Die PPMI-Studie ist eine prospektive, longitudinale multizentrische Untersuchung, die darauf abzielt, Biomarker für Parkinson-Krankheit (PD) zu identifizieren, um die Entwicklung von therapeutischen Studien zu beschleunigen. Die Studie rekrutierte PD-Patienten, die bestimmte Kriterien erfüllten, darunter ein Alter von mindestens 30 Jahren, Diagnose innerhalb von 2 Jahren, ein dopaminerges Defizit in der Bildgebung, nicht behandelt mit Dopaminersatztherapie und bestimmte motorische Symptome. Kontrollen hatten keine neurologische Störung, keinen Verwandten ersten Grades mit PD und normale DAT-SPECT-Bildgebung. Insgesamt wurden 646 Teilnehmer aus der PPMI-Studie eingeschlossen, darunter 485 PD-Patienten und 161 gesunde Kontrollen.
Die SAHZJU-Datensatz umfasste 376 PD-Teilnehmer und 205 Kontrollteilnehmer, während der SAHSU-Datensatz 71 PD-Patienten und 71 Kontrollen enthielt. Die PD-Patienten wurden gemäß den Kriterien der Parkinson’s Disease Society Brain Bank von Bewegungsstörungsspezialisten diagnostiziert. Um die Schwere der PD zu bewerten, wurden verschiedene Techniken angewendet, darunter die Bestimmung des Striatal Binding Ratio (SBR) mittels SPECT-Messungen und die Verwendung von Biomarkern aus Liquor und Serum. Klinische Scores wurden verwendet, um motorische und kognitive Symptome zu bewerten, einschließlich des MDS-UPDRS-Teils III und des Montreal Cognitive Assessment (MoCA).
Die MRT-Daten wurden von verschiedenen Herstellern erfasst und verarbeitet, bevor sie mittels FreeSurfer-Software vorverarbeitet und in den MNI152-2009c-Standardraum normalisiert wurden. Verschiedene Modelle, darunter der CVAE- und VAE-Algorithmus, wurden verwendet, um neuroanatomische Veränderungen im Zusammenhang mit PD-spezifischen Merkmalen zu identifizieren. Die Proteomikdaten des CSF wurden mittels der SOMAscan-Plattform gemessen und die Beziehung zwischen CSF-Proteinen und PD-spezifischen Merkmalen untersucht.
Das CVAE-Modell ist ein unbeaufsichtigter Deep-Learning-Algorithmus, der dazu dient, Signale im Zielsatz zu identifizieren, die angereicherter sind als im Hintergrunddatensatz. VAE-Modelle wurden ebenfalls trainiert, um die mit der Krankheitsschwere verbundenen Merkmale zu untersuchen. Die Identifizierung von Proteinen im Liquor, die mit PD-spezifischen Merkmalen assoziiert sind, wurde durchgeführt, gefolgt von einer Gene Ontology (GO)-Anreicherungsanalyse und der Untersuchung der Protein-Protein-Interaktion.
Zusammenfassend identifiziert die Studie mittels verschiedener Modelle und Analysen neuroanatomische Veränderungen und proteomische Marker im Liquor, die mit PD-spezifischen Merkmalen in Verbindung stehen. Die Untersuchung trägt zur weiteren Charakterisierung und Verständnis der Parkinson-Krankheit bei.