本發(fā)明屬于生物，涉及一種基于腸道菌群的阿爾茲海默病標志物及風險預測模型。

背景技術：

1、阿爾茨海默病(alzheimer's?disease,ad)是一種慢性進行性的神經退行性疾病，其特征是大腦的不可逆性功能損害。這種疾病會導致記憶喪失、社交和職業(yè)功能喪失、執(zhí)行功能減退、言語和運動缺陷、人格改變，以及行為和心理障礙。阿爾茨海默病的病程通常為8-10年，其病理特征包括神經元纖維纏結、老年斑、神經元缺失和腦萎縮，同時伴有細胞層面乙酰膽堿合成缺陷。

2、盡管目前沒有根治的方法，但阿爾茨海默病并不是不可治療的，現有的治療手段可以緩解癥狀、延緩病情進展，此外，早期診斷和治療對于改善患者的生活質量至關重要。目前診斷阿爾茨海默病通常需要通過病史、體格檢查、認知功能評估以及一系列的診斷性檢查，如血液檢查、生化檢查、甲狀腺功能測試、維生素b12水平、ct、mri、腦脊液分析等，阿爾茨海默病早期診斷面臨一些挑戰(zhàn)和不足，主要包括以下幾點：診斷率偏低：公眾對阿爾茨海默病的認知不足，導致很多患者未能及時得到診斷和治療；早期癥狀隱匿：阿爾茨海默病早期發(fā)病隱匿，不易察覺；誤診率較高；生物標志物檢測局限：雖然基于阿爾茨海默病的atn診斷標準，生物標志物可分為aβ病理生物標志物、tau病理生物標志物和神經退行性病變的生物標志物，但這些檢測方法存在一定的局限性，如腰穿的特異性相對不如pet-ct高，且有創(chuàng)傷性有感染風險；影像學檢查局限：mri和pet-ct等神經影像學檢查雖然重要，但費用較高，且對設備和專業(yè)技術要求較高，限制了其在早期診斷中的廣泛應用；血液標志物檢測局限：雖然血液標志物檢測提供了非侵入性檢測的可能性，但目前這些檢測方法的特異性和敏感性仍在研究中，且尚未廣泛應用于臨床診斷。

3、綜上所述，挖掘新型ad早期診斷生物標志物，開發(fā)相應疾病風險預測工具，對于ad早期診斷領域具有重要意義。

技術實現思路

1、針對現有技術的不足和實際需求，本發(fā)明提供一種基于腸道菌群的阿爾茲海默病標志物及風險預測模型，以期解決目前阿爾茲海默癥早期診斷工具缺乏、檢測復雜、準確性低等問題。

2、為達此目的，本發(fā)明采用以下技術方案：

3、第一方面，本發(fā)明提供一種基于腸道菌群的阿爾茲海默病標志物，所述標志物包括腸道菌群，所述腸道菌群包括勞森巴氏厭氧菌(lawsonibacter?asaccharolyticus)、大腸桿菌(escherichia?coli)、唾液鏈球菌(streptococcus?salivarius)、假發(fā)阿薩希氏菌(asaccharobacter?celatus)、等兒克魯維耶氏菌(adlercreutzia?equolifaciens)、腸道羅斯拜瑞氏菌(roseburia?intestinalis)、糞羅斯氏菌(roseburia?faecis)、人羅斯氏菌(roseburia?hominis)、厚壁菌門cag424菌(firmicutes?bacterium?cag?424)和梭菌屬cag58菌(clostridium?sp?cag?58)。

4、本發(fā)明中，基于測序技術分析ad遺傳風險者的腸道菌群相對豐度信息，挖掘基于腸道菌群的阿爾茲海默病標志物，發(fā)現與健康者相比，ad遺傳風險者中勞森巴氏厭氧菌的豐度降低、大腸桿菌的豐度降低、唾液鏈球菌的豐度升高、假發(fā)阿薩希氏菌的豐度降低、等兒克魯維耶氏菌的豐度降低、腸道羅斯拜瑞氏菌的豐度升高、糞羅斯氏菌的豐度降低、人羅斯氏菌的豐度降低、厚壁菌門cag424菌的豐度升高和梭菌屬cag58菌的豐度降低。

5、第二方面，本發(fā)明提供第一方面所述基于腸道菌群的阿爾茲海默病標志物和/或其檢測試劑在制備預測阿爾茲海默癥風險的產品中的應用。

6、可以理解，本領域中可檢測腸道菌群水平的試劑、設備等均適用于本發(fā)明。

7、第三方面，本發(fā)明提供一種預測阿爾茲海默癥風險的的試劑盒，所述試劑盒包括檢測第一方面所述基于腸道菌群的阿爾茲海默病標志物的豐度的試劑。

8、第四方面，本發(fā)明提供一種構建預測阿爾茲海默癥風險的模型的方法，所述方法包括：

9、檢測健康者和具有阿爾茲海默癥風險者的第一方面所述基于腸道菌群的阿爾茲海默病標志物的豐度；以獲得的豐度數據作為訓練集，基于機器學習算法構建預測阿爾茲海默癥風險的模型。

10、本發(fā)明中，基于挖掘的標志物進一步開發(fā)預測阿爾茲海默癥風險的模型，用于阿爾茲海默癥的早期風險預測。

11、優(yōu)選地，所述機器學習算法包括隨機森林、樸素貝葉斯、支持向量機或決策樹中任意一種。

12、第五方面，本發(fā)明提供一種預測阿爾茲海默癥風險的模型，所述預測阿爾茲海默癥風險的模型由第四方面所述的構建預測阿爾茲海默癥風險的模型的方法構建得到。

13、優(yōu)選地，所述模型的輸入數據為第一方面所述基于腸道菌群的阿爾茲海默病標志物的豐度；輸出變量為具有阿爾茲海默癥風險的概率；具有阿爾茲海默癥風險的判斷標準為：阿爾茲海默癥風險的預測概率＞0.5。

14、本發(fā)明中，以10種腸道菌群標志物組合及其豐度水平構建的機器學習模型，用于阿爾茲海默癥的早期風險預測，auc值可達0.859，具有檢測準確度高、方便快捷以及安全無創(chuàng)的特點，對輔助診斷出阿爾茲海默癥相關指標具有重要的臨床指導意義。

15、第六方面，本發(fā)明提供一種預測阿爾茲海默癥風險的裝置，所述裝置包括檢測單元和評估單元；

16、所述檢測單元用于執(zhí)行包括：

17、檢測待測樣本中第一方面所述基于腸道菌群的阿爾茲海默病標志物的豐度；

18、所述評估單元用于執(zhí)行包括：

19、將檢測單元檢測的豐度輸入第五方面所述的預測阿爾茲海默癥風險的模型中，輸出具有阿爾茲海默癥風險的概率；具有阿爾茲海默癥風險的判斷標準為：阿爾茲海默癥風險的預測概率＞0.5。

20、優(yōu)選地，所述待測樣本包括糞便樣本。

21、第七方面，本發(fā)明提供一種電子設備，所述電子設備包括一個或多個處理器和用于存儲可執(zhí)行指令的存儲器，所述一個或多個處理器被配置為調用所述存儲器存儲的可執(zhí)行指令，以實現第六方面所述的預測阿爾茲海默癥風險的裝置的功能。

22、第八方面，本發(fā)明提供一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現第六方面所述的預測阿爾茲海默癥風險的裝置的功能。

23、第九方面，本發(fā)明提供第一方面所述基于腸道菌群的阿爾茲海默病標志物作為靶點在篩選治療或預防阿爾茨海默癥的藥物中的應用。

24、具體地，所述篩選包括通過分析候選藥物對受試者中所述基于腸道菌群的阿爾茲海默病標志物的影響，選擇治療或預防阿爾茨海默癥的藥物。

25、與現有技術相比，本發(fā)明至少具有以下有益效果：

26、本發(fā)明中，基于測序技術分析ad遺傳風險者的腸道菌群相對豐度信息，挖掘基于腸道菌群的阿爾茲海默病標志物，以特定腸道菌群標志物組合及其豐度水平構建的機器學習模型，用于阿爾茲海默癥的早期風險預測，具有檢測精確度高、方便快捷以及安全無創(chuàng)的特點，對輔助診斷出阿爾茲海默癥相關指標具有重要的臨床指導意義。