高通量脑脊液蛋白质组学和机器学习识别蛋白质组签名帕金森疾病的发展和进步

背景和目的:本研究旨在确定脑脊液蛋白质组签名帕金森病(PD)的特点和评估他们的临床效用。

方法:这从帕金森进展标记观察研究利用数据倡议(PPMI),共招收了PD患者,健康对照组(高碳钢)和non-PD参与者携带GBA1,LRRK2和/或SNCA突变(genetic-prodromals)在国际网站。研究参与者选择从PPMI新生aptamer-based脑脊液蛋白质组数据的可用性的基础上,量化4071蛋白质,归类为PD患者GBA1,LRRK2和/或SNCA突变(non-genetic-PD),高碳钢,PD患者携带上述突变(genetic-PD),或genetic-prodromals。差异表达蛋白(DEP)分析和最绝对的收缩和选择算子(套索)应用于数据形式non-genetic-PD和高碳钢。签名的特点non-genetic-PD被量化为PD蛋白质组学分数(PD-ProS),验证内部和外部使用数据1556脑脊液蛋白质LRRK2队列财团(LCC)。我们进一步测试了PD-ProS genetic-PD genetic-prodromals,与临床进展和研究协会。

结果:数据从279年non-genetic-PD患者(均值±标准差、年龄,62.0±9.6年;男性,67.7%)和141高碳钢(年龄,60.5±11.9年;男性,64.5%)用于PD-ProS推导。从23 DEPs,套索确定权重的14 DEPs PD-ProS(曲线下的面积(AUC) = 0.83(95%可信区间(CI), 0.78 - -0.87)),验证在一个独立的内部验证群71 non-genetic-PD患者和35高碳钢(AUC = 0.81 (95% CI, 0.73 - -0.90))。在LCC,只有5的14 DEPs也测量。重要的是,这些5 DEPs仍然杰出31 non-genetic-PD患者从34高碳钢相同的权重(AUC = 0.75 (95% CI, 0.63 - -0.87))。此外,从365年genetic-prodromals PD-ProS杰出的258 genetic-PD患者。最后,无论基因状态,PD-ProS独立预测认知和运动减少PD(痴呆,调整风险比排位最高的(aHR-Q5) = 2.8 (95% CI, 1.6 - -5.0);Hoehn和Yahr四期,aHR-Q5 = 2.1 (95% CI, 1.1 - -4.0))。

讨论:通过将高通量蛋白质组学与机器学习,我们确定PD-associated脑脊液蛋白质组签名PD开发和发展的关键。

试验注册信息:Clinicaltrials.gov (NCT01176565)。审判的链接注册页面https://clinicaltrials.gov/ct2/show/NCT01141023。

证据的分类:本研究二类提供证据证明临床脑脊液蛋白质组包含重要的信息关于帕金森病的发展和发展,可以破译高通量蛋白质组学和机器学习的结合。