跳到正文
Nature Communications· Woo Jae Kim; Mingee Chung; Seneshaw Asress; Adam N. Trautwig; Eric Dammer; Christina N. Fournier; Nicholas T. Seyfried; Zachary T. McEachin; Jonathan D. Glass; Eleanor V. Thomas·· 来源仅提供日期AI 评分59

10蛋白血浆组合可高准确度预测ALS

Ten protein panel predicts ALS from plasma with high accuracy

AI 导读

研究分析632名ALS患者和160名健康对照的血浆样本,识别出10蛋白组合并在独立验证队列中以高准确度区分ALS。该组合从12蛋白候选面板中筛选而来,在144名ALS患者和37名对照中取得98.3%平衡准确率和0.992的AUC。研究显示模型表现主要由血浆蛋白组特征驱动,而非临床变量或单一神经丝轻链,并支持开发可临床部署的血液ALS筛查工具。

已发表论文 · journal · 10.1038/s41467-026-78766-5

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

IF(5) 18.9 · 2025 · 期刊参考指标

摘要 · AI 翻译

预测性生物标志物正日益用于指导临床试验设计、诊断以及神经退行性疾病患者的管理。我们使用 NULISA 中枢神经系统与炎症检测 panel 对 632 名 ALS 患者和 160 名健康对照者的血浆进行了分析,并采用带嵌套交叉验证的 eXtreme Gradient Boosting(XGBoost)以及 SHapley 加性解释(SHAP)来识别疾病相关蛋白。借助 SHAP 特征重要性和绝对定量,我们将候选 panel 精简至 12 种蛋白,随后在独立验证队列(144 名 ALS 患者、37 名对照)中进行了评估。我们最终确定了一个 10 蛋白 panel(NEFL、FOLR1、pTau-181、TREM1、VEGFA、NEFH、CALCA、NRGN、LAMP3 和 PTX3),其分类性能出色(平衡准确率 98.3%;AUC 0.992)。模型的性能由血浆蛋白质组特征驱动,而非临床变量,且并不单独依赖神经丝轻链。该研究涵盖超过 750 例 ALS 病例,支持开发一种可临床部署的基于血液的 ALS 筛查工具。借助大规模血浆蛋白质组学,Kim 等人识别出 ALS 中发生改变的蛋白,并开发出一个具有高分类准确率的 10 蛋白模型,为开发有助于更早诊断 ALS 的血液检测工具提供了支持。

来源:Nature Communications · doi.org