从指甲看大脑：一滴代谢物，洞悉阿尔茨海默病的全过程

1、各组之间的差异代谢物

对指甲样本进行非靶向GC-MS分析，鉴定出126种代谢物。其中，30种代谢物在五个CDR组（CDR=0、0.5、1、2和3）中存在差异表达，它们在认知能力下降的整个过程中呈现出显著趋势。在这些DEM中，十二烷酸从认知正常组（CDR=0）到晚期AD（CDR=3）呈现出尤为明显的下降趋势。对已鉴定的30种DEM进行聚类分析，得出8个不同的簇。如图2C所示，包含十二烷酸的簇4在所有CDR组中均呈现出显著的单调表达下降。

2、有序逻辑回归和淀粉样蛋白亚组分析

为了评估十二烷酸与疾病严重程度之间的独立性关联，对十二烷酸采用了有序逻辑回归模型。结果表明，在调整年龄、性别、教育、BMI、生活方式因素、营养和睡眠质量后，较低的十二烷酸与较高的CDR评分仍然显著相关。为了确定观察到的代谢物变化是否由淀粉样蛋白病理学驱动，作者进一步根据淀粉样蛋白PET结果进行了亚组分析。在每个CDR类别（0.5、1、2、3）中，比较了淀粉样蛋白阳性个体和未扫描个体的指甲十二烷酸水平。发现，在CDR=0.5、1、2和3的水平下，未观察到显著差异，这进一步证实了指甲代谢物反映的是疾病的严重程度，而不仅仅是淀粉样蛋白的病理。

3、通路富集及其与临床指标的相关性

作者在多组比较中总共鉴定出32个独特的DEM。还进行了KEGG富集分析。结果发现十二烷酸在脂肪酸生物合成途径中起着重要作用，这表明脂肪酸代谢紊乱在AD病理生理学中起着关键作用。相关性分析显示，十二烷酸与AVLT-IR呈正相关（r =0.29），与ADAS-Cog呈负相关（r =−0.32）。这些关系表明，十二烷酸水平较低时，记忆力较差，认知障碍更明显。

4、机器学习模型性能

为了评估这些代谢物的诊断潜力，作者在29个DEM上训练了多个机器学习模型，其中深度学习算法在多类分类中取得了最高的性能，在独立测试集上实现了67.24%的总体准确率。识别CDR=0、CDR=0.5和CDR≥1的精度分别为80.0%、60.0%和69.7%（表2）。此外，该模型表现出很强的判别能力，microAUC为80.34%，macroAUC为76.52%。各组的单因素与静息AUC值均超过70.0%，最高可达86.85%，支持了这些代谢生物标志物的稳健性。变量重要性分析显示，十二烷酸为最大贡献者，其次是苹果酸1、胆甾-3,5-二烯和甲基13-甲基十四烷酸。这些代谢物随着CDR评分的增加呈现明显的下降趋势，进一步支持了它们作为AD诊断和监测候选生物标志物的潜力。