越来越多的证据表明，神经元铁的调控失衡可能在阿尔茨海默病中起着关键作用。最近的磁共振成像研究已经建立了铁沉积和淀粉样β蛋白聚集之间的关系。这项研究利用基于磁共振的定量磁化率映射和tau-PET技术，进一步揭示了铁和tau蛋白积累之间的关系，研究对象为有淀粉样β蛋白病理学的236名参与者（来自瑞典BioFINDER-2研究）。无论是在体素水平还是在区域分析中，我们都一致地发现，磁化率的差异与tau-PET信号在阿尔茨海默病已知受影响的区域中的关联，这种差异主要可以归因于铁含量的增加。进一步的分析揭示，定量磁化率特别是在介导tau-PET和皮质萎缩测量之间的关系，从而表明铁负荷对疾病过程有调控作用。我们还发现有证据表明，定量磁化率和tau-PET之间的关系在较年轻的参与者（年龄≤65岁）中更强。总的来说，这些结果提供了体内证据，表明铁沉积与tau蛋白聚集和神经退化之间存在关联，这有助于推进我们对铁调控失衡在阿尔茨海默病病因中的作用的理解。本研究发表在BRAIN杂志。

(资料图片仅供参考)

介绍

过去的体外和尸检研究表明，过量的铁沉积和阿尔茨海默病蛋白质病变的标志之间存在关系，即淀粉样β斑块和神经纤维缠结（Sayre等人，2000年；Everett等人，2014年）。神经元铁可能是MRI使用一种称为定量磁化率映射（QSM）的技术捕捉的对比度的主要来源，这种技术量化了磁化率（Langkammer等人，2012年）。

最近的神经影像学研究已经将铁沉积（通过QSM测量）与纤维状淀粉样积累和认知下降率联系起来（Acosta-Cabronero等人，2013年；，van Bergen等人，2016年；Ayton等人，2017年；Kim等人，2017年）。然而，关于铁沉积和病理性tau蛋白聚集之间可能存在的关系的体内研究仍然缺乏。

考虑到神经元铁沉积已经与正常老化（Ward等人，2014年）和神经退行性过程（Pérez等人，1998年；Ayton和Lei，2014年；Bulk等人，2018a年）相关联，因此理解阿尔茨海默病中异常铁稳态和异常tau蛋白聚集之间的相互作用可能会对阿尔茨海默病的发病机制提供新的见解，并导致新的治疗靶点。

最近，Ayton等人（2019年）进行了一项离体研究，这项研究表明在下颞回（ITG）中铁沉积与在表现出明显淀粉样β斑块和tau缠结的受试者中认知下降率更快有关。作者发现，铁含量增加的部位与淀粉斑块形成不重叠，但铁含量增加的部位与tau负荷区域在空间上共定位。Bulk等人（2018b年）的一项结合了死后MRI和组织学研究也发现了铁（由铁敏感的MRI序列（T2*）测量）和tau蛋白聚集之间的关联。然而，另一项使用T2*和免疫组织化学的离体研究在采取基于像素的空间相关性方法时，没有找到铁积累和tau蛋白聚集之间的确凿关联证据（Bulk等人，2018a年）。

在当前的这项前瞻性的体内研究中，我们运用了尖端的影像技术（QSM和tau-PET）去探究铁积累指标与阿尔茨海默病连续谱中异常tau蛋白聚集之间的潜在关系，这种连续谱的特征是根据最近的NIA-AA研究框架（Jack等人，2018年）显示的大脑淀粉样病变的证据。我们在体素-灰质层级和在针对下颞回（ITG）的感兴趣区域分析中探索了QSM和tau-PET之间的关联，下颞回是一个已知在阿尔茨海默病中受tau病理严重影响并常用tau-PET进行评估的区域（Vogel等人，2019年）。我们还探讨了铁含量（通过QSM测量）在tau蛋白聚集与神经元损失之间关系的可能的中介效应，其中神经元损失是通过结构MRI的皮层厚度测量来估计的。

材料和方法

参与者

瑞典BioFINDER-2研究的236名参与者被纳入（详见补充材料中的纳入和排除标准）。只有那些通过脑脊液生物标志物证据显示有脑淀粉样病变（异常的淀粉样β42/40比率）的参与者才被纳入研究队列，这些参与者包括78名认知未受损的淀粉样β阳性受试者和158名认知受损患者。后一组由77名被诊断为轻度认知障碍的淀粉样β阳性患者和81名阿尔茨海默病痴呆患者组成。参与者的人口统计和临床特征总结在表1中。所有受试者都根据《赫尔辛基宣言》提供了书面知情同意，该研究已得到瑞典隆德的伦理审查委员会的批准。

表1：研究队列的人口统计学总结

值以平均值（标准差）给出。使用 χ2 和 Mann-Whitney U 测试比较了人口统计因素和临床特征（性别：χ2 = 0.47，P > 0.4；年龄：U = 5934，P > 0.3；教育年数：U = 6062，P > 0.4；MMSE：U = 881，P < 0.001；皮质QSM：U = 5515，P = 0.095；皮质tau-SUVR：U = 2396，P < 0.001；ITG QSM：U = 4628，P < 0.01；ITG tau-SUVR：U = 2181，P < 0.001）。

*与认知未受损组明显不同。MMSE = 迷你精神状态检查。a三个数据点缺失。

影像协议

MRI协议

MRI数据是在带有64通道接收线圈阵列的Siemens Prisma 3T扫描仪上获取的（Siemens Healthcare）。磁敏感加权通过3D多梯度回波脉冲序列进行敏化：第一个回波进行了流动补偿；翻转角度=15°；回波时间=5.00、8.80、12.60、16.40和20.20毫秒（单极/飞回读取梯度）；接收带宽=490 Hz/像素；重复时间=24毫秒；体素大小=0.8 × 0.8 × 1.4 mm³；6/8部分傅里叶；扫描时间=3:54分钟。同时也采集了MPRAGE（磁化准备，3D，快速梯度回波）解剖图像，其采集参数如下：反转时间=1100毫秒；翻转角度=9°；回波时间=2.54毫秒；回波间隔=7.3毫秒；重复时间=1900毫秒；接收带宽=220 Hz/像素，体素大小=1 × 1 × 1 mm³，扫描时间=5:15分钟。在两个序列中都应用了GRAPPA（通用自校正部分并行采集；Griswold等，2002），加速因子为2，参考线为24。

PET协议

第二代tau-PET示踪剂18F-RO-948（以前被称为18F-RO6958948）在隆德的Skåne大学医院合成，PET扫描是在GE Discovery 690 PET扫描仪（通用电气医疗系统）上进行的。在解剖MRI空间进行的FreeSurfer分区（v6版本；/）被应用于处理过的、共配准的、时间平均的PET图像，以提取区域摄取值。通过在注射后70–90分钟的间隔中取平均摄取量，得到了全球正常化到下小脑灰质（参考）区域的平均摄取量的18F-RO-948标准摄取值比（SUVR）图像（Kuwabara等，2018；Maass等，2017）。

CSF协议和分析

按照阿尔茨海默病协会流程图（Blennow等，2010）执行腰椎CSF采样。样本在-80℃下存放在1ml聚丙烯管中，直到分析。用ELISA分析CSF中的淀粉样β40和淀粉样β42（Mesoscale Discovery）。根据临床常规实践，定义淀粉样β-阳性为CSF中淀粉样β42/40 ≤ 0.89。

影像重建与后处理

QSM重建

使用Siemens固件版本E11C中的自适应组合方法组合多通道复数据。后续处理步骤在QSMbox（/acostaj/QSMbox）中的组合多回波管道中进行，包括在其他地方描述的多尺度偶极反演（MSDI）算法（Acosta-Cabronero等人，2018；参见补充材料和补充图1和2）。

QSM后处理

使用QSMexplorer程序对QSM重建数据进行后处理和分析。简而言之，使用从125位伪随机选择的参与者（包括健康对照者和神经退行性疾病患者）的射频偏差校正MPRAGE图像为BioFINDER-2队列创建了一个特定的模板。QSM空间标准化是通过一个先前优化的方法实现的，该方法结合了ANTs v2.1、SPM12和FSL-v5.10（FMRIB软件库）工具（Acosta-Cabronero等人，2016a）（参见补充材料）。为了避免对患者中未受疾病影响区域的假设，主要的QSM结果显示的是以零为中心的数据（参见Acosta-Cabronero等人，2017，2018a）。还包含了以深前额白质区域为参考的QSM值，见补充图3

统计分析：

使用Python 3.6实施了卡方检验和Mann-Whitney U检验，评估了人口统计变量和临床状态（即诊断）之间的关系（表1）。

基于体素的灰质QSM聚类增强分析：为了避免空间上相邻正/负磁敏感性的卷积导致的取消效应（Betts等，2016），采用了绝对磁敏感图进行全脑分析；并对这些图像进行了高斯核平滑处理，标准差为3毫米，并对脑边界效应进行了额外的补偿。由于一些QSM差异可能来自于年龄差异（Acosta-Cabronero等，2016），在统计模型中引入了年龄作为混杂协变量。为了降低计算负担，QSM图像被下采样到2 mm³的分辨率。然而，还对随机选择的191名参与者进行了1 mm³的补充分析（补充图4）。对于tau-PET，我们聚焦于阿尔茨海默病中与tau蛋白聚集最相关的兴趣区域，即反映Braak I-IV阶段的时间元兴趣区域，涵盖了双侧内侧颞叶、梭状回、下颞回和中颞回。将从这个兴趣区域提取的平均SUVR值作为研究设计中的一个感兴趣的协变量。体素级回归分析仅限于基于SPM12组织分割得到的灰质掩模，并使用FSL randomise（/fsl/fslwiki/Randomise）执行了无阈值、聚类增强的排列统计分析，进行了10,000次排列。全脑统计显著性水平设定为严格的家族误差校正阈值P < 0.01。

区域分析

为了确定QSM差异的方向性，并探究QSM与tau-PET的局部关联，我们从包含在FreeSurfer v6的Desikan-Killiany-Tourville图谱的68个双侧皮层区域中提取了平均区域SUVR和有符号的QSM值。也计算了平均区域皮层厚度（补充材料）。在每个区域中计算了皮尔逊乘积矩相关系数，并在假阳性发现率（FDR）校正阈值P < 0.05处确定了统计显著性。对ITG（下颞回）进行了更详细的区域分析，即通过回归模型测试了平均区域QSM与平均tau-PET SUVR和平均皮层厚度之间的关联，并将认知状态（认知无损和认知损害的参与者）纳入到回归模型中。基于65岁的年龄阈值，该队列进一步细分为年轻和年老的组，这是早发阿尔茨海默病痴呆的上限，也被广泛认为是老年的阈值（Rossor等，2010）。进行了中介分析，测试了QSM对tau-PET示踪剂吸收与皮层厚度之间关联的影响，并使用引导法（10000个样本）（Hayes，2009；参见补充材料）测试了中介效应的统计显著性。模型包括认知状态作为协变量，以及年龄和性别。分析在Python 3.6和RStudio v1.1.463中进行（请参见补充材料，其中进行了进一步的分析，其中队列被分为认知损害的参与者和认知无损的参与者。

结果

整个灰质QSM分析

体素级回归分析揭示，颞叶区域（颞部元感兴趣区域）的tau-PET摄取主要与包括双侧下和中颞回、梭状回、海马旁皮层和颞极在内的颞区广泛绝对磁敏感增加有关。此外，尽管较为稀疏，颞叶tau-PET示踪剂摄取也与顶叶区域（尤其是颞顶旁回）、前扣带皮层、后扣带皮层、侧向枕部和额叶区域如中额皮质和岛皮质的QSM协变（图1和补充表1）。反向对比，即绝对QSM和tau-PET值之间的负相关，在整个大脑中都不显著。

图1 整个灰质QSM体素级回归结果

簇显示了正向体素级关联的显著结果的t值（P ≤ 0.01 FWE）：绝对QSM 与 tau-SUVR + 年龄的关系。结果按照放射学惯例显示。为了便于可视化，结果已经被映射到MNI 152空间（蒙特利尔神经学院模板），使用ANTs程序，并在整个研究的解剖模板上展示。

区域分析

在图2A中（并在补充表2中进一步总结；参见补充图5和6A），以3D叠加显示了有符号QSM和tau-PET值之间统计显著相关的区域模式。区域分析确认，全脑分析所识别的正绝对QSM相关性确实由有符号QSM的局部增加驱动，这与铁积累的情况相一致。ITG返回了最强的区域QSM/tau-PET相关性 [左ITG: r = 0.31, P < 0.001 FDR; 右ITG: r = 0.32, P < 0.001 FDR]。

图2 对整个研究队列的区域分析

(A) 显示了有符号QSM和tau-PET信号之间显著的皮尔逊乘积矩相关性（FDR校正P ≤ 0.05）的区域模式。颜色尺度代表皮尔逊相关系数。

(B) 下颞回的平均归一化tau-PET示踪剂摄取作为有符号QSM的函数进行绘制。围绕回归线的半透明区域代表回归估计的95%置信区间。

(C) 中介分析结果的流程图示例（每个模型都将年龄、性别和认知组别作为协变量）；c代表tau-PET信号与皮质厚度之间的直接关联强度 [b = –0.107, P ≤ 0.0001, CI: –0.13 to –0.08]；c’是考虑到QSM效应后，tau-PET信号与皮质厚度之间的关联强度 [b = –0.089, P ≤ 0.001, CI: –0.12 to –0.06]；因此，c-c’就是QSM的中介效应 [b = –0.018, P ≤ 0.001, CI: –0.03 to –0.01，QSM可以解释tau-PET信号对皮质厚度影响的17%（b ratio）]。

在下颞回进行的进一步分析（考虑了半球平均，并考虑了年龄和性别可能的混杂效应，同时将认知状态作为协变量），确认了磁敏性MRI和tau-PET测量之间的正关联（图2B）[tau-PET: β  =  0.0009, P < 0.001, 置信区间 (CI) = 0.001 到 0.001; 认知正常和认知受损 (Cog) 组 : β = −0.0002, P > 0.5, CI = −0.001 到 0, 年龄: β  =  5.8 × 10−5, P = 0.001, CI = 2.5 × 10−5 到 9.1 × 10−5; 性别: β  =  0.0001, P > 0.6, CI = 0 到 0.001]。值得注意的是，下颞回的QSM和年龄之间的关联是显著的。此外，下颞回的tau-PET和QSM值都与皮质厚度测量呈负相关（补充材料）。中介分析表明，即使在模型中包含认知状态，QSM也部分中介了tau-PET和皮质厚度之间的关系[中介效应 = 17%; β = −0.018, P < 0.001, CI: −0.03 到 −0.01]（图2C）。包含年龄、性别和教育水平（以年为单位）作为干扰协变量的回归模型显示，下颞回的QSM信号与以迷你精神状态检查（MMSE）量化的全球认知之间存在显著的负相关[QSM: β = −739, P < 0.001, CI: −1067 到 −410; 年龄: β  =  0.039, P > 0.3, CI: −0.050 到 0.128; 性别: β = −0.63, P > 0.3, CI: −1.87 到 0.60; 教育: β  =  0.12, P > 0.1, CI: −0.03 到 0.27] (补充图7和8)。

年龄分组显示，QSM与tau-PET之间的关联在年轻的淀粉样蛋白β阳性个体（≤65岁，n=40）中更为明显（图3A、B、D和E，补充表3和4，以及补充图6D和E）（ITG中的回归模型：调整后的R2 = 0.48；tau-PET：β = 0.0015，P < 0.001，CI = 0.001至0.002；Cog组：β = 0.0002，P > 0.7，CI = -0.001至0.001；年龄：β = -0.0002，P = 0.09，CI = 0至2.7×10^-5；性别：β = -0.0005，P > 0.3，CI = -0.001至0.001），而在年长者中则较低（n=196，ITG中的回归模型：调整后的R2 = 0.06；tau-PET：β = 0.0007，P < 0.005，CI = 0至0.001；Cog组：β = 0.0002，P > 0.5，CI = -0.001至0；年龄：β = 3.8×10^-5，P > 0.1，CI = -1.3×10^-5至8.9×10^-5；性别：β = 0.0002，P < 0.2，CI = 0至0.001）。QSM对tau-PET与皮层厚度之间关联的中介效应在年轻组中也更强（中介效应=38%，而对于老年组为13%）（图3C和F），同时还考虑了参与者不同的认知状态（有关按认知状态分层分析结果，请参阅补充资料、补充表3-7和补充图6和9-11）。

图3 年轻组和老年组的区域分析结果。

(A–C) 年轻组的结果（n = 40）。

(A) 有意义的Pearson相关性在不同脑区之间的区域模式（经过FDR校正，P < 0.05）。颜色标尺代表Pearson相关系数。

(B) signed-QSM与从颞下沟提取的tau-PET值之间的协变性。回归线周围的半透明区域代表回归估计的95%置信区间。

(C) 中介分析的流程图（每个模型包括年龄、性别和认知组作为协变量）。c = tau-PET信号与皮层厚度之间的直接关联 [β = -0.14，P < 0.001，CI: -0.20至-0.10]；c" = 考虑QSM效应的tau-PET信号与皮层厚度之间的关联 [β = -0.087，P < 0.005，CI: -0.145至-0.03]；c-c" = QSM的中介效应 [β = -0.053，P < 0.005，CI: -0.104至-0.02，QSM解释了tau-PET信号对皮层厚度的38%（β比率）的影响]。

(D–F) 老年组的结果（n = 196）。

(D) 在多重比较下，经过FDR校正的signed-QSM与tau-PET信号之间的Pearson积矩相关性生存的脑区（P < 0.05）。颜色标尺代表Pearson相关系数。

(E) 颞下沟的signed-QSM与tau-PET信号之间的相关性。回归线周围的半透明区域代表回归估计的95%置信区间。

(F) 中介分析的图表（每个模型包括年龄、性别和认知组作为协变量）。c = tau-PET信号与皮层厚度之间的直接关联 [β = -0.096，P < 0.001，CI: -0.128至-0.07]；c" = 考虑QSM效应的tau-PET信号与皮层厚度之间的关联 [β = -0.084，P < 0.001，CI: -0.116至-0.05]；c-c" = QSM的中介效应 [β = -0.012，P < 0.01，CI: -0.023至0，QSM介导了tau-PET信号对皮层厚度的13%（β比率）的影响]。

讨论

该研究探讨了阿尔茨海默病中铁含量（皮质QSM）与Tau蛋白负荷（Tau-PET示踪剂）之间的关系。整个灰质QSM回归分析揭示了磁敏感性与Tau-PET摄取之间的关联模式，这一模式在时域元感兴趣区域内与阿尔茨海默病中Tau沉积的空间分布一致（Braak和Braak，1991；Vogel等，2019）。随后的区域分析进一步支持了增加（带符号的）QSM值（反映铁含量增加）与Tau堆积之间的关联，其中在ITG（下颞回）中最为显著。此外，我们发现QSM对Tau-PET和皮质厚度之间关系的中介效应显著。最后，年龄分割显示，在年轻参与者中，QSM与Tau-PET之间的关联以及QSM的中介效应均比年长参与者更强。

尽管我们的研究设计具有横断面的性质，无法推测异常的铁稳态是在阿尔茨海默病的蛋白质病变之前还是之后发生的，但目前的结果支持了铁沉积作为阿尔茨海默病神经退行性过程中的一个共同因素的假设。

tau蛋白的错误折叠、铁沉积和神经退行性之间的相互作用可能非常复杂。我们结果的一个可能解释是，tau功能异常和错误折叠可能导致铁沉积，最终导致氧化应激、神经元丢失或铁死亡（Dixon等，2012）。铁失调也可能产生有毒环境，可能促进tau错误折叠和其他神经毒性事件的发生。这个理论与过去的体外研究一致，这些研究表明铁可以诱导tau的磷酸化（Lovell等，2004）和tau的聚集（Yamamoto等，2002）。当前数据和先前的研究结果（Lei等，2012）支持这样一个概念，即至少部分毒性是通过可溶性tau依赖、铁诱导的氧化损伤或铁死亡发生的。我们的结果还表明，铁沉积与认知下降有关。事实上，ITG（下颞回）中的QSM信号与MMSE测量的认知损害程度相关。ITG中的QSM信号与MMSE之间的关联在体内重现了Ayton等（2019）最近发表的关于ITG中铁沉积的离体定量和MMSE之间的关联。然而，纵向研究将有必要阐明铁、tau和退行性在疾病不同阶段的相互作用的性质。

过去的研究还显示，早发性疾病相对于晚发性疾病具有更高水平的神经铁含量，以及铁敏感性MRI测量指标的差异（Bulk等，2018b）。在这里，我们发现年轻组和老年组之间存在不同的与铁有关的结果，但由于我们的年轻组样本规模较小，统计功效不足，需要进一步进行具有更大队列的研究。此外，我们不能排除与年龄增长相关的其他因素可能会导致QSM的变化，削弱QSM与tau-PET信号之间的关联。

在本研究中，部分分析集中在ITG上，这是阿尔茨海默病中已知受到严重tau病理影响的区域，并且可以可靠地通过tau-PET进行评估（Johnson等，2016）。基于体素的分析以及基于兴趣区域的分析显示了QSM与tau-PET之间的关联模式，与阿尔茨海默病的典型传播方式一致。然而，值得注意的是，在一些关键结构中，例如内侧海马皮层，统计关联较弱（例如，左侧内侧海马：r = 0.13，P <0.05未经校正；右侧内侧海马：r = 0.14，P <0.05未经校正）。结果的空间特异性值得未来的研究进行探究，因为当前状态下无法排除QSM的技术限制可能会损害不同区域信号的均匀性，从而影响对较小和严重萎缩的区域（如内侧海马皮层）中关联的检测能力。使用更高场强的扫描仪（例如7 T，提供更高的灵敏度和信噪比）进行进一步研究可能会澄清这一点（van Bergen等，2016）。

QSM是一种相对较新的技术，在解释这些结果时必须考虑一些因素。虽然QSM被广泛接受作为组织铁含量的替代指标，但实际上，QSM测量的是磁敏感性，这是一种基本的电磁性质，可以受到包括铜、锰、铝以及髓鞘和钙在内的其他金属的影响。尽管如此，人脑中其他金属的浓度似乎过低，无法对MRI信号产生影响，超过了铁含量的固有局部变化的效应（Krebs等，2014）。理论上，异常的髓鞘化水平也可能调节QSM，但在实际应用中这也不太可能；皮质QSM对比度似乎主要由铁含量驱动（Fukunaga等，2010），这与本研究检测到的正向QSM偏移相结合，支持皮质铁沉积的情景，这一发现在阿尔茨海默病的尸检铁研究中一直得到一致报道（Bulk等，2018a；Ayton等，2019）。另一个局限是本研究设计的横断面性质；因此需要纵向研究来阐明铁沉积和tau聚集之间的因果关联。未来的研究还将探讨QSM与阿尔茨海默病中其他潜在神经退行性原因（如神经炎症）之间的可能关系。

总之，本研究提供了活体证据，证明了铁沉积（通过QSM测量）与不溶性tau聚集（通过tau-PET）和神经元丧失（通过结构MRI）之间的关系。这些结果推进了我们对阿尔茨海默病病理生理学中铁失调作用的理解，并为研究和治疗开发工作提供了新的方向。