随着年龄增长，人脑中的元素组成会逐渐发生变化。然而，这些“金属组”的变化作为神经系统疾病的诊断生物标志物，在过去并未得到充分探索。来自华盛顿特区的研究团队对此进行了一项大规模分析，首次系统化地标准化了涵盖1608名个体（包括健康老年人和14种神经系统疾病患者）的脑脊液和血清样本中的24种无机元素。这是迄今为止在神经金属组学领域规模最大的研究队列，其独特的非选择性、连续入组临床队列捕捉到了神经系统疾病表现的全面异质性。研究发现，衰老与独特的脑脊液元素特征相关，且这些变化独立于外周血的变化，主要反映了血脑屏障通透性的改变（与已建立的白蛋白比值测量值相关）。通过机器学习分析，研究人员识别出两种主要的神经元素失调模式：一种主要与炎症性疾病中被动屏障介导的渗漏一致，另一种主要指示神经退行性疾病中金属稳态的疾病内在扰动。不同年龄段的元素特征演变模式在不同病理过程中也有所不同。将元素特征与常规临床参数相结合，通过集成学习方法显著提高了所有测试神经疾病类别的诊断准确性。这些发现确立了脑金属组学作为一个新兴领域，人工智能在此领域能够揭示神经衰老中复杂的多元素相互作用，为年龄相关的神经系统疾病的精准医学开辟了新途径。
📎 来源：Research (Washington, D.C.) | 查看原文