" X ^. P6 r4 @4 E( u' @: i$ s( k" E
在最近发表于《蛋白质组学研究杂志》（Journal of Proteome Research）的研究中，北卡罗莱纳州立大学研究人员发现，血浆高通量分析有助于识别肌萎缩侧索硬化症(ALS)的诊断和预后生物标志物。这项工作进一步阐明了疾病进展的相关途径。
( T, V- \3 G" F
; q. X. `: m5 X5 a- F/ h) `( F
ALS是一种进行性神经退行性疾病，会导致大脑和脊髓中的神经细胞退化。目前，由于缺乏明确靶点、通常需要一年以上才能完成诊断过程，以及监测病情进展的方法不足和主观性，治疗受到了阻碍。 5 j" d7 ^1 R4 L5 `
该研究通讯作者、北卡罗来纳州立大学生物科学副教授Michael Bereman说：“早期诊断很重要，但我们迫切需要定量标志物来监测病情进展和治疗干预的效果。由于代谢紊乱是ALS的标志性特征，我们想研究代谢标志物作为发现生物标志物的途径。” 0 N+ W3 Z0 E2 H6 x$ X+ m/ R
Bereman和北卡罗来纳州立大学以及澳大利亚麦考瑞大学的同事们从麦考瑞大学MND生物库中抽取了134名ALS患者和118名健康人的血浆样本，并使用基于芯片的毛细管区带电泳和高分辨率质谱来识别和分析样品中的血浆代谢物。这种方法可以快速将血浆分解成分子成分，然后通过其质量进行识别。研究人员开发了两种计算机算法:一种用于区分健康和ALS样本，另一种用于预测疾病进展。
! Q7 N, o4 n2 ?. X8 x/ `2 x
最重要的代谢标志物与肌肉活动有关：肌酸（促进肌肉运动）水平升高，肌酐和甲基组氨酸（肌肉活动和分解的副产品）水平下降。ALS患者中肌酸升高49%，而肌酐和甲基组氨酸分别下降20%和24%。此外，男性ALS患者中肌酸与肌酐的比值增加370%，女性中增加200%。
* T4 R t7 J- @3 }9 {/ M
通过机器学习，他们创建的算法能够将健康参与者与ALS患者区分开来，并能够预测疾病的进展。模型得出了兼具敏感性(检测疾病的能力)和特异性(检测无疾病个体的能力)的结果。疾病检测模型的敏感性为80%，特异性为78%，进展模型的敏感性为74%，特异性为87%。 0 L) Z# }( E- Q! }* E- ]
# h% C) b1 ~1 M- f- H, N4 f( x
Bereman说:“肌酸缺乏本身似乎不是问题——我们的研究结果证实，细胞能量生产的肌酸激酶通路（已知在ALS中发生改变）没有发挥应有的作用。” & R9 D5 a+ l% ?
论文共同作者、麦考瑞大学神经科学教授Gilles Guillemin说：“这些结果是血浆代谢物可用于诊断和监测疾病进展的强有力证据，我们接下来将在同一患者身上随时间推移检查这些标志物。”
2 m& s5 q# u8 f
这项工作的另一个目标是寻找暴露于环境神经毒素BMAA的证据。这种毒素存在于绿藻和蓝藻中，自20世纪50年代以来就被认为与ALS有关，但很少有研究尝试在人类ALS患者中检测它。该研究的研究人员没有在健康或ALS患者的血液中检测到BMAA。
: o, z1 M) |! e- x b. Y; d# I
, E, U6 ^7 K- D# ]3 d, Q6 h! Y, e! t
| 
发表于 2020-7-8 20:03:51
发表于 2020-7-8 21:33:45
