一个多变量血液代谢物算法稳定地预测了一般人群中患重度抑郁症的风险和弹性

科学领域:

• 生物化学 生化学
• 遗传学 是一个遗传学.
• 精神病学是一个精神病学.

背景情况:

• 大型抑郁症 (MDD) 的发展受社会经济因素,性别和健康因素的影响,这使得识别潜在的分子机制变得复杂.
• 对心理痛苦的弹性具有复杂的分子基础,类似于易感性.
• 英国生物银行提供了一个大型数据集,用于识别处于风险中的个体的弹性生物标志物.

研究的目的:

• 评估血液代谢物是否可以前性地分类并表明对MDD的易感性或弹性具有生物基础.
• 确定与MDD风险和弹性相关的关键生物标志物.

主要方法:

• 利用英国生物库数据集 (n=15,710) 与随机森林来识别影响MDD风险的因素.
• 通过使用倾向分数,将MDD (n=491) 与弹性个体 (n=491) 的个体匹配.
• 将381种血液代谢物,临床化学变量和4种尿液代谢物集成到多变量随机森林算法中进行预测.

主要成果:

• 随机森林分类预测了第一个MDD发作,ROC AUC为0.89.
• 预期的MDD风险和弹性被预测为0.72和0.68的ROC AUC在不同的随访时间.
• 增加的酸盐被确定为MDD弹性的一个关键生物标志物,并在TwinsUK队列中得到验证.

结论:

• 血液代谢物有望与显著降低MDD风险相关.
• 准这些代谢物可以为MDD风险分层和降低提供策略.