研究的重要性
- 只有少數因素被探討過是否會影響血液中和阿茲海默症相關的生物標記，這個研究做了全面性的評估。
- 這個研究的結果挑戰了單獨使用血液生物標記作為阿茲海默症生物標記的可行性，血液生物標記的變化主要由年齡所驅動，而認知功能、腦部萎縮和遺傳因素的影響較小。
研究方法
在法國26個記憶門診中招募了2,323名有認知抱怨或輕度認知障礙的患者進行MEMENTO研究。
重要結果
血液生物標記的變化比腦脊髓液檢測的結果更容易受到年齡、常規生化檢驗、發炎指標和樣本預處理等因素的影響。
相比之下，腦脊髓液生物標記的變化在更大程度上被阿茲海默症的臨床特徵 （認知功能, MRI, 基因）所解釋，其中認知功能狀況解釋了最大的變異比例。
在amyloid陽性者，血液中阿茲海默生物標記能夠被阿茲海默症的臨床特徵的比例就高了非常多，至少和腦脊隨液相當，甚至更多。
在校正了會影響變異的主要因素後，血液生物標記預測類澱粉蛋白陽性和tau蛋白陽性狀態的能力並未改變 。
Explaining the Variability of Alzheimer Disease Fluid Biomarker Concentrations in Memory Clinic Patients Without Dementia
解釋記憶門診中無失智者阿茲海默症液體生物標記濃度的變異性
文獻出處
背景
AT(N)研究框架：AT(N)分類研究框架的引入，為阿茲海默症的生物標記研究提供了一個新的參考點，強調了在不考慮臨床表現的情況下，通過生物標記來定義阿茲海默症的可行性。
藥物批准的影響：aducanumab和lecanemab獲得加速批准和傳統批准，不僅證明了這些藥物對於減少阿茲海默症患者大腦中類澱粉斑塊的有效性，也強調了生物標記在評估藥物對阿茲海默症影響方面的重要作用。
傳統腦脊髓液標記：傳統上，阿茲海默症的病理標記，如β-類澱粉蛋白和磷酸化tau蛋白水平，以及神經退化的標誌，包括神經纖維輕鏈（NfL）和總tau，主要以在腦脊髓液）中測量為準。
血液生物標記：最近使用超敏感檢測技術的進步已經使得在血液中測量這些生物標記成為可能。與相應的腦脊髓液測量相比，血液生物標記測量提供了諸如更容易和更快速的採集、成本較低和更好的患者接受度等優勢。
理想生物標記的特性：應該僅在受特定疾病影響患者中顯示異常水平，並且不受無關因素的影響。
血液生物標記的影響因素：最近的研究顯示，這些血液生物標記的濃度受到多種條件的影響，包括慢性腎病、心肌梗塞、BMI、糖尿病、血脂異常、高血壓、種族和預分析樣本處理等。
研究目的
研究目的：用大型的法國多中心記憶門診世代研究MEMENTO的資料，主要目標是分析阿茲海默症的臨床特徵及其他協變量對血液和腦脊髓液（CSF）生物標記濃度變異的解釋程度。
血液生物標記的預測效能：評估這些變量對血液生物標記預測類澱粉（A+）或tau（T+）病理狀態的影響。
研究方法
研究族群
- 世代研究概述：MEMENTO世代在2011至2014年間，從26個法國記憶門診招募了共2,323名非失智症參與者。
- 招募標準：有認知抱怨並且臨床失智評量CDR為 0（正常）或0.5（輕度認知障礙的代理）。
- 認知障礙評估：使用整套的神經心理測試評估認知障礙的程度，並使用視覺量表評估認知抱怨的強度。
- 主要排除標準：造成持續性神經功能缺損的頭部創傷史、過去3個月內或有造成持續神經功能缺損的中風史、腦腫瘤、癲癇、精神分裂症、已知的基因變異型家族性阿茲海默症，以及文盲。
評估項目
加入時的評估：全面的臨床和認知功能評估。
進行了臨床失智評量（CDR）評估
整套神經心理測試評估記憶 (Free and Cued Selective Reminding Test, FCSRT)、執行功能 (Trail Making Test part B, TMT-B)、語言和注意力。
藥物和共病情況的收集：從醫療記錄或參與者報告中獲取藥物使用情況和共病症的情況。
生物樣本收集：常規檢查，包括血糖、膽固醇、腎功能、血球計數、血紅素、肝功能和電解質。
MRI：
1mm 等距 T1加權影像和 T2加權FLAIR影像。
使用SPM12標準化測量顱內體積，使用SACHA測量海馬迴體積，以及使用FreeSurfer 5.3測量皮質厚度。
- 類澱粉Amyloid PET：
- 使用的追蹤劑為18F-florbetapir（Amyvid）或18F-flutemetamol（Vizamyl）。每種追蹤劑對類澱粉陽性有特定的閾值（florbetapir>0.88，flutemetamol>1.063）。
- 腦脊髓液生物標記：
- 腰椎穿刺是一個可選擇的檢查。對於同意進行腰椎穿刺的參與者，其腦脊髓液（CSF）按照標準化協議收集
- Aβ-42、Aβ-40、total tau 和ptau181使用INNOTEST套件（Fujirebio, Ghent, Belgium）進行測定。
- 神經纖維輕鏈（NfL）使用Simoa 在 Quanterix HD-X分析儀上評估。
- 只有在血液採樣後90天內收集的腦脊髓液才納入分析。
血液生物標記：
基線樣本用於全基因測序、n發炎標記和阿茲海默症血液生物標記的分析。
基因型測定：使用Gentra Puregene血液套件（Qiagen, Hilden, Germany），測定了35個與阿茲海默症失智風險相關的SNP，包括APOE基因型。計算基因風險評分。基因風險評分計算時排除了APOE基因型，以排除其因高頻率和大效應可能造成的大影響。
發炎標記：使用商業的Bio-Plex Pro套件（Bio-Rad, Hercules, CA），測量血清中的發炎標記，包括白介素（IL）-6、IL-10、IL-12p70、IL-18、TNF-α、RANTES（CCL5）和IP-10（CXCL10）。
阿茲海默症血液生物標記測量：使用Quanterix HD-X分析儀上的Simoa免疫分析套件測量。使用Neurology 3-Plex A Advantage套件測量血漿Aβ42、Aβ40和total tau，使用p181-tau Advantage V2套件測量p181-tau，使用NF-light Advantage套件測量血清NfL。
內部變異系數internal coefficient of variation 分別為Aβ-40 8.0%、Aβ-42 9.7%、total tau 10.9%、p181-tau 11.1%和NfL 12.7%。
分析方法
變量呈現方式：變量以中位數和四分位距或頻率和百分比呈現
腦脊髓液與血液生物標記的相關性評估：使用onparametric Spearman rank correlation 相關測試來評估。
生物標記變異量解釋比例的評估：使用R^2值來評估生物標記變異量的解釋比例。R^2值的範圍從0到1，1表示一個完美的模型，能解釋數據中的所有變異量。為了能更清楚的解釋，我們將R^2值以百分比（0%–100%）形式呈現，代表每個變量在整體模型中解釋的變異量比例。
識別與生物標記濃度相關的特徵：
第一步，使用線性回歸模型來估計有興趣的生物標記與阿茲海默症（AD）臨床特徵之間的關聯。
阿茲海默症生物標記：即Aβ-42、Aβ-40、tau、p181-tau和NfL以及Aβ-42/Aβ-40和p181-tau/tau比例數據進行了對數轉換以使其呈現正常分布，然後標準化。
亞組分析：根據CDR( 0 vs. 0.5）、類澱粉PET掃描狀態或異常的腦脊髓液Aβ-42，以及教育程度進行分層比較分析。
認知功能：CDR-SoB、自由和提示選擇提醒測試（FCSRT）和Trail Making Test B（TMT-B）。
MRI特徵：標準化海馬迴體積（海馬迴體積/顱內體積）和平均皮質厚度在entorhinal, inferior temporal, middle temporal, and inferior parietal cortices; fusiform gyrus; 和 precuneus腦區。
阿茲海默症遺傳風險因子：APOE ε4和一個排除APOE的遺傳風險評分。
探索可能與血液和腦脊髓液生物標記濃度相關的非阿茲海默症相關因素：包括年齡、性別、常規生化測量、血液發炎標記、行為和心血管風險因素（收縮壓和舒張壓、心率、BMI、酒精和香煙掫取以及體力活動）、治療（如果有≥50個人接受同一種治療）、共病（如果在≥50個人中有此種共病），以及預分析樣本處理（從收集到冷凍的延時小時數、在-80°C下儲存的持續時間、收集時間和空腹狀態）在內的一系列候選變量。
分析模型
單變量線性回歸分析：針對每個候選變量分別執行，即每個生物標記和變量各自設定成一個線性模型。考慮到多重測試中第一型錯誤，應用了false discovery rate correction假發現率校正，並將統計顯著性設定為0.05
多變量線性回歸：包括與阿茲海默症臨床特徵和非阿茲海默症相關因素在單變量線性回歸中顯示顯著相關的變量，並執行基於p值<0.05的逐步選擇，以確定最終模型。
LASSO方法：least absolute shrinkage and selection operator (LASSO) 以從所有阿茲海默症臨床特徵和非阿茲海默症相關因素變量中選擇與生物標記濃度相關的變量。
最終模型：每個生物標記的最終模型包括在逐步選擇後統計上顯著的變量和相應的LASSO選擇。
整體和部分R^2值：從最終模型中產生，以確定模型解釋的變異量比例。
校正血液生物標記濃度以預測病理狀態：為了測試是否能提高疾病狀態的預測準確度，對血液生物標記濃度進行了校正。
校正考慮了藥物攝取、共病、實驗室結果和發炎標記的影響。從最終多變量線性回歸模型得出的係數作為調整的依據。
通過計算校正前後血液生物標記的曲線下面積（AUC）差異來評估預測性的變化。
統計軟體：使用SAS 9.4 （SAS Institute Inc., Cary, NC）進行。
結果
參與者基本特徵
與者的中位年齡為72歲，其中61.8%為女性，55.2%具有較高的教育水平。其中305名（13.5%）在收案後90天內（中位數7天）進行了腰椎穿刺。
阿茲海默症臨床特徵對血液生物標記變異的解釋
- 阿茲海默症的臨床特徵包括認知功能、遺傳風險評分、標準化海馬體積，以及MRI上的皮質特徵。
- 由臨床特徵解釋的變異量依次為：NfL 13.7%、p181-tau 11.4%、p181-tau/tau 5.9%、Aβ-42/Aβ-40 3.0%、Aβ-40 1.9%、total tau 1.4%、以及Aβ-42 1.3%。
阿茲海默症臨床特徵對腦脊髓液生物標記變異的解釋
- AD的臨床特徵解釋了更大比例的腦眘髓液中生物標記的變異，分別是Aβ-42（26.8%）、NfL（24.8%）、Aβ-42/Aβ-40比率（22.3%）、total tau（19.8%）和p181-tau（17.2%）。
血液生物標記分層分析
- 在類澱粉陽性的分層分析：
- 與類澱粉陰性組相比，阿茲海默症臨床特徵對血液生物標記變異所解釋的比例在類澱粉陽性組中顯著較高。
- 除了NfL外，大多的指標在amyloid陽性者，血液中阿茲海默生物標記能夠被阿茲海默症的臨床特徵的比例至少和腦脊隨液相當，甚至更多。
- 血液生物標記在其它分層分析
- 根據CDR或教育程度的分組分析中，解釋的變異比例在各分組中大致相當。
腦脊髓液生物標記的分層分析
- 對於腦脊髓液生物標記，CDR、類澱粉陽性和教育程度分組對臨床AD相關因素所解釋的變異比例的影響較小。
相關變量對血液生物標記所解釋的變異
- 包括基本資料特徵、常規生化測量、發炎標記、行為和心血管風險因素、飲酒、體力活動、治療、共病以及樣本處理。
- 年齡對血液生物標記變異的貢獻：年齡解釋了較大比例的血液生物標記變異（Aβ-40: 6.1%，Aβ-42/Aβ-40: 4.2%，p181-tau: 9.2%，p181-tau/tau: 7.2%，以及NfL: 35.9%）。
- 非阿茲海默症相關因素對血液生物標記變異的貢獻：非AD相關因素解釋的比例（Aβ-42: 7.1%，Aβ-40: 5.1%，Aβ-42/Aβ-40: 2.9%，p181-tau: 4.6%，p181-tau/tau: 4.9%，以及NfL: 9.8%）。
- 阿茲海默症臨床特徵對血液生物標記變異的貢獻：除p181-tau外（6.7%，包括遺傳評分3.1%，認知功能3.1%，以及腦MRI上的AD特徵0.5%），其它的血液生物標記能被阿茲海默症的臨床特徵解釋了較小的比例。
- 其他因素對變異的貢獻：性別、發炎標記、行為和心血管風險因素、治療和共病對解釋的變異作出了有限的貢獻。
- 標準生化測量對變異的貢獻：與阿茲海默症的臨床特徵相比，標準生化測量對Aβ-42（總共4.0%，Creatinine 2.85%，ALT ; 0.61%，和TG 0.50%]），Aβ-40（共2.5%, creatinine 1.68%，ALK-P 0.45%，血小板 0.28%，和ALT 0.14% ），total tau（總共 2.7%，ALT 0.66%，HDL 0.55%，CL0.52，血紅素 0.49%，和總膽紅素 0.48%），以及NfL（共5%，creatinine 3.93%，血紅素 1.02%，和HDL 0.05%) 解釋了更大的變異。
- LASSO選擇的協變量：解釋最大比例變異的變量會在LASSO模型中被選中的頻率最高（例如，年齡和p181-tau 100%，年齡Aβ-42/Aβ-40 96%，以及肌酐和NfL 94%）。
- 並未發現任何變量彼此之間有顯著共線性。
相關變量對腦脊髓液生物標記變異的解釋：
- 阿茲海默症的臨床特徵：除了NfL外，對所有腦脊髓液生物標記的變異能夠解釋的比例更高。
- 特定變量與生物標記的顯著關聯：
- 活化部分凝血活酶時間aPTT與p181-tau之間存在顯著關聯，解釋了4.6%的變異量，以及與total tau之間解釋了5.6%的變異量。
- 偏頭痛與 total tau（解釋了2.3%的變異量）和p181-tau/tau比率（解釋了3.4%的變異量）之間也存在顯著關聯。
- 在發炎標記、行為風險因素和治療間未觀察到其他關聯。
校正後的血液生物標記濃度：與腦脊髓液生物標記和預測類澱粉（A+）和Tau（T+）的相關性：
- 與腦眷髓液相關性：
- 未校正和校正後的血液與腦脊髓液生物標記之間的相關性沒有重大差異。
- 血液Aβ-42（從校正前的r = 0.27到校正後的r = 0.33）和血液p181-tau（從r = 0.30到r = 0.33）觀察到最大增加。
- 預測CSF類澱粉陽性和amyloid PET陽性
- 血液Aβ42的預測性能觀察到輕微提升（對於CSF Aβ-42狀態的 AUC: +0.026；對於類澱粉PET狀態的AUC: +0.013，。
- 其他血液生物標記的校正值顯示出小差異（<0.01）或較低的AUC值。
研究優勢與限制
研究優勢
- 全面性分析：這是一項對與阿茲海默症血液生物標記相關的因素進行全面分析的研究，
- 多種血液生物標記的檢查：我們檢查了多種血液生物標記，並針對腦脊髓液標記使用了類似的方法檢驗。
- 變異量比例提供易於理解的發現：變異量的比例提供了生物標記濃度被各種因素解釋的程度，超越了統計顯著性。
研究限制
- 腦脊髓液亞組樣本較小：腦脊髓液亞組樣本相對較小（n = 305）。儘管在這個亞組樣本中阿茲海默症血液生物標記的R^2較高，整體結果與總群體保持一致。
- 線性模型解釋變異比例（R^2）的計算固有限制：為了解決這些限制，對生物標記濃度進行了對數轉換和標準化，以便於跨分析比較。
- 與法國阿茲海默病資料庫的輕度認知障礙個體相比：我們的樣本在女性的比例（62%對比59%）、年齡較年輕（72歲對比76歲）、高教育程度者較多（55%對比15%）和較高的MMSE 得分（28對比25）。
- 將結果推展到與一般社區族群時應謹慎：此為在門診中收集之族群。
- 分析中未包括p217-tau、p231-tau和GFAP: 因為目前在MEMENTO數據庫中沒有資料。
結論
- 阿茲海默症臨床特徵對血液生物標記的影響：阿茲海默症的臨床特徵，包括記憶、執行功能、標準化海馬體積、阿茲海默症的皮質特徵、APOE ε4狀態和阿茲海默症遺傳風險評分，只解釋了血液生物標記水平變異的一小部分。
- 年齡和其他變量對血液生物標記的影響：如常規生化測試、發炎標記、行為風險因素、治療、共病和預分析樣本處理，解釋了比阿茲海默症臨床特徵更大比例的血液生物標記變異，
- 除了p181-tau：年齡解釋了9.2%的變異，阿茲海默症臨床特徵解釋了6.7%，其他協變量解釋了4.6%。
- 阿茲海默症臨床特徵腦脊髓液生物標記的影響：相反的，阿茲海默症的臨床特徵解釋了腦脊髓液生物標記水平變異的大部分，超過了年齡影響的10倍，除了NfL和Aβ-40。
- 血液生物標記變異量未能被解釋的大部分：
- 儘管考慮了眾多變量，血液生物標記水平的變異量仍有54%至92%未能被解釋。
- 周邊器官產生的蛋白質：如腎臟、骨骼肌和乳腺產生，生產源無法區分。
- 其他變量對血液生物標記的影響
- 生物標記與creatinine的顯著相關：
- creatinine與p181-tau、Aβ-42、Aβ-40、NfL以及p181-tau/tau比率之間顯著相關。然而，與total tau或Aβ-42/Aβ-40比率沒有觀察到顯著關聯。
- BMI與p181-tau和NfL濃度之間存在關聯。
與治療、發炎標記、常規生化測量和預分析樣本處理發現新關聯。
- 生物標記與creatinine的顯著相關：
腦脊髓液生物標記與血液檢測的對比結果：
- 年齡對腦脊髓液生物標記變異的影響較小。
- 阿茲海默症臨床特徵對腦脊髓液生物標記的影響較大。
- 腦脊髓液與血液生物標記差異的原因：可能於血腦屏障相關，它可能保護腦脊髓液免受藥物、周圍發炎、腎病和其他因素的影響。
校正非阿茲海默症相關因素對預測類澱粉（A+）和Tau（T+）狀態的影響：
- 校正調整後的血液與腦脊髓液生物標記相關性不變：在調整常規實驗室檢查、治療和共病後，血液和腦脊髓液生物標記之間的相關性，以及血液生物標記在預測A+或T+狀態的表現保持不變。
- 常規實驗室檢查、治療和共病對生物標記水平的影響小：儘管統計上顯著，但對生物標記的影響很小。
- 在臨床實務中考慮這些混淆因素可能不僅複雜，而而邊際效應不高。
阿茲海默症血液生物標記的臨床實用性疑慮：
- 反映阿茲海默症臨床特徵的能力有限
- 作為篩檢工具的潛在用途：篩檢出那些患者值得做進一步的檢查。
- 年齡的重要性：血液檢查的結果必需考慮年齡的關鍵影響。
個人想法
- 阿茲海默症血液生物標記的測量的對於阿茲海默病理變化的相關性和正確性，一直是近年來研究的重點，在正確性上其實一直有被質疑，但近2-3年來，一直呈現的是它的準確性愈來愈高，於是就較少去討論血液檢測的結果到底受到多少周邊器官製造和排出這些蛋白質的影響力。
- 但解讀這篇文章的結果時還是要小心謹慎，用統計方法所做出的解釋性比例是否真實，我個人是有些存疑，未知的干擾因素可能摻雜在其中。
- 看來影響血液檢測阿茲海默生物標記最大的年齡，不過年齡影響了肝腎功能，還有周邊組織的退化可能也會有類似的蛋白質出現，像NfL 就是之前已知受年齡影響很大。
- 但在校正了所有因素之後並沒有進一步提高血液檢驗的數值和腦脊髓液檢測結果的相關性，或是預測amyloid 和Tau陽性的能力，這點就有點有趣了，若是他們的影響真的那麼大，那校正為何沒有用呢？還有其它因素，還是這些年齡等相關因素的變化也和阿茲海默的嚴重度相關。
- 阿茲海默的臨床特徵包括認知功能測驗，MRI等變化，即使是和腦脊髓液生物標記的濃度較相關，但其實也只解釋了大約兩成左右。還有許多其它未知的因素？
- 此外，此研究中用到的阿茲海默的臨床特徵大多是發生在生物標記產生的後期，amyloid 和tau先有變化，MRI才有變化，再來才是認知功能，所以分析他們的相關性是否準確？尤其是相同的生物標記變化下，認知功能的表現因為大腦韌性和可塑性可能有很大的變異性，所以相關性上本來就沒那麼好。
- 事實上除了NfL外，大多的指標在amyloid陽性者，血液中阿茲海默生物標記能夠被阿茲海默症的臨床特徵的比例至少和腦脊隨液相當，甚至更多。這好像也合理，血中這些指標的量都很少，在amyloid 陰性者，可能就大部分和腦的變化不相關，所以血液指標應該是要到某一個濃度以上，就代表腦中的amyloid是陽性的，血液中的變化和腦中病理變化的相關性就高了。
- 研究中沒有分析在amyloid陽性者，年齡對血液生物指標的影響是不是還那麼大。
- 至少在amyloid陽性者，血液指標可能還是一個可以追蹤腦內變化的工具。
- 此研究結果最大的貢獻，應該是提醒我們在解讀年紀較大的患者的血液檢測結果時，要考慮的因素較多，要謹慎，不要驟下結論。