方法：本研究采用横断面设计，共纳入231例ALS患者(初始队列183例，独立验证队列48例)和384例健康对照(初始队列309例，独立验证队列75例)。本研究通过Olink Explore 3072平台，对所有研究对象血浆中的2926种蛋白质进行高精度定量分析，数据分析采用三阶策略：①首先通过广义线性模型筛选ALS患者与健康对照间的差异表达蛋白；②随后基于33个差异蛋白及临床变量，运用随机森林等10种机器学习算法构建诊断分类模型；③最后采用包含内部80/20样本分割验证、外部NIH及UKBiobank独立队列验证的双轨验证体系，以确保结果的稳健性。

结果：

①诊断标志物组合性能优异：共鉴定出33个ALS特异性差异表达蛋白，其中神经丝轻链(NEFL)的差异变化最为显著(血浆log₂折叠变化=2.34，P=2.22×10⁻⁸⁸)。基于17个核心差异蛋白构建的随机森林模型展现出卓越诊断效能，在内部测试集中曲线下面积(AUC)达98.3%；在NIH独立队列及UKBiobank独立队列中验证该模型时，准确率仍维持在>99%。该模型的关键优势在于不依赖单一指标，即使排除贡献度最高的NEFL，诊断性能仅下降2.4%-13.2%。

②症状前预测能力突出：回溯分析110例ALS患者出现临床症状前采集的血浆样本发现，ALS风险评分随距临床发病时间的缩短呈显著上升趋势(R²=0.74)，平均可在症状出现前6.4年(2-14年)检测到蛋白表达异常；其中NEFL、CSRP3等蛋白在症状前阶段已出现明显变化，提示ALS病理进程在临床症状显现前数年已启动。

③揭示疾病机制与亚型特征：差异表达蛋白显著富集于与骨骼肌退化、能量代谢紊乱相关的通路及NMDA受体兴奋性毒性通路；遗传分析表明，这些蛋白的表达变化并非由遗传变异直接介导，更可能是疾病进展过程中产生的次级效应。此外，在C9orf72基因突变携带者中检测到SMAD3等8种特异性上调蛋白，为ALS亚型的精准分型提供了分子依据。

结论：本研究首次成功构建基于血浆蛋白质组学的ALS诊断模型，其中基于17个核心蛋白的随机森林模型的AUC达98.3%。该模型不仅能有效区分ALS患者与健康人群，还可在临床症状出现前数年预测疾病发生风险。研究结果揭示ALS前驱期病理变化的起始时间远早于既往认知，为ALS早期干预策略的制定和临床试验方案的设计提供了关键分子依据与重要全新思路。

原文信息

A plasma proteomics-based candidate biomarker panel predictive of amyotrophic lateral sclerosis

作者信息

第一作者：Ruth Chia , Ruin Moaddel

通讯作者：Bryan J Traynor

通讯作者单位：Neuromuscular Diseases Research Section, National Institute on Aging, National Institutes of Health, Bethesda, MD, USA.

DOI: 10.1038/s41591-025-03890-6