃນຈໍານວນທັງຫມົດ, ສອງຊຸດຂໍ້ມູນສະຫມອງເຫຼົ່ານີ້ຜະລິດ 227,121 peptides ເປັນເອກະລັກ, ເຊິ່ງໄດ້ຖືກແຜນທີ່ເປັນ 12,943 proteomes (25). ມີພຽງແຕ່ທາດໂປຼຕີນທີ່ຖືກຄິດໄລ່ໃນຢ່າງຫນ້ອຍ 50% ຂອງກໍລະນີທີ່ຖືກລວມເຂົ້າໃນການສືບສວນຕໍ່ມາ. ຊຸດຂໍ້ມູນການຄົ້ນພົບຄັ້ງສຸດທ້າຍປະກອບດ້ວຍໂປຣຕີນ 8817 ປະລິມານ. ປັບລະດັບຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນຕາມອາຍຸ, ເພດ, ແລະໄລຍະຫຼັງການຕາຍ (PMI). ການວິເຄາະການສະແດງອອກຄວາມແຕກຕ່າງຂອງຊຸດຂໍ້ມູນຫຼັງຈາກການຖົດຖອຍໄດ້ສະແດງໃຫ້ເຫັນວ່າລະດັບທາດໂປຼຕີນ > 2000 ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ [P <0.05, ການວິເຄາະຄວາມແຕກຕ່າງກັນ (ANOVA)] ໃນສອງກຸ່ມຫຼືຫຼາຍກວ່ານັ້ນ. ຫຼັງຈາກນັ້ນ, ພວກເຮົາປະຕິບັດການວິເຄາະກຸ່ມທີ່ມີການເບິ່ງແຍງໂດຍອີງໃສ່ທາດໂປຼຕີນທີ່ສະແດງຄວາມແຕກຕ່າງ, ແລະ P <0.0001 ໃນການປຽບທຽບ AD/control ແລະ/or AD/PD (ຮູບ S2, A ແລະ B, ຕາຕະລາງ S2C). ເຫຼົ່ານີ້ 165 ທາດໂປຼຕີນທີ່ມີການປ່ຽນແປງສູງສະແດງໃຫ້ເຫັນຢ່າງຊັດເຈນກໍລະນີທີ່ມີ pathology AD ຈາກການຄວບຄຸມແລະຕົວຢ່າງ PD, ຢືນຢັນການປ່ຽນແປງທີ່ເຂັ້ມແຂງສະເພາະ AD ໃນ proteome ທັງຫມົດ.
ຫຼັງຈາກນັ້ນ, ພວກເຮົາໄດ້ໃຊ້ລະບົບການວິເຄາະເຄືອຂ່າຍ Weighted Gene Co-expression Network Analysis (WGCNA) ເພື່ອປະຕິບັດການວິເຄາະເຄືອຂ່າຍກ່ຽວກັບໂປຣຕີນຂອງສະຫມອງທີ່ຄົ້ນພົບ, ເຊິ່ງຈັດຊຸດຂໍ້ມູນເຂົ້າໄປໃນໂມດູນທາດໂປຼຕີນທີ່ມີຮູບແບບການສະແດງອອກທີ່ຄ້າຍຄືກັນ (11-13). ການວິເຄາະໄດ້ກໍານົດ 44 ໂມດູນ (M) ໂປຣຕີນທີ່ສະແດງອອກຮ່ວມກັນ, ຈັດຮຽງແລະຕົວເລກຈາກທີ່ໃຫຍ່ທີ່ສຸດ (M1, n = 1821 ໂປຣຕີນ) ໄປຫານ້ອຍທີ່ສຸດ (M44, n = 34 ທາດໂປຼຕີນ) (ຮູບ 2A ແລະຕາຕະລາງ S2D). ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ (13) ການຄິດໄລ່ profile ການສະແດງອອກຂອງຜູ້ຕາງຫນ້າຫຼືທາດໂປຼຕີນຈາກແຕ່ລະໂມດູນ, ແລະສົມທົບມັນກັບສະຖານະຂອງພະຍາດແລະ pathology AD, ນັ້ນແມ່ນ, ສ້າງຕັ້ງພັນທະມິດຂອງ Alzheimer's Disease Registry (CERAD) ແລະ Braak Score (ຮູບ 2B). ໂດຍລວມ, 17 ໂມດູນແມ່ນມີຄວາມກ່ຽວຂ້ອງຢ່າງຫຼວງຫຼາຍກັບ AD neuropathology (P <0.05). ຫຼາຍໆໂມດູນທີ່ກ່ຽວຂ້ອງກັບພະຍາດເຫຼົ່ານີ້ຍັງອຸດົມສົມບູນດ້ວຍຕົວຊີ້ບອກຊະນິດຂອງເຊນ (ຮູບ 2B). ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ (13), ການເສີມສ້າງປະເພດເຊນແມ່ນຖືກກໍານົດໂດຍການວິເຄາະການຊ້ອນກັນຂອງໂມດູນແລະບັນຊີລາຍຊື່ອ້າງອີງຂອງເຊື້ອສາຍສະເພາະຂອງຈຸລັງ. ພັນທຸ ກຳ ເຫຼົ່ານີ້ແມ່ນໄດ້ມາຈາກຂໍ້ມູນທີ່ເຜີຍແຜ່ໃນ neurons ຫນູທີ່ໂດດດ່ຽວ, ຈຸລັງ endothelial ແລະ glial. ການທົດລອງລໍາດັບ RNA (RNA-seq) (29).
(A) ຄົ້ນພົບ WGCNA ຂອງໂປຣຕີນຂອງສະໝອງ. (B) ການວິເຄາະ biweight midcorrelation (BiCor) ຂອງໂປຣຕີນລາຍເຊັນ modular (ອົງປະກອບທີ່ສໍາຄັນທໍາອິດຂອງການສະແດງອອກຂອງທາດໂປຼຕີນຈາກ modular) ທີ່ມີລັກສະນະ AD neuropathological (ເທິງ), ລວມທັງ CERAD (Aβ plaque) ແລະ Braak (tau tangles) ຄະແນນ. ຄວາມເຂັ້ມຂອງຄວາມສຳພັນທາງບວກ (ສີແດງ) ແລະ ລົບ (ສີຟ້າ) ແມ່ນສະແດງໂດຍແຜນທີ່ຄວາມຮ້ອນສອງສີ, ແລະຮູບດາວສະແດງເຖິງຄວາມສໍາຄັນທາງສະຖິຕິ (P <0.05). ໃຊ້ Hypergeometric Fisher's Exact Test (FET) (ທາງລຸ່ມ) ເພື່ອປະເມີນສະມາຄົມປະເພດຈຸລັງຂອງແຕ່ລະໂມດູນທາດໂປຼຕີນ. ຄວາມເຂັ້ມຂອງຮົ່ມສີແດງຊີ້ບອກເຖິງລະດັບການເສີມສ້າງປະເພດເຊລ, ແລະເຄື່ອງໝາຍດາວສະແດງເຖິງຄວາມສຳຄັນທາງສະຖິຕິ (P <0.05). ໃຊ້ວິທີການ BH ເພື່ອແກ້ໄຂຄ່າ P ທີ່ມາຈາກ FET. (C) GO ການວິເຄາະຂອງໂປຣຕີນ modular. ຂະບວນການທາງຊີວະພາບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດທີ່ສຸດແມ່ນສະແດງໃຫ້ເຫັນສໍາລັບແຕ່ລະໂມດູນຫຼືກຸ່ມໂມດູນທີ່ກ່ຽວຂ້ອງ. oligo, oligodendrocyte.
ຊຸດຂອງຫ້າໂມດູນ astrocyte ແລະ microglia ທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ (M30, M29, M18, M24, ແລະ M5) ສະແດງໃຫ້ເຫັນຄວາມສໍາພັນທາງບວກທີ່ເຂັ້ມແຂງກັບ AD neuropathology (ຮູບ 2B). ການວິເຄາະ ontology ເຊື່ອມຕໍ່ໂມດູນ glial ເຫຼົ່ານີ້ກັບການຂະຫຍາຍຕົວຂອງເຊນ, ການຂະຫຍາຍ, ແລະພູມຕ້ານທານ (ຮູບ 2C ແລະຕາຕະລາງ S2E). ສອງໂມດູນ glial ເພີ່ມເຕີມ, M8 ແລະ M22, ຍັງຖືກຄວບຄຸມຢ່າງແຂງແຮງໃນພະຍາດ. M8 ແມ່ນມີຄວາມກ່ຽວຂ້ອງສູງກັບເສັ້ນທາງ receptor ຄ້າຍຄື Toll, ເປັນ cascade ສັນຍານທີ່ມີບົດບາດສໍາຄັນໃນການຕອບສະຫນອງພູມຕ້ານທານ innate (30). ໃນເວລາດຽວກັນ, M22 ມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການດັດແກ້ຫລັງການແປພາສາ. M2, ເຊິ່ງອຸດົມສົມບູນໃນ oligodendrocytes, ສະແດງໃຫ້ເຫັນຄວາມສໍາພັນທາງບວກທີ່ເຂັ້ມແຂງກັບ pathology AD ແລະການເຊື່ອມຕໍ່ ontological ກັບການສັງເຄາະ nucleoside ແລະການຈໍາລອງ DNA, ຊີ້ໃຫ້ເຫັນເຖິງການຂະຫຍາຍຕົວຂອງເຊນໃນພະຍາດຕ່າງໆ. ໂດຍລວມແລ້ວ, ການຄົ້ນພົບເຫຼົ່ານີ້ສະຫນັບສະຫນູນການຍົກລະດັບຂອງໂມດູນ glial ທີ່ພວກເຮົາໄດ້ສັງເກດເຫັນກ່ອນຫນ້ານີ້ໃນ proteome ເຄືອຂ່າຍ AD (13, 17). ມັນໄດ້ຖືກພົບເຫັນວ່າຫຼາຍໂມດູນ glial ທີ່ກ່ຽວຂ້ອງກັບ AD ໃນເຄືອຂ່າຍສະແດງໃຫ້ເຫັນລະດັບການສະແດງອອກຕ່ໍາໃນການຄວບຄຸມແລະກໍລະນີ PD, ຊີ້ໃຫ້ເຫັນເຖິງຄວາມສະເພາະຂອງພະຍາດຂອງພວກເຂົາທີ່ສູງຂື້ນໃນ AD (ຮູບ S2C).
ພຽງແຕ່ສີ່ໂມດູນໃນ proteome ເຄືອຂ່າຍຂອງພວກເຮົາ (M1, M3, M10, ແລະ M32) ແມ່ນມີຄວາມສໍາພັນທາງລົບຢ່າງແຂງແຮງກັບ AD pathology (P <0.05) (ຮູບ 2, B ແລະ C). ທັງ M1 ແລະ M3 ແມ່ນອຸດົມສົມບູນໃນເຄື່ອງຫມາຍ neuronal. M1 ແມ່ນມີຄວາມກ່ຽວຂ້ອງສູງກັບສັນຍານ synaptic, ໃນຂະນະທີ່ M3 ມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການເຮັດວຽກຂອງ mitochondrial. ບໍ່ມີຫຼັກຖານຂອງການເສີມສ້າງປະເພດເຊນສໍາລັບ M10 ແລະ M32. M32 ສະທ້ອນໃຫ້ເຫັນເຖິງການເຊື່ອມຕໍ່ລະຫວ່າງ M3 ແລະການເຜົາຜະຫລານຂອງເຊນ, ໃນຂະນະທີ່ M10 ມີຄວາມກ່ຽວຂ້ອງກັບການຂະຫຍາຍຕົວຂອງເຊນແລະການເຮັດວຽກຂອງ microtubule. ເມື່ອປຽບທຽບກັບ AD, ທັງສີ່ໂມດູນແມ່ນເພີ່ມຂຶ້ນໃນການຄວບຄຸມແລະ PD, ໃຫ້ພວກເຂົາມີການປ່ຽນແປງ AD ສະເພາະຂອງພະຍາດ (ຮູບ S2C). ໂດຍລວມ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ສະຫນັບສະຫນູນການຫຼຸດລົງຂອງຄວາມອຸດົມສົມບູນຂອງໂມດູນ neuron ທີ່ອຸດົມສົມບູນທີ່ພວກເຮົາໄດ້ສັງເກດເຫັນກ່ອນຫນ້ານີ້ໃນ AD (13, 17). ສະຫລຸບລວມແລ້ວ, ການວິເຄາະເຄືອຂ່າຍຂອງໂປຣຕີນຂອງສະຫມອງທີ່ພວກເຮົາຄົ້ນພົບໄດ້ຜະລິດໂມດູນການປ່ຽນແປງໂດຍສະເພາະ AD ທີ່ສອດຄ່ອງກັບການຄົ້ນພົບທີ່ຜ່ານມາຂອງພວກເຮົາ.
AD ແມ່ນສະແດງໂດຍຂັ້ນຕອນ asymptomatic ຕົ້ນ (AsymAD), ເຊິ່ງບຸກຄົນສະແດງໃຫ້ເຫັນການສະສົມ amyloid ໂດຍບໍ່ມີການຫຼຸດລົງທາງດ້ານມັນສະຫມອງທາງດ້ານການຊ່ວຍ (5, 31). ຂັ້ນຕອນ asymptomatic ນີ້ສະແດງເຖິງປ່ອງຢ້ຽມທີ່ສໍາຄັນສໍາລັບການກວດພົບແລະການແຊກແຊງໄວ. ກ່ອນຫນ້ານີ້ພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນການເກັບຮັກສາ modular ທີ່ເຂັ້ມແຂງຂອງ AsymAD ແລະ AD ເຄືອຂ່າຍສະຫມອງ proteome ໃນທົ່ວຊຸດຂໍ້ມູນເອກະລາດ (13, 17). ເພື່ອຮັບປະກັນວ່າເຄືອຂ່າຍສະຫມອງທີ່ພວກເຮົາຄົ້ນພົບໃນປັດຈຸບັນແມ່ນສອດຄ່ອງກັບການຄົ້ນພົບທີ່ຜ່ານມາເຫຼົ່ານີ້, ພວກເຮົາໄດ້ວິເຄາະການເກັບຮັກສາ 44 ໂມດູນໃນຊຸດຂໍ້ມູນທີ່ຖືກຈໍາລອງຈາກ 27 ອົງການຈັດຕັ້ງ DLPFC. ອົງການຈັດຕັ້ງເຫຼົ່ານີ້ປະກອບມີການຄວບຄຸມ (n = 10), AsymAD (n = 8) ແລະ AD (n = 9) ກໍລະນີ. ຕົວຢ່າງການຄວບຄຸມແລະ AD ໄດ້ຖືກລວມເຂົ້າໃນການວິເຄາະຂອງກຸ່ມສະຫມອງຄົ້ນພົບຂອງພວກເຮົາ (ຕາຕະລາງ S1B), ໃນຂະນະທີ່ກໍລະນີ AsymAD ແມ່ນເປັນເອກະລັກສະເພາະໃນກຸ່ມການຈໍາລອງ. ກໍລະນີ AsymAD ເຫຼົ່ານີ້ຍັງມາຈາກທະນາຄານສະຫມອງ Emory Goizueta ADRC. ເຖິງແມ່ນວ່າສະຕິປັນຍາແມ່ນປົກກະຕິໃນເວລາທີ່ເສຍຊີວິດ, ລະດັບ amyloid ແມ່ນສູງຜິດປົກກະຕິ (ຫມາຍຄວາມວ່າ CERAD, 2.8 ± 0.5) (ຕາຕະລາງ S1B).
ການວິເຄາະ TMT-MS ຂອງເນື້ອເຍື່ອສະຫມອງ 27 ເຫຼົ່ານີ້ເຮັດໃຫ້ປະລິມານຂອງ 11,244 proteomes. ການນັບສຸດທ້າຍນີ້ປະກອບມີພຽງແຕ່ທາດໂປຼຕີນທີ່ມີປະລິມານຢູ່ໃນຢ່າງຫນ້ອຍ 50% ຂອງຕົວຢ່າງ. ຊຸດຂໍ້ມູນຈໍາລອງນີ້ມີ 8638 (98.0%) ຂອງໂປຣຕີນ 8817 ທີ່ກວດພົບໃນການວິເຄາະສະຫມອງຂອງພວກເຮົາ, ແລະມີເກືອບ 3000 ໂປຣຕີນທີ່ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍລະຫວ່າງການຄວບຄຸມແລະກຸ່ມ AD (P <0.05, ຫຼັງຈາກ Tukey's paired t test for analysis of variance) ( ຕາຕະລາງ S2F). ໃນບັນດາທາດໂປຼຕີນທີ່ສະແດງອອກແຕກຕ່າງກັນ, 910 ຍັງສະແດງໃຫ້ເຫັນການປ່ຽນແປງລະດັບທີ່ສໍາຄັນລະຫວ່າງ AD ແລະກໍລະນີຄວບຄຸມໂປຣຕີນຂອງສະຫມອງ (P <0.05, ຫຼັງຈາກ ANOVA Tukey paired t-test). ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າເຄື່ອງຫມາຍ 910 ເຫຼົ່ານີ້ແມ່ນມີຄວາມສອດຄ່ອງສູງໃນທິດທາງຂອງການປ່ຽນແປງລະຫວ່າງ proteomes (r = 0.94, P <1.0 × 10-200) (ຮູບ S3A). ໃນບັນດາທາດໂປຼຕີນທີ່ເພີ່ມຂຶ້ນ, ທາດໂປຼຕີນທີ່ມີການປ່ຽນແປງທີ່ສອດຄ່ອງທີ່ສຸດລະຫວ່າງຊຸດຂໍ້ມູນສ່ວນໃຫຍ່ແມ່ນສະມາຊິກຂອງໂມດູນ glial-rich M5 ແລະ M18 (MDK, COL25A1, MAPT, NTN1, SMOC1, ແລະ GFAP). ໃນບັນດາທາດໂປຼຕີນທີ່ຫຼຸດລົງ, ຜູ້ທີ່ມີການປ່ຽນແປງທີ່ສອດຄ່ອງຫຼາຍທີ່ສຸດແມ່ນເກືອບພຽງແຕ່ສະມາຊິກຂອງໂມດູນ M1 (NPTX2, VGF, ແລະ RPH3A) ທີ່ກ່ຽວຂ້ອງກັບ synapse. ພວກເຮົາໄດ້ຢືນຢັນເພີ່ມເຕີມຕໍ່ກັບການປ່ຽນແປງທີ່ກ່ຽວຂ້ອງກັບ AD ຂອງ midkine (MDK), CD44, secreted frizzled-related protein protein 1 (SFRP1) ແລະ VGF ໂດຍ western blotting (ຮູບ S3B). ການວິເຄາະການເກັບຮັກສາໂມດູນໄດ້ສະແດງໃຫ້ເຫັນວ່າປະມານ 80% ຂອງໂມດູນທາດໂປຼຕີນ (34/44) ໃນ proteome ສະຫມອງໄດ້ຖືກເກັບຮັກສາໄວ້ຢ່າງຫຼວງຫຼາຍໃນຊຸດຂໍ້ມູນການຈໍາລອງ (z-score> 1.96, FDR ແກ້ໄຂ P <0.05) (ຮູບ S3C). ສິບສີ່ໂມດູນເຫຼົ່ານີ້ຖືກສະຫງວນໄວ້ເປັນພິເສດລະຫວ່າງສອງ proteomes (z-score> 10, FDR ແກ້ໄຂ P <1.0 × 10−23). ໂດຍລວມແລ້ວ, ການຄົ້ນພົບແລະການຈໍາລອງຂອງລະດັບຄວາມສອດຄ່ອງສູງໃນການສະແດງອອກທີ່ແຕກຕ່າງກັນແລະອົງປະກອບ modular ລະຫວ່າງ proteome ສະຫມອງຊີ້ໃຫ້ເຫັນເຖິງການແຜ່ພັນຂອງການປ່ຽນແປງຂອງໂປຣຕີນ cortex frontal AD. ນອກຈາກນັ້ນ, ມັນຍັງຢືນຢັນວ່າ AsymAD ແລະພະຍາດທີ່ກ້າວຫນ້າທາງດ້ານຫຼາຍມີໂຄງສ້າງເຄືອຂ່າຍສະຫມອງທີ່ຄ້າຍຄືກັນຫຼາຍ.
ການວິເຄາະລາຍລະອຽດເພີ່ມເຕີມຂອງການສະແດງຄວາມແຕກຕ່າງໃນຊຸດຂໍ້ມູນການຈໍາລອງຂອງສະຫມອງໄດ້ຊີ້ໃຫ້ເຫັນເຖິງລະດັບທີ່ສໍາຄັນຂອງການປ່ຽນແປງທາດໂປຼຕີນຈາກ AsymAD, ລວມທັງຈໍານວນທາດໂປຼຕີນທີ່ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ 151 ລະຫວ່າງ AsymAD ແລະການຄວບຄຸມ (P <0.05) (ຮູບ S3D). ສອດຄ່ອງກັບການໂຫຼດ amyloid, APP ໃນສະຫມອງຂອງ AsymAD ແລະ AD ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ. MAPT ພຽງແຕ່ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍໃນ AD, ເຊິ່ງສອດຄ່ອງກັບລະດັບທີ່ເພີ່ມຂຶ້ນຂອງ tangles ແລະຄວາມສໍາພັນທີ່ຮູ້ຈັກກັບການຫຼຸດລົງຂອງມັນສະຫມອງ (5, 7). ໂມດູນທີ່ອຸດົມສົມບູນ glial (M5 ແລະ M18) ແມ່ນສະທ້ອນໃຫ້ເຫັນສູງໃນໂປຣຕີນທີ່ເພີ່ມຂຶ້ນໃນ AsymAD, ໃນຂະນະທີ່ໂມດູນ M1 ທີ່ກ່ຽວຂ້ອງກັບ neuron ແມ່ນຕົວແທນທີ່ສຸດຂອງທາດໂປຼຕີນທີ່ຫຼຸດລົງໃນ AsymAD. ຈໍານວນຫຼາຍຂອງເຄື່ອງຫມາຍ AsymAD ເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນການປ່ຽນແປງຫຼາຍກວ່າເກົ່າໃນພະຍາດອາການ. ໃນບັນດາເຄື່ອງຫມາຍເຫຼົ່ານີ້ແມ່ນ SMOC1, ທາດໂປຼຕີນຈາກ glial ເປັນຂອງ M18, ເຊິ່ງກ່ຽວຂ້ອງກັບເນື້ອງອກຂອງສະຫມອງແລະການພັດທະນາຂອງຕາແລະແຂນຂາ (32). MDK ແມ່ນປັດໃຈການຂະຫຍາຍຕົວທີ່ຜູກມັດ heparin ທີ່ກ່ຽວຂ້ອງກັບການຂະຫຍາຍຕົວຂອງເຊນແລະ angiogenesis (33), ສະມາຊິກອື່ນຂອງ M18. ເມື່ອປຽບທຽບກັບກຸ່ມຄວບຄຸມ, AsymAD ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ, ຕາມດ້ວຍການເພີ່ມຂຶ້ນຂອງ AD. ໃນທາງກົງກັນຂ້າມ, synaptic protein neuropentraxin 2 (NPTX2) ໄດ້ຖືກຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນສະຫມອງ AsymAD. NPTX2 ໃນເມື່ອກ່ອນແມ່ນກ່ຽວຂ້ອງກັບ neurodegeneration ແລະມີບົດບາດທີ່ໄດ້ຮັບການຍອມຮັບໃນການໄກ່ເກ່ຍ synapses excitatory (34). ໂດຍລວມ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ເປີດເຜີຍຄວາມຫລາກຫລາຍຂອງການປ່ຽນແປງທາດໂປຼຕີນຈາກ preclinical ທີ່ແຕກຕ່າງກັນໃນ AD ທີ່ເບິ່ງຄືວ່າຈະກ້າວຫນ້າກັບຄວາມຮຸນແຮງຂອງພະຍາດ.
ເນື່ອງຈາກພວກເຮົາໄດ້ບັນລຸຄວາມເລິກທີ່ສໍາຄັນຂອງການຄຸ້ມຄອງໂປຣຕີນໃນການຄົ້ນພົບ proteome ສະຫມອງ, ພວກເຮົາພະຍາຍາມເຂົ້າໃຈການຊ້ອນກັນຢ່າງເຕັມທີ່ຂອງມັນກັບ AD transscriptome ລະດັບເຄືອຂ່າຍ. ດັ່ງນັ້ນ, ພວກເຮົາປຽບທຽບ proteome ສະຫມອງທີ່ພວກເຮົາຄົ້ນພົບກັບໂມດູນທີ່ພວກເຮົາສ້າງກ່ອນຫນ້ານີ້ຈາກການວັດແທກ microarray ຂອງ 18,204 genes ໃນ AD (n = 308) ແລະຄວບຄຸມ (n = 157) ແພຈຸລັງ DLPFC (13). ທັບຊ້ອນກັນ. ໃນຈໍານວນທັງຫມົດ, ພວກເຮົາໄດ້ກໍານົດ 20 ໂມດູນ RNA ທີ່ແຕກຕ່າງກັນ, ຫຼາຍໆອັນໄດ້ສະແດງໃຫ້ເຫັນເຖິງການເສີມສ້າງປະເພດຂອງເຊນສະເພາະ, ລວມທັງ neurons, oligodendrocytes, astrocytes, ແລະ microglia (ຮູບ 3A). ການປ່ຽນແປງຫຼາຍຂອງໂມດູນເຫຼົ່ານີ້ໃນ AD ແມ່ນສະແດງຢູ່ໃນຮູບ 3B. ສອດຄ່ອງກັບການວິເຄາະການຊ້ອນກັນຂອງທາດໂປຼຕີນ - RNA ຂອງພວກເຮົາກ່ອນຫນ້ານີ້ໂດຍໃຊ້ MS proteome ທີ່ບໍ່ມີປ້າຍຊື່ທີ່ເລິກເຊິ່ງ (ປະມານ 3000 ໂປຣຕີນ) (13), ສ່ວນໃຫຍ່ຂອງ 44 ໂມດູນໃນເຄືອຂ່າຍ proteome ສະຫມອງທີ່ພວກເຮົາພົບເຫັນຢູ່ໃນເຄືອຂ່າຍ transcriptome ບໍ່ມີການທັບຊ້ອນທີ່ສໍາຄັນໃນ. ການຄົ້ນພົບຂອງພວກເຮົາແລະການຈໍາລອງຂອງ 34 ໂມດູນທາດໂປຼຕີນທີ່ເກັບຮັກສາໄວ້ສູງໃນ proteome ສະຫມອງ, ມີພຽງແຕ່ 14 (~40%) ຜ່ານການທົດສອບທີ່ແນ່ນອນຂອງ Fisher (FET) ພິສູດວ່າມີການທັບຊ້ອນກັນຢ່າງຫຼວງຫຼາຍກັບ transcriptome (ຮູບ 3A). ເຂົ້າກັນໄດ້ກັບການສ້ອມແປງຄວາມເສຍຫາຍ DNA (P-M25 ແລະ P-M19), ການແປທາດໂປຼຕີນ (P-M7 ແລະ P-M20), RNA binding / splicing (P-M16 ແລະ P-M21) ແລະການກໍານົດເປົ້າຫມາຍຂອງທາດໂປຼຕີນ (P-M13 ແລະ P- M23) ບໍ່ທັບຊ້ອນກັນກັບໂມດູນໃນ transcriptome. ດັ່ງນັ້ນ, ເຖິງແມ່ນວ່າຊຸດຂໍ້ມູນ proteome ທີ່ເລິກເຊິ່ງແມ່ນຖືກນໍາໃຊ້ໃນການວິເຄາະການຊ້ອນກັນໃນປະຈຸບັນ (13), ສ່ວນໃຫຍ່ຂອງ proteome ເຄືອຂ່າຍ AD ບໍ່ໄດ້ຖືກສ້າງແຜນທີ່ກັບເຄືອຂ່າຍ transcriptome.
(A) Hypergeometric FET ສະແດງໃຫ້ເຫັນເຖິງການເສີມສ້າງຕົວຊີ້ບອກປະເພດເຊນໃນໂມດູນ RNA ຂອງ AD transcriptome (ເທິງ) ແລະລະດັບຂອງການທັບຊ້ອນກັນລະຫວ່າງໂມດູນ RNA (ແກນ x) ແລະທາດໂປຼຕີນ (y-axis) ຂອງສະຫມອງ AD. (ລຸ່ມ). ຄວາມເຂັ້ມຂອງຮົ່ມສີແດງຊີ້ບອກເຖິງລະດັບການເສີມສ້າງຂອງປະເພດເຊນໃນແຜງດ້ານເທິງ ແລະ ຄວາມເຂັ້ມຂອງການທັບຊ້ອນກັນຂອງໂມດູນໃນແຜງລຸ່ມສຸດ. ດາວສະແດງເຖິງຄວາມສໍາຄັນທາງສະຖິຕິ (P <0.05). (B) ລະດັບຄວາມກ່ຽວຂ້ອງກັນລະຫວ່າງ genes ລັກສະນະຂອງແຕ່ລະໂມດູນ transcriptome ແລະສະຖານະພາບ AD. ໂມດູນທີ່ຢູ່ດ້ານຊ້າຍແມ່ນມີຄວາມສໍາພັນທາງລົບທີ່ສຸດກັບ AD (ສີຟ້າ), ແລະຜູ້ທີ່ຢູ່ເບື້ອງຂວາແມ່ນຄວາມສໍາພັນທາງບວກທີ່ສຸດກັບ AD (ສີແດງ). ຄ່າ P ທີ່ຖືກແກ້ໄຂ BH ທີ່ປ່ຽນເປັນ log ຊີ້ໃຫ້ເຫັນເຖິງລະດັບຄວາມສໍາຄັນທາງສະຖິຕິຂອງແຕ່ລະການພົວພັນ. (C) ໂມດູນທີ່ທັບຊ້ອນກັນຢ່າງໃຫຍ່ຫຼວງກັບການເສີມສ້າງປະເພດເຊລທີ່ແບ່ງປັນ. (D) ການວິເຄາະຄວາມສຳພັນຂອງການປ່ຽນແປງຂອງ log2 fold ຂອງທາດໂປຼຕີນທີ່ຕິດສະຫຼາກ (ແກນ x) ແລະ RNA (ແກນ y) ໃນໂມດູນທີ່ທັບຊ້ອນກັນ. ຄ່າສໍາປະສິດການພົວພັນ Pearson ກັບຄ່າ P ທີ່ກ່ຽວຂ້ອງແມ່ນສະແດງ. ຈຸນລະພາກ, microglia; ອົງການຈັດຕັ້ງຊັ້ນສູງ, astrocytes. CT, ການຄວບຄຸມ.
ໂມດູນໂປຣຕິນ ແລະ RNA ທີ່ທັບຊ້ອນກັນສ່ວນໃຫຍ່ແບ່ງປັນໂປຣໄຟລເສີມປະເພດເຊລທີ່ຄ້າຍຄືກັນ ແລະທິດທາງການປ່ຽນແປງ AD ທີ່ສອດຄ່ອງ (ຮູບ 3, B ແລະ C). ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ໂມດູນ M1 ທີ່ກ່ຽວຂ້ອງກັບ synapse ຂອງ proteome ສະຫມອງ (PM​​1) ແມ່ນແຜນທີ່ກັບສາມໂມດູນ RNA homologous ທີ່ອຸດົມສົມບູນ neuronal (R-M1, R-M9 ແລະ R-M16), ເຊິ່ງຢູ່ໃນ AD ທັງສອງສະແດງໃຫ້ເຫັນ. ລະດັບທີ່ຫຼຸດລົງ. ເຊັ່ນດຽວກັນ, ໂມດູນທາດໂປຼຕີນຈາກ glial-rich M5 ແລະ M18 ທັບຊ້ອນກັນກັບໂມດູນ RNA ທີ່ອຸດົມສົມບູນໃນ astrocytes ແລະເຄື່ອງຫມາຍ microglial (R-M3, R-M7, ແລະ R-M10) ແລະມີສ່ວນຮ່ວມສູງໃນພະຍາດຕ່າງໆເພີ່ມຂຶ້ນ. ລັກສະນະ modular ຮ່ວມກັນເຫຼົ່ານີ້ລະຫວ່າງສອງຊຸດຂໍ້ມູນສະຫນັບສະຫນູນເພີ່ມເຕີມການເສີມສ້າງປະເພດເຊນແລະການປ່ຽນແປງທີ່ກ່ຽວຂ້ອງກັບພະຍາດທີ່ພວກເຮົາໄດ້ສັງເກດເຫັນໃນ proteome ສະຫມອງ. ຢ່າງໃດກໍຕາມ, ພວກເຮົາໄດ້ສັງເກດເຫັນຄວາມແຕກຕ່າງທີ່ສໍາຄັນຫຼາຍລະຫວ່າງ RNA ແລະລະດັບທາດໂປຼຕີນຂອງເຄື່ອງຫມາຍແຕ່ລະຄົນໃນໂມດູນທີ່ແບ່ງປັນເຫຼົ່ານີ້. ການວິເຄາະຄວາມສຳພັນຂອງການສະແດງອອກຄວາມແຕກຕ່າງຂອງ proteomics ແລະ transcriptomics ຂອງໂມເລກຸນພາຍໃນໂມດູນທີ່ທັບຊ້ອນກັນເຫຼົ່ານີ້ (ຮູບ 3D) ຊີ້ໃຫ້ເຫັນຄວາມບໍ່ສອດຄ່ອງນີ້. ຕົວຢ່າງ, APP ແລະໂປຣຕີນໂມດູນ glial ອື່ນໆຈໍານວນຫນຶ່ງ (NTN1, MDK, COL25A1, ICAM1, ແລະ SFRP1) ສະແດງໃຫ້ເຫັນເຖິງການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນ AD proteome, ແຕ່ເກືອບບໍ່ມີການປ່ຽນແປງໃນ AD transcriptome. ການປ່ຽນແປງສະເພາະຂອງທາດໂປຼຕີນເຫຼົ່ານີ້ອາດຈະມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບ plaques amyloid (23, 35), ເນັ້ນໃສ່ proteome ເປັນແຫຼ່ງຂອງການປ່ຽນແປງທາງ pathological, ແລະການປ່ຽນແປງເຫຼົ່ານີ້ອາດຈະບໍ່ສະທ້ອນໃຫ້ເຫັນໃນ transcriptome.
ຫຼັງຈາກການວິເຄາະເປັນເອກະລາດຂອງສະຫມອງແລະ CSF proteomes ທີ່ພວກເຮົາຄົ້ນພົບ, ພວກເຮົາໄດ້ດໍາເນີນການວິເຄາະທີ່ສົມບູນແບບຂອງສອງຊຸດຂໍ້ມູນເພື່ອກໍານົດ AD CSF biomarkers ທີ່ກ່ຽວຂ້ອງກັບ pathophysiology ຂອງເຄືອຂ່າຍສະຫມອງ. ກ່ອນອື່ນ ໝົດ ພວກເຮົາຕ້ອງ ກຳ ນົດການຊ້ອນກັນຂອງສອງ proteomes. ເຖິງແມ່ນວ່າມັນໄດ້ຮັບການຍອມຮັບຢ່າງກວ້າງຂວາງວ່າ CSF ສະທ້ອນໃຫ້ເຫັນເຖິງການປ່ຽນແປງທາງ neurochemical ໃນສະຫມອງ AD (4), ລະດັບທີ່ແນ່ນອນຂອງການຊ້ອນກັນລະຫວ່າງສະຫມອງ AD ແລະ CSF proteome ແມ່ນບໍ່ຈະແຈ້ງ. ໂດຍການປຽບທຽບຈໍານວນຂອງຜະລິດຕະພັນ gene ຮ່ວມກັນທີ່ກວດພົບໃນສອງ proteomes ຂອງພວກເຮົາ, ພວກເຮົາພົບວ່າເກືອບ 70% (n = 1936) ຂອງທາດໂປຼຕີນທີ່ລະບຸໄວ້ໃນນ້ໍາ cerebrospinal ຍັງຖືກຄິດໄລ່ໃນສະຫມອງ (ຮູບ 4A). ສ່ວນຫຼາຍຂອງທາດໂປຼຕີນທີ່ທັບຊ້ອນກັນເຫຼົ່ານີ້ (n = 1721) ແມ່ນແຜນທີ່ກັບຫນຶ່ງໃນ 44 ໂມດູນ co-expression ຈາກຊຸດຂໍ້ມູນສະຫມອງທີ່ຄົ້ນພົບ (ຮູບ 4B). ຕາມທີ່ຄາດໄວ້, ຫົກໂມດູນສະຫມອງທີ່ໃຫຍ່ທີ່ສຸດ (M1 ຫາ M6) ສະແດງໃຫ້ເຫັນການຊ້ອນກັນ CSF ຫຼາຍທີ່ສຸດ. ຢ່າງໃດກໍ່ຕາມ, ມີໂມດູນສະຫມອງຂະຫນາດນ້ອຍກວ່າ (ຕົວຢ່າງ: M15 ແລະ M29) ທີ່ບັນລຸລະດັບຄວາມທັບຊ້ອນທີ່ສູງທີ່ບໍ່ຄາດຄິດ, ຂະຫນາດໃຫຍ່ກວ່າໂມດູນສະຫມອງສອງເທົ່າ. ນີ້ກະຕຸ້ນໃຫ້ພວກເຮົາຮັບຮອງເອົາວິທີການທີ່ລະອຽດກວ່າ, ທາງດ້ານສະຖິຕິເພື່ອຄິດໄລ່ການຊ້ອນກັນລະຫວ່າງສະຫມອງແລະນ້ໍາສະຫມອງ.
(A ແລະ B) ໂປຣຕີນທີ່ກວດພົບໃນສະໝອງທີ່ຄົ້ນພົບ ແລະຊຸດຂໍ້ມູນ CSF ທັບຊ້ອນກັນ. ສ່ວນໃຫຍ່ຂອງທາດໂປຼຕີນທີ່ທັບຊ້ອນກັນເຫຼົ່ານີ້ແມ່ນກ່ຽວຂ້ອງກັບຫນຶ່ງໃນ 44 ໂມດູນການສະແດງອອກຮ່ວມກັນຂອງເຄືອຂ່າຍການສະແດງອອກຂອງສະຫມອງ. (C) ຄົ້ນພົບການຊ້ອນກັນລະຫວ່າງ proteome ນ້ໍາ cerebrospinal ແລະ proteome ເຄືອຂ່າຍສະຫມອງ. ແຕ່ລະແຖວຂອງແຜນທີ່ຄວາມຮ້ອນສະແດງເຖິງການວິເຄາະຊ້ອນກັນແຍກຕ່າງຫາກຂອງ FET hypergeometric. ແຖວເທິງສະແດງເຖິງການທັບຊ້ອນກັນ (ສີເທົາ/ດຳ) ລະຫວ່າງໂມດູນສະໝອງ ແລະໂປຣຕີນ CSF ທັງໝົດ. ແຖວທີສອງສະແດງໃຫ້ເຫັນວ່າການທັບຊ້ອນກັນລະຫວ່າງໂມດູນສະຫມອງແລະໂປຣຕີນ CSF (ຮົ່ມສີແດງ) ໄດ້ຖືກຄວບຄຸມຢ່າງຫຼວງຫຼາຍໃນ AD (P <0.05). ແຖວທີສາມສະແດງໃຫ້ເຫັນວ່າການທັບຊ້ອນກັນລະຫວ່າງໂມດູນສະຫມອງແລະໂປຣຕີນ CSF (ຮົ່ມສີຟ້າ) ແມ່ນຖືກຄວບຄຸມຢ່າງຫຼວງຫຼາຍໃນ AD (P <0.05). ໃຊ້ວິທີການ BH ເພື່ອແກ້ໄຂຄ່າ P ທີ່ມາຈາກ FET. (D) ແຜງໂມດູນພັບໂດຍອີງໃສ່ການລວມຕົວຂອງປະເພດເຊນແລະເງື່ອນໄຂ GO ທີ່ກ່ຽວຂ້ອງ. ແຜງເຫຼົ່ານີ້ມີໂປຣຕີນທີ່ກ່ຽວຂ້ອງກັບສະໝອງທັງໝົດ 271 ຊະນິດ, ເຊິ່ງມີຄວາມໝາຍຄວາມແຕກຕ່າງທີ່ສະແດງອອກໃນໂປຣຕີນ CSF.
ການນໍາໃຊ້ FETs ຫາງດຽວ, ພວກເຮົາໄດ້ປະເມີນຄວາມສໍາຄັນຂອງການຊ້ອນກັນຂອງທາດໂປຼຕີນລະຫວ່າງ proteome CSF ແລະໂມດູນສະຫມອງສ່ວນບຸກຄົນ. ການວິເຄາະໄດ້ເປີດເຜີຍວ່າຈໍານວນທັງຫມົດຂອງ 14 ໂມດູນສະຫມອງໃນຊຸດຂໍ້ມູນ CSF ມີການທັບຊ້ອນກັນຢ່າງຫຼວງຫຼາຍທາງສະຖິຕິ (FDR ປັບ P <0.05), ແລະໂມດູນເພີ່ມເຕີມ (M18) ທີ່ມີການຊ້ອນກັນຢູ່ໃກ້ກັບຄວາມສໍາຄັນ (FDR ປັບ P = 0.06) (ຮູບ 4C. , ແຖວເທິງ). ພວກເຮົາຍັງສົນໃຈໃນໂມດູນທີ່ທັບຊ້ອນກັນຢ່າງແຂງແຮງກັບໂປຣຕີນ CSF ທີ່ສະແດງຄວາມແຕກຕ່າງ. ດັ່ງນັ້ນ, ພວກເຮົາໄດ້ນໍາໃຊ້ສອງການວິເຄາະ FET ເພີ່ມເຕີມເພື່ອກໍານົດວ່າ (i) ທາດໂປຼຕີນ CSF ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນ AD ແລະ (ii) ທາດໂປຼຕີນຈາກ CSF ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນ AD (P <0.05, ຄູ່ t ທົດສອບ AD / ການຄວບຄຸມ) ໂມດູນສະຫມອງທີ່ມີການຊ້ອນກັນທີ່ມີຄວາມຫມາຍ. ລະຫວ່າງເຂົາເຈົ້າ. ດັ່ງທີ່ສະແດງຢູ່ໃນແຖວກາງແລະລຸ່ມຂອງຮູບ 4C, ການວິເຄາະເພີ່ມເຕີມເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າ 8 ໃນ 44 ໂມດູນສະຫມອງທັບຊ້ອນກັນຢ່າງຫຼວງຫຼາຍກັບທາດໂປຼຕີນທີ່ເພີ່ມໃນ AD CSF (M12, M1, M2, M18, M5, M44, M33, ແລະ M38) . ), ໃນຂະນະທີ່ມີພຽງແຕ່ສອງໂມດູນ (M6 ແລະ M15) ສະແດງໃຫ້ເຫັນການຊ້ອນກັນທີ່ມີຄວາມຫມາຍກັບທາດໂປຼຕີນທີ່ຫຼຸດລົງໃນ AD CSF. ຕາມຄາດຫມາຍ, ທັງຫມົດ 10 ໂມດູນແມ່ນຢູ່ໃນ 15 ໂມດູນທີ່ມີການຊ້ອນກັນສູງສຸດກັບ CSF proteome. ດັ່ງນັ້ນ, ພວກເຮົາສົມມຸດວ່າ 15 ໂມດູນເຫຼົ່ານີ້ແມ່ນແຫຼ່ງຜົນຜະລິດສູງຂອງ AD brain-derived CSF biomarkers.
ພວກເຮົາໄດ້ພັບ 15 ໂມດູນທີ່ທັບຊ້ອນກັນເຫຼົ່ານີ້ເຂົ້າໄປໃນຫ້າແຜ່ນທາດໂປຼຕີນຂະຫນາດໃຫຍ່ໂດຍອີງໃສ່ຄວາມໃກ້ຊິດຂອງພວກເຂົາຢູ່ໃນແຜນວາດຕົ້ນໄມ້ WGCNA ແລະການເຊື່ອມໂຍງກັບປະເພດຈຸລັງແລະ gene ontology (ຮູບ 4D). ກະດານທໍາອິດປະກອບດ້ວຍໂມດູນທີ່ອຸດົມສົມບູນໃນເຄື່ອງຫມາຍ neuron ແລະທາດໂປຼຕີນທີ່ກ່ຽວຂ້ອງກັບ synapse (M1 ແລະ M12). ກະດານ synaptic ມີຈໍານວນໂປຣຕີນທັງຫມົດ 94, ແລະລະດັບໃນ CSF proteome ໄດ້ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍ, ເຮັດໃຫ້ມັນເປັນແຫຼ່ງທີ່ໃຫຍ່ທີ່ສຸດຂອງເຄື່ອງຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງໃນບັນດາຫ້າກະດານ. ກຸ່ມທີສອງ (M6 ແລະ M15) ສະແດງໃຫ້ເຫັນເຖິງຄວາມໃກ້ຊິດກັບເຄື່ອງຫມາຍຂອງເຊນ endothelial ແລະຮ່າງກາຍຂອງເສັ້ນເລືອດ, ເຊັ່ນ "ການປິ່ນປົວບາດແຜ" (M6) ແລະ "ລະບຽບການຂອງການຕອບສະຫນອງຂອງພູມຕ້ານທານ humoral" (M15). M15 ຍັງມີຄວາມກ່ຽວຂ້ອງສູງຕໍ່ການເຜົາຜະຫລານຂອງ lipoprotein, ເຊິ່ງມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບ endothelium (36). ກະດານ vascular ມີ 34 ເຄື່ອງຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງ. ກຸ່ມທີສາມປະກອບມີໂມດູນ (M2 ແລະ M4) ທີ່ກ່ຽວຂ້ອງກັບເຄື່ອງຫມາຍ oligodendrocyte ຢ່າງຫຼວງຫຼາຍແລະການຂະຫຍາຍຈຸລັງ. ສໍາລັບຕົວຢ່າງ, ຂໍ້ກໍານົດ ontology ລະດັບສູງສຸດຂອງ M2 ປະກອບມີ "ລະບຽບການໃນທາງບວກຂອງການຈໍາລອງ DNA" ແລະ "ຂະບວນການ biosynthesis purine". ໃນຂະນະດຽວກັນ, M4 ປະກອບມີ "ຄວາມແຕກຕ່າງຂອງເຊນ glial" ແລະ "ການແຍກໂຄໂມໂຊມ". ກະດານ myelination ມີ 49 ເຄື່ອງຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງ.
ກຸ່ມທີ 4 ມີໂມດູນຫຼາຍທີ່ສຸດ (M30, M29, M18, M24, ແລະ M5), ແລະເກືອບທຸກໂມດູນແມ່ນອຸດົມສົມບູນຢ່າງຫຼວງຫຼາຍໃນເຄື່ອງຫມາຍ microglia ແລະ astrocyte. ຄ້າຍຄືກັນກັບກະດານ myelination, ແຜງສີ່ຍັງປະກອບດ້ວຍໂມດູນ (M30, M29, ແລະ M18) ທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການຂະຫຍາຍຈຸລັງ. ໂມດູນອື່ນໆໃນກຸ່ມນີ້ແມ່ນມີຄວາມກ່ຽວຂ້ອງສູງກັບຄໍາສັບທາງດ້ານພູມຕ້ານທານ, ເຊັ່ນ: "ຂະບວນການຜົນກະທົບຂອງພູມຕ້ານທານ" (M5) ແລະ "ລະບຽບການຕອບສະຫນອງພູມຕ້ານທານ" (M24). ກຸ່ມພູມຕ້ານທານ glial ມີ 42 ເຄື່ອງຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງ. ສຸດທ້າຍ, ກະດານສຸດທ້າຍປະກອບມີ 52 ເຄື່ອງຫມາຍທີ່ກ່ຽວຂ້ອງກັບສະຫມອງຢູ່ໃນສີ່ໂມດູນ (M44, M3, M33, ແລະ M38), ເຊິ່ງທັງຫມົດແມ່ນຢູ່ໃນຮ່າງກາຍທີ່ກ່ຽວຂ້ອງກັບການເກັບຮັກສາພະລັງງານແລະການເຜົາຜະຫລານອາຫານ. ທີ່ໃຫຍ່ທີ່ສຸດຂອງໂມດູນເຫຼົ່ານີ້ (M3) ແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບ mitochondria ແລະອຸດົມສົມບູນໃນເຄື່ອງຫມາຍ neuron ສະເພາະ. M38 ແມ່ນຫນຶ່ງໃນສະມາຊິກຂອງໂມດູນຂະຫນາດນ້ອຍກວ່າໃນ metabolome ນີ້ແລະຍັງສະແດງໃຫ້ເຫັນເຖິງຄວາມສະເພາະຂອງ neuron ປານກາງ.
ໂດຍລວມແລ້ວ, ຫ້າແຜງເຫຼົ່ານີ້ສະທ້ອນເຖິງຄວາມຫຼາກຫຼາຍຂອງປະເພດ ແລະໜ້າທີ່ຂອງເຊນໃນ AD Cortex, ແລະຮວມມີ 271 ເຄື່ອງໝາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະໝອງ (ຕາຕະລາງ S2G). ເພື່ອປະເມີນຄວາມຖືກຕ້ອງຂອງຜົນໄດ້ຮັບ MS ເຫຼົ່ານີ້, ພວກເຮົາໄດ້ນໍາໃຊ້ການທົດສອບການຂະຫຍາຍຄວາມໃກ້ຊິດ (PEA), ເຕັກໂນໂລຊີອີງໃສ່ພູມຕ້ານທານ orthogonal ມີຄວາມສາມາດ multiplexing, ຄວາມອ່ອນໄຫວສູງແລະຄວາມຈໍາເພາະ, ແລະ reanalyzed ຕົວຢ່າງນ້ໍາ cerebrospinal ພວກເຮົາພົບເຫັນຊຸດຍ່ອຍຂອງ 271 biomarkers ເຫຼົ່ານີ້. (n = 36). 36 ເປົ້າຫມາຍເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນເຖິງການປ່ຽນແປງຂອງ AD multiplex ຂອງ PEA, ເຊິ່ງກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບຜົນການຄົ້ນພົບທີ່ອີງໃສ່ MS ຂອງພວກເຮົາ (r = 0.87, P = 5.6 × 10-12), ເຊິ່ງຢືນຢັນຢ່າງແຂງແຮງຜົນໄດ້ຮັບຂອງການວິເຄາະ MS ທີ່ສົມບູນແບບຂອງພວກເຮົາ (ຮູບ S4. ).
ຫົວຂໍ້ທາງຊີວະພາບທີ່ເນັ້ນຫນັກໂດຍຫ້າກຸ່ມຂອງພວກເຮົາ, ຈາກການສົ່ງສັນຍານ synaptic ກັບ metabolism ພະລັງງານ, ແມ່ນທັງຫມົດທີ່ກ່ຽວຂ້ອງກັບ pathogenesis ຂອງ AD (1-3). ດັ່ງນັ້ນ, ທັງໝົດ 15 ໂມດູນທີ່ບັນຈຸມີແຜງເຫຼົ່ານີ້ແມ່ນກ່ຽວຂ້ອງກັບພະຍາດ AD ໃນ proteome ສະຫມອງທີ່ພວກເຮົາຄົ້ນພົບ (ຮູບ 2B). ສິ່ງທີ່ໂດດເດັ່ນທີ່ສຸດແມ່ນການພົວພັນທາງບວກທາງບວກສູງລະຫວ່າງໂມດູນ glial ຂອງພວກເຮົາແລະຄວາມສໍາພັນທາງລົບທາງລົບທີ່ເຂັ້ມແຂງລະຫວ່າງໂມດູນ neuronal ທີ່ໃຫຍ່ທີ່ສຸດຂອງພວກເຮົາ (M1 ແລະ M3). ການວິເຄາະການສະແດງອອກຂອງຄວາມແຕກຕ່າງຂອງໂປຣຕີນຂອງສະໝອງທີ່ຈຳລອງຂອງພວກເຮົາ (ຮູບ S3D) ຍັງເນັ້ນເຖິງໂປຣຕີນ glial ທີ່ມາຈາກ M5 ແລະ M18. ໃນ AsymAD ແລະ AD ອາການ, ທາດໂປຼຕີນຈາກ glial ເພີ່ມຂຶ້ນຫຼາຍທີ່ສຸດແລະ synapses ທີ່ກ່ຽວຂ້ອງກັບ M1 ທາດໂປຼຕີນແມ່ນຫຼຸດລົງຫຼາຍທີ່ສຸດ. ການສັງເກດເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າ 271 ເຄື່ອງຫມາຍນ້ໍາ cerebrospinal ທີ່ພວກເຮົາກໍານົດຢູ່ໃນຫ້າກຸ່ມແມ່ນກ່ຽວຂ້ອງກັບຂະບວນການຂອງພະຍາດໃນ AD cortex, ລວມທັງສິ່ງທີ່ເກີດຂື້ນໃນຂັ້ນຕົ້ນຂອງ asymptomatic.
ເພື່ອວິເຄາະທິດທາງການປ່ຽນແປງຂອງທາດໂປຼຕີນຈາກກະດານໃນສະຫມອງແລະນ້ໍາກະດູກສັນຫຼັງໄດ້ດີຂຶ້ນ, ພວກເຮົາໄດ້ແຕ້ມຕໍ່ໄປນີ້ສໍາລັບແຕ່ລະ 15 ໂມດູນທີ່ທັບຊ້ອນກັນ: (i) ພົບລະດັບຄວາມອຸດົມສົມບູນຂອງໂມດູນໃນຊຸດຂໍ້ມູນຂອງສະຫມອງແລະ (ii) ໂມດູນ. ທາດໂປຼຕີນ ຄວາມແຕກຕ່າງແມ່ນສະແດງອອກໃນນ້ໍາ cerebrospinal (ຮູບ S5). ດັ່ງທີ່ໄດ້ກ່າວກ່ອນຫນ້ານີ້, WGCNA ຖືກນໍາໃຊ້ເພື່ອກໍານົດຄວາມອຸດົມສົມບູນຂອງໂມດູນຫຼືຄຸນຄ່າຂອງທາດໂປຼຕີນໃນສະຫມອງ (13). ແຜນທີ່ພູເຂົາໄຟຖືກນໍາໃຊ້ເພື່ອອະທິບາຍຄວາມແຕກຕ່າງຂອງທາດໂປຼຕີນຈາກໂມດູລາໃນນ້ໍາ cerebrospinal (AD / ການຄວບຄຸມ). ຕົວເລກເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າສາມໃນຫ້າກະດານສະແດງໃຫ້ເຫັນແນວໂນ້ມການສະແດງອອກທີ່ແຕກຕ່າງກັນໃນສະຫມອງແລະນ້ໍາກະດູກສັນຫຼັງ. ທັງສອງໂມດູນຂອງກະດານ synapse (M1 ແລະ M12) ສະແດງໃຫ້ເຫັນການຫຼຸດລົງຂອງລະດັບຄວາມອຸດົມສົມບູນໃນສະຫມອງ AD, ແຕ່ວ່າມີການຊ້ອນກັນຢ່າງຫຼວງຫຼາຍກັບທາດໂປຼຕີນທີ່ເພີ່ມຂຶ້ນໃນ AD CSF (ຮູບ S5A). ໂມດູນທີ່ກ່ຽວຂ້ອງກັບ neuron ທີ່ປະກອບດ້ວຍ metabolome (M3 ແລະ M38) ສະແດງໃຫ້ເຫັນຮູບແບບການສະແດງອອກຂອງນ້ໍາສະຫມອງແລະນ້ໍາສະຫມອງທີ່ຄ້າຍຄືກັນ (ຮູບ S5E). ກະດານ vascular ຍັງໄດ້ສະແດງໃຫ້ເຫັນແນວໂນ້ມການສະແດງອອກທີ່ແຕກຕ່າງກັນ, ເຖິງແມ່ນວ່າໂມດູນຂອງມັນ (M6 ແລະ M15) ເພີ່ມຂຶ້ນໃນລະດັບປານກາງໃນສະຫມອງ AD ແລະຫຼຸດລົງໃນ CSF ທີ່ເປັນພະຍາດ (ຮູບ S5B). ສອງແຜງທີ່ຍັງເຫຼືອມີເຄືອຂ່າຍ glial ຂະຫນາດໃຫຍ່ທີ່ມີທາດໂປຼຕີນທີ່ມີການຄວບຄຸມຢ່າງຕໍ່ເນື່ອງໃນທັງສອງຊ່ອງ (ຮູບ S5, C ແລະ D).
ກະລຸນາຮັບຊາບວ່າທ່າອ່ຽງເຫຼົ່ານີ້ບໍ່ແມ່ນທົ່ວໄປກັບເຄື່ອງໝາຍທັງໝົດໃນແຜງເຫຼົ່ານີ້. ຕົວຢ່າງ, ກະດານ synaptic ປະກອບມີທາດໂປຼຕີນຈໍານວນຫນຶ່ງທີ່ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນສະຫມອງ AD ແລະ CSF (ຮູບ S5A). ໃນບັນດາເຄື່ອງ ໝາຍ ນ້ ຳ cerebrospinal ທີ່ຖືກຄວບຄຸມເຫຼົ່ານີ້ແມ່ນ NPTX2 ແລະ VGF ຂອງ M1, ແລະ chromogranin B ຂອງ M12. ຢ່າງໃດກໍຕາມ, ເຖິງວ່າຈະມີຂໍ້ຍົກເວັ້ນເຫຼົ່ານີ້, ສ່ວນໃຫຍ່ຂອງເຄື່ອງຫມາຍ synaptic ຂອງພວກເຮົາແມ່ນສູງຂື້ນໃນນ້ໍາກະດູກສັນຫຼັງ AD. ໂດຍລວມແລ້ວ, ການວິເຄາະເຫຼົ່ານີ້ສາມາດຈໍາແນກທ່າອ່ຽງທີ່ສໍາຄັນທາງສະຖິຕິໃນສະຫມອງແລະລະດັບນ້ໍາ cerebrospinal ໃນແຕ່ລະຫ້າຄະນະຂອງພວກເຮົາ. ແນວໂນ້ມເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນຄວາມສໍາພັນທີ່ສັບສົນແລະມັກຈະແຕກຕ່າງກັນລະຫວ່າງສະຫມອງແລະການສະແດງອອກຂອງທາດໂປຼຕີນ CSF ໃນ AD.
ຫຼັງຈາກນັ້ນ, ພວກເຮົາໄດ້ນໍາໃຊ້ການວິເຄາະການຈໍາລອງແບບ MS ທີ່ມີຄວາມໄວສູງ (CSF replication 1) ເພື່ອຈໍາກັດຊຸດ biomarkers 271 ຂອງພວກເຮົາໄປສູ່ເປົ້າຫມາຍທີ່ໂດດເດັ່ນແລະສາມາດແຜ່ພັນໄດ້ຫຼາຍທີ່ສຸດ (ຮູບ 5A). ສຳເນົາ CSF 1 ມີທັງໝົດ 96 ຕົວຢ່າງຈາກ Emory Goizueta ADRC, ລວມທັງການຄວບຄຸມ, AsymAD, ແລະ AD cohort (ຕາຕະລາງ S1A). ກໍລະນີ AD ເຫຼົ່ານີ້ມີລັກສະນະເປັນການຫຼຸດລົງທາງດ້ານສະຕິປັນຍາອ່ອນໆ (ຫມາຍຄວາມວ່າ MoCA, 20.0 ± 3.8), ແລະການປ່ຽນແປງໃນ AD biomarkers ຢືນຢັນໃນນ້ໍາ cerebrospinal (ຕາຕະລາງ S1A). ກົງກັນຂ້າມກັບການວິເຄາະ CSF ທີ່ພວກເຮົາພົບເຫັນ, ການຈໍາລອງນີ້ແມ່ນປະຕິບັດໂດຍໃຊ້ວິທີການ MS "single-shot" ທີ່ມີປະສິດທິພາບແລະສູງ (ໂດຍບໍ່ມີການແຍກສ່ວນນອກສາຍ), ລວມທັງໂປໂຕຄອນການກະກຽມຕົວຢ່າງທີ່ງ່າຍດາຍທີ່ກໍາຈັດຄວາມຕ້ອງການສໍາລັບ immunodepletion ຂອງຕົວຢ່າງແຕ່ລະຄົນ. . ແທນທີ່ຈະ, "ຊ່ອງທາງການເສີມສ້າງ" ທີ່ຂາດພູມຕ້ານທານດຽວແມ່ນຖືກນໍາໃຊ້ເພື່ອຂະຫຍາຍສັນຍານຂອງທາດໂປຼຕີນທີ່ອຸດົມສົມບູນຫນ້ອຍ (37). ເຖິງແມ່ນວ່າມັນຫຼຸດລົງການປົກຫຸ້ມຂອງ proteome ທັງຫມົດ, ວິທີການສັກຢາດຽວນີ້ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍທີ່ໃຊ້ເວລາເຄື່ອງຈັກແລະເພີ່ມຈໍານວນຕົວຢ່າງທີ່ມີປ້າຍ TMT ທີ່ສາມາດວິເຄາະໄດ້ (17, 38). ໃນຈໍານວນທັງຫມົດ, ການວິເຄາະໄດ້ກໍານົດ 6,487 peptides, ເຊິ່ງໄດ້ວາງແຜນໄວ້ໃນ 1,183 proteomes ໃນ 96 ກໍລະນີ. ເຊັ່ນດຽວກັນກັບການວິເຄາະ CSF ທີ່ພວກເຮົາພົບເຫັນ, ມີພຽງແຕ່ທາດໂປຼຕີນທີ່ມີປະລິມານຢ່າງຫນ້ອຍ 50% ຂອງຕົວຢ່າງທີ່ຖືກລວມເຂົ້າໃນການຄິດໄລ່ຕໍ່ມາ, ແລະຂໍ້ມູນໄດ້ຖືກ regressed ສໍາລັບຜົນກະທົບຂອງອາຍຸແລະເພດ. ນີ້ໄດ້ນໍາໄປສູ່ການກໍານົດປະລິມານສຸດທ້າຍຂອງ 792 proteomes, 95% ທີ່ຍັງໄດ້ຖືກລະບຸໄວ້ໃນຊຸດຂໍ້ມູນ CSF ທີ່ພົບເຫັນ.
(A) ເປົ້າໝາຍໂປຣຕີນ CSF ທີ່ກ່ຽວຂ້ອງກັບສະໝອງໄດ້ຮັບການຢັ້ງຢືນຢູ່ໃນກຸ່ມ CSF ທີ່ໄດ້ສຳເນົາຄັ້ງທຳອິດ ແລະ ລວມຢູ່ໃນກະດານສຸດທ້າຍ (n = 60). (B ຫາ E) ລະດັບ biomarker ຂອງແຜງ (ຄະແນນ z-scores) ທີ່ວັດແທກຢູ່ໃນສີ່ກຸ່ມການຈໍາລອງ CSF. Paired t-tests ຫຼື ANOVA ກັບ Tukey's post-correction ໄດ້ຖືກນໍາໃຊ້ເພື່ອປະເມີນຄວາມສໍາຄັນທາງສະຖິຕິຂອງການປ່ຽນແປງຄວາມອຸດົມສົມບູນໃນແຕ່ລະການວິເຄາະ replicate. CT, ການຄວບຄຸມ.
ເນື່ອງຈາກພວກເຮົາມີຄວາມສົນໃຈໂດຍສະເພາະໃນການກວດສອບເປົ້າຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງຂອງພວກເຮົາ 271 ໂດຍຜ່ານການວິເຄາະທີ່ສົມບູນແບບ, ພວກເຮົາຈະຈໍາກັດການກວດສອບເພີ່ມເຕີມຂອງ proteome replicated ນີ້ກັບເຄື່ອງຫມາຍເຫຼົ່ານີ້. ໃນບັນດາທາດໂປຼຕີນຈາກ 271 ເຫຼົ່ານີ້, 100 ໄດ້ຖືກກວດພົບໃນ CSF replication 1. ຮູບ S6A ສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງຂອງເຄື່ອງຫມາຍການທັບຊ້ອນເຫຼົ່ານີ້ 100 ເຫຼົ່ານີ້ລະຫວ່າງຕົວຄວບຄຸມແລະ AD replication ຕົວຢ່າງ. Synaptic ແລະ metabolite histones ເພີ່ມຂຶ້ນຫຼາຍທີ່ສຸດໃນ AD, ໃນຂະນະທີ່ທາດໂປຼຕີນຈາກ vascular ຫຼຸດລົງຫຼາຍທີ່ສຸດໃນພະຍາດ. ສ່ວນໃຫຍ່ຂອງ 100 ເຄື່ອງຫມາຍການທັບຊ້ອນກັນ (n = 70) ຮັກສາທິດທາງດຽວກັນຂອງການປ່ຽນແປງໃນສອງຊຸດຂໍ້ມູນ (ຮູບ S6B). ເຫຼົ່ານີ້ 70 ເຄື່ອງຫມາຍ CSF ທີ່ກ່ຽວຂ້ອງກັບສະຫມອງທີ່ຖືກຕ້ອງ (ຕາຕະລາງ S2H) ສ່ວນໃຫຍ່ສະທ້ອນໃຫ້ເຫັນເຖິງແນວໂນ້ມການສະແດງອອກຂອງກະດານທີ່ສັງເກດເຫັນກ່ອນຫນ້ານີ້, ນັ້ນແມ່ນ, ລະບຽບການຫຼຸດລົງຂອງທາດໂປຼຕີນຈາກເສັ້ນເລືອດແລະລະບຽບການເພີ່ມຂຶ້ນຂອງແຜງອື່ນໆທັງຫມົດ. ພຽງແຕ່ 10 ໃນ 70 ທາດໂປຼຕີນທີ່ໄດ້ຮັບການຢັ້ງຢືນເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນການປ່ຽນແປງໃນຄວາມອຸດົມສົມບູນຂອງ AD ທີ່ກົງກັນຂ້າມກັບແນວໂນ້ມຂອງກະດານເຫຼົ່ານີ້. ເພື່ອສ້າງກະດານທີ່ສະທ້ອນເຖິງແນວໂນ້ມໂດຍລວມຂອງສະຫມອງແລະນ້ໍາສະຫມອງໄດ້ດີທີ່ສຸດ, ພວກເຮົາໄດ້ຍົກເວັ້ນໂປຣຕີນ 10 ເຫຼົ່ານີ້ອອກຈາກກະດານຄວາມສົນໃຈທີ່ພວກເຮົາກວດສອບສຸດທ້າຍ (ຮູບ 5A). ດັ່ງນັ້ນ, ໃນທີ່ສຸດຄະນະກໍາມະຂອງພວກເຮົາປະກອບມີໂປຕີນທັງຫມົດ 60 ທີ່ໄດ້ຮັບການຢັ້ງຢືນຢູ່ໃນສອງກຸ່ມ CSF AD ເອກະລາດໂດຍນໍາໃຊ້ການກະກຽມຕົວຢ່າງທີ່ແຕກຕ່າງກັນແລະການວິເຄາະເວທີ MS. ແຜນຜັງການສະແດງອອກ z-score ຂອງແຜງສຸດທ້າຍເຫຼົ່ານີ້ຢູ່ໃນ CSF copy 1 ການຄວບຄຸມແລະກໍລະນີ AD ໄດ້ຢືນຢັນແນວໂນ້ມຂອງກະດານທີ່ສັງເກດເຫັນຢູ່ໃນກຸ່ມ CSF ທີ່ພວກເຮົາພົບ (ຮູບ 5B).
ໃນບັນດາທາດໂປຼຕີນຈາກ 60 ເຫຼົ່ານີ້, ມີໂມເລກຸນທີ່ຮູ້ຈັກກັບ AD, ເຊັ່ນ: osteopontin (SPP1), ເຊິ່ງເປັນ cytokine ທີ່ສົ່ງເສີມການອັກເສບທີ່ກ່ຽວຂ້ອງກັບ AD ໃນຫຼາຍໆການສຶກສາ (39-41), ແລະ GAP43, A synaptic protein. ທີ່ເຊື່ອມຕໍ່ຢ່າງຊັດເຈນກັບ neurodegeneration (42). ທາດໂປຼຕີນທີ່ໄດ້ຮັບການຢັ້ງຢືນຢ່າງເຕັມສ່ວນທີ່ສຸດແມ່ນເຄື່ອງຫມາຍທີ່ກ່ຽວຂ້ອງກັບພະຍາດ neurodegenerative ອື່ນໆ, ເຊັ່ນ: amyotrophic lateral sclerosis (ALS) ທີ່ກ່ຽວຂ້ອງກັບ superoxide dismutase 1 (SOD1) ແລະພະຍາດ Parkinson ທີ່ກ່ຽວຂ້ອງກັບ desaccharase (PARK7). ພວກເຮົາຍັງໄດ້ກວດສອບວ່າເຄື່ອງຫມາຍອື່ນໆຈໍານວນຫຼາຍ, ເຊັ່ນ: SMOC1 ແລະເຍື່ອຫຸ້ມສະຫມອງທີ່ອຸດົມສົມບູນທີ່ສົ່ງສັນຍານທາດໂປຼຕີນ 1 (BASP1), ໄດ້ຈໍາກັດການເຊື່ອມຕໍ່ທີ່ຜ່ານມາກັບ neurodegeneration. ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າເນື່ອງຈາກຄວາມອຸດົມສົມບູນໂດຍລວມຂອງພວກເຂົາຕ່ໍາໃນ proteome CSF, ມັນເປັນການຍາກສໍາລັບພວກເຮົາທີ່ຈະໃຊ້ວິທີການກວດຫາການສັກຢາດຽວທີ່ມີຄວາມໄວສູງເພື່ອກວດຫາ MAPT ແລະທາດໂປຼຕີນທີ່ກ່ຽວຂ້ອງກັບ AD ບາງຢ່າງ (ຕົວຢ່າງເຊັ່ນ NEFL ແລະ NRGN). ) ( 43, 44).
ຫຼັງຈາກນັ້ນ, ພວກເຮົາໄດ້ກວດເບິ່ງ 60 ແຖບບູລິມະສິດເຫຼົ່ານີ້ໃນສາມການວິເຄາະທີ່ເຮັດຊ້ໍາອີກ. ໃນ CSF Copy 2, ພວກເຮົາໄດ້ໃຊ້ TMT-MS ດຽວເພື່ອວິເຄາະກຸ່ມເອກະລາດຂອງ 297 ການຄວບຄຸມແລະຕົວຢ່າງ AD ຈາກ Emory Goizueta ADRC (17). CSF replication 3 ປະກອບມີການວິເຄາະຄືນໃຫມ່ຂອງຂໍ້ມູນ TMT-MS ທີ່ມີຢູ່ຈາກ 120 ການຄວບຄຸມແລະຄົນເຈັບ AD ຈາກ Lausanne, ສະວິດເຊີແລນ (45). ພວກເຮົາກວດພົບຫຼາຍກວ່າສອງສ່ວນສາມຂອງ 60 ເຄື່ອງໝາຍບູລິມະສິດໃນແຕ່ລະຊຸດຂໍ້ມູນ. ເຖິງແມ່ນວ່າການສຶກສາຂອງສະວິດເຊີແລນໄດ້ນໍາໃຊ້ແພລະຕະຟອມ MS ທີ່ແຕກຕ່າງກັນແລະວິທີການປະລິມານ TMT (45, 46), ພວກເຮົາສ້າງແນວໂນ້ມກະດານຂອງພວກເຮົາຢ່າງແຂງແຮງໃນສອງການວິເຄາະຊ້ໍາຊ້ອນ (ຮູບ 5, C ແລະ D, ແລະຕາຕະລາງ S2, I, ແລະ J). ເພື່ອປະເມີນຄວາມສະເພາະຂອງພະຍາດຂອງກຸ່ມຂອງພວກເຮົາ, ພວກເຮົາໄດ້ນໍາໃຊ້ TMT-MS ເພື່ອວິເຄາະຊຸດຂໍ້ມູນການຈໍາລອງທີ່ສີ່ (CSF replication 4), ເຊິ່ງປະກອບມີບໍ່ພຽງແຕ່ການຄວບຄຸມ (n = 18) ແລະ AD (n = 17) ກໍລະນີ, ແຕ່ຍັງ PD (. n = 14)), ALS (n = 18) ແລະຕົວຢ່າງ dementia frontotemporal (FTD) (n = 11) (ຕາຕະລາງ S1A). ພວກເຮົາສຳເລັດການປະເມີນເກືອບສອງສ່ວນສາມຂອງໂປຣຕີນຂອງແຜງຢູ່ໃນກຸ່ມນີ້ (38 ຈາກທັງໝົດ 60). ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນເຖິງການປ່ຽນແປງສະເພາະຂອງ AD ໃນທັງໝົດຫ້າແຜງ biomarker (ຮູບ 5E ແລະຕາຕະລາງ S2K). ການເພີ່ມຂຶ້ນຂອງກຸ່ມ metabolite ໄດ້ສະແດງໃຫ້ເຫັນເຖິງຄວາມສະເພາະຂອງ AD ທີ່ເຂັ້ມແຂງທີ່ສຸດ, ຕິດຕາມມາດ້ວຍກຸ່ມ myelination ແລະ glial. ໃນຂອບເຂດຫນ້ອຍ, FTD ຍັງສະແດງໃຫ້ເຫັນເຖິງການເພີ່ມຂຶ້ນລະຫວ່າງແຜງເຫຼົ່ານີ້, ເຊິ່ງອາດຈະສະທ້ອນໃຫ້ເຫັນເຖິງການປ່ຽນແປງເຄືອຂ່າຍທີ່ມີທ່າແຮງທີ່ຄ້າຍຄືກັນ (17). ໃນທາງກົງກັນຂ້າມ, ALS ແລະ PD ສະແດງໃຫ້ເຫັນເກືອບຄືກັນ myelination, glial, ແລະ metabolome profiles ເປັນກຸ່ມຄວບຄຸມ. ໂດຍລວມແລ້ວ, ເຖິງວ່າຈະມີຄວາມແຕກຕ່າງໃນການກະກຽມຕົວຢ່າງ, ເວທີ MS, ແລະວິທີການປະລິມານ TMT, ການວິເຄາະຊ້ໍາຊ້ອນເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າເຄື່ອງຫມາຍກະດານບູລິມະສິດຂອງພວກເຮົາມີການປ່ຽນແປງສະເພາະ AD ທີ່ສອດຄ່ອງຫຼາຍໃນຫຼາຍກວ່າ 500 ຕົວຢ່າງ CSF ທີ່ເປັນເອກະລັກ.
AD neurodegeneration ໄດ້ຮັບການຍອມຮັບຢ່າງກວ້າງຂວາງຫຼາຍປີກ່ອນທີ່ຈະເລີ່ມຕົ້ນຂອງອາການສະຫມອງ, ດັ່ງນັ້ນຈຶ່ງມີຄວາມຕ້ອງການອັນຮີບດ່ວນສໍາລັບ biomarkers ຂອງ AsymAD (5, 31). ຢ່າງໃດກໍ່ຕາມ, ຫຼັກຖານຫຼາຍກວ່າແລະຫຼາຍສະແດງໃຫ້ເຫັນວ່າຊີວະສາດຂອງ AsymAD ແມ່ນຢູ່ໄກຈາກຄວາມຄ້າຍຄືກັນ, ແລະການໂຕ້ຕອບທີ່ສັບສົນຂອງຄວາມສ່ຽງແລະຄວາມຢືດຢຸ່ນເຮັດໃຫ້ຄວາມແຕກຕ່າງຂອງບຸກຄົນຂະຫນາດໃຫຍ່ໃນການກ້າວຫນ້າຂອງພະຍາດຕໍ່ໄປ (47). ເຖິງແມ່ນວ່າຖືກນໍາໃຊ້ເພື່ອກໍານົດກໍລະນີ AsymAD, ລະດັບຂອງ CSF biomarkers ຫຼັກ (Aβ1-42, tau ແລະ p-tau ທັງຫມົດ) ຍັງບໍ່ທັນໄດ້ພິສູດວ່າຈະສາມາດຄາດຄະເນທີ່ເຊື່ອຖືໄດ້ວ່າໃຜຈະກ້າວໄປສູ່ dementia (4, 7), ຊີ້ບອກເພີ່ມເຕີມມັນອາດຈະເປັນ. ມີຄວາມຈໍາເປັນທີ່ຈະປະກອບມີເຄື່ອງມື biomarker ທີ່ສົມບູນແບບໂດຍອີງໃສ່ຫຼາຍດ້ານຂອງ physiology ຂອງສະຫມອງເພື່ອ stratify ຄວາມສ່ຽງຂອງປະຊາກອນນີ້ຢ່າງຖືກຕ້ອງ. ດັ່ງນັ້ນ, ພວກເຮົາຕໍ່ມາໄດ້ວິເຄາະແຜງ biomarker ທີ່ໄດ້ຮັບການຢັ້ງຢືນ AD ຂອງພວກເຮົາໃນປະຊາກອນ AsymAD ຂອງ CSF ສໍາເນົາ 1. 31 ກໍລະນີ AsymAD ເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນລະດັບ biomarker ຫຼັກທີ່ຜິດປົກກະຕິ (Aβ1–42 / ອັດຕາສ່ວນ tau ELISA ທັງຫມົດ, <5.5) ແລະການຮັບຮູ້ທີ່ສົມບູນ (ຫມາຍຄວາມວ່າ MoCA, 27.1. ± 2.2) (ຕາຕະລາງ S1A). ນອກຈາກນັ້ນ, ບຸກຄົນທຸກຄົນທີ່ມີ AsymAD ມີຄະແນນ dementia ທາງຄລີນິກຂອງ 0, ສະແດງໃຫ້ເຫັນວ່າບໍ່ມີຫຼັກຖານຂອງການຫຼຸດລົງຂອງສະຕິປັນຍາປະຈໍາວັນຫຼືການປະຕິບັດຫນ້າທີ່.
ພວກເຮົາທໍາອິດວິເຄາະລະດັບຂອງຄະນະກໍາມະທີ່ມີຄວາມຖືກຕ້ອງໃນທັງຫມົດ 96 CSF replicates 1, ລວມທັງກຸ່ມ AsymAD. ພວກເຮົາພົບເຫັນວ່າຫຼາຍໆກະດານໃນກຸ່ມ AsymAD ມີການປ່ຽນແປງທີ່ມີຄວາມອຸດົມສົມບູນຄ້າຍຄື AD, ກະດານ vascular ສະແດງໃຫ້ເຫັນແນວໂນ້ມທີ່ຫຼຸດລົງໃນ AsymAD, ໃນຂະນະທີ່ແຜງອື່ນໆທັງຫມົດສະແດງໃຫ້ເຫັນແນວໂນ້ມທີ່ສູງຂຶ້ນ (ຮູບ 6A). ດັ່ງນັ້ນ, ແຜງທັງຫມົດໄດ້ສະແດງໃຫ້ເຫັນເຖິງຄວາມກ່ຽວຂ້ອງກັນຢ່າງຫຼວງຫຼາຍກັບ ELISA Aβ1-42 ແລະລະດັບ tau ທັງຫມົດ (ຮູບ 6B). ໃນທາງກົງກັນຂ້າມ, ການພົວພັນລະຫວ່າງກຸ່ມແລະຄະແນນ MoCA ແມ່ນຂ້ອນຂ້າງບໍ່ດີ. ຫນຶ່ງໃນການຄົ້ນພົບທີ່ໂດດເດັ່ນຈາກການວິເຄາະເຫຼົ່ານີ້ແມ່ນລະດັບຄວາມອຸດົມສົມບູນຂອງກະດານໃນກຸ່ມ AsymAD. ດັ່ງທີ່ສະແດງຢູ່ໃນຮູບ 6A, ລະດັບກະດານຂອງກຸ່ມ AsymAD ປົກກະຕິແລ້ວຂ້າມລະດັບກະດານຂອງກຸ່ມຄວບຄຸມແລະກຸ່ມ AD, ສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງກັນຂ້ອນຂ້າງສູງ. ເພື່ອຄົ້ນຫາຄວາມຫຼາກຫຼາຍຂອງ AsymAD ນີ້ຕື່ມອີກ, ພວກເຮົາໄດ້ນຳໃຊ້ການວິເຄາະການຂະຫຍາຍຂະໜາດຫຼາຍມິຕິ (MDS) ກັບ 96 ການຈຳລອງ CSF 1 ກໍລະນີ. ການວິເຄາະ MDS ອະນຸຍາດໃຫ້ເບິ່ງເຫັນຄວາມຄ້າຍຄືກັນລະຫວ່າງກໍລະນີໂດຍອີງໃສ່ຕົວແປບາງຢ່າງໃນຊຸດຂໍ້ມູນ. ສໍາລັບການວິເຄາະກຸ່ມນີ້, ພວກເຮົາພຽງແຕ່ນໍາໃຊ້ເຄື່ອງຫມາຍແຜງທີ່ຖືກກວດສອບທີ່ມີການປ່ຽນແປງທີ່ສໍາຄັນທາງສະຖິຕິ (P <0.05, AD/control) ໃນການຄົ້ນພົບ CSF ແລະ replication 1 proteome (n = 29) (ຕາຕະລາງ S2L). ການວິເຄາະນີ້ໄດ້ສ້າງກຸ່ມພື້ນທີ່ທີ່ຊັດເຈນລະຫວ່າງການຄວບຄຸມຂອງພວກເຮົາແລະກໍລະນີ AD (ຮູບ 6C). ໃນທາງກົງກັນຂ້າມ, ບາງກໍລະນີ AsymAD ແມ່ນກຸ່ມຢ່າງຊັດເຈນຢູ່ໃນກຸ່ມຄວບຄຸມ, ໃນຂະນະທີ່ຄົນອື່ນຢູ່ໃນກໍລະນີ AD. ເພື່ອຄົ້ນຫາຄວາມຫຼາກຫຼາຍຂອງ AsymAD ນີ້, ພວກເຮົາໄດ້ໃຊ້ແຜນທີ່ MDS ຂອງພວກເຮົາເພື່ອກໍານົດສອງກຸ່ມຂອງກໍລະນີ AsymAD ເຫຼົ່ານີ້. ກຸ່ມທໍາອິດປະກອບມີກໍລະນີ AsymAD ທີ່ຖືກກຸ່ມທີ່ໃກ້ຊິດກັບການຄວບຄຸມ (n = 19), ໃນຂະນະທີ່ກຸ່ມທີສອງມີລັກສະນະເປັນກໍລະນີ AsymAD ທີ່ມີໂປຣໄຟລ໌ເຄື່ອງຫມາຍທີ່ໃກ້ຊິດກັບ AD (n = 12).
(A) ລະດັບການສະແດງອອກ (z-score) ຂອງກຸ່ມ CSF biomarker ໃນທັງຫມົດ 96 ຕົວຢ່າງໃນ CSF replication 1 cohort, ລວມທັງ AsymAD. ການວິເຄາະຄວາມແຕກຕ່າງກັນກັບ Tukey's post-correction ໄດ້ຖືກນໍາໃຊ້ເພື່ອປະເມີນຄວາມສໍາຄັນທາງສະຖິຕິຂອງການປ່ຽນແປງຄວາມອຸດົມສົມບູນຂອງກະດານ. (B) ການວິເຄາະຄວາມສໍາພັນຂອງລະດັບຄວາມອຸດົມສົມບູນຂອງທາດໂປຼຕີນຈາກແຜງ (z-score) ກັບຄະແນນ MoCA ແລະລະດັບ tau ທັງຫມົດໃນ ELISA Aβ1-42 ແລະ CSF ສໍາເນົາ 1 ຕົວຢ່າງ. ຄ່າສໍາປະສິດການພົວພັນ Pearson ກັບຄ່າ P ທີ່ກ່ຽວຂ້ອງແມ່ນສະແດງ. (C) MDS ຂອງ 96 CSF ສໍາເນົາ 1 ກໍລະນີແມ່ນອີງໃສ່ລະດັບຄວາມອຸດົມສົມບູນຂອງ 29 ເຄື່ອງຫມາຍແຜງທີ່ມີຄວາມຖືກຕ້ອງ, ເຊິ່ງມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍໃນທັງການຄົ້ນພົບແລະສໍາເນົາ CSF 1 ຊຸດຂໍ້ມູນ [P <0.05 AD/control (CT)]. ການວິເຄາະນີ້ຖືກນໍາໃຊ້ເພື່ອແບ່ງກຸ່ມ AsymAD ເຂົ້າໄປໃນກຸ່ມຄວບຄຸມ (n = 19) ແລະ AD (n = 12) ກຸ່ມຍ່ອຍ. (D) ແຜນຜັງພູເຂົາໄຟສະແດງໃຫ້ເຫັນການສະແດງອອກຄວາມແຕກຕ່າງຂອງໂປຣຕີນ CSF replication 1 ທັງຫມົດທີ່ມີ log2 fold change (x-axis) ທີ່ກ່ຽວຂ້ອງກັບຄ່າ P ສະຖິຕິ -log10 ລະຫວ່າງສອງກຸ່ມຍ່ອຍ AsymAD. biomarkers ກະດານແມ່ນສີ. (E) CSF replication 1 ລະດັບຄວາມອຸດົມສົມບູນຂອງ biomarkers ກຸ່ມການຄັດເລືອກແມ່ນສະແດງຄວາມແຕກຕ່າງລະຫວ່າງກຸ່ມຍ່ອຍ AsymAD. ການວິເຄາະຫຼັງການປັບຕົວຂອງ Tukey ຂອງຄວາມແຕກຕ່າງກັນໄດ້ຖືກນໍາໃຊ້ເພື່ອປະເມີນຄວາມສໍາຄັນທາງສະຖິຕິ.
ພວກເຮົາໄດ້ກວດເບິ່ງການສະແດງອອກຂອງທາດໂປຼຕີນທີ່ແຕກຕ່າງລະຫວ່າງການຄວບຄຸມເຫຼົ່ານີ້ແລະກໍລະນີ AD ຄ້າຍຄື AsymAD (ຮູບ 6D ແລະຕາຕະລາງ S2L). ແຜນທີ່ພູເຂົາໄຟຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່າ 14 ເຄື່ອງຫມາຍກະດານມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍລະຫວ່າງສອງກຸ່ມ. ສ່ວນໃຫຍ່ຂອງເຄື່ອງຫມາຍເຫຼົ່ານີ້ແມ່ນສະມາຊິກຂອງ synapse ແລະ metabolome. ຢ່າງໃດກໍ່ຕາມ, SOD1 ແລະ myristoylated alanine-rich protein kinase C substrate (MARCKS), ເຊິ່ງເປັນສະມາຊິກຂອງກຸ່ມພູມຕ້ານທານ myelin ແລະ glial, ຕາມລໍາດັບ, ຍັງຂຶ້ນກັບກຸ່ມນີ້ (ຮູບ 6, D ແລະ E). ກະດານ vascular ຍັງໄດ້ປະກອບສ່ວນສອງເຄື່ອງຫມາຍທີ່ຖືກຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນກຸ່ມ AD ຄ້າຍຄື AsymAD, ລວມທັງທາດໂປຼຕີນທີ່ຜູກມັດ AE 1 (AEBP1) ແລະເສີມສະມາຊິກຄອບຄົວ C9. ບໍ່ມີຄວາມແຕກຕ່າງທີ່ສໍາຄັນລະຫວ່າງການຄວບຄຸມແລະກຸ່ມຍ່ອຍ AsymAD ຄ້າຍຄື AD ໃນ ELISA AB1-42 (P = 0.38) ແລະ p-tau (P = 0.28), ແຕ່ມັນມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍໃນລະດັບ tauທັງຫມົດ (P = 0.0031). ) (ຮູບ S7). ມີເຄື່ອງຫມາຍກະດານຈໍານວນຫນຶ່ງທີ່ຊີ້ໃຫ້ເຫັນວ່າການປ່ຽນແປງລະຫວ່າງສອງກຸ່ມຍ່ອຍ AsymAD ແມ່ນມີຄວາມສໍາຄັນຫຼາຍກ່ວາລະດັບ tauທັງຫມົດ (ຕົວຢ່າງ, YWHAZ, SOD1, ແລະ MDH1) (ຮູບ 6E). ໂດຍລວມແລ້ວ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າຄະນະກໍາມະການກວດສອບຂອງພວກເຮົາອາດມີ biomarkers ທີ່ສາມາດ subtype ແລະ stratification ຄວາມສ່ຽງທີ່ເປັນໄປໄດ້ຂອງຄົນເຈັບທີ່ມີ asymptomatic.
ມີຄວາມຈໍາເປັນອັນຮີບດ່ວນສໍາລັບເຄື່ອງມື biomarker ທີ່ອີງໃສ່ລະບົບເພື່ອວັດແທກທີ່ດີກວ່າແລະເປົ້າຫມາຍ pathophysiology ຕ່າງໆທີ່ຢູ່ເບື້ອງຫລັງ AD. ເຄື່ອງມືເຫຼົ່ານີ້ຄາດວ່າຈະບໍ່ພຽງແຕ່ປ່ຽນແປງກອບການວິນິດໄສ AD ຂອງພວກເຮົາເທົ່ານັ້ນ, ແຕ່ຍັງສົ່ງເສີມການຮັບຮອງເອົາຍຸດທະສາດການປິ່ນປົວທີ່ມີປະສິດຕິຜົນ, ສະເພາະຄົນເຈັບ (1, 2). ເພື່ອເຮັດສິ່ງນີ້, ພວກເຮົາໄດ້ນໍາໃຊ້ວິທີການ proteomics ທີ່ສົມບູນແບບທີ່ບໍ່ມີອະຄະຕິກັບສະຫມອງ AD ແລະ CSF ເພື່ອກໍານົດຕົວຊີ້ບອກ biomarkers CSF ຢູ່ໃນເວັບທີ່ສະທ້ອນເຖິງຄວາມກວ້າງຂອງ pathophysiology ຂອງສະຫມອງ. ການວິເຄາະຂອງພວກເຮົາໄດ້ຜະລິດກະດານ biomarker CSF ຫ້າ, ເຊິ່ງ (i) ສະທ້ອນໃຫ້ເຫັນ synapses, ເສັ້ນເລືອດ, myelin, ພູມຕ້ານທານແລະ dysfunction metabolic; (ii) ສະແດງໃຫ້ເຫັນການແຜ່ພັນທີ່ເຂັ້ມແຂງໃນເວທີ MS ທີ່ແຕກຕ່າງກັນ; (iii) ສະ​ແດງ​ໃຫ້​ເຫັນ​ຄວາມ​ຄືບ​ຫນ້າ​ຂອງ​ການ​ປ່ຽນ​ແປງ​ສະ​ເພາະ​ຂອງ​ພະ​ຍາດ​ໃນ​ໄລ​ຍະ​ຕົ້ນ​ແລະ​ທ້າຍ​ຂອງ AD. ໂດຍລວມແລ້ວ, ການຄົ້ນພົບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນເຖິງບາດກ້າວທີ່ດີຕໍ່ກັບການພັດທະນາເຄື່ອງມື biomarker ທີ່ມີຄວາມຫຼາກຫຼາຍ, ເຊື່ອຖືໄດ້, ເວັບໄຊຕ໌ສໍາລັບການຄົ້ນຄວ້າ AD ແລະການນໍາໃຊ້ທາງດ້ານການຊ່ວຍ.
ຜົນໄດ້ຮັບຂອງພວກເຮົາສະແດງໃຫ້ເຫັນເຖິງອົງການຈັດຕັ້ງທີ່ໄດ້ຮັບການອະນຸລັກສູງຂອງ proteome ເຄືອຂ່າຍສະຫມອງຂອງ AD ແລະສະຫນັບສະຫນູນການນໍາໃຊ້ມັນເປັນຈຸດຍຶດຫມັ້ນສໍາລັບການພັດທະນາ biomarker ຕາມລະບົບ. ການວິເຄາະຂອງພວກເຮົາສະແດງໃຫ້ເຫັນວ່າສອງຊຸດຂໍ້ມູນ TMT-MS ທີ່ເປັນເອກະລາດທີ່ມີສະຫມອງ AD ແລະ AsymAD ມີໂມດູນທີ່ເຂັ້ມແຂງ. ການຄົ້ນພົບເຫຼົ່ານີ້ຂະຫຍາຍການເຮັດວຽກທີ່ຜ່ານມາຂອງພວກເຮົາ, ສະແດງໃຫ້ເຫັນເຖິງການຮັກສາໂມດູນທີ່ມີປະສິດທິພາບຂອງເນື້ອເຍື່ອສະຫມອງຫຼາຍກວ່າ 2,000 ຈາກກຸ່ມເອກະລາດຫຼາຍຕົວໃນ frontal, parietal, ແລະ temporal cortex (17). ເຄືອຂ່າຍຄວາມເຫັນດີເຫັນພ້ອມນີ້ສະທ້ອນໃຫ້ເຫັນເຖິງການປ່ຽນແປງຕ່າງໆທີ່ກ່ຽວຂ້ອງກັບພະຍາດທີ່ສັງເກດເຫັນໃນການຄົ້ນຄວ້າໃນປະຈຸບັນ, ລວມທັງການເພີ່ມຂື້ນຂອງໂມດູນອັກເສບທີ່ອຸດົມສົມບູນ glial ແລະການຫຼຸດລົງຂອງໂມດູນທີ່ອຸດົມສົມບູນຂອງ neuron. ເຊັ່ນດຽວກັນກັບການຄົ້ນຄວ້າໃນປະຈຸບັນ, ເຄືອຂ່າຍຂະຫນາດໃຫຍ່ນີ້ຍັງມີລັກສະນະການປ່ຽນແປງ modular ທີ່ສໍາຄັນໃນ AsymAD, ສະແດງໃຫ້ເຫັນຄວາມຫລາກຫລາຍຂອງ pathophysiology preclinical ທີ່ແຕກຕ່າງກັນ (17).
ເຖິງຢ່າງໃດກໍ່ຕາມ, ພາຍໃນຂອບເຂດທີ່ອີງໃສ່ລະບົບການອະນຸລັກສູງນີ້, ມີຄວາມແຕກຕ່າງກັນທາງດ້ານຊີວະວິທະຍາທີ່ລະອຽດກວ່າ, ໂດຍສະເພາະໃນບັນດາບຸກຄົນໃນໄລຍະຕົ້ນຂອງ AD. ກະດານ biomarker ຂອງພວກເຮົາສາມາດສະແດງສອງກຸ່ມຍ່ອຍໃນ AsymAD, ເຊິ່ງສະແດງໃຫ້ເຫັນຄວາມແຕກຕ່າງທີ່ສໍາຄັນຂອງເຄື່ອງຫມາຍ CSF ຫຼາຍ. ກຸ່ມຂອງພວກເຮົາສາມາດຊີ້ໃຫ້ເຫັນຄວາມແຕກຕ່າງທາງຊີວະພາບລະຫວ່າງສອງກຸ່ມຍ່ອຍນີ້, ເຊິ່ງບໍ່ຊັດເຈນໃນລະດັບຂອງ AD biomarkers ຫຼັກ. ເມື່ອປຽບທຽບກັບກຸ່ມຄວບຄຸມ, ອັດຕາສ່ວນ Aβ1-42/tau ທັງໝົດຂອງບຸກຄົນ AsymAD ເຫຼົ່ານີ້ແມ່ນຕໍ່າຜິດປົກກະຕິ. ຢ່າງໃດກໍ່ຕາມ, ພຽງແຕ່ລະດັບ tau ທັງຫມົດແມ່ນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍລະຫວ່າງສອງກຸ່ມຍ່ອຍ AsymAD, ໃນຂະນະທີ່ລະດັບ Aβ1-42 ແລະ p-tau ຍັງຄົງຂ້ອນຂ້າງປຽບທຽບ. ເນື່ອງຈາກ CSF tau ສູງເບິ່ງຄືວ່າເປັນຕົວຄາດຄະເນທີ່ດີກວ່າຂອງອາການທາງດ້ານສະຕິປັນຍາຫຼາຍກ່ວາລະດັບAβ1-42 (7), ພວກເຮົາສົງໃສວ່າກຸ່ມ AsymAD ທັງສອງກຸ່ມອາດຈະມີຄວາມສ່ຽງທີ່ແຕກຕ່າງກັນຂອງຄວາມຄືບຫນ້າຂອງພະຍາດ. ເນື່ອງຈາກຂະຫນາດຕົວຢ່າງທີ່ຈໍາກັດຂອງ AsymAD ຂອງພວກເຮົາແລະການຂາດຂໍ້ມູນຕາມລວງຍາວ, ການຄົ້ນຄວ້າເພີ່ມເຕີມແມ່ນຈໍາເປັນເພື່ອແຕ້ມບົດສະຫຼຸບເຫຼົ່ານີ້ຢ່າງຫມັ້ນໃຈ. ຢ່າງໃດກໍ່ຕາມ, ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າຄະນະກໍາມະ CSF ທີ່ອີງໃສ່ລະບົບສາມາດເສີມຂະຫຍາຍຄວາມສາມາດຂອງພວກເຮົາໃນການຈັດລໍາດັບບຸກຄົນຢ່າງມີປະສິດທິຜົນໃນລະຫວ່າງຂັ້ນຕອນຂອງພະຍາດ asymptomatic.
ໂດຍລວມແລ້ວ, ການຄົ້ນພົບຂອງພວກເຮົາສະຫນັບສະຫນູນບົດບາດຂອງຫຼາຍຫນ້າທີ່ຊີວະວິທະຍາໃນ pathogenesis ຂອງ AD. ຢ່າງໃດກໍຕາມ, ການເຜົາຜະຫລານພະລັງງານທີ່ຖືກຄວບຄຸມ dysregulated ໄດ້ກາຍເປັນຫົວຂໍ້ທີ່ໂດດເດັ່ນຂອງທັງຫມົດຫ້າຄະນະປ້າຍທີ່ຖືກຕ້ອງຂອງພວກເຮົາ. ທາດໂປຼຕີນຈາກການເຜົາຜະຫລານ, ເຊັ່ນ: hypoxanthine-guanine phosphoribosyltransferase 1 (HPRT1) ແລະ lactate dehydrogenase A (LDHA), ເປັນຕົວຊີ້ບອກ biomarkers synaptic ທີ່ເຂັ້ມແຂງທີ່ສຸດ, ຊີ້ໃຫ້ເຫັນວ່າການເພີ່ມຂຶ້ນຂອງ AD CSF ແມ່ນການຮ່ວມເພດທີ່ແຜ່ພັນໄດ້ສູງ. ເສັ້ນເລືອດຂອງພວກເຮົາແລະກະດານ glial ຍັງມີເຄື່ອງຫມາຍຈໍານວນຫນຶ່ງທີ່ກ່ຽວຂ້ອງກັບການເຜົາຜະຫລານຂອງສານ oxidative. ການຄົ້ນພົບເຫຼົ່ານີ້ແມ່ນສອດຄ່ອງກັບບົດບາດສໍາຄັນທີ່ຂະບວນການ metabolic ຫຼີ້ນຢູ່ໃນສະຫມອງທັງຫມົດ, ບໍ່ພຽງແຕ່ຕອບສະຫນອງຄວາມຕ້ອງການພະລັງງານສູງຂອງ neurons, ແຕ່ຍັງຕອບສະຫນອງຄວາມຕ້ອງການພະລັງງານສູງຂອງ astrocytes ແລະຈຸລັງ glial ອື່ນໆ (17, 48). ຜົນໄດ້ຮັບຂອງພວກເຮົາສະຫນັບສະຫນູນຫຼັກຖານທີ່ເພີ່ມຂຶ້ນວ່າການປ່ຽນແປງໃນທ່າແຮງ redox ແລະການຂັດຂວາງເສັ້ນທາງພະລັງງານອາດຈະເປັນການເຊື່ອມໂຍງຫຼັກລະຫວ່າງຂະບວນການທີ່ສໍາຄັນຈໍານວນຫນຶ່ງທີ່ກ່ຽວຂ້ອງກັບການເກີດຂອງ AD, ລວມທັງຄວາມຜິດປົກກະຕິຂອງ mitochondrial, ການອັກເສບ glial-mediated, ແລະຄວາມເສຍຫາຍຂອງເສັ້ນເລືອດ (49). ນອກຈາກນັ້ນ, biomarkers ນ້ໍາ cerebrospinal metabolic ມີຈໍານວນທາດໂປຼຕີນທີ່ອຸດົມສົມບູນທີ່ແຕກຕ່າງກັນລະຫວ່າງການຄວບຄຸມຂອງພວກເຮົາແລະກຸ່ມຍ່ອຍ AsymAD ຄ້າຍຄື AD, ແນະນໍາວ່າການຂັດຂວາງຂອງພະລັງງານເຫຼົ່ານີ້ແລະເສັ້ນທາງ redox ອາດຈະມີຄວາມສໍາຄັນໃນຂັ້ນຕອນຂອງພະຍາດ preclinical.
ທ່າອ່ຽງຂອງແຜງນໍ້າສະໝອງ ແລະ ສະໝອງທີ່ແຕກຕ່າງທີ່ພວກເຮົາໄດ້ສັງເກດເຫັນຍັງມີຜົນທາງຊີວະພາບທີ່ໜ້າສົນໃຈ. Synapses ແລະ metabolomes ທີ່ອຸດົມສົມບູນໃນ neurons ສະແດງໃຫ້ເຫັນການຫຼຸດລົງໃນສະຫມອງ AD ແລະຄວາມອຸດົມສົມບູນຂອງນ້ໍາ cerebrospinal. ເນື່ອງຈາກ neurons ອຸດົມສົມບູນໃນການຜະລິດພະລັງງານ mitochondria ຢູ່ synapses ເພື່ອສະຫນອງພະລັງງານສໍາລັບສັນຍານພິເສດຈໍານວນຫລາຍຂອງພວກເຂົາ (50), ຄວາມຄ້າຍຄືກັນຂອງໂປຣໄຟລ໌ການສະແດງອອກຂອງທັງສອງກຸ່ມ neuron ເຫຼົ່ານີ້ແມ່ນຄາດວ່າຈະ. ການສູນເສຍ neurons ແລະ extrusion ຂອງຈຸລັງທີ່ເສຍຫາຍສາມາດອະທິບາຍເຫຼົ່ານີ້ສະຫມອງແລະ CSF ທ່າອ່ຽງຂອງຄະນະກໍາມະໃນພະຍາດຕໍ່ມາ, ແຕ່ພວກເຂົາເຈົ້າບໍ່ສາມາດອະທິບາຍການປ່ຽນແປງຄະນະກໍາມະໃນຕອນຕົ້ນທີ່ພວກເຮົາສັງເກດເຫັນ (13). ຄໍາອະທິບາຍທີ່ເປັນໄປໄດ້ຫນຶ່ງສໍາລັບການຄົ້ນພົບເຫຼົ່ານີ້ຢູ່ໃນພະຍາດ asymptomatic ໃນຕອນຕົ້ນແມ່ນການ pruning synaptic ຜິດປົກກະຕິ. ຫຼັກຖານໃຫມ່ໃນແບບຈໍາລອງຫນູຊີ້ໃຫ້ເຫັນວ່າ microglia-mediated synaptic phagocytosis ອາດຈະຖືກກະຕຸ້ນຢ່າງຜິດປົກກະຕິໃນ AD ແລະນໍາໄປສູ່ການສູນເສຍ synapse ໃນສະຫມອງໃນຕອນຕົ້ນ (51). ວັດສະດຸ synaptic ທີ່ຖືກຍົກເລີກນີ້ອາດຈະສະສົມຢູ່ໃນ CSF, ເຊິ່ງເປັນເຫດຜົນທີ່ພວກເຮົາສັງເກດເຫັນການເພີ່ມຂື້ນຂອງ CSF ໃນກະດານ neuron. ການ pruning synaptic ທີ່ມີພູມຕ້ານທານຍັງອາດຈະອະທິບາຍບາງສ່ວນເຖິງການເພີ່ມຂື້ນຂອງໂປຣຕີນ glial ທີ່ພວກເຮົາສັງເກດເຫັນຢູ່ໃນສະຫມອງແລະນ້ໍາ cerebrospinal ຕະຫຼອດຂະບວນການຂອງພະຍາດ. ນອກເຫນືອໄປຈາກການ pruning synaptic, ຄວາມຜິດປົກກະຕິໂດຍລວມໃນເສັ້ນທາງ exocytic ອາດຈະເຮັດໃຫ້ສະຫມອງທີ່ແຕກຕ່າງກັນແລະການສະແດງອອກ CSF ຂອງເຄື່ອງຫມາຍ neuronal. ການສຶກສາຈໍານວນຫນຶ່ງໄດ້ສະແດງໃຫ້ເຫັນວ່າເນື້ອໃນຂອງ exosomes ໃນ pathogenesis ຂອງສະຫມອງ AD ໄດ້ມີການປ່ຽນແປງ (52). ເສັ້ນທາງ extracellular ຍັງມີສ່ວນຮ່ວມໃນການຂະຫຍາຍຕົວຂອງ Aβ (53, 54). ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າການສະກັດກັ້ນຄວາມລັບຂອງ exosomal ອາດຈະຫຼຸດຜ່ອນ pathology ຄ້າຍຄື AD ໃນ AD transgenic mouse model (55).
ໃນເວລາດຽວກັນ, ທາດໂປຼຕີນໃນກະດານ vascular ສະແດງໃຫ້ເຫັນເຖິງການເພີ່ມຂື້ນໃນລະດັບປານກາງຂອງສະຫມອງ AD, ແຕ່ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນ CSF. ການຂັດຂວາງການເຮັດວຽກຂອງສະຫມອງເລືອດ (BBB) ​​​​ບາງສ່ວນສາມາດອະທິບາຍການຄົ້ນພົບເຫຼົ່ານີ້. ການສຶກສາຂອງມະນຸດ postmortem ເອກະລາດຈໍານວນຫຼາຍໄດ້ສະແດງໃຫ້ເຫັນການທໍາລາຍ BBB ໃນ AD (56, 57). ການສຶກສາເຫຼົ່ານີ້ໄດ້ຢືນຢັນກິດຈະກໍາຜິດປົກກະຕິຕ່າງໆທີ່ຢູ່ອ້ອມຮອບຊັ້ນຂອງຈຸລັງ endothelial, ລວມທັງການຮົ່ວໄຫຼຂອງເສັ້ນເລືອດຂອງສະຫມອງແລະການສະສົມຂອງທາດໂປຼຕີນຈາກເລືອດ (57). ນີ້ສາມາດໃຫ້ຄໍາອະທິບາຍງ່າຍໆສໍາລັບໂປຣຕີນ vascular ສູງໃນສະຫມອງ, ແຕ່ມັນບໍ່ສາມາດອະທິບາຍຢ່າງເຕັມທີ່ກ່ຽວກັບການຫຼຸດລົງຂອງທາດໂປຼຕີນດຽວກັນເຫຼົ່ານີ້ຢູ່ໃນນ້ໍາ cerebrospinal. ຄວາມເປັນໄປໄດ້ຫນຶ່ງແມ່ນວ່າລະບົບປະສາດສ່ວນກາງກໍາລັງແຍກໂມເລກຸນເຫຼົ່ານີ້ຢ່າງຫ້າວຫັນເພື່ອແກ້ໄຂບັນຫາການອັກເສບເພີ່ມຂຶ້ນແລະຄວາມກົດດັນ oxidative. ການຫຼຸດລົງຂອງບາງໂປຣຕີນ CSF ທີ່ຮຸນແຮງທີ່ສຸດໃນຄະນະນີ້, ໂດຍສະເພາະແມ່ນຜູ້ທີ່ມີສ່ວນຮ່ວມໃນລະບຽບການ lipoprotein, ແມ່ນກ່ຽວຂ້ອງກັບການຍັບຍັ້ງລະດັບການອັກເສບທີ່ເປັນອັນຕະລາຍແລະຂະບວນການປ້ອງກັນ neuroprotective ຂອງຊະນິດອົກຊີເຈນທີ່ reactive. ນີ້ແມ່ນຄວາມຈິງສໍາລັບ Paroxonase 1 (PON1), enzyme binding lipoprotein ທີ່ຮັບຜິດຊອບສໍາລັບການຫຼຸດຜ່ອນລະດັບຄວາມກົດດັນ oxidative ໃນການໄຫຼວຽນ (58, 59). Alpha-1-microglobulin/bikunin precursor (AMBP) ແມ່ນອີກອັນໜຶ່ງຂອງເຄື່ອງໝາຍທີ່ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍຂອງກຸ່ມ vascular. ມັນເປັນຄາຣະວາຂອງ lipid transporter bikunin, ເຊິ່ງຍັງມີສ່ວນຮ່ວມໃນການສະກັດກັ້ນການອັກເສບແລະການປ້ອງກັນທາງປະສາດ (60, 61).
ເຖິງວ່າຈະມີການສົມມຸດຕິຖານທີ່ຫນ້າສົນໃຈຕ່າງໆ, ຄວາມບໍ່ສາມາດກວດພົບໂດຍກົງຂອງກົນໄກການເກີດພະຍາດທາງຊີວະເຄມີແມ່ນຂໍ້ຈໍາກັດທີ່ມີຊື່ສຽງຂອງການວິເຄາະ proteomics ທີ່ຂັບເຄື່ອນໂດຍການຄົ້ນຄວ້າ. ດັ່ງນັ້ນ, ການຄົ້ນຄວ້າເພີ່ມເຕີມແມ່ນມີຄວາມຈໍາເປັນເພື່ອກໍານົດກົນໄກທີ່ຢູ່ເບື້ອງຫລັງຂອງ biomarker panels ເຫຼົ່ານີ້ຢ່າງຫມັ້ນໃຈ. ເພື່ອກ້າວໄປສູ່ການພັດທະນາການວິເຄາະທາງດ້ານຄລີນິກທີ່ອີງໃສ່ MS, ທິດທາງໃນອະນາຄົດຍັງຮຽກຮ້ອງໃຫ້ມີການນໍາໃຊ້ວິທີການປະລິມານເປົ້າຫມາຍສໍາລັບການກວດສອບ biomarker ຂະຫນາດໃຫຍ່, ເຊັ່ນ: ການຄັດເລືອກຫຼືການກວດສອບຕິກິຣິຍາຂະຫນານ (62). ພວກເຮົາບໍ່ດົນມານີ້ໄດ້ນໍາໃຊ້ການຕິດຕາມຕິກິຣິຍາຂະຫນານ (63) ເພື່ອກວດສອບການປ່ຽນແປງທາດໂປຼຕີນຈາກ CSF ຈໍານວນຫຼາຍທີ່ໄດ້ອະທິບາຍຢູ່ທີ່ນີ້. ເປົ້າໝາຍຂອງກະດານບູລິມະສິດຫຼາຍອັນແມ່ນຖືກຄິດໄລ່ດ້ວຍຄວາມຖືກຕ້ອງຫຼາຍ, ລວມທັງ YWHAZ, ALDOA, ແລະ SMOC1, ເຊິ່ງແຜນທີ່ກັບ synapse, metabolism, ແລະແຜງອັກເສບຂອງພວກເຮົາ, ຕາມລໍາດັບ (63). ການໄດ້ມາຂໍ້ມູນເອກະລາດ (DIA) ແລະຍຸດທະສາດອື່ນໆທີ່ອີງໃສ່ MS ອາດເປັນປະໂຫຍດສໍາລັບການຢັ້ງຢືນເປົ້າຫມາຍ. Bud et al. (64) ບໍ່ດົນມານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າມີການທັບຊ້ອນກັນຢ່າງຫຼວງຫຼາຍລະຫວ່າງ AD biomarkers ທີ່ລະບຸໄວ້ໃນຊຸດຂໍ້ມູນການຄົ້ນພົບ CSF ຂອງພວກເຮົາ ແລະຊຸດຂໍ້ມູນ DIA-MS ທີ່ເປັນເອກະລາດ, ເຊິ່ງປະກອບດ້ວຍເກືອບ 200 ຕົວຢ່າງ CSF ຈາກສາມກຸ່ມປະເທດເອີຣົບທີ່ແຕກຕ່າງກັນ. ການສຶກສາທີ່ຜ່ານມາເຫຼົ່ານີ້ສະຫນັບສະຫນູນທ່າແຮງຂອງແຜງຂອງພວກເຮົາໃນການຫັນປ່ຽນໄປສູ່ການຊອກຄົ້ນຫາທີ່ອີງໃສ່ MS ທີ່ເຊື່ອຖືໄດ້. ພູມຕ້ານທານແບບດັ້ງເດີມແລະການກວດຫາທີ່ອີງໃສ່ aptamer ແມ່ນຍັງມີຄວາມສໍາຄັນສໍາລັບການພັດທະນາຕໍ່ໄປຂອງ biomarkers AD ທີ່ສໍາຄັນ. ເນື່ອງຈາກຄວາມອຸດົມສົມບູນຂອງ CSF ຕ່ໍາ, ມັນເປັນການຍາກທີ່ຈະກວດພົບ biomarkers ເຫຼົ່ານີ້ໂດຍໃຊ້ວິທີການ MS ທີ່ມີຄວາມໄວສູງ. NEFL ແລະ NRGN ແມ່ນສອງຕົວຢ່າງດັ່ງກ່າວຂອງ biomarkers CSF ທີ່ມີຄວາມອຸດົມສົມບູນຕ່ໍາ, ເຊິ່ງໄດ້ຖືກແຜນທີ່ຢູ່ໃນກະດານໃນການວິເຄາະທີ່ສົມບູນແບບຂອງພວກເຮົາ, ແຕ່ບໍ່ສາມາດກວດພົບໄດ້ໂດຍການນໍາໃຊ້ຍຸດທະສາດ MS ດຽວຂອງພວກເຮົາ. ຍຸດທະສາດການກໍານົດເປົ້າຫມາຍໂດຍອີງໃສ່ພູມຕ້ານທານຫຼາຍຊະນິດ, ເຊັ່ນ PEA, ອາດຈະສົ່ງເສີມການຫັນປ່ຽນທາງດ້ານການຊ່ວຍຂອງເຄື່ອງຫມາຍເຫຼົ່ານີ້.
ໂດຍລວມແລ້ວ, ການສຶກສານີ້ສະຫນອງວິທີການ proteomics ເປັນເອກະລັກສໍາລັບການກໍານົດແລະການກວດສອບ biomarkers CSF AD ໂດຍອີງໃສ່ລະບົບທີ່ແຕກຕ່າງກັນ. ການເພີ່ມປະສິດທິພາບກະດານເຄື່ອງຫມາຍເຫຼົ່ານີ້ໃນທົ່ວກຸ່ມ AD ເພີ່ມເຕີມແລະແພລະຕະຟອມ MS ອາດຈະພິສູດໄດ້ວ່າສັນຍາວ່າຈະກ້າວຫນ້າທາງດ້ານການແບ່ງຂັ້ນແລະການປິ່ນປົວຄວາມສ່ຽງ AD. ການສຶກສາທີ່ປະເມີນລະດັບຕາມລວງຍາວຂອງແຜງເຫຼົ່ານີ້ໃນໄລຍະເວລາຍັງມີຄວາມສໍາຄັນໃນການກໍານົດວ່າການປະສົມປະສານຂອງເຄື່ອງຫມາຍໃດທີ່ດີທີ່ສຸດ stratifies ຄວາມສ່ຽງຂອງພະຍາດເບື້ອງຕົ້ນແລະການປ່ຽນແປງໃນຄວາມຮຸນແຮງຂອງພະຍາດ.
ຍົກເວັ້ນ 3 ຕົວຢ່າງທີ່ຄັດລອກໂດຍ CSF, ຕົວຢ່າງ CSF ທັງຫມົດທີ່ໃຊ້ໃນການສຶກສານີ້ໄດ້ຖືກເກັບກໍາພາຍໃຕ້ການອຸປະຖໍາຂອງ Emory ADRC ຫຼືສະຖາບັນຄົ້ນຄ້ວາທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ. ທັງໝົດສີ່ຊຸດຂອງຕົວຢ່າງ Emory CSF ໄດ້ຖືກນໍາໃຊ້ໃນການສຶກສາ proteomics ເຫຼົ່ານີ້. ກຸ່ມ CSF ໄດ້ຖືກພົບເຫັນວ່າມີຕົວຢ່າງຈາກ 20 ການຄວບຄຸມສຸຂະພາບແລະ 20 ຄົນເຈັບ AD. ສໍາເນົາ CSF 1 ປະກອບມີຕົວຢ່າງຈາກ 32 ການຄວບຄຸມສຸຂະພາບ, 31 ບຸກຄົນ AsymAD, ແລະ 33 ບຸກຄົນ AD. ສຳເນົາ CSF 2 ມີ 147 ການຄວບຄຸມ ແລະ 150 ຕົວຢ່າງ AD. ການຈໍາລອງ CSF ຫຼາຍພະຍາດ 4 cohort ປະກອບມີ 18 ການຄວບຄຸມ, 17 AD, 19 ALS, 13 PD, ແລະ 11 ຕົວຢ່າງ FTD. ອີງຕາມຂໍ້ຕົກລົງທີ່ໄດ້ຮັບການອະນຸມັດໂດຍຄະນະກໍາມະການທົບທວນສະຖາບັນຂອງມະຫາວິທະຍາໄລ Emory, ຜູ້ເຂົ້າຮ່ວມການສຶກສາ Emory ທັງຫມົດໄດ້ຮັບການຍິນຍອມເຫັນດີ. ອີງຕາມ 2014 National Institute of Aging Practice Guidelines for Alzheimer's Centers (https://alz.washington.edu/BiospecimenTaskForce.html), ນ້ໍາ cerebrospinal ຖືກເກັບກໍາແລະເກັບຮັກສາໄວ້ໂດຍການເຈາະ lumbar. ການຄວບຄຸມແລະຄົນເຈັບ AsymAD ແລະ AD ໄດ້ຮັບການປະເມີນມາດຕະຖານທາງດ້ານສະຕິປັນຍາທີ່ຄລີນິກປະສາດວິທະຍາ Emory Cognitive Neurology ຫຼື Goizueta ADRC. ຕົວຢ່າງນ້ໍາ cerebrospinal ຂອງເຂົາເຈົ້າໄດ້ຖືກທົດສອບໂດຍ INNO-BIA AlzBio3 Luminex ສໍາລັບ ELISA Aβ1-42, ການວິເຄາະ tau ແລະ p-tau ທັງຫມົດ (65 ). ຄ່າ ELISA ຖືກນໍາໃຊ້ເພື່ອສະຫນັບສະຫນູນການຈັດປະເພດການວິນິດໄສຂອງວິຊາໂດຍອີງໃສ່ເງື່ອນໄຂການຕັດ biomarker AD ທີ່ຖືກສ້າງຕັ້ງຂຶ້ນ (66, 67). ຂໍ້ມູນພື້ນຖານທາງດ້ານປະຊາກອນ ແລະວິນິດໄສສໍາລັບການວິນິດໄສ CSF ອື່ນໆ (FTD, ALS, ແລະ PD) ແມ່ນໄດ້ຮັບຈາກ Emory ADRC ຫຼືສະຖາບັນການຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງ. metadata ກໍລະນີສະຫຼຸບສໍາລັບກໍລະນີ Emory CSF ເຫຼົ່ານີ້ສາມາດພົບໄດ້ຢູ່ໃນຕາຕະລາງ S1A. ຄຸນລັກສະນະຂອງການຈໍາລອງແບບ Swiss CSF 3 cohort ໄດ້ຖືກຈັດພີມມາກ່ອນຫນ້ານີ້ (45).
CSF ພົບຕົວຢ່າງ. ເພື່ອເພີ່ມຄວາມເລິກຂອງການຄົ້ນພົບຂອງພວກເຮົາກ່ຽວກັບຊຸດຂໍ້ມູນ CSF, ການບໍລິໂພກພູມຕ້ານທານຂອງທາດໂປຼຕີນທີ່ມີຄວາມອຸດົມສົມບູນສູງໄດ້ຖືກປະຕິບັດກ່ອນທີ່ຈະ trypsinization. ໃນສັ້ນ, 130 μlຂອງ CSF ຈາກ 40 ຕົວຢ່າງ CSF ສ່ວນບຸກຄົນແລະປະລິມານເທົ່າທຽມກັນ (130 μl) ຂອງ High Select Top14 Abundance Protein Depletion Resin (Thermo Fisher Scientific, A36372) ໄດ້ຖືກຈັດໃສ່ໃນຖັນ spin (Thermo Fisher Scientific, A89868) ຢູ່ຫ້ອງ. ອຸນ​ຫະ​ພູມ Incubate​)​. ຫຼັງຈາກ spinning ສໍາລັບ 15 ນາທີ, centrifuge ຕົວຢ່າງ 1000g ສໍາລັບ 2 ນາທີ. ອຸປະກອນການກັ່ນຕອງ 3K ultracentrifugal (Millipore, UFC500396) ໄດ້ຖືກນໍາໃຊ້ເພື່ອສຸມໃສ່ຕົວຢ່າງ effluent ໂດຍ centrifugal ຢູ່ທີ່ 14,000g ສໍາລັບ 30 ນາທີ. ເຈືອຈາງປະລິມານຕົວຢ່າງທັງຫມົດໃຫ້ 75 μlດ້ວຍ phosphate buffered saline. ຄວາມເຂັ້ມຂຸ້ນຂອງທາດໂປຼຕີນໄດ້ຖືກປະເມີນໂດຍວິທີການກົດ bicinchoninic (BCA) ຕາມໂປໂຕຄອນຂອງຜູ້ຜະລິດ (Thermo Fisher Scientific). Immunodepleted CSF (60 μl) ຈາກທັງຫມົດ 40 ຕົວຢ່າງໄດ້ຖືກຍ່ອຍດ້ວຍ lysyl endopeptidase (LysC) ແລະ trypsin. ໃນສັ້ນ, ຕົວຢ່າງໄດ້ຖືກຫຼຸດລົງແລະ alkylated ດ້ວຍ 1.2 μl 0.5 M tris-2(-carboxyethyl)-phosphine ແລະ 3 μl 0.8 M chloroacetamide ທີ່ 90 ° C ສໍາລັບ 10 ນາທີ, ແລະຫຼັງຈາກນັ້ນ sonicated ໃນອາບນ້ໍາສໍາລັບ 15 ນາທີ. ຕົວຢ່າງໄດ້ຖືກເຈືອຈາງດ້ວຍ 193 μl 8 M urea buffer [8 M urea ແລະ 100 mM NaHPO4 (pH 8.5)] ກັບຄວາມເຂັ້ມຂົ້ນສຸດທ້າຍຂອງ 6 M urea. LysC (4.5 μg; Wako) ແມ່ນໃຊ້ສໍາລັບການຍ່ອຍອາຫານຄືນໃນອຸນຫະພູມຫ້ອງ. ຫຼັງຈາກນັ້ນ, ຕົວຢ່າງໄດ້ຖືກເຈືອຈາງເປັນ 1 M urea ກັບ 50 mM ammonium bicarbonate (ABC) (68). ຕື່ມປະລິມານທີ່ເທົ່າທຽມກັນ (4.5 μg) ຂອງ trypsin (Promega), ແລະຫຼັງຈາກນັ້ນ incubate ຕົວຢ່າງສໍາລັບ 12 ຊົ່ວໂມງ. ແກ້ບັນຫາ peptide ທີ່ຍ່ອຍສະຫຼາຍໃຫ້ມີຄວາມເຂັ້ມຂຸ້ນສຸດທ້າຍຂອງອາຊິດ formic 1% (FA) ແລະ 0.1% trifluoroacetic acid (TFA) (66), ແລະຫຼັງຈາກນັ້ນ desalt ດ້ວຍຖັນ Sep-Pak C18 50 mg (ນ້ໍາ) ຕາມທີ່ອະທິບາຍຂ້າງເທິງ (25) . ຫຼັງຈາກນັ້ນ, peptide ໄດ້ຖືກ eluted ໃນ 1 ml ຂອງ 50% acetonitrile (ACN). ເພື່ອສ້າງມາດຕະຖານປະລິມານທາດໂປຼຕີນໃນທົ່ວ batches (25), 100 μl aliquots ຈາກທັງຫມົດ 40 ຕົວຢ່າງ CSF ໄດ້ຖືກລວມເຂົ້າກັນເພື່ອສ້າງຕົວຢ່າງປະສົມ, ເຊິ່ງຫຼັງຈາກນັ້ນໄດ້ແບ່ງອອກເປັນຫ້າຕົວຢ່າງມາດຕະຖານພາຍໃນທົ່ວໂລກ (GIS) (48). ຕົວຢ່າງສ່ວນບຸກຄົນທັງຫມົດແລະມາດຕະຖານລວມແມ່ນແຫ້ງໂດຍສູນຍາກາດຄວາມໄວສູງ (Labconco).
CSF ຄັດລອກຕົວຢ່າງ. Dayon ແລະເພື່ອນຮ່ວມງານໄດ້ອະທິບາຍກ່ອນຫນ້ານີ້ກ່ຽວກັບການຫຼຸດລົງຂອງພູມຕ້ານທານແລະການຍ່ອຍອາຫານຂອງ CSF ສໍາເນົາ 3 ຕົວຢ່າງ (45, 46). ຕົວ​ຢ່າງ​ທີ່​ຍັງ​ເຫຼືອ​ທີ່​ຍັງ​ເຫຼືອ​ແມ່ນ​ບໍ່​ໄດ້ immunodepleted ເປັນ​ສ່ວນ​ບຸກ​ຄົນ​. ຍ່ອຍຕົວຢ່າງທີ່ບໍ່ໄດ້ເອົາອອກເຫຼົ່ານີ້ຢູ່ໃນ trypsin ຕາມທີ່ໄດ້ອະທິບາຍໄວ້ກ່ອນຫນ້ານີ້ (17). ສໍາລັບແຕ່ລະການວິເຄາະຊ້ໍາຊ້ອນ, 120 μl aliquots ຂອງ peptide eluted ຈາກແຕ່ລະຕົວຢ່າງໄດ້ຖືກລວມເຂົ້າກັນແລະແບ່ງອອກເປັນ aliquots ປະລິມານເທົ່າທຽມກັນເພື່ອນໍາໃຊ້ເປັນມາດຕະຖານພາຍໃນທົ່ວໂລກທີ່ມີປ້າຍຊື່ TMT (48). ຕົວຢ່າງສ່ວນບຸກຄົນທັງຫມົດແລະມາດຕະຖານລວມແມ່ນແຫ້ງໂດຍສູນຍາກາດຄວາມໄວສູງ (Labconco). ເພື່ອເພີ່ມສັນຍານຂອງທາດໂປຼຕີນຈາກ CSF ທີ່ມີຄວາມອຸດົມສົມບູນຕ່ໍາ, ໂດຍການລວມເອົາ 125 μlຈາກແຕ່ລະຕົວຢ່າງ, ຕົວຢ່າງ "ປັບປຸງ" ໄດ້ຖືກກະກຽມສໍາລັບແຕ່ລະການວິເຄາະທີ່ເຮັດເລື້ມຄືນ [ເຊັ່ນ: ຕົວຢ່າງທາງຊີວະພາບທີ່ mimics ຕົວຢ່າງການຄົ້ນຄວ້າ, ແຕ່ປະລິມານທີ່ມີຢູ່ແມ່ນ. ຫຼາຍຂະຫນາດໃຫຍ່ (37, 69)] ປະສົມປະສານເຂົ້າໄປໃນຕົວຢ່າງ CSF ປະສົມ (17). ຕົວຢ່າງປະສົມໄດ້ຖືກໂຍກຍ້າຍອອກດ້ວຍພູມຕ້ານທານໂດຍໃຊ້ 12 ມລຂອງ High Select Top14 Abundance Protein Resin Removal Resin (Thermo Fisher Scientific, A36372), ຍ່ອຍຕາມທີ່ໄດ້ອະທິບາຍຂ້າງເທິງ, ແລະລວມເຂົ້າໃນການຕິດສະຫຼາກ TMT ຫຼາຍຄັ້ງຕໍ່ມາ.