编辑推荐：
为探究衰老相关基因（SRGs）与抑郁症（MDD）关系，研究人员经多方法分析，发现关键基因及通路，助力诊疗。
抑郁症（Major Depressive Disorder，MDD）就像隐藏在人群中的 “心灵杀手”，悄无声息地影响着全球超 3 亿人的生活。它不仅让患者长期陷入情绪低谷，对曾经热爱的活动提不起兴趣，还会导致认知迟缓，严重时甚至会引发自杀或自残行为，已然成为全球致残的首要原因，疾病负担也位列第三。尽管抑郁症如此高发，但其背后的发病机制却如同迷雾，一直未被完全揭开。科学家们知道，抑郁症的发生与肠道菌群、免疫功能、神经内分泌系统、遗传、心理社会因素等多种因素交织相关，可具体的联系和机制却有待深入挖掘。与此同时，寻找可靠的生物标志物、提高诊断准确率、减轻医疗负担，成了亟待解决的问题，这对于改善患者生活、造福社会意义重大。
近年来，越来越多的证据表明，抑郁症和生物衰老之间似乎存在着千丝万缕的联系。比如，抑郁症患者的端粒缩短，大脑也出现与年龄相关的变化，这些现象都暗示着患者可能存在衰老加速或对早衰更敏感的情况。然而，衰老相关基因（Senescence - Related Genes，SRGs）和抑郁症之间的关系，却一直是科研领域的一块 “神秘拼图”，尚未得到充分研究。
为了揭开这块 “神秘拼图”，昆明医科大学第一附属医院精神科等研究机构的研究人员开展了一项全面深入的研究，相关成果发表在《BMC Psychiatry》杂志上。这项研究就像一场科研领域的 “寻宝之旅”，研究人员运用多种生物信息学方法，努力探寻与抑郁症相关的衰老生物标志物，并在细胞层面深入分析 SRGs 的作用，为抑郁症的研究开辟了新方向。
研究人员为开展此项研究，主要运用了以下关键技术方法：首先，从 GEO 数据库获取 MDD 基因表达谱数据集，将其标准化处理后合并，得到 144 例 MDD 患者和 72 例健康对照样本。然后，利用随机森林（Random Forest，RF）和支持向量机递归特征消除（Support Vector Machine - Recursive Feature Elimination，SVM - RFE）筛选关键基因，构建并验证诊断模型。同时，通过免疫细胞浸润分析、共识聚类分析、基因共表达网络分析（Weighted Gene Co - expression Network Analysis，WGCNA）、基因集富集分析等多种方法，深入剖析基因功能和信号通路。此外，还借助单细胞 RNA 测序（single - cell RNA sequencing，scRNA - seq）技术，在单细胞水平上进一步探究 MDD 的细胞和分子基础。
下面来看具体的研究结果：
- SRGs 的差异表达分析：研究人员对数据进行处理后，识别出 2059 个差异表达基因（Differentially Expressed Genes，DEGs），其中有 33 个是 SR - DEGs。基因集变异分析（Gene Set Variation Analysis，GSVA）显示，MDD 患者的衰老评分显著高于对照组，表明 MDD 患者体内衰老相关基因表达上调，暗示其衰老进程可能加快。
- MDD 诊断模型的建立：通过 RF 和 SVM - RFE 方法，研究人员筛选出 5 个关键 SR - DEGs（ALOX15B、TNFSF13、MARCH15、UBTD1 和 MAPK14），并基于这些基因构建了逻辑回归诊断模型。该模型的曲线下面积（Area Under Curve，AUC）达到 0.763，显示出良好的诊断效能，能有效区分 MDD 患者和健康对照。
- 免疫浸润分析：免疫细胞浸润分析发现，5 个关键 SR - DEGs 与多种免疫细胞存在相关性，如与中性粒细胞呈正相关，与 CD4 记忆 T 细胞等呈负相关。这表明这些基因在 MDD 的免疫调节过程中发挥着重要作用，进一步揭示了 MDD 与免疫之间的复杂联系。
- MDD 亚群的识别：基于 SRGs 表达模式的共识聚类分析，研究人员将 MDD 患者分为两个亚群。基因集富集分析（Gene Set Enrichment Analysis，GSEA）显示，两个亚群在基因表达和免疫细胞浸润方面存在显著差异，如 Cluster 2 激活了与 “补体激活调节” 和 “淋巴细胞介导免疫的正调节” 相关的通路。
- 核心模块的识别：WGCNA 分析确定了与两个 MDD 亚群相关的基因模块，其中绿松石模块与 Cluster 2 正相关。对该模块基因的富集分析发现，其涉及 “中性粒细胞脱颗粒”“免疫反应正调节” 等多个重要通路，为理解 SRGs 影响 MDD 进展的机制提供了线索。
- MDD 中 SRGs 的单细胞分析：利用 scRNA - seq 数据集，研究人员鉴定出 19 种不同的细胞簇。分析发现，内皮细胞的 SRG 评分最高，且高衰老评分的内皮细胞通过 Notch 信号通路与星形胶质细胞发生相互作用，该通路的激活在 MDD 进展中可能起着关键作用。
研究结论和讨论部分，充分展现了此项研究的重要意义。研究人员通过多种生物信息学方法，全面揭示了 SRGs 在 MDD 中的重要作用。首先，发现不同 SRGs 在 MDD 患者中表达模式各异，可能参与调节炎症反应、氧化应激和神经可塑性等 MDD 的病理过程，为理解 MDD 的发病机制提供了新视角。其次，基于 5 个关键 SR - DEGs 构建的诊断模型，具有较高的诊断效能，有望为 MDD 的早期诊断提供新的生物标志物，助力实现精准医疗。再者，研究还发现了 MDD 的两种亚型，为患者分类和个性化治疗提供了理论依据。
然而，研究也存在一些局限性。比如，研究依赖公开数据集，可能存在样本选择和数据质量的偏差；机器学习方法的结果可能受参数设置和模型假设的影响；分析过程中未能完全控制人口统计学、临床变量、用药情况和合并症等混杂因素；此外，所鉴定基因还需进一步实验验证。尽管如此，这项研究依然为抑郁症的研究和治疗开辟了新方向，后续研究可以在此基础上，进一步深入探索 SRGs 与 MDD 之间的关系，优化诊断模型，推动抑郁症精准医学的发展。
