人工智能与循环游离DNA甲基化谱分析：阿尔兹海默症的机制与检测.

0. TL; DR

本文对来自 AD 患者的 cfDNA 进行了 DNA 甲基化谱分析，并与认知正常的对照组进行了比较。作者利用六个人工智能（AI）平台对 AD 进行诊断，同时使用富集分析来阐明 AD 的发病机制。

在独立测试组中，所有六种 AI 算法都取得了极高的预测准确性。通过富集分析，作者发现 AD 患者中钙信号通路、谷氨酸能突触、Hedgehog 信号通路、轴突导向和嗅觉转导等通路存在显著的表观遗传改变。

作者发现，其在 cfDNA 中检测到的许多表观遗传改变的基因，与先前报道的在 AD 患者脑组织中差异表达的基因相吻合，证明了 cfDNA 甲基化作为 AD 无创生物标志物的巨大潜力。

1. 背景介绍

阿尔茨海默病 (AD) 是导致严重痴呆的主要原因，但其病因机制尚未完全阐明。表观遗传机制，尤其是 DNA 甲基化，在不改变 DNA 序列的情况下调节基因表达，被认为在 AD 的发病机制中扮演着重要角色。

近年来，被称为液体活检 (liquid biopsy) 的循环游离DNA (cfDNA) 技术，在癌症研究、器官移植排斥反应监测等领域得到了广泛应用。理论上，由于脑组织中的细胞 DNA 也会进入 cfDNA 池，因此通过分析血浆中的 cfDNA，有可能无创地监测 AD 患者大脑中的神经元、血管和炎症反应等病理变化。

目前，开发无创的、基于血液的 AD 生物标志物是研究的热点，这有望减少对腰椎穿刺、PET 扫描等有创或昂贵诊断技术的依赖。与此同时，人工智能 (AI) 和机器学习 (ML)，特别是深度学习 (DL)，在分析 DNA 甲基化等组学大数据方面展现出巨大优势。

尽管已有研究使用 AI 分析脑组织转录组数据或神经影像数据来识别 AD 的候选基因或进行诊断，但这些研究大多依赖于有创的生物样本或昂贵的影像学检查。因此，开发一种基于 AI 的、无创且廉价的 AD 诊断方法，具有巨大的临床需求。

在这项研究中，作者对来自 AD 患者和认知健康对照者的血浆 cfDNA 进行了甲基化谱分析。作者利用 AI 算法评估了 CpG 表观遗传标记在 AD 诊断中的准确性，并进行了通路分析，以进一步理解 AD 的分子发病机制。

2. 方法详解

本研究的核心方法是结合 cfDNA 的 DNA 甲基化谱分析与多种 AI/ML 算法，以实现对 AD 的准确诊断和机制探索。

2.1 样本与数据采集

前瞻性地招募了26名 AD 患者和26名认知健康的对照者。从每位受试者采集血液样本，并提取血浆中的 cfDNA。使用 EZ DNA Methylation kit 对 cfDNA 进行亚硫酸氢盐转化。使用 Illumina Infinium MethylationEPIC BeadChip 芯片进行全基因组甲基化谱分析。

2.2 数据预处理与统计分析

使用 minfi R包处理原始芯片数据，进行 Noob 归一化，并移除性染色体上的探针和低质量的探针/样本。使用 k-最近邻 (kNN) 算法对缺失值进行插补。使用 minfi 包估计并校正不同免疫细胞类型（如 CD8T, CD4T, NK, Bcell, Mono）对甲基化信号的影响。

使用 limma R包中的稳健线性回归 (robust linear regression) 模型来识别差异甲基化的胞嘧啶位点。模型考虑了年龄、性别、BMI 和细胞类型比例等协变量。使用 FDR (q < 0.05) 进行多重检验校正。

对鉴定出的差异甲基化基因进行 GO 和 KEGG 通路富集分析，以识别与 AD 相关的生物学过程和分子功能。

2.3 人工智能/深度学习 (AI/DL) 分析

作者使用了六种 AI/ML 算法进行分类和回归分析，重点介绍了 DL 模型。

六种算法分别是深度学习 (DL)、支持向量机 (SVM)、广义线性模型 (GLM)、微阵列预测分析 (PAM)、随机森林 (RF) 和线性判别分析 (LDA)。

对于深度学习模型，作者使用的是一种前馈人工神经网络 (ANNs)，即多层感知机 (MLP)。它通过多个隐藏层，将输入数据（甲基化谱）逐层转换为更高级、更抽象的表示，从而学习复杂的非线性关系。

为了找到最优的模型配置，作者使用了网格搜索 (grid search) 来调整一系列超参数，包括激活函数、隐藏层结构、dropout 率、L1/L2 正则化系数等。

将样本随机分为80%的训练集和20%的独立测试集。在训练集上使用10折交叉验证和自助法 (bootstrapping) 来构建和评估模型。

使用受试者工作特征曲线下面积 (AUC)、敏感性 (sensitivity) 和特异性 (specificity) 等指标来评估模型在独立测试组上的性能。

3. 实验分析

作者对甲基化谱数据进行了深入的统计学和生物信息学分析，并利用 AI 模型构建了 AD 的诊断预测器。

3.1 差异甲基化分析结果

p值直方图显示，存在大量显著差异的 CpG 位点。火山图和柱状图显示，在 AD 患者的 cfDNA 中，超甲基化 (hypermethylated) 的 CpG 位点数量（2729个）远多于低甲基化 (hypomethylated) 的位点（955个）。

在基因组区域富集分析中，CpG 岛 (islands)、基因间区 (intergenic region) 和启动子区 (promoter regions) 均表现出显著的超甲基化。

3.2 疾病与功能富集分析

作者对差异甲基化基因进行了通路富集分析，发现了五个与 AD 密切相关的信号通路：

  1. 钙信号通路 (Calcium signaling pathway)
  2. 谷氨酸能突触 (Glutamatergic synapse)
  3. Hedgehog 信号通路 (Hedgehog signaling pathway)
  4. 轴突导向 (Axon guidance)
  5. 嗅觉转导 (Olfactory transduction)

这些结果与已知的 AD 病理生理机制（如钙稳态失调、突触功能障碍、神经发生异常等）高度吻合，证明了 cfDNA 甲基化谱能够反映 AD 的核心病理过程。

3.3 AD 的 AI 预测

作者使用六种 AI 算法，基于全基因组的 CpG 标记（不考虑p值）构建了 AD 的诊断模型，并在独立的测试组上进行了验证。

作者还测试了仅使用5个 CpG 标记的精简模型。结果显示，性能略有下降，但 DL 模型的 AUC 仍能达到0.92。

3.4 与脑组织转录组研究的关联

为了验证 cfDNA 甲基化变化是否能反映脑内的分子事件，作者将其结果与已发表的脑组织转录组研究进行了比较。

与 O’Connell 等人的“脑损伤生物标志物”基因列表相比，作者发现其中16%的基因在 AD 患者的 cfDNA 中也存在差异甲基化。与 Shigemizu 等人的血液转录组研究相比，有12%的基因重叠。

这些发现表明，脑中的基因表达变化与 cfDNA 的甲基化标记之间可能存在关联，支持了 cfDNA 可能部分来源于受损的脑组织这一假设。

综上所述，该研究首次证明了利用血浆 cfDNA 的全基因组甲基化谱，结合 AI/ML 算法，可以实现对阿尔茨海默病的高精度诊断。这为开发无创、廉价的 AD 生物标志物开辟了新的道路，并为理解 AD 的分子发病机制提供了新的表观遗传学证据。