多組學分析確定分子定義的阿爾茨海默病亞型

研究人員使用機器學習方法，整合了高通量的轉(zhuǎn)錄組學、蛋白質(zhì)組學、代謝組學和脂質(zhì)組學特征，為阿爾茨海默病（AD）提供了新的關(guān)鍵分子見解。

組學分析是對大數(shù)據(jù)集進行分析，以提取生物分子（基因、DNA、RNA、蛋白質(zhì)、代謝物等）的有意義信息的過程，其目標是闡明典型的分子通路，并破譯疾病中出錯的地方。

在一項由人類遺傳學家、貝斯以色列女執(zhí)事醫(yī)療中心（Beth Israel Deaconess Medical Center， BIDMC）神經(jīng)內(nèi)科神經(jīng)生物樣本庫主任、醫(yī)學博士 Bruno A． Benitez 領(lǐng)導的研究中，研究人員使用機器學習方法，整合了高通量的轉(zhuǎn)錄組學、蛋白質(zhì)組學、代謝組學和脂質(zhì)組學特征，為阿爾茨海默病（AD）提供了新的關(guān)鍵分子見解，這是單一組學分析無法提供的。

跨組學方法確定了四種不同的 AD 分子特征，其中一種與較差的認知功能和神經(jīng)病理學特征相關(guān)，包括死亡時較高的臨床失智癥評分，癥狀發(fā)作后較短的壽命，較嚴重的神經(jīng)變性和神經(jīng)炎癥，以及較低的代謝組學水平。

這一分子特征存在于與更晚期疾病相關(guān)的多個受累皮質(zhì)區(qū)域，即在 AD 中觀察到更多的 tau 蛋白病理學，以及在 AD 早期和晚期改變的突觸相關(guān)基因和信號通路的失調(diào)。

該團隊的結(jié)果表明，跨組學分析可以捕獲差異，并識別復雜和異質(zhì)性疾病（如阿爾茨海默?。?/span>的分子變異，否則在單模態(tài)組學方法中會被遺漏。利用這種方法，科學家可以更好地了解這種疾病和其他疾病，并為新的突破和潛在的治療鋪平道路。

Benitez 說，跨組學方法可以作為研究人員努力了解阿爾茨海默病的有力工具。他補充說：“這些方法不僅優(yōu)于單一組學分析，而且為這種疾病的發(fā)病機制提供了寶貴的分子見解?！?/span>