(上海14日讯)中国复旦大学的研究团队,采用大规模蛋白质组学数据和人工智能算法,发现了预测未来痴呆风险的重要血浆生物标志物,人类可提前15年预知痴呆发病风险。
澎湃新闻报导,这一研究成果在周二以〈血浆蛋白质组学预测健康成年人未来痴呆风险〉(Plasma proteomic profiles predict future dementia in healthy adults)为题,发表在《自然·衰老》杂志(Nature Aging)。
研究团队指出,以阿兹海默症(老年痴呆症)为代表的痴呆症,已成为严重影响居民健康和经济发展的重大公共卫生问题。在临床症状出现前,痴呆症存在数年甚至数十年的隐匿期,15至20年可能无症状,早期表现容易与正常老化相混淆。当患者出现显著认知行为障碍等症状,前往医院就诊时,疾病往往已进展到中晚期,错过干预的最佳时期,医生也束手无策。
运用人工智能驱动科学研究
在这项研究中,团队研究运用AI for science(人工智能驱动的科学研究,简称AI4S),采用迄今为止全球最大规模、基于社区队列的蛋白质组学数据和人工智能算法,对1463种血浆蛋白组学数据进行了分析和建模,发现3个蛋白GFAP、NEFL和GDF15,与新发全因痴呆(ACD)、新发阿兹海默症(AD)和新发血管性痴呆(VaD)3种常见痴呆类型的风险有显著关联,并且LTBP2也与痴呆发病关联密切。
“我们的研究提供了一个很好的AI4S的研究范例,基于数据驱动的思想,我们构建出高精度的痴呆风险预测模型,这是理工医交叉融合的突破进展,对推动精准医疗的发展具有重要意义。”复旦大学类脑智能科学与技术研究院的冯建峰教授指出,与以往类似研究采用的小样本量横断面设计不同,此次复旦团队运用大样本、长时间的纵向数据,从中提炼有用的模式、趋势和关联信息,强调让数据“说话”。
团队使用大样本队列数据,对5万2645名非痴呆成年人的血液数据,进行跨度超过中位数14年的追踪分析,参与者中后来有1417人被诊断为新发全因痴呆,691人被诊断为新发阿兹海默症,285位被诊断为新发血管性痴呆。
团队通过基于抗体的Olink测定技术,进行统一测定量化,对每个血液样本,检测了包含心脏代谢、炎症、神经和肿瘤4个面板上的1463种血浆蛋白,并运用Cox模型和机器学习算法展开建模分析,最终识别出GFAP、NEFL和GDF15等对痴呆预测极具价值的血浆生物标志物。
为进一步提高预测的准确性,研究团队将蛋白质筛选过程,转化为一个优化组合的数学问题。通过运用信息增益和轻量提升机等基于机器学习的算法,成功挖掘出对早期识别痴呆最为有效的蛋白质组合。这些算法不仅考虑了单个蛋白质的作用,还充分考虑了蛋白质之间的相互作用和协同效应,从而可实现更高精度的预测。
距离应用于普通民众有多远?
为确保模型的可靠性和稳定性,团队在不同亚组人群中进行多重验证,模型均表现出良好的预测性能,为痴呆症的早期识别提供了有力工具。
“血液学检测方便无创、价格低廉,可作为临床前阶段对广大人群进行早期风险筛查的理想工具。”研究员程炜解释,现在团队发现蛋白组学与脑疾病风险间的关联,通过验血,就有望辅助临床医生尽早识别痴呆高危患者,尽早干预,提高病人的生活质量。
复旦大学附属华山医院的郁金泰教授同时称:“这次发现的重要血浆生物标志物,为血液学检测从研究到临床的过渡提供新的理论基础。而且我们这次建立的模型更加简便、易获取、易于普及,无论是短期痴呆发病风险,还是十馀年后的痴呆发病风险,都能做到很好地预测。”
对于距离痴呆症风险检测应用于普通民众还有多远?研究团队表示,如果一切顺利,半年后可应用到临床检测,筛查出高危人群。目前已有体检医疗机构主动与团队取得联系,探讨将相关检测加入体检项目的可能性。