多发性硬化血清神经丝轻链检测：Simoa、高敏ELISA与CLIA三种平台的分析一致性与临床应用对比

《Scientific Reports》：Comparison of Simoa, high?sensitivity ELISA, and CLIA for serum neurofilament light chain quantification in multiple sclerosis

　　本研究针对多发性硬化（MS）生物标志物血清神经丝轻链（sNfL）检测中不同免疫分析平台间结果可比性不明确的问题，系统比较了单分子阵列（Simoa）、高灵敏度ELISA（hsELISA）和全自动化学发光免疫分析法（CLIA）的分析性能。研究发现Simoa与hsELISA结果高度一致（rs=0.796），而CLIA检测冻存样本时sNfL水平显著偏高（相对偏差达39.53%），新鲜样本检测虽相关性改善但仍存在个体变异。研究强调了检测标准化对sNfL临床转化的重要性，为实验室平台选择提供了实证参考。

　　

在神经科学领域，寻找能够准确反映神经损伤的生物标志物一直是研究人员努力的方向。神经丝轻链（Neurofilament Light Chain, NfL）作为神经元细胞骨架的重要组成部分，在轴索损伤时会释放到脑脊液和外周血液中，成为监测多发性硬化（Multiple Sclerosis, MS）等神经系统疾病活动性的理想生物标志物。随着超灵敏检测技术的发展，血清NfL（sNfL）的检测已成为现实，但在临床推广应用过程中，不同检测平台之间的结果差异成为了亟待解决的问题。

目前，单分子阵列（Simoa）技术被广泛认为是sNfL检测的金标准，但其批量处理模式可能不适合需要即时检测的临床实验室。高灵敏度ELISA（hsELISA）和全自动化学发光免疫分析法（CLIA）为sNfL检测提供了替代选择，但这些平台与Simoa之间的一致性尚未得到充分验证。此外，样本处理条件（如新鲜vs冻存）对检测结果的影响也不明确。

为了解决这些问题，捷克俄斯特拉发大学医院的研究团队开展了一项前瞻性横断面研究，比较了三种sNfL检测平台的分析性能及其与临床参数的相关性。该研究近期发表在《Scientific Reports》期刊上，为sNfL检测的标准化提供了重要证据。

研究方法上，研究团队收集了79例MS患者的血清样本，同时使用Simoa、hsELISA和CLIA三种方法进行sNfL检测。特别设计的是，CLIA方法同时检测了新鲜样本和冻存样本，以评估样本储存条件对结果的影响。所有检测均在严格质量控制下进行，采用适当的统计方法进行平台间比较和临床相关性分析。

Simoa、hsELISA和CLIA在冻存样本中的sNfL浓度比较

研究发现，Simoa与hsELISA在检测冻存样本时表现出强相关性（r_s=0.796），且无系统性偏差。相比之下，CLIA检测冻存样本时sNfL水平显著高于Simoa（相对偏差39.53%）和hsELISA（相对偏差29.56%），且相关性仅为中度或弱相关。Passing-Bablok回归分析显示，hsELISA与Simoa之间无显著差异，而CLIA与Simoa存在显著比例差异。

新鲜样本CLIA检测值与Simoa、hsELISA的对比

对56对配对样本的分析显示，新鲜样本CLIA检测与Simoa呈现极强相关性（r_s=0.820），与hsELISA也呈强相关（r_s=0.764）。相对偏差分别为-7.7%（vs Simoa）和-14.3%（vs hsELISA），落在临床可接受的±25%范围内。然而，宽广的一致性界限表明个体样本间仍存在显著变异。

新鲜与冻存样本CLIA检测值的差异

研究发现样本储存条件对CLIA检测结果有显著影响，冻存样本的sNfL值平均比新鲜样本高50.7%。这种冻存效应可能源于蛋白构象变化或基质效应，提示在临床应用中需严格标准化样本处理流程。

sNfL与人口统计学和疾病相关参数的关联

年龄与Simoa和hsELISA测得的sNfL浓度呈正相关，但与CLIA结果无关。扩展残疾状况评分量表（EDSS）仅与Simoa测得的sNfL呈弱相关。三种方法均未能区分复发与缓解期患者，或有无MRI活动性患者，这可能与样本量有限且大多数患者接受高效治疗有关。

研究结论表明，Simoa和hsELISA在sNfL检测中具有良好的一致性，支持其在临床和研究中的互换使用。CLIA平台虽具自动化优势，但受预分析因素影响显著，特别是样本储存条件。该研究强调了不同检测平台间标准化的重要性，为sNfL在MS临床管理中的合理应用提供了关键证据。

这项研究的意义在于首次系统比较了三种常用sNfL检测平台在真实临床场景下的性能，明确了各平台的优缺点及适用条件。研究结果提示，在选择sNfL检测方法时，需综合考虑实验室通量、样本处理流程和临床需求。未来研究应致力于建立平台间转换方程，进一步明确分析差异对临床决策的影响，推动sNfL成为MS个体化管理的可靠工具。