- 5 次围观
内容形式：摘要译文
细胞外囊泡（EVs）有望成为神经退行性蛋白病的微创生物标志物，但其疾病特异性和分期特异性特征仍不明确。本研究共纳入378名受试者，来自5个中心及MJFF-BioFIND队列，包括100名健康对照者（HC）、64名单纯性快速眼动睡眠行为障碍（iRBD）患者、41名初发帕金森病（PD）患者、89名晚期PD患者、32名其他突触核蛋白病患者以及52名Tau蛋白病患者。所有受试者均接受临床评估并采集血液样本。BioFIND队列中的77名受试者还提供了脑脊液（CSF）样本。采用纳米颗粒跟踪分析评估EV浓度和粒径；采用流式细胞术对四跨膜蛋白（CD9/CD63/CD81）及37种表面标志物进行定量。通过多变量逻辑回归、受试者工作特征分析（ROC）及重复随机森林（rRF）分类器评估其诊断效用。与HC组及其他疾病组相比，晚期PD组的EV浓度最高。不同受试者呈现出各异的EV表面免疫表型，其中iRBD组相较于HC组表现出最广泛的免疫激活特征，其次为PD患者。多变量逻辑回归分析确定了不同疾病的诊断标志物组合：iRBD为CD3/CD9/CD25/CD56，晚期PD为SSEA4，突触核蛋白病为CD146/CD209，Tau蛋白病为CD8/CD45/CD62P。ROC分析证实了良好的鉴别性能，其中CD56是区分iRBD与HC的最强单一预测因子，SSEA4对晚期PD表现出较高敏感性，而标志物组合在突触核蛋白病/Tau蛋白病与HC的分类中实现了最佳平衡。在BioFIND队列的脑脊液亚组中，与HC相比，晚期PD患者的EV表现出更高水平的髓系标志物（CD1c）、黏附标志物（CD29）、活化标志物（CD69）及上皮标志物（CD326）。其中，CD326与晚期PD诊断独立相关。采用全部37种表面抗原的机器学习分类器取得了优异的训练表现（iRBD/突触核蛋白病与HC分类的准确率为91.7%–94.3%），并保持了稳健的验证准确率，尤其是在iRBD（77.8%）和初发PD（76.6%）与HC的分类中。EV免疫表型分析揭示了神经退行性蛋白病谱系中各疾病不同的特征，其中对前驱期iRBD的检测具有最高的诊断效用。纵向验证及细化细胞来源分析是推动其临床转化的下一步关键工作。
关键词：细胞外囊泡 · 帕金森病 · 前驱期诊断 · 免疫表型 · 液体活检 · 生物标志物
原文链接：https://www.biorxiv.org/content/10.64898/2026.05.12.724498v1?rss=1