吳國球教授團隊阿爾茨海默病早期篩查最新研究成果發表

近日，東南大學附屬中大醫院醫學檢驗科主任吳國球教授團隊圍繞阿爾茨海默病（Alzheimer’s disease，AD）早期篩查與數字化分型管理需求，在國際權威數字醫學期刊《npj Digital Medicine》（中科院一區Top期刊）發表題為“A Machine Learning–Enabled Blood Transcriptomic Signature for Digital Diagnosis and Subtyping of Alzheimer’s Disease”的研究成果。該研究聚焦“血液樣本實現AD早期識別與分型”的臨床痛點，為AD的無創篩查與數字化分層管理提供了新的解決方案。東南大學醫學院博士研究生馬碩、碩士研究生陳達文為共同第一作者，吳國球教授為通訊作者。

據介紹，AD早期識別對延緩疾病進展與優化診療路徑至關重要，但傳統檢測在大規模篩查場景中常受侵入性、高成本與設備普及性限制。為此，吳國球教授團隊以“乳酸化（lactylation）相關分子網絡”為機制切入點，整合多隊列轉錄組數據并建立標準化機器學習建模流程（z-score標準化、隨機森林篩選、plsRglm建模及10折交叉驗證），構建了可解釋的血液轉錄組風險評分—乳酸化衍生評分（Lactylation-Derived Score，LDS），并在外部腦轉錄組數據集及獨立臨床血漿隊列（n=540）中完成驗證。其創新在于以機制驅動提煉出便于臨床轉化的小面板（7基因：GFAP、GTF2I、RB1、PFKM、BCLAF1、SPR、SMARCC1），并與血漿p-tau181/217進行互補融合以提升實用性。研究結果顯示，LDS在訓練隊列區分AD與正常對照（NC）的AUC為0.897，在獨立臨床血漿隊列中AUC為0.772；聯合LDS+p-tau181+p-tau217后，三指標模型在獨立臨床血漿隊列中的AUC提升至0.859；同時LDS對AT?個體具有分層識別能力（AUC 0.861），并為前驅期人群分層提供線索（基于LDS基因衍生的五基因分類器對aMCI的AUC為0.809）。

LDS在AD中的開發與轉化應用總體工作流程

該研究為“血液樣本即可實現AD數字化診斷與分型”提供了系統證據：一方面有望支持記憶門診分診、體檢/社區篩查與隨訪監測中的風險評估與分層管理，提升早期識別的可及性；另一方面，通過與成熟血漿蛋白標志物的聯合策略，可在更貼近真實臨床流程的條件下獲得更穩健的判別能力，為推進AD早篩與精準干預提供新的工具與思路。（通訊員趙峰峰 編輯崔玉艷 校對蔡逸秋編審程守勤）