近日，復旦大學科研團隊采用大規(guī)模蛋白質組學數據和人工智能算法，發(fā)現了預測未來癡呆風險的重要血漿生物標志物，可實現提前15年預測癡呆發(fā)病風險。

相關成果發(fā)表在《自然·衰老》，《自然》主刊評價這項研究“標志著向能在早期無癥狀階段檢測阿爾茨海默病及其他類型癡呆的血液檢測方法邁進了一步?！?/p>

對癡呆的早期識別和干預能顯著降低疾病負擔。由于傳統(tǒng)有創(chuàng)或高成本檢查技術均有局限，研究人員希望找到便捷、無創(chuàng)、可靠的生物標志物用于篩查。

復旦大學類腦智能科學與技術研究院馮建峰教授/程煒研究員團隊，聯(lián)合復旦大學附屬華山醫(yī)院郁金泰教授團隊，基于大樣本隊列數據，對52645名非癡呆社區(qū)人群進行了平均超14年的追蹤隨訪，其中1417位參與者被診斷為新發(fā)全因癡呆（ACD）、691名患者被診斷為新發(fā)阿爾茨海默?。ˋD）、285名患者被診斷為新發(fā)血管性癡呆（VaD）。

通過分析1463種血漿蛋白質數據，團隊發(fā)現了對癡呆預測極具價值的血漿生物標志物。

研究團隊表示，經過模型分析和機器學習算法分析，GFAP、NEFL和GDF15這三個血漿蛋白質始終與新發(fā)ACD、AD和VaD的風險關聯(lián)最顯著。

對不同血漿蛋白水平與疾病臨床進展風險間關聯(lián)的分析發(fā)現，基線GFAP、NEFL或GDF15水平較高的受試者未來患癡呆的風險大大增加。

例如，GFAP基線水平較高的人未來患癡呆的幾率是GFAP基線水平較低者的2.32倍。

據介紹，此項研究可提前15年預測癡呆發(fā)病風險且精度突破90%?！斑@表明蛋白質組學在腦疾病早期精準識別和干預中可發(fā)揮重要作用，為未來腦疾病研究提供了新思路?！背虩樥f。

研究團隊透露，下一步將圍繞我國癡呆風險人群隊列開展數據采集和交叉驗證，對相關數據作出矯正，開發(fā)出最適合我國人群的癡呆風險預測數據模型。