Il Pannello di Proteine Ematiche Rileva l'Alzheimer Anni Prima della Comparsa dei Sintomi

La malattia di Alzheimer rappresenta il 60–80% di tutti i casi di demenza, eppure una diagnosi precoce, accurata e minimamente invasiva rimane difficile da ottenere. I biomarcatori ematici offrono una soluzione scalabile, ma i precedenti studi proteomici sul plasma erano limitati da campioni di pazienti con AD di dimensioni ridotte—tipicamente meno di 700 casi—e da una copertura proteica ristretta. Questo studio ha affrontato tali lacune con una scala e un rigore senza precedenti.

Il team di ricerca ha profilato 6.905 aptameri corrispondenti a 6.106 proteine uniche utilizzando la piattaforma SomaScan su plasma di oltre 3.300 individui provenienti dal Knight Alzheimer's Disease Research Center (Knight ADRC) e dallo Stanford ADRC. La coorte comprendeva 1.270 pazienti con AD accuratamente fenotipizzati e 2.096 controlli cognitivamente normali. È stato adottato un disegno in tre fasi: scoperta (n=2.131), replicazione (n=1.235) e validazione esterna negli studi ROSMAP e nel Global Neurodegeneration Proteomics Consortium (GNPC), per un totale di oltre 7.000 campioni aggiuntivi.

La fase di scoperta ha individuato 1.540 proteine significativamente associate allo stato clinico di AD. Dopo la replicazione e la meta-analisi con correzione FDR, sono state confermate 416 proteine (456 aptameri), di cui 294 di nuova identificazione. Le proteine con livelli elevati hanno mostrato un odds ratio medio di 1,50, mentre quelle con livelli ridotti un OR medio di 0,72—corrispondente a una variazione media del 45% nel rischio di AD. Le proteine confermate si distribuivano in pathway biologicamente coerenti: alterazione della barriera emato-encefalica, disregolazione del metabolismo lipidico, attivazione del complemento e del sistema immunitario, disfunzione sinaptica e rimodellamento della matrice extracellulare. Il confronto con precedenti studi proteomici su CSF e plasma ha evidenziato una sostanziale sovrapposizione con la biologia nota dell'AD, ampliando al contempo in modo significativo le scoperte.

Un classificatore di machine learning addestrato sull'intero set proteico è stato compresso in un pannello di 7 proteine ottimizzato per l'utilizzo clinico. Questo pannello ha raggiunto un AUC >0,72 per la diagnosi clinica di AD e un AUC >0,88 per la diagnosi di AD definita da biomarcatori (utilizzando amyloid-β/tau nel CSF, amyloid PET o p-tau217 plasmatica). Il modello si è replicato in più coorti indipendenti ed è stato validato su piattaforme ortogonali tra cui Alamar e Olink, dimostrando una robustezza indipendente dalla piattaforma. In modo rilevante, il pannello ha anche predetto la progressione da stato cognitivamente normale ad AD sintomatico e ha tracciato i tassi di declino della memoria, suggerendo un'utilità per il monitoraggio della malattia. Il pannello ha mostrato specificità per l'AD rispetto alla demenza con corpi di Lewy, alla demenza frontotemporale e alla malattia di Parkinson, confermando la sua capacità di discriminazione diagnostica.

Questo studio rappresenta una delle indagini proteomiche plasmatiche sull'AD più ampie e complete fino ad oggi. Il disegno multi-fase, la grande coorte arricchita di pazienti con AD e la validazione cross-piattaforma rafforzano sostanzialmente la fiducia nei biomarcatori identificati. Il pannello di 7 proteine offre una concreta prospettiva per il rilevamento precoce non invasivo, l'arricchimento dei trial clinici e il monitoraggio della risposta al trattamento—sebbene siano necessari studi longitudinali prospettici e trial di utilità clinica prima che questi marcatori entrino nella pratica clinica di routine.