铜铁代谢相关生物标志物在阿尔茨海默病中的鉴定与多组学诊断模型构建

《Cellular and Molecular Neurobiology》：Identification of Copper and Iron Metabolism Related Biomarkers in Alzheimer’s Disease

　　本研究针对阿尔茨海默病（AD）中铜/铁代谢紊乱的机制空白，通过整合GEO与GeneCards数据库，筛选出26个差异表达的铜铁代谢相关基因（DECIGs），并基于PPI网络鉴定出GOT1、LDHA、UQCRFS1等关键靶点。经ROC曲线（AUC>0.8）与qRT-PCR验证，构建的多基因诊断模型在独立队列中表现出显著预测效能（AUC=0.794），为AD的早期诊断提供了新型生物标志物和理论依据。

　　

阿尔茨海默病（Alzheimer’s Disease, AD）作为一种复杂的神经退行性疾病，其病理机制至今尚未完全阐明。近年来，越来越多的证据表明，大脑中金属离子代谢紊乱，尤其是铜和铁的动态平衡失调，与AD的发病过程密切相关。研究表明，AD患者脑组织中铜浓度显著升高，这种异常积累会促进β-淀粉样蛋白（Aβ）沉积，并引发氧化应激和神经炎症；而铁过载则通过芬顿反应产生羟基自由基，导致神经元氧化损伤，甚至激活铁依赖性细胞死亡通路——铁死亡（ferroptosis）。尽管已有研究分别探索了铜或铁代谢相关基因在AD中的作用，但尚未有研究系统挖掘同时关联两种金属代谢的关键分子标志物。

为解决这一问题，研究团队基于GSE5281数据集（包含87例AD和74例对照样本）筛选出1191个AD相关差异表达基因（DEGs），并结合GeneCards数据库中铜代谢（评分>11）和铁代谢（评分>16）相关基因，最终鉴定出26个DECIGs。通过蛋白互作（PPI）网络分析，研究人员进一步聚焦于12个枢纽基因，其中GOT1、LDHA、UQCRFS1等基因在ROC曲线中表现出优异诊断价值（AUC>0.8）。随后，利用Aβ₄₂处理的PC12细胞模型进行qRT-PCR验证，证实上述基因在AD条件下表达显著下调。基于这三类基因构建的多基因诊断模型在独立数据集GSE132903中仍保持较高预测能力（AUC=0.794），并进一步结合年龄、性别等因素建立列线图模型（C-index=0.882），为AD风险分层提供了实用工具。

关键实验技术

本研究主要采用生物信息学分析（包括差异表达基因筛选、GO/KEGG富集分析、PPI网络构建）、ROC曲线评估诊断效能，以及qRT-PCR实验验证基因表达。所用脑组织样本来源于GEO数据库的公开数据集（GSE5281和GSE132903），细胞实验采用PC12神经细胞系构建AD模型。

研究结果

DECIGs的鉴定与功能分析

差异表达分析筛选出的26个DECIGs主要富集于胆固醇存储调控、能量代谢前体生成、线粒体呼吸链复合体III等生物学过程。KEGG分析显示这些基因显著参与PPAR信号通路、非酒精性脂肪肝病等代谢相关通路。

枢纽基因的筛选与互作网络

通过STRING数据库和Cytoscape软件构建PPI网络，识别出ABCA1、GOT1、LDHA、UQCRFS1等12个枢纽基因。相关性分析表明，GOT1与LDHA呈强正相关（r=0.77），而SCD与LDHA则显著负相关（r=-0.44）。

诊断价值验证与多基因模型

ROC曲线显示GOT1、LDHA、UQCRFS1的AUC均高于0.8。qRT-PCR验证进一步证实其在AD模型细胞中表达显著降低（P<0.01）。基于这三类基因的联合诊断模型在训练集和验证集中均表现出稳定预测能力。

结论与意义

本研究首次系统整合铜铁代谢相关基因，揭示了GOT1（调控谷氨酸代谢）、LDHA（参与糖酵解能量供应）和UQCRFS1（线粒体复合体III核心组分）在AD中的关键作用。这些基因不仅与线粒体功能紊乱和氧化应激密切相关，其构建的诊断模型更为AD的早期识别提供了新的分子靶点。该研究发表于《Cellular and Molecular Neurobiology》，为理解金属代谢失衡在AD病理中的作用提供了多组学证据，也为后续机制研究和临床转化奠定了理论基础。