Nature Aging：提前15年预测帕金森病？郁金泰/程炜团队揭开帕金森早期预警密码

编辑丨王多鱼

排版丨水成文

题图为郁金泰教授

帕金森病（Parkinson’s Disease，PD），是一种影响运动和认知功能的神经退行性疾病，也是世界上第二常见的神经退行性疾病，仅次于阿尔茨海默病（AD），影响着约 1%-2% 的 65 岁及以上老人。随着全球人口老龄化，帕金森病患病率还将大幅增加。然而，帕金森病的早期病理生理学尚不清楚。

2025年2月20日，复旦大学附属华山医院郁金泰团队联合复旦大学类脑智能科学与技术研究院程炜团队，在 Nature 子刊Nature Aging上发表了题为：Large-scale proteomic analyses of incident Parkinson’s disease reveal new pathophysiological insights and potential biomarkers 的研究论文【1】。

该研究通过大规模蛋白组学分析，揭示了帕金森病早期生理病理变化及其潜在生物标志物，有望提前 15 年发现帕金森病迹象。

在这项最新研究中，研究团队对来自英国生物样本库（UK Biobank）的 51804 名参与者的 2920 种 Olink 测定的血浆蛋白进行了分析，这些参与者被平均随访了 14.45 年，其中 859 例被诊断为帕金森病。

通过对血浆蛋白的分析，研究团队发现了 38 种帕金森病相关蛋白，排在前 10 的蛋白中有 6 种在帕金森病进展标志物倡议（PPMI）队列中得到了验证，ITGAV、HNMT和ITGAM显示出一致的显著相关性（风险比 = 0.11 ~ 0.57）。

帕金森病在确诊前 15 年即存在明显的脂代谢紊乱，另有 16 种蛋白在确诊前 15 年达到异常水平，例如BAG3、HPGDS、ITGAV、PEPD水平持续下降，这些蛋白质与前驱症状和脑部测量有关。孟德尔随机化结果提示，ITGAM和EGFR是帕金森病的潜在病因。

研究团队使用基于机器学习的预测模型结合了这 16 种蛋白质和人口统计学特征，在 5 年和 5 年以上的帕金森病预测中实现了较高的准确性，曲线下面积（AUC）分别为 0.887 和 0.816，优于单纯基于人口统计学的模型。此外，这在独立外部队列（PPMI 队列）数据中也得到了验证，AUC 为 0.802，展现了可靠的临床应用潜力。

总的来说，这项研究揭示了帕金森病的早期外周病理生理变化，这对开发早期生物标志物和精准治疗至关重要。

2025 年 2 月 20 日，复旦大学附属华山医院郁金泰教授团队联合复旦大学脑科学转化研究院袁鹏教授及中国科学院上海有机化学研究所刘聪教授（博士后吴凯敏为第一作者），在国际顶尖学术期刊Science上发表了题为：Neuronal FAM171A2 mediates α-synuclein fibril uptake and drives Parkinson’s disease 的研究论文【2】。

该研究首次发现了帕金森病（PD）的全新治疗靶点——FAM171A2，并利用基于人工智能的蛋白质结构预测和虚拟筛选技术，成功找到了具有潜在治疗作用的小分子化合物。

这项研究发现的全新治疗靶点和前在治疗药物有望从疾病早期对帕金森病进行干预，延缓疾病进展，结合现有的对症治疗手段，有望实现帕金森病病因治疗与症状缓解的双重突破。

2024 年 11 月 22 日，复旦大学附属华山医院郁金泰、毛颖团队与复旦大学类脑智能科学与技术研究院程炜、冯建峰团队合作，在国际顶尖学术期刊Cell在线发表了题为：Atlas of the plasma proteome in health and disease in 53,026 adults 的研究论文【3】。

这项研究全面绘制了人类健康与疾病蛋白质组图谱，并结合人工智能大数据分析方法，构建了疾病诊断预测模型以及发现了 26 个药物治疗新靶点，为精准医学的实施提供了重要科学依据。