国家重点研发计划----战略性国际科技创新合作重点专项

中国人群阿尔茨海默症多维度生物标志物综合研究

    阿尔茨海默症（AD），是发病率最高、病因非常复杂的一种神经退行性疾病。全球有超过 5000 万例痴呆患者，而中国也有 900万患者，目前急需针对 AD 的有效治疗手段；另一方面，现有 AD 诊断方式主要依靠神经心理量表和专科医生判断, 急需辅助诊断的客观指标。因此，揭示能够反映 AD 病程的客观生物标志物迫在眉睫，对于 AD 早期诊断、病情评估、药物研发等都具有重要意义。国际上利用规范化的队列研究和遗传大数据分析，在高加索人群中发现一系列 AD 风险因子。但由于人群的遗传背景、环境、生活习惯等的差异，这些研究并不完全适用于中国人群。因此，我们拟借助国际上领先的临床队列管理经验和多维度生物标志物分析方法，发现适用于我国人群的 AD 生物标志物，建立基于生物标志物对患者进行分层的方法，为发展 AD 诊疗提供智力支持和新的工具手段。

  此项目的研究目标为通过建立高质量人群队列，发现适用于中国 AD 人群的生物标志物，建立基于多维度生物标志物的风险评估和患者分层模型，为 AD 的个性化精准医疗提供知识基础和工具。针对目前缺乏 AD 临床诊断和病情量化评估标准的挑战，以及尚无系统性研究中国 AD 人群生物标志物的现状，本项目拟联合国内临床医院和国外顶尖的科研机构，围绕“研究适用于中国 AD 人群的生物标志物，建立基于多维度生物标志物的风险评估模型，实现对患者的分层分型”的关键科学问题，开展多中心研究，推动 AD 诊疗手段的发展。

   其研究内容包括：

   （1）中国阿尔茨海默症人群队列建立和生物标志物分析建立中国阿尔茨海默症人群和正常老年对照人群的研究队列，采集队列人群的血液、神经影像等生物样本和诊断资料；开展基于中国AD人群的全基因组学、表观遗传学、转录组学等多维度大数据分析，发现新的AD生物标志物。 

   （2）基于生物标志物的风险评估模型建立和应用 通过人工智能结合的深度学习手段，建立具有临床意义的多维生物标志物评估数学模型，实现对患者的 AD 风险评估和分型；根据临床反馈数据，再次对模型进行优化和修正。 

   （3）人源干细胞模型的构建和分析通过体细胞重编程技术建立来源于患者和对照的诱导多能干细胞系，实现定向分化和类脑器官仿生3D动态培养，并以此为基础进行病变机理研究。