帕金森病早期无创诊断、不同病程的精细化区分一直是临床难题。近日，深圳市龙岗区智能生物光电子与脑疾病诊疗重点实验室执行主任、香港中文大学（深圳）医学院蒋成教授带领医工交叉学科团队，在功能材料及器件领域著名期刊《Advanced Materials》（IF 29.1）发表重要研究性论文，开发出一套名为 PANDA（Protein Aggregate NanoDynamics Analyzer）的检测平台 —— 仅需患者外周血清，结合等离激元纳米传感与深度学习，即可「解码」α‑突触核蛋白的动态聚集景观。研究不仅实现健康人与帕金森患者的区分，还完成对健康人、帕金森轻症、帕金森重症三类人群蛋白聚集体亚组分异质性的精细化解析，多分组鉴别诊断模型展现优异判别能力，为疾病分期与疗效评估提供客观分子依据。
帕金森病的核心病理是 α‑突触核蛋白（α‑syn）由可溶性寡聚体向不可溶性纤维递进式聚集。然而，传统脑脊液活检有创、PET 影像昂贵，常规免疫检测又只能测蛋白总量，无法区分寡聚体、纤维等不同病理形态，更难以客观刻画从健康到轻症、再到重症的病程阶段。大多数情况下测不到聚集形态，就等于只看了总量、可能看不到疾病本身的分子病理。
蒋成团队在过去多年挖掘帕金森病标志物及开发诊疗器件的前期基础上，构建了依托等离激元等离子体纳米技术的 PANDA 平台，利用空间约束免疫金簇集效应，将血清中不同结构的 α‑突触核蛋白聚集物转化为特征性光散射信号；再通过深度神经网络（DNN）对高维信号进行解析分类，自动输出「蛋白聚集景观图谱」。整个过程无需侵入性采样，检测对象直接为人血清临床样本。
在临床血样验证中，PANDA 所解析的聚集物尺寸分布轮廓与患者临床运动评分最大相关系数达 r = 0.6，与多巴胺能 PET 影像最大相关系数达 r = 0.7，与临床病理表现高度吻合。研究对健康人、帕金森轻症、帕金森重症的蛋白聚集体亚组分异质性开展精细化解析，捕捉到三组人群在寡聚体、中间态聚集体、纤维组分上的分布差异；基于蛋白聚集景观构建的深度学习模型，健康人对比帕金森病例的 ROC 曲线下面积 AUC 达到 0.99；针对健康人、轻症、重症的多分类鉴别模型同样取得优越的判别精度, 三分类的平均准确率 (mAP) 达 0.95，可实现帕金森病不同病程阶段的高精度判别。
同时，该研究在人体血液样本中证实了帕金森病程中「寡聚体向纤维转变」的病理演化过程，为长期以来的理论假说提供了直接的人体证据。该平台的突破在于：从「测浓度」升级为「读形态」—— 不仅知道蛋白有多少，更知道它处于哪种致病聚集状态。研究人员表示，这一「纳米传感+人工智能」的医工交叉范式，有望服务于帕金森病早期无创筛查、区分轻症与重症、病程动态随访，以及未来抗聚集类新药临床试验中的疗效客观评价。
展望
目前该研究仍处于验证阶段，未来蒋成团队将联合更多临床中心，扩大多中心样本队列，进一步优化多分类鉴别模型性能，推进向临床检测试剂盒的转化，让「一滴血读懂帕金森」从实验室走向广大老年人群的精准早筛及病程追踪。
该研究工作得到了医学院
李晨钟教授、宣武医院刘疏影主任、中山大学生物医学工程学院戴宗教授和郭剑和教授、课题组原博后卢永凤（现福建省肿瘤医院研究员）的大力支持，课题组 26 届博士周余航为本论文的第一作者。
原文链接：
https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.74985
如需代发文章宣传、新闻稿、招聘等，请后台回复【学术】添加小编
【非原创文章】「丁香学术」特邀稿件，作者授权发布。本内容著作权归作者所有， 欢迎个人转发分享。未经授权禁止转载，违者必究！
