生命科学学院张研实验室与合作者共同开发用于筛查阿尔茨海默病的高性能血浆生物标志物组合和飞摩尔级无标记生物传感...

　　

2023年12月15日，北京大学生命科学学院张研教授课题组、京东方科技集团股份有限公司合作在美国化学会旗舰期刊ACS Nano杂志在线发表了题为“High-Performance Plasma Biomarker Panel for Alzheimer’s Disease Screening Using a Femtomolar-Level Label-Free Biosensing System”的论文。该研究利用超灵敏石墨烯场效应晶体管（gFET）传感器测定了多中心临床队列人血浆中阿尔茨海默症（AD）生物标志物淀粉样蛋白Aβ40、Aβ42、磷酸化P-tau181、P-tau217和神经丝轻链蛋白（NfL）含量。同时，该研究采用机器学习算法对这些血浆生物标志物进行组合分析，构建了一个“Composite-Info”生物标志物组合，显著提高了AD进展的分期性能。在接收者操作特征曲线（ROC）上，该组合的曲线下面积（AUC）大于 0.94。此外，与简易精神状态量表（MMSE）/蒙特利尔认知评估（MoCA）和核磁共振成像（MRI）相比，该研究在基于个体的分期评估中表现出优势，为早期筛查AD提供了一个快速的检测诊断系统。

图1. 基于多靶标检测的血液筛查阿尔茨海默症方法

AD是老年人痴呆症的主要病因，然而，由于缺乏对阿尔茨海默病理的了解，目前的疗法无法预防或逆转认知能力的下降。轻度认知障碍（MCI）的预后对潜在的老年痴呆症治疗至关重要，因为它既可能发展为痴呆症，也可能保持良性和稳定。此外，在MCI阶段，也可以通过脑脊液（CSF）分析或正电子发射断层扫描（PET）成像检测到AD的关键生物标志物，如Aβ和P-tau。尽管脑脊液分析和正电子发射断层扫描可提供诊断信息，但由于腰椎穿刺的侵入性以及正电子发射断层扫描的高成本和有限可用性，它们的实施受到了限制。相比之下，检测血液样本中与AD相关的生物标志物可为诊断AD提供有效而经济的方法。

图2. 基于自研传感器进行血液样本的多靶标检测结果

迄今为止，用于从健康人群中对AD患者进行分类的相关生物标志物最佳组合仍在开发中，基于血浆的Aβ、tau和神经退行性标志物（如NfL和GFAP等）作为组合进行诊断已经成为当前国际框架共识（ATN体系），目前逻辑回归方法在单标志物判断方法取得了一些进展，有助于开发AD诊断标志物。与此同时，其他分类策略，如随机森林和支持向量机等方法，在样本有限的多变量问题上表现出色。通过这些机器学习方法的组装，可以发现多生物标志物的AD精确诊断方法。此外，血浆中的生物标志物浓度通常比脑脊液中低十倍以上，常规手段很难对血浆进行高性能的AD相关标志物检测。此外，血液成分的复杂性也使准确可靠地检测血液中的生物标志物变得困难。因此，超灵敏检测方法对有效分析血浆生物标志物至关重要。gFET生物传感器可在数小时内将这些生物标志物的检测限降至飞摩尔水平，从而提供了超灵敏检测血浆中ATN生物标志物的可能。

图3. 基于诊断模型实现临床样本的三分类区分

针对现存问题，本研究构建了超灵敏gFET装置，并开发了基于多靶标生物标志物的诊断组合。该gFET装置对血浆中的AD生物标记物具有极高的选择性和灵敏度，其LoD达到飞摩尔级。除了飞摩尔灵敏度外，该装置还能选择性地检测血浆中五种与AD相关的生物标记物。通过多种机器学习算法的使用，将多种标志物和临床信息进行有效组合并进行诊断分期，得到表现良好的“Composite-info”生物标志物组合。其可以成功地对NC、MCI和AD患者进行分类，AUC可达0.94。这项工作提供的一种传感平台和“Composite-info”生物标志物组合，可用于早期AD诊断，在临床上具有良好的前景。

论文第一作者为北京大学与京东方科技集团联合培养博士后王世才博士，京东方科技集团邓睿君博士和北京大学博士后陈智雅博士，共同通讯作者为张研、京东方科技集团的赵子健博士和李延钊博士。该研究获得中国科技部、国家自然科学基金委、北京大学生命科学学院启东产业创新基金、京东方科技集团和朝阳区博士后经费资助等的支持。