认知衰退和阿尔茨海默病中与抑郁症状相关的脑脊液蛋白质组改变Cerebrospinal fluid proteome alterations related to depressive symptoms in cognitive decline and Alzheimer's disease - Rabl - 2025 - Alzheimer's & Dementia - Wiley Online Library

摘要

背景

抑郁症状在认知衰退和阿尔茨海默病(AD)患者中较为常见，但其潜在病理机制仍不明确。本研究旨在探究阿尔茨海默病背景下抑郁症状的病理生理学机制。

方法

研究纳入了来自两个独立大型队列的正常认知(NC)、轻度认知障碍(MCI)或轻度AD痴呆个体。采用非靶向质谱法进行脑脊液(CSF)蛋白质组学分析，并进行回归分析和通路富集分析。

结果

共纳入688名个体(223名NC、190名MCI和275名AD痴呆患者)。在两个队列中一致发现，946种稳健定量的CSF蛋白质中有57种与抑郁症状相关。这些蛋白质主要富集在细胞黏附/炎症、突触信号传导和神经发生通路。在淀粉样蛋白阳性个体中，胆固醇代谢和转运也与抑郁症状相关。

结论

所识别的蛋白质组改变可能反映了阿尔茨海默病和老年人抑郁症共同涉及的生物学机制。

研究亮点

• 这是首个研究认知衰退和阿尔茨海默病(AD)背景下与抑郁症状相关的脑脊液蛋白质组改变的研究。
• 抑郁评分较高的患者中失调的蛋白质与细胞黏附/炎症、突触信号传导和神经发生通路相关，在淀粉样蛋白阳性个体中还与胆固醇代谢相关。
• 所识别的蛋白质组改变可能代表了阿尔茨海默病和老年人抑郁症共同涉及的生物学机制。

1 背景

抑郁症状在老年人中较为普遍，特别是在认知衰退和阿尔茨海默病(AD)患者中尤为常见。抑郁症状与生活质量下降和更差的长期预后相关，如更早死亡和更快的认知衰退。然而，关于其潜在病理机制的研究仍然有限。

已有研究提出多种病理生理改变可能参与抑郁症的发病机制，包括单胺缺乏和促炎过程。一些研究探讨了抑郁症状与AD病理(特别是淀粉样蛋白和tau蛋白病理)的关联，但结果不一致。

非靶向蛋白质组学可用于在单次测量中识别和定量大量蛋白质，从而在不预先聚焦特定分子通路或分子的情况下，探索与疾病相关的广泛分子变化。虽然蛋白质组学可能是更好地理解与抑郁症状相关病理机制的重要方法，但很少有研究调查与抑郁症状相关的蛋白质组变化。这些研究在血浆中进行蛋白质组学分析，使用了小样本队列，或调查了年轻受试者的重度抑郁症(MDD)。然而，血浆中的蛋白质组改变可能与脑脊液(CSF)中的显著不同，且与抑郁相关的改变在老年人中可能有所不同，特别是在AD病理背景下。只有一项研究使用非靶向质谱方法调查了与抑郁症相关的CSF蛋白质组学，该研究在一个较年轻的MDD患者队列中进行(n = 40名患者对比n = 14名健康对照；平均年龄48岁)。因此，在有和无认知障碍的老年个体中调查CSF蛋白质组变化，可以更具体地了解衰老和AD中抑郁症状的脑部病理生理过程，同时扩展了从年轻MDD参与者获得的先前发现。

更好地了解抑郁症状(特别是在AD病理存在的情况下)的生物学改变，对于个性化诊断和监测以及开发认知衰退和AD背景下抑郁症的新治疗方法至关重要。在本研究中，我们通过两个大型AD队列中的非靶向CSF蛋白质组学方法，研究了与抑郁症状相关的分子和病理生理改变。此外，我们还探讨了淀粉样蛋白病理对蛋白质组改变的影响，以及蛋白质与抑郁症状随时间变化的关联(图1)。

图1 研究概述。我们纳入了来自ADC的450名参与者和来自EMIF-AD MBD队列的238名参与者。受试者被诊断为认知正常(CN)、轻度认知障碍(MCI)或轻度AD痴呆。进行了基于CSF的非靶向质谱蛋白质组学分析。A，我们通过线性回归分析确定与抑郁症状相关的蛋白质，以GDS评分为因变量，所有蛋白质为自变量，并将年龄和性别作为协变量，在两个队列中独立进行。B，进行功能富集分析并对富集通路按相似性进行聚类。C，此外，通过分层分析调查了淀粉样蛋白病理、性别和APOE ε4状态的影响。D，我们还确定所选蛋白质是否能预测抑郁症状的纵向变化。AD，阿尔茨海默病；ADC，阿姆斯特丹痴呆队列；APOE，载脂蛋白E；CN，认知正常；CSF，脑脊液；EMIF-AD MBD，欧洲阿尔茨海默病多模态生物标志物发现研究；GDS，老年抑郁量表；GO，基因本体；KEGG，京都基因与基因组百科全书；MCI，轻度认知障碍；MS，质谱。

2 方法

2.1 研究参与者

研究纳入了两个不同队列的参与者：单一中心的阿姆斯特丹痴呆队列(ADC)和多中心的欧洲阿尔茨海默病多模态生物标志物发现研究(EMIF-AD MBD)。ADC是一个纵向记忆门诊队列研究，旨在识别痴呆的新诊断和治疗策略。EMIF-AD MBD是一个包括不同欧洲前瞻性AD队列的联盟研究，旨在发现AD的新生物标志物并揭示AD的病理生理机制。根据CSF蛋白质组学数据的可用性以及在CSF采集后3个月内进行的自评抑郁量表，纳入了两个队列的参与者。两个队列均包括处于不同临床阶段的个体，如正常认知(NC)、轻度认知障碍(MCI)和轻度AD痴呆，这些参与者均来自大学医院记忆门诊。MCI和AD痴呆的诊断标准遵循国际共识标准。排除标准为除疑似AD外的任何神经系统疾病(如帕金森病、路易体痴呆或血管性痴呆)和/或可能导致认知障碍的任何精神或躯体疾病。

研究背景

1. 系统评价：作者使用传统来源(如PubMed)以及会议摘要和演讲回顾了文献。尽管抑郁症与阿尔茨海默病(AD)病理之间的确切关系仍不明确，但新兴证据表明可能存在共同的病理生理机制。然而，先前没有研究检查认知衰退和AD中与抑郁症状相关的脑脊液(CSF)蛋白质组改变。
2. 解释：我们在两个独立队列中一致识别出57种与抑郁症状相关的CSF蛋白质。这些蛋白质在细胞黏附/炎症、突触信号传导和神经发生方面富集。在淀粉样蛋白阳性受试者中，观察到胆固醇代谢和转运方面的额外富集。所识别的蛋白质组改变可能反映了与老年人抑郁症状相关的AD相关和独立的生物学机制。
3. 未来方向：需要进一步研究以阐明与抑郁症状相关的这些失调过程的原因和后果，特别关注AD病理的贡献。

为评估AD病理，淀粉样蛋白β(Aβ)病理基于异常CSF Aβ标志物的存在来定义。在ADC中，异常Aβ状态通过Aβ42 < 813 pg/mL的漂移校正临界值确定。在EMIF-AD MBD中，异常Aβ状态定义为中央测量的CSF Aβ42/Aβ40 < 0.061。该临界值基于比较EMIF-AD MBD总数据集中认知未受损和AD痴呆组的混合模型分析确定。两个队列均通过Innotest(富士瑞比欧，前身为Innogenetics)的酶联免疫吸附试验(ELISA)测量CSF Aβ42和Aβ40水平。

2.2 抑郁症状

我们使用15项老年抑郁量表(GDS)，该量表对所有纳入的ADC和EMIF-AD MBD参与者均可用。该问卷已在记忆门诊中得到验证并广泛使用。GDS包含15个项目，如果与抑郁症状相关则每项得1分，总分 > 4表示存在抑郁症。我们使用线性GDS评分来捕捉抑郁症状的严重程度。GDS总分的原始值被标准化以近似正态分布。

2.3 CSF蛋白质组学数据

基于串联质谱的蛋白质组学测量以及EMIF-AD MBD和ADC的CSF蛋白质组学数据的预处理(包括质量控制和标准化)如先前所述详细进行。简言之，使用内部参考缩放程序或串联质谱标签(TMT)数据校正了16-plex实验之间的技术变异，该数据在每个实验的两个通道中使用来自所有样本的CSF池。这种两步标准化方法校准了每个实验内通道之间的总蛋白质强度，然后基于池化的内部标准应用校正因子以协调TMT批次之间的值。缺乏内部标准的蛋白质被排除在进一步分析之外。批次校正后，蛋白质丰度值进行log2转换，并通过将每个蛋白质相对于对照组的均值和标准差进行缩放，在队列之间进行协调，使对照组的正负值大于或低于对照组均值。对照组定义为无客观认知障碍、淀粉样蛋白阴性且无抑郁(GDS评分 < 5)。这导致ADC中有87名可用对照，EMIF-AD MBD中有34名对照。这种方法应优化队列之间的可比性，使两个队列的蛋白质平均值相似并在进行回归分析时可比(图2B)。最初在ADC中有3860种蛋白质，在EMIF-AD MBD中有2377种，其中2014种重叠。仅考虑在 > 75%的样本中观察到的蛋白质(ADC中n = 1962，EMIF-AD MBD中n = 1078，其中946种重叠并被视为"稳健定量"，另见图2C)。对于所有蛋白质，我们报告基因名称和UniProt编号。

2.4 统计分析

使用SPSS(IBM，V.28.0)进行描述性统计。其他分析通过R版本4.4.1进行，包括"emmeans"和"simplifyEnrichment"包。对连续变量进行t检验和Mann-Whitney U检验，对分类变量使用Pearson χ2检验。应用Shapiro-Wilk检验评估所有连续变量的正态性。根据分布，对正态分布变量使用t检验，对非正态分布变量使用Mann-Whitney U检验。对分类变量使用Pearson χ2检验。为考虑假发现率(FDR)，使用Benjamini-Hochberg方法调整p值。对于所有统计检验，使用双尾检验，alpha值设定为0.05。

2.4.1 识别与抑郁症状相关的蛋白质

为识别与抑郁症状相关的蛋白质，我们应用线性回归分析，使用标准化GDS评分(即抑郁症状严重程度)作为因变量。每个蛋白质在单独分析中作为自变量，同时将年龄和性别作为协变量。在两个队列中分别进行(发现阶段)与抑郁症状相关的蛋白质识别，使用p值阈值 < 0.1(未经FDR校正)。仅在两个队列中均满足这些标准的蛋白质(复制阶段)被选中进行进一步分析。然后，将与抑郁症状相关的选定蛋白质根据Panther数据库注释到其相应的生物过程，以提供与抑郁症状相关的单个蛋白质的功能见解。为调查与抑郁症状相关的蛋白质之间的相互作用，通过STRING数据库进行蛋白质-蛋白质相互作用(PPI)分析(访问于2024年11月23日)。参数包括中等置信度评分(0.4)和基于可用证据预测的五个功能伙伴。

我们还使用抑郁症存在(定义为GDS > 4，因变量)的分类定义，应用二元逻辑回归方法来识别与更严重GDS评分相关的蛋白质。每个蛋白质在单独分析中作为自变量，同时将年龄和性别作为协变量。

2.4.2 识别与抑郁症状相关的富集通路

为识别可能在抑郁症状中起重要作用的关键通路，我们使用南达科他州立大学的ShinyGO基因集富集工具V.082进行通路富集分析。我们使用基因本体(GO)和京都基因与基因组百科全书(KEGG)数据库来调查选定蛋白质的过表达通路。由于GO富集分析产生大量具有高度冗余信息的富集通路列表，我们应用了基于语义相似度评分的二元切割算法，通过simplifyGO函数(simplifyEnrichment R包)将功能术语(即基因产物)聚类为语义相似的组。我们在相似性热图中显示所有富集通路(FDR校正p < 0.05)，并在补充信息中详细报告所有识别的通路。

2.4.3 调查淀粉样蛋白病理、性别、临床诊断、载脂蛋白E ε4状态和年龄的影响

鉴于淀粉样蛋白病理可能有助于抑郁症状的表现，我们调查了淀粉样蛋白状态对个体蛋白质与抑郁症状(GDS评分)之间关系的潜在交互效应。因此，我们在回归模型中额外包含了淀粉样蛋白状态和蛋白质水平的交互项，并使用边际均值(emmeans in R)估计在淀粉样蛋白病理存在/不存在的情况下蛋白质水平对抑郁症状的影响。此外，我们重复分析以检测根据淀粉样蛋白状态、性别、临床诊断和载脂蛋白E(APOE) ε4状态分层的蛋白质和富集通路。我们还使用Pearson相关分析评估蛋白质与年龄之间的关联。

2.4.4 纵向关联调查

我们应用回归分析，确定在基线时与抑郁症状相关的选定蛋白质(自变量)是否可以预测抑郁症状变化或未来抑郁(因变量)。抑郁症状的变化通过每年GDS评分变化来解决(基线GDS评分减去随访[FU]时的GDS评分，除以FU的年数)。GDS变化为正表示抑郁症状恶化。未来抑郁(二元定义)定义为FU时GDS评分 > 4。当有多个FU访问可用时，我们为每个受试者选择最接近基线访问后1年的访问。

3 结果

3.1 样本描述

我们纳入了来自ADC的450名个体(表1)和来自EMIF-AD MBD研究的238名个体(表2)。根据诊断组的队列特征如表S1所示。虽然三个诊断组(认知未受损[NC]、MCI和轻度AD痴呆)的分布不同，但两个队列中抑郁受试者的数量(ADC组20%，EMIF-AD MBD组19%)和平均总GDS评分(ADC组3.0，EMIF-AD MBD组2.9)相似(见图2A，D)。ADC队列由较年轻的参与者和较少的女性组成。Shapiro-Wilk检验表明只有年龄呈正态分布，而其他连续变量呈非正态分布。

表1. ADC研究参与者(有和无抑郁)的特征。

• 缩写：ADC，阿姆斯特丹痴呆队列；APOE，载脂蛋白E；FU，随访；GDS，老年抑郁量表；MCI，轻度认知障碍；MMSE，简易精神状态检查；NC，正常认知；SD，标准差。
• a 卡方检验。
• b t检验。
• c Mann-Whitney U检验。

表2. EMIF-AD MBD研究参与者(有和无抑郁)的特征。

• 缩写：APOE，载脂蛋白E；EMIF-AD MBD，欧洲阿尔茨海默病多模态生物标志物发现研究；FU，随访；GDS，老年抑郁量表；MCI，轻度认知障碍；MMSE，简易精神状态检查；NC，正常认知；SD，标准差。
• a 卡方检验。
• b t检验。
• c Mann-Whitney U检验。

图2 队列特征及在ADC和EMIF-AD MBD中与抑郁症状相关的蛋白质选择。A，临床诊断组分布和抑郁频率(定义为GDS评分 > 4)。B，散点图显示ADC和EMIF-AD MBD中946种蛋白质与GDS评分相关的效应大小(x轴)。C，选择中每个步骤使用的蛋白质数量。D，显示GDS评分分布的雨云图。E，与抑郁症状相关的蛋白质选择过程。F，火山图显示两个队列中可用的946种蛋白质的每个beta值(效应大小)(x轴)。y轴显示每个蛋白质的p值，而p < 0.1(未经假发现率校正)的临界值用于选择在两个队列中与抑郁症状相关的蛋白质。选定的蛋白质用颜色标记，57种复制蛋白质用蛋白质名称标注。ADC，阿姆斯特丹痴呆队列；EMIF-AD MBD，欧洲阿尔茨海默病多模态生物标志物发现研究；GDS，老年抑郁量表。

3.2 与抑郁症状相关的蛋白质和蛋白质相关通路

在分析的蛋白质中(ADC中1962种，EMIF-AD MBD中1078种)，946种在两个队列中均被识别。当比较两个队列时，我们观察到每种蛋白质与其和抑郁症状关系的效应大小之间存在中等强度相关(r = 0.505，p < 0.001，95%置信区间[CI] 0.456，0.551)(图2B)。这些发现表明两个队列之间蛋白质与抑郁症状的关联具有一致性。

我们首先在ADC中识别出422/1962种与抑郁症状相关的蛋白质(补充信息表S2)和在EMIF-AD MBD中177/1078种(补充信息表S3)。我们发现了57种蛋白质(946种中)在两个队列中均与抑郁症状相关(图2E和补充信息表S4)。在这些蛋白质中，48种在两个队列中随着抑郁评分升高而水平升高(上调)，8种在两个队列中随着抑郁评分升高而CSF水平降低(下调)。一种蛋白质显示出相反的调控模式：在EMIF-AD MBD中上调而在ADC中下调(图2F)。

图3A显示了在两个队列中均与抑郁症状相关的57种蛋白质的共表达。选定的蛋白质包括淀粉样前体蛋白(APP)、半胱氨酸蛋白酶抑制剂C(CST3)、肽酶D(PEPD)、视黄醇结合蛋白4(RBP4)、前脑啡肽(PENK)和原癌基因cKIT，与细胞黏附、突触信号传导和神经发生相关(KEGG结果见图3B，GO结果见图3C-E)。富集KEGG和GO通路的完整列表见补充信息表S5-S8。关于在任一队列中与抑郁症状相关的所有蛋白质的附加信息在相似的生物通路上汇聚(补充信息图S1A)。与抑郁症状相关的57种选定蛋白质的蛋白质-蛋白质相互作用网络如补充信息图S1B所示，显示特别是APP在选定的蛋白质之间显示出高度互连性。

图3 与抑郁症状相关的57种蛋白质的特征。A，热图显示通过Pearson相关分析在两个队列(ADC和EMIF-AD MBD)中与抑郁症状相关的57种蛋白质的共表达。上调和下调蛋白质分别用紫色和绿色标记。B，与抑郁症状相关的富集KEGG通路。C-E，与抑郁症状相关的富集GO通路。阿姆斯特丹痴呆队列；EMIF-AD MBD，欧洲阿尔茨海默病多模态生物标志物发现研究；GO，基因本体；KEGG，京都基因与基因组百科全书。

3.2.1 与抑郁症(GDS > 4)相关的蛋白质

附加分析显示，EMIF-AD MBD中57种蛋白质中有1种(RBP4，比值比[OR] = 0.54 [0.37-0.77]，p < 0.001)和ADC中57种蛋白质中有5种(CANT1，OR 1.39 [1.07-1.81]，p = 0.014；PENK，OR = 1.35 [1.04-1.74]，p = 0.022；髓鞘相关糖蛋白[MAG]，1.32 [1.04-1.69]，p = 0.025；嗅觉素样蛋白3[OLFML3]，OR = 1.30 [1.01-1.67]，p = 0.036；钠通道β亚基4[SCN4B]，OR 1.30 [1.01-1.67]，p = 0.038)也与抑郁症存在(定义为GDS > 4)相关，但在FDR校正后失去显著性。GDS > 4与CSF蛋白质之间关联的结果见补充信息表S9-S10。

3.3 淀粉样蛋白病理、性别、临床诊断、APOE ε4状态和年龄的影响

为进一步调查淀粉样蛋白状态对个体蛋白质与抑郁症状之间关系的潜在调节效应，我们进行了包含淀粉样蛋白状态的交互分析。在测试的946种蛋白质中，只有前强啡肽原(PDYN)与抑郁症状的关系在两个队列中受到淀粉样蛋白状态的影响(补充信息表S2-S3)，未包含在两个队列中均与抑郁症状相关的57种蛋白质中。淀粉样蛋白阴性个体中PDYN水平较低和淀粉样蛋白阳性个体中PDYN水平较高与抑郁症状相关。

按淀粉样蛋白状态分层的结果见图4和补充信息表S2、S3和S11。在淀粉样蛋白阳性个体中，77种蛋白质与抑郁症状相关，而在淀粉样蛋白阴性个体中，仅两种蛋白质与抑郁症状相关。与总队列的发现(n = 57种与抑郁症状相关的蛋白质)相比，23种蛋白质仅在淀粉样蛋白阳性个体中与抑郁症状相关。我们进行了通路富集分析，在总队列和淀粉样蛋白阳性组中发现了相似的富集通路。除了神经发生、细胞黏附/炎症和突触信号传导外，胆固醇代谢，特别是脂蛋白(APOA1、APOC1、APOC3、APOF)，在存在淀粉样蛋白病理时与抑郁症状相关。富集KEGG和GO通路的完整列表见补充信息表S12-S15。

图4 按淀粉样蛋白状态分层的与抑郁症状相关的蛋白质和通路。显示在淀粉样蛋白病理存在和不存在的情况下与抑郁症状相关的蛋白质选择。显示淀粉样蛋白阳性个体的富集KEGG和GO通路。右侧黑色突出显示淀粉样蛋白阳性个体中与代谢过程相关的通路。ADC，阿姆斯特丹痴呆队列；EMIF-AD MBD，欧洲阿尔茨海默病多模态生物标志物发现研究；GO，基因本体；KEGG，京都基因与基因组百科全书。

按性别分层的结果见补充信息图S2和补充信息表S2、S3和S11。在女性中，仅三种蛋白质与抑郁症状相关，而在男性中，我们识别出30种蛋白质和几个富集通路。

按临床诊断分层的结果见补充信息表S2、S3和S11。在NC组中，5种蛋白质；在MCI组中，6种蛋白质；在临床AD痴呆组中，17种蛋白质与抑郁症状相关。按APOE ε4状态分层的结果见补充信息图S3和补充信息表S2、S3和S11。在APOE ε4非携带者中，仅3种蛋白质与抑郁症状相关，而在APOE ε4携带者中，我们识别出14种蛋白质。

在与抑郁症状相关的57种蛋白质中，3种在EMIF-AD MBD中和4种在ADC中与年龄相关(经FDR校正)。只有reelin(RELN)和皮质类固醇结合球蛋白(SERPINA6)在两个队列中均与年龄相关。关于蛋白质与年龄关联的完整数据见补充信息表S16-S17。

3.4 随时间推移抑郁评分变化的关联

随访时的GDS在ADC中236/450(52.4%)受试者和EMIF-AD MBD中42/238(17.6%)受试者中可用。将基线时有抑郁症(GDS > 4)的受试者与无抑郁症的受试者进行比较，有抑郁症的受试者随时间推移抑郁评分降低，而在EMIF-AD MBD中无抑郁症的受试者GDS评分升高，在ADC中保持稳定(表1和表2)。在基线时与抑郁症状相关的57种选定蛋白质中，没有一种与随访时的抑郁症存在或严重程度(GDS > 4或GDS评分)或随时间推移GDS评分的变化相关，这在两个队列中一致(补充信息表S18-S19)。此外，在淀粉样蛋白阳性受试者中与抑郁症状相关的77种蛋白质中，没有一种与上述任何纵向结果相关(数据未显示)。

4 讨论

使用两个大型AD队列中的数据驱动CSF蛋白质组学方法，我们识别出57种与抑郁症状相关的CSF蛋白质，包括几种先前未在AD背景下与抑郁症相关的蛋白质。通路富集分析显示，细胞黏附/炎症、突触功能障碍/信号传导和神经发生是与抑郁症状相关的富集生物通路。在具有脑淀粉样蛋白病理的受试者中，与抑郁症状相关的额外富集通路主要属于胆固醇转运和代谢。识别的蛋白质与随访访问时的GDS评分无关，也与其从基线的变化无关。与抑郁症状相关的识别改变表明潜在的病理生理过程也与AD病理相关。

在考虑的946种CSF常见蛋白质中，57种蛋白质在两个队列中均与抑郁症状相关，48种蛋白质水平较高和8种蛋白质水平较低均与GDS评分升高一致相关。先前只有少数研究调查了与抑郁症状相关的CSF蛋白质组变化。这些研究调查了中年MDD成人的小样本。其中一项研究显示40名MDD患者中有161种失调蛋白质，其中12种在我们研究的两个队列中均与抑郁症状相关：APP、H+转运ATP酶辅助蛋白1(ATP6AP1)、生物素酶(BTD)、钙蛋白酶1(CLSTN1)、CST3、MAG、神经束蛋白(NFASC)、阿片结合蛋白/细胞黏附分子(OPCML)、RELN、testican-1(SPOCK1)、跨膜蛋白59样(TMEM59L)和WAP四硫核心域2(WFDC2)。值得注意的是，APP和CST3在涉及12名MDD患者的另一项研究中也被报告为上调。据我们所知，先前没有研究调查老年人或AD背景下与抑郁症状相关的CSF蛋白质组改变。在两个AD队列中使用非靶向蛋白质组学，我们的结果表明，在中年MDD患者中观察到的一些改变也与老年人抑郁症状相关。此外，我们的研究识别出几种与抑郁症状相关的新CSF蛋白质，这些蛋白质可能特定于认知衰退和AD。鉴于这些改变在两个队列中均被观察到，这些发现值得进一步调查。

我们发现EMIF-AD MBD中57种蛋白质中的1种和ADC中57种蛋白质中的5种也与抑郁症存在(定义为GDS评分 > 4)相关；然而，这些关联在FDR校正后不再显著。结果应谨慎解释，因为只有约20%的参与者被归类为有抑郁症，导致统计功效有限。此外，"无抑郁症"组中的一部分参与者仍可能有轻度抑郁症状，如GDS评分在1到4之间所示。需要注意的是，这些蛋白质组数据集主要设计用于调查AD病理生理学，因此排除了具有更严重抑郁症状的个体。因此，样本并非最优化设计以解决分类抑郁症。总体而言，这些结果表明识别的蛋白质组改变更密切地与总体抑郁症状严重程度相关，而不仅仅是严格与抑郁症存在相关。

我们识别出细胞黏附、突触功能障碍和神经发生为最一致富集的生物通路。这些通路也被发现参与重度抑郁症和AD的发病机制。细胞黏附分子(CAMs)在炎症和免疫反应中发挥重要作用，其失调可能导致病理性炎症过程。几项研究表明系统性和中枢神经系统炎症与抑郁症之间存在关联。因此，针对炎症可能代表一种治疗策略，适用于包括AD患者在内的抑郁症状患者，特别是具有潜在炎症成分的患者。突触功能障碍已被提出通过调节长时程增强和长时程抑制在抑郁症中发挥重要作用。神经发生的减少与包括抑郁症在内的精神症状相关。应激经历已被证明对神经发生产生负面影响，特别是在海马中。然而，抗抑郁药的使用可能刺激神经发生。我们的研究应用非靶向、数据驱动的CSF蛋白质组学方法，识别与认知衰退和AD老年人抑郁症状相关的病理生理过程，从而扩展了先前在年轻人群和基于血浆的研究中进行的蛋白质组学研究。鉴于这些通路也已知参与AD病理生理学，针对这些通路以减少抑郁症状的潜在治疗策略可能特别有利于AD患者。

几项研究调查了AD病理标志物与抑郁症状之间的可能关联，包括AD的早期临床阶段，并报告了无或弱关联。据我们所知，先前没有研究在同时考虑AD病理标志物的情况下调查抑郁症状的CSF蛋白质组谱。虽然交互分析显示淀粉样蛋白状态对任何识别的蛋白质均无调节效应，但分层分析显示淀粉样蛋白阳性个体中与抑郁症状相关的额外蛋白质，包括几种参与胆固醇转运和脂质代谢的脂蛋白(APOA1、APOC1、APOC3和APOF)。

APP水平在两项先前研究中被发现与MDD患者失调。重要的是，这些研究均未提供关于AD病理存在的信息，限制了发现的可解释性。在我们的研究中，APP在淀粉样蛋白阳性个体中与抑郁症状表现出强烈关联，并与其他与抑郁症状相关的蛋白质高度互连(图3C)。APP通过生成Aβ肽在AD发病机制中发挥核心作用。APP还与炎症、突触功能障碍和神经发生相关，这些也被提出有助于抑郁症的发病机制。炎症细胞因子反过来可能影响APP加工，增加Aβ产生和神经炎症，这可能进一步导致抑郁症状的表现。此外，胆固醇失调可破坏APP加工并导致AD病理和认知衰退。它还与包括抑郁和焦虑在内的神经精神症状相关。结合先前证据，我们的结果表明，APP和脂质代谢不仅属于AD病理，还可能有助于抑郁症状的发病机制。补充信息图S4总结了AD病理和抑郁症之间提出的共享机制。需要更多研究以更好地理解这些关系并识别可能的干预目标。

此外，先前使用单核RNA测序(snRNA-seq)对MDD成人和AD脑组织的转录组学方法报告的失调生物过程与我们的CSF发现一致。在MDD中，snRNA-seq研究报道了少突胶质细胞谱系细胞和兴奋性神经元，差异表达基因影响细胞信号传导和突触可塑性通路。此外，跨神经退行性和精神疾病(n = 4711个死后脑样本)的跨疾病转录组学分析报告了共享通路，包括小胶质细胞激活、炎症、突触发育和突触可塑性，支持神经精神疾病之间潜在的共享机制。然而，必须考虑到转录组学和蛋白质水平之间的关系是复杂的，由于转录后调控和蛋白质周转，可能并不总是相关。

没有识别的蛋白质与随访时的GDS评分或其从基线的变化相关。这一发现不支持抑郁症状的病理生理改变也与持续抑郁症状相关的假设。然而，在两个队列中，参与者的GDS评分随时间改善，特别是在基线时抑郁症状更明显的参与者(GDS > 4)。这些参与者可能接受了临床干预，如抗抑郁药物治疗、心理治疗或心理社会支持。然而，本研究中不可用此类干预的数据。

我们承认本研究的几个局限性。由于队列首先建立以调查认知衰退，因此未纳入具有严重神经精神症状的个体，严重的 psychiatric症状可能干扰认知评估结果。另一个局限性是缺乏关于抗抑郁药或其他精神活性药物使用的数据，这可能影响蛋白质表达和症状严重程度，并可能混淆观察到的关联。虽然这是迄今为止使用CSF蛋白质组学与抑郁症状相关的最大研究，但研究是在AD队列中进行的，限制了推广性。在没有AD重点的队列中或包括大量淀粉样蛋白阴性参与者的进一步研究可能有助于我们更好地理解与有和无淀粉样蛋白病理的老年人抑郁症状表现相关的生物学改变。由于我们严格的方法只选择在两个队列中均与抑郁症状一致相关的蛋白质，我们可能遗漏了蛋白质与抑郁症状之间具有较弱效应大小的潜在相关关联。然而，这种方法确保了所呈现的发现是稳健的并在两个独立队列中得到复制。此外，考虑到可用的CSF淀粉样蛋白标志物，我们能够调查与淀粉样蛋白病理背景下抑郁症状相关的蛋白质组改变。本研究的另一个优势是使用CSF蛋白质组学，而先前研究主要关注血蛋白改变。CSF更接近大脑，CSF蛋白质水平可能更好地反映与抑郁症相关的中枢神经系统的病理生理变化。未来研究测量CSF和血蛋白质组变化与抑郁症状的关系可能有助于更好地理解血和CSF改变之间的关系，并促进易于获取的基于血的生物标志物的开发。

5 结论

本研究使用非靶向CSF蛋白质组学调查AD背景下老年人的抑郁症状。我们在两个大型独立记忆门诊队列中识别出57种与抑郁症状相关的蛋白质。通路富集分析揭示了关键生物过程，包括细胞黏附/炎症、突触功能障碍/信号传导和神经发生，强调了它们在抑郁症中的相关性。与淀粉样蛋白病理和胆固醇代谢相关的蛋白质组改变可能反映了AD和抑郁症的共享生物学机制。这些发现值得在更多样化的队列中进一步调查，包括更严重的抑郁综合征和老年人中非AD相关的抑郁症状。

作者贡献

Miriam Rabl、Willem L. Hartog、Pieter Jelle Visser、Betty M. Tijms和Julius Popp设计了研究并进行了统计分析。Miriam Rabl、Betty M. Tijms和Julius Popp起草了手稿。Betty M. Tijms和Julius Popp监督了工作。所有作者提供了关键审阅、编辑了手稿并批准了最终手稿。

致谢

阿姆斯特丹阿尔茨海默中心的研究是阿姆斯特丹神经科学神经退行性疾病研究计划的一部分。阿姆斯特丹阿尔茨海默中心得到阿尔茨海默荷兰基金会和阿姆斯特丹阿尔茨海默中心支持基金会的支持。Wiesje van der Flier的主席职位得到Pasman基金会的支持。临床数据库结构的开发得到了Dioraphte基金会的资金支持。阿姆斯特丹阿尔茨海默中心的新设施和数字阿尔茨海默中心的开发得到了"创新基金健康保险公司"的慷慨资助。Wiesje van der Flier的研究项目已获得ZonMW、NWO、EU-JPND、EU-IHI、阿尔茨海默荷兰、脑基金会、心血管研究荷兰、健康~荷兰、生命科学与健康顶级部门、Dioraphte基金会、Noaber基金会、Pieter Houbolt基金会、Gieskes-Strijbis基金会、Equilibrio基金会、Edwin Bouw基金会、Pasman基金会、飞利浦、Biogen MA Inc、诺华-荷兰、Life-MI、AVID、罗氏BV、礼来-荷兰、富士胶片、Eisai和Combinostics的资助。W.F.持有Pasman主席职位。W.F.是ABOARD的接受者，该计划获得ZonMW(#73305095007)和健康~荷兰、生命科学与健康顶级部门(PPP津贴；#LSHM20106)的资金支持。W.F.是TAP-痴呆(www.tap-dementia.nl)的接受者，获得ZonMw(#10510032120003)的资金支持。TAP-痴呆获得Avid Radiopharmaceuticals、罗氏和Amprion的共同资助。W.F.是IHI-PROMINENT(#101112145)和IHI-AD-RIDDLE(#101132933)的接受者。PROMINENT和AD-RIDDLE得到创新健康倡议联合事业(IHI JU)的支持。J.U.获得欧盟地平线欧洲研究和创新计划以及COCIR、EFPIA、EuropaBio、MedTech Europe和Vaccines Europe的支持，由达沃斯阿尔茨海默协作组织、Combinostics OY.、剑桥认知有限公司、C2N Diagnostics LLC和neotiv GmbH提供支持。所有资金支付给她的机构。M.R.获得苏黎世大学2024-2025年"填补空白"资助。J.P.获得瑞士国家科学基金会(#320030_141179；#320030_204886)和瑞士Synapsis基金会(#2017-PI01)的资助。H.Z.是瓦伦贝里学者和瑞典研究委员会杰出教授，获得瑞典研究委员会(#2023-00356、#2022-01018和#2019-02397)、欧盟地平线欧洲研究和创新计划(协议号101053962)和瑞典国家临床研究支持(#ALFGBG-71320)的资助。J.G.获得阿尔茨海默基金会(AF-980746)和Stiftelsen för Gamla tjänarinnor(2022-01324)的资助。R.V.获得Mady Browaeys额颞叶变性研究基金的支持。ADC蛋白质组学数据是为"重新定义AD"研究生成的(ZonMW Memorabel资助计划#73305056(B.M.T.)和#733050824(B.M.T.和P.J.V.)，B.M.T.获得ZonMW VIDI # 09150171910068的资助。EMIF-AD MBD的数据是通过创新药物倡议联合事业下EMIF资助协议#115372(P.J.V, H.Z.)生成的。本工作获得瑞士国家科学基金会(#320030_141179；#320030_204886)和瑞士Synapsis基金会(#2017-PI01)的资助。资助者在研究设计、数据收集和分析、发表决定或手稿准备中没有作用。

开放获取出版由苏黎世大学促进，作为Wiley - 苏黎世大学协议的一部分，通过瑞士学术图书馆联盟。

利益冲突声明

H.Z.曾担任Abbvie、Acumen、Alector、Alzinova、ALZpath、Amylyx、Annexon、Apellis、Artery Therapeutics、AZTherapies、Cognito Therapeutics、CogRx、Denali、Eisai、Enigma、LabCorp、Merck Sharp & Dohme、Merry Life、Nervgen、Novo Nordisk、Optoceutics、Passage Bio、Pinteon Therapeutics、Prothena、Quanterix、Red Abbey Labs、reMYND、Roche、Samumed、ScandiBio Therapeutics AB、Siemens Healthineers、Triplet Therapeutics和Wave的科学咨询委员会成员和/或顾问；曾受邀为Alzecure、BioArctic、Biogen、Cellectricon、Fujirebio、LabCorp、Lilly、Novo Nordisk、Oy Medix Biochemica AB、Roche和WebMD提供演讲；是哥德堡大学GU Ventures孵化计划的一部分Brain Biomarker Solutions in Gothenburg AB(BBS)的联合创始人；是MicThera的股东(与提交的工作无关)。R.V.曾担任AC Immune、Novartis、Roche和Prevail的咨询委员会成员和/或顾问。J.P.曾担任Eisai、OM Pharma、Lilly、Schwabe Pharma和Roche的科学咨询委员会成员和/或顾问。W.v.d.F.是牛津健康政策论坛CIC、Roche、Biogen MA Inc.、Eisai、Eli-Lilly、Owkin France和Nationale Nederlanden Ventures的顾问。B.M.T.为Novo Nordisk提供科学建议。所有其他作者无披露事项。作者披露信息可在补充信息中获取。

同意声明

所有参与机构的机构审查委员会批准了本研究的程序。在纳入前从所有参与者或代理人处获得书面知情同意。

数据可用性声明

EMIF-AD MDB队列的蛋白质组学数据已存入ProteomeXchange联盟通过PRIDE合作伙伴库，数据集标识符为PXD019910和

【全文结束】