Longevity & AgingArtigo CientíficoAcesso Aberto

Proteínas Plasmáticas Predizem Epilepsia Anos Antes do Diagnóstico

Um estudo com 52.372 participantes do UK Biobank identifica 103 proteínas plasmáticas associadas ao risco futuro de epilepsia, com NEFL apresentando o sinal mais forte.

segunda-feira, 15 de junho de 2026 4 visualizações
Publicado em Cell Rep Med
Glowing protein network strands floating above a stylized cross-section of the human brain, rendered in deep blue and gold tones.

Resumo

Pesquisadores analisaram 2.920 proteínas plasmáticas em 52.372 participantes do UK Biobank ao longo de quase 14 anos, identificando 103 proteínas significativamente associadas ao desenvolvimento de epilepsia. O polipeptídeo leve do neurofilamento (NEFL) e o fator de diferenciação de crescimento 15 (GDF15) apresentaram as associações mais fortes, com razões de risco de 2,13 e 1,82, respectivamente. As análises de vias revelaram um papel central dos mecanismos de resposta imune. Os níveis proteicos apresentaram alterações anormais de trajetória até 15 anos antes do diagnóstico de epilepsia, e um modelo de aprendizado de máquina baseado nas proteínas de maior classificação demonstrou capacidade preditiva relevante para o risco futuro de epilepsia. Esses achados apontam para potenciais biomarcadores sanguíneos e alvos farmacológicos para detecção e intervenção mais precoces na epilepsia.

Áudio Deep Dive
0:00--:--

Resumo Detalhado

A epilepsia afeta dezenas de milhões de pessoas globalmente, mas o diagnóstico clínico ainda depende fortemente do histórico do paciente, prontuários médicos e exames de imagem durante as crises — sem nenhum biomarcador sanguíneo confiável disponível. Este estudo representa um avanço importante em direção a uma mudança nesse cenário, ao utilizar um dos maiores conjuntos de dados de proteômica plasmática do mundo para mapear o panorama molecular que antecede o início da epilepsia.

Utilizando dados do proteoma plasmático de 52.372 participantes do UK Biobank sem epilepsia na linha de base, os pesquisadores realizaram modelos longitudinais de riscos proporcionais de Cox para 2.920 proteínas ao longo de um seguimento médio de quase 14 anos, período durante o qual 440 participantes desenvolveram epilepsia incidente. Após rigorosa correção de Bonferroni, 103 proteínas emergiram como significativamente associadas ao risco de epilepsia. NEFL (HR 2,13; IC 95% 1,85–2,46) e GDF15 (HR 1,82; IC 95% 1,60–2,07) foram os preditores mais fortes, com valores de p tão baixos quanto 3,36×10⁻²⁵. Notavelmente, ambas as proteínas permaneceram significativas tanto nas janelas de seguimento de curto prazo (≤5 anos) quanto de longo prazo (>5 anos), sugerindo relevância biológica sustentada.

As análises de trajetória proteica revelaram alterações anormais nos níveis das proteínas associadas à epilepsia até 15 anos antes do diagnóstico — uma descoberta com implicações significativas para a detecção precoce. As análises de enriquecimento de vias e de redes proteicas destacaram consistentemente mecanismos de resposta imune, identificando quatro proteínas centrais do tipo hub. As 103 proteínas associadas à epilepsia também foram correlacionadas com dados de neuroimagem de regiões cerebrais implicadas na epileptogênese, e apresentaram associações mais fortes com variáveis relacionadas ao estresse ambiental do que com escores de risco poligênico, sugerindo que fatores adquiridos — e não puramente genéticos — podem ser responsáveis por grande parte do sinal proteômico.

As análises de subgrupos estratificadas por idade, sexo, status de diabetes e função renal reproduziram em grande medida os achados primários. Proteínas específicas de subtipos foram identificadas para epilepsia focal (LRG1, HAVCR2, VSIG4, SPINK1) e epilepsia generalizada (BCAT1, GDF15, SOD2, GAGE2A). Um modelo preditivo de aprendizado de máquina incorporando as proteínas mais bem classificadas demonstrou capacidade discriminativa relevante para o risco futuro de epilepsia, e diversas proteínas identificadas foram sinalizadas como candidatas a alvos farmacológicos com base em bancos de dados farmacológicos existentes.

Em conjunto, esses achados oferecem um roteiro para o desenvolvimento de ferramentas de triagem sanguínea e terapias baseadas em mecanismos para a epilepsia — uma doença para a qual o tratamento direcionado à causa permanece em grande medida indisponível.

Principais Descobertas

  • 103 plasma proteins significantly associated with incident epilepsy after Bonferroni correction across 2,920 proteins.
  • NEFL (HR 2.13) and GDF15 (HR 1.82) showed the strongest and most consistent associations with epilepsy risk.
  • Protein levels showed abnormal trajectory changes up to 15 years before epilepsy diagnosis.
  • Immune response pathways emerged as central mechanisms, with four hub proteins identified in network analysis.
  • A machine learning model using top proteins predicted future epilepsy risk with meaningful accuracy.

Metodologia

A análise de sobrevivência longitudinal usando modelos de riscos proporcionais de Cox foi aplicada a 2.920 proteínas plasmáticas medidas pela plataforma Olink em 52.372 participantes do UK Biobank, acompanhados por uma média de 13,9 anos, com 440 casos incidentes de epilepsia. Os modelos foram ajustados para idade, sexo, etnia, IMC, escolaridade, nível socioeconômico, tabagismo e consumo de álcool. As análises de sensibilidade excluíram casos de início precoce (menos de 2 anos após a linha de base), e a validação transversal utilizou casos de epilepsia presentes na linha de base.

Limitações do Estudo

A população do estudo era composta predominantemente por participantes brancos do UK Biobank, o que limita a generalização entre diferentes etnias. A análise por subtipo de epilepsia foi limitada pelo pequeno número de casos nos subtipos focal e generalizado. Os níveis de proteínas plasmáticas refletem a biologia sistêmica e podem não capturar integralmente os processos epileptogênicos específicos do cérebro.

Gostou deste resumo?

Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.

Digite seu e-mail para assinar: