科学家们首次记录了阿尔茨海默病的传播病例,这与一种不再使用的医疗程序有关。这个发现让整个医学界都惊呆了

伦敦报道 — 这些阿尔茨海默病病例有点奇怪。

一方面,病人的症状并不典型:有些人没有表现出这种病常见的症状。但更令人惊讶的是,这些病人的年龄,他们都在40到50岁,甚至30多岁,远比通常患上这种病的人年轻得多。他们甚至没有已知的可以导致早发性阿尔茨海默病的遗传突变。

但这些少数病例确实有一个共同的历史。他们在儿童时期接受了从人类尸体大脑中提取的生长激素治疗,这曾是治疗多种导致身材矮小的病症的方法。现在,几十年后,他们开始表现出阿尔茨海默病的迹象。与此同时,科学家们发现,他们接受的那种激素治疗可能无意中将蛋白质碎片转移到受者的大脑中。在某些情况下,它引发了一种致命的大脑疾病——克雅氏病(CJD),这一发现导致了40年前这种治疗方法的禁用。

看起来,不仅仅是CJD背后的蛋白质可以传播。正如科学团队在《自然医学》杂志上报告的,激素移植在一些接受者的大脑中播下了阿尔茨海默病的标志性β-淀粉样蛋白,几十年后,这些蛋白质演变成了导致疾病的斑块。这些是已知的首例传播性阿尔茨海默病病例,可能是科学上的异常现象,但这一发现为关于阿尔茨海默病真正成因的持续争论增添了新的变数。

“看起来这些人因为那种[激素治疗]而患上早发性阿尔茨海默病是真实的,”波士顿大学医学院神经退行性疾病专家本·沃洛辛(Ben Wolozin)说,他并未参与这项研究。

其他外部科学家也同意这些发现是合理的,特别是因为只有那些接受了以特定方式制备的尸体生长激素的人——一种无法消除蛋白质碎片的方法——才会发展成痴呆。

这种疾病的发生被称为“医源性”,意味着是医疗程序的结果。在像医源性CJD这样的条件下,可传播的病原体被称为朊病毒——基本上是错折叠的蛋白质碎片,它们继续导致疾病,就像一种传染性的虫子。

研究人员对朊病毒的定义存在争议,以及它是否可以包括淀粉样蛋白。但无论如何,该论文的作者们“提供了令人兴奋的证据,即在特殊情况下,阿尔茨海默病可以通过类似朊病毒的机制传播”,德国蒂宾根大学的马蒂亚斯·尤克尔(Mathias Jucker)和埃默里大学的拉里·沃克(Lary Walker)在也于周一发表的评论中写道。

论文的作者和外部研究人员都强调,阿尔茨海默病不是一种你可以通过照顾亲戚而感染的传染性疾病。与尸体生长激素治疗相关的病例现在也不再可能;几十年来一直使用合成激素代替。论文的作者们,在伦敦一家专门的朊病毒疾病研究和治疗中心工作,他们只描述了从1959年到1985年在英国接受过尸体生长激素治疗的1800多人中的五名阿尔茨海默病患者。不过,研究人员表示,这些发现提醒人们继续重视诸如消毒神经外科手术器械等做法的重要性,理论上,如果器械在病人之间未能得到适当清洁,可能会传播朊病毒。

但除了作为一种科学奇观——以及尸体生长激素使用的另一个后果示例——这些病例也可能激起关于阿尔茨海默病根源的长达数十年、常常引起争议的争论。

“从公共卫生的角度来看,我们认为这可能是相对较少的病例,”伦敦大学学院MRC朊病毒单位的约翰·科林奇(John Collinge)说,他是论文的高级作者。“然而,我们认为这篇论文的影响更广泛,涉及到疾病机制——看起来阿尔茨海默病的发生在许多方面都与人类朊病毒疾病如CJD非常相似,都涉及这些异常聚集的、错折叠的蛋白质和畸形蛋白质的传播。”

许多科学家相信,β-淀粉样蛋白在阿尔茨海默病的发展中发挥作用,而能够清除人脑中的这种蛋白质的疗法终于在数十年的失败尝试后开始对患者显示出一些好处。但大多数专家也认为淀粉样蛋白并不是唯一的罪魁祸首。那么在这些病例中,除了淀粉样蛋白的转移外,还有其他因素在起作用吗?

“这引发了关于淀粉样蛋白是否能够单独引起问题的问题,”法国CEA研究中心的阿尔茨海默病专家马克·登恩(Marc Dhenain)说,他没有参与这项新研究。

外部研究人员表示,他们对一些发现也感到困惑。他们指出,信息有限,报告的发现只来自少数病人,而且遗传测序和尸检结果只有部分病人提供。然而,他们指出,这些病人的大脑似乎并没有太多的炎症,这是阿尔茨海默病的另一个标志,可以由淀粉样蛋白引起。他们还想知道,为什么这些人的大脑中tau蛋白的存在量如此之少,尽管tau水平通常与认知能力下降相关。一些研究人员认为,这些病人可能有其他遗传突变,可能增加患阿尔茨海默病的风险。其中两名患者有智力障碍,这是另一个风险因素。

“病理是否可以传播?是的,它可以,这在概念上很重要,”沃洛辛说。“问题是,什么在推动疾病?这些罕见病例有许多奇怪的地方。从影像上看不清楚的是,为什么他们会那么快地发展成如此严重的痴呆?”

2015年,UCL朊病毒研究人员报告发现,在死于医源性CJD的患者的大脑中有大量的β-淀粉样蛋白,包括在大脑血管中的积聚,这种情况在大多数阿尔茨海默病患者中都有见到。这让他们假设病人接受的激素可能不仅被CJD朊病毒污染,还有淀粉样蛋白的种子。这也让他们怀疑,如果CJD没有杀死这些患者,他们是否会发展成阿尔茨海默病。

论文描述了从2017年到2022年在英国国家朊病毒诊所治疗的八名患者,他们中没有人患有CJD,只有一些人被发现患有阿尔茨海默病。他们小时候因为不同的矮小病因接受了激素治疗:有些人患有脑瘤,其他人有发育状况,其他人只是缺乏自己的天然激素。

他们中的五个被诊断出患有阿尔茨海默病,或很可能患有阿尔茨海默病,他们的症状开始于38岁到55岁之间。在其他三名患者中,两人有一些认知障碍,而第三人无症状。

研究人员指出,医源性CJD的表现通常与更常见的散发性病例不同,因此传播的阿尔茨海默病病例可能在某些方面与典型病例有所不同。

论文的主要作者加尔吉·班纳吉(Gargi Banerjee)表示,UCL的研究人员考虑了这些患者阿尔茨海默病的其他可能原因。鉴于患者的年龄,这些不是散发性病例,后者几乎总是只在晚年发展。这些患者并没有已知的可以导致早发性痴呆的遗传突变。研究人员还考虑了患者最初接受激素治疗的潜在原因——是因为他们的癌症治疗还是先天性状况?——但这也不太可能是解释。

班纳吉说:“关于这个群体的事情在于,要把他们作为一个整体来考虑。在有症状的人中,他们有各种不同的疾病,但唯一的共同点是他们都在童年时接受了这种特定类型的生长激素,这种特定的制备方式……没有其他统一的原因。”

  • 10
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
阿尔茨海默(Alzheimer's Disease, AD)是一种神经退行性疾,其诊断通常基于临床症状、认知评估和生物标志物检测。Jupyter Notebook是一种流行的交互式计算环境,常用于数据分析、机器学习和科学计算。在研究阿尔茨海默诊断模型时,你可能会使用Python等编程语言,并结合相关的库如scikit-learn、TensorFlow或PyTorch来构建和训练诊断模型。 以下是一个简单的示例,展示如何使用Python和scikit-learn库创建一个基于机器学习的AD诊断模型: ```python # 导入必要的库 import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score, confusion_matrix # 假设你已经有了一个名为data.csv的数据集,包含特征(如MRI影像数据、生化指标等)和标签(AD或正常) data = pd.read_csv('data.csv') X = data.drop('diagnosis', axis=1) # 特征 y = data['diagnosis'] # 标签 # 数据预处理(标准化) scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42) # 用逻辑回归作为简单模型 model = LogisticRegression() model.fit(X_train, y_train) # 预测 y_pred = model.predict(X_test) # 评估模型性能 accuracy = accuracy_score(y_test, y_pred) conf_mat = confusion_matrix(y_test, y_pred) # 打印结果 print(f"Accuracy: {accuracy}") print("Confusion Matrix:") print(conf_mat) ``` 这只是一个基本的示例,实际研究可能涉及更复杂的深度学习模型(如卷积神经网络CNN或递归神经网络RNN),以及更多数据处理步骤(如特征选择、特征工程和模型调优)。如果你对具体的Jupyter代码实现或者相关研究方法有更详细的问题,请继续提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值