随着年龄增长，我们大脑中的微量元素组成会发生逐步变化，但这些“金属组学”的改变作为神经疾病的诊断标志物却鲜有探索。这项来自华盛顿特区、规模空前的研究对1608名个体（涵盖健康衰老至14种神经疾病）脑脊液和血清样本中的24种无机元素进行了综合分析，构成了迄今为止规模最大、标准化程度最高的神经系统金属组学队列。独特之处在于，该研究纳入了未经筛选、连续入组的临床队列，由此捕捉了神经系统疾病表现的完整异质性，克服了传统病例对照研究仅关注单一疾病实体的局限。机器学习分析揭示，衰老与独特的脑脊液元素特征相关，且独立于外周血的变化，主要反映了血脑屏障通透性的改变，并与已确立的白蛋白商测量结果相关。我们识别出两种主要的神经系统元素失调模式：一种主要与炎症性疾病中被动屏障介导的渗漏一致，另一种则主要表明神经退行性疾病中金属稳态的内在扰动。分年龄段分析显示，元素特征在不同病理过程中，在不同生命阶段的演变方式存在差异。通过集成学习方法将元素特征与常规临床参数相结合，显著提高了所有测试神经类别的诊断准确性，从而确立了金属组学作为一个互补的生物标志物类别，能够捕获正交的病理生理信息。这些发现确立了脑部金属组学作为一个新兴领域，其中人工智能揭示了神经系统衰老中复杂的多元素相互作用，为年龄相关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