近幾年，隨著生活負(fù)擔(dān)和工作壓力的增大，抑郁癥的討論度大大提升。在面對各種壓力和挑戰(zhàn)時，我們有時會陷入到負(fù)面消極的情緒當(dāng)中。這時，如何判斷自己只是短暫的有抑郁情緒，還是已經(jīng)患上了抑郁癥呢？ 越來越多的研究表明，重度抑郁癥不僅是一種大腦障礙，也是一種身體障礙。主觀上表現(xiàn)為持續(xù)的情緒痛苦，客觀上抑郁癥也會對生活產(chǎn)生影響。近年來，科學(xué)家們一直在尋找能夠早期發(fā)現(xiàn)抑郁癥的有效方法。 2023年3月，上海交通大學(xué)李華芳教授團(tuán)隊(duì)在《

Psychiatry Research

》（IF：11.3）雜志發(fā)表題為“Plasma biomarker panel for major depressive disorder by quantitative proteomics using ensemble learning algorithm: A preliminary study”的研究成果。

通過該研究揭示了重度抑郁癥（MDD）的潛在標(biāo)志物并建立了診斷MDD的標(biāo)志物組合。

研究策略

本研究運(yùn)用蛋白質(zhì)組學(xué)技術(shù)，對44名MDD患者和25名健康對照者的血漿進(jìn)行研究。采用集成學(xué)習(xí)技術(shù)建立預(yù)測模型。確立了一個包含兩個生物標(biāo)志物的組合：L-選擇素（SELL）和 Ras癌基因家族的亞型（RAP1B）。訓(xùn)練集和測試集的受試者工作特性曲線下面積分別為0.925和0.901，表明該研究所確定的生物標(biāo)志物組合可以有效區(qū)分MDD患者與對照組。

研究結(jié)果

一、蛋白質(zhì)鑒定與定量

通過DIA蛋白質(zhì)組學(xué)定量分析，鑒定出2224種蛋白質(zhì)，247個顯著差異表達(dá)的蛋白，其中169個上調(diào)，78個下調(diào)。

圖1：差異蛋白火山圖

二、差異蛋白分析

蛋白的亞細(xì)胞定位結(jié)果表明，差異蛋白集中在細(xì)胞外、細(xì)胞核、細(xì)胞質(zhì)以及線粒體上。KEGG分析顯示，一些高表達(dá)的蛋白參與趨化因子信號通路，病毒蛋白與細(xì)胞因子和細(xì)胞因子受體的相互作用，以及細(xì)胞因子-細(xì)胞因子受體的相互作用，而大多數(shù)下調(diào)的基因參與了肥厚性心肌病、擴(kuò)張型心肌病和鞘脂代謝。GO分析顯示，差異蛋白顯著富集到細(xì)胞過程、生物調(diào)節(jié)、刺激反應(yīng)等生物過程中。

圖2：重度抑郁癥(MDD)差異表達(dá)蛋白的生物信息學(xué)分析

通過檢測差異蛋白的互作網(wǎng)絡(luò)，確定了22個關(guān)鍵蛋白質(zhì)。根據(jù)DIA蛋白質(zhì)組學(xué)中檢測到的蛋白，發(fā)現(xiàn)了兩個強(qiáng)表達(dá)模塊與臨床特征相關(guān)。在黑色模塊中，進(jìn)行第二次蛋白質(zhì)- PPI分析，兩次PPI分析交集內(nèi)的7種蛋白被選為關(guān)鍵蛋白（纖維蛋白原α鏈（FGA），纖維蛋白原β鏈（FGB），血小板堿性蛋白（PPBP），肌動蛋白胞漿1（ACTB），Ras癌基因家族成員isoform（RAP1B），血小板因子4變體（PF4V1）、L-選擇素（SELL）。

圖3：差異蛋白互作網(wǎng)絡(luò)

三、建立抑郁癥診斷模型

為建立MDD診斷panel，研究者采用了集成學(xué)習(xí)的方法來篩選生物標(biāo)志物。將每個候選標(biāo)志物根據(jù)得分從高到低排序。使用ROC分析確定了潛在標(biāo)記物的最佳組合是SELL和RAP1B，并通過使用三種廣泛使用的機(jī)器學(xué)習(xí)模型進(jìn)行K-fold交叉驗(yàn)證,確定了該組合對樣本分類的有效性。最后，按照7:3的比例將數(shù)據(jù)集隨機(jī)分為訓(xùn)練集和測試集。使用訓(xùn)練集和測試集的logistic回歸模型進(jìn)行ROC分析。訓(xùn)練集和測試集的AUC分別為0.925(靈敏度為87.1%，特異度為94.4%)和0.901(靈敏度為76.9%，特異度為100.0%)，表明診斷模型性能良好。

圖4：診斷生物標(biāo)志物panel模型的性能

研究總結(jié)

本研究采用基于DIA的定量蛋白質(zhì)組學(xué)方法，對抑郁癥患者及健康對照組的血漿蛋白進(jìn)行分析，鑒定出247個差異表達(dá)蛋白，并建立了包含兩個血漿蛋白生物標(biāo)記物(SELL和RAP1B)的診斷panel。訓(xùn)練集和測試集的AUC分別為0.925和0.901，表明該panel可以將抑郁癥患者與健康對照組區(qū)分開來。該研究有助于更好地理解MDD的分子機(jī)制并為抑郁癥的早期診斷提供了新的可能。 【參考文獻(xiàn)】 Zhang L, Liu C, Li Y, et al. Plasma biomarker panel for major depressive disorder by quantitative proteomics using ensemble learning algorithm: A preliminary study [J]. Psychiatry Research, 2023, 323.