编辑推荐：
为解决精神疾病诊断和治疗问题，研究人员开展 MDD 和 PTSD 相关研究，揭示了潜在生物标志物和药物靶点。
在全球范围内，精神疾病如同隐匿的 “健康杀手”，悄然影响着不同年龄段人群的生活。以老年群体为例，世界卫生组织报告显示，约 14% 的老年人受精神健康问题困扰，这些问题的产生与过往病史、生活经历、生活环境以及生活习惯等诸多因素紧密相连。在众多精神疾病中，重度抑郁症（MDD）和创伤后应激障碍（PTSD）尤为突出，新冠疫情的爆发更是加剧了它们在人群中的蔓延。然而，当前精神疾病的诊断面临诸多困境，复杂的疾病系统、相似的症状表现以及患者信息误导等因素，导致误诊现象频发，进而引发错误用药，带来过度用药、药物副作用等一系列严重后果。因此，探寻更精准的诊断方法和个性化的治疗策略迫在眉睫。
在此背景下，来自开罗大学的研究人员展开了一项意义重大的研究，相关成果发表在《Human Genomics》上。研究人员巧妙地将机器学习与网络医学相结合，试图揭开 MDD 和 PTSD 的神秘面纱，挖掘潜在的生物标志物，并探索基于生活方式的精神科药物重定位的可能性。
为了实现这一目标，研究人员运用了多种关键技术方法。他们从公开数据库收集血液基因表达原始数据，这些数据涵盖了不同的样本，包括 MDD 患者、PTSD 患者、肥胖者、吸烟者以及相应的对照组。随后，通过数据过滤、归一化和批次校正等一系列预处理操作，确保数据的质量和可靠性。接着，利用线性回归模型和 Benjamini - Hochberg 方法识别差异表达基因（DEGs），并对这些基因进行功能富集分析。此外，构建加权基因共表达网络，借助随机森林模型预测模块重要性，从而发现潜在的生物标志物。最后，构建信号转导网络和二分网络，寻找可能的药物重定位靶点。
在研究结果方面：
- 数据集预处理和协调结果：研究共纳入 32 个微阵列原始系列，分为发现和验证元数据集。经过预处理，有效去除了批次效应，相关质量控制图证明了数据处理的有效性，为后续分析奠定了坚实基础。
- MDD 和 PTSD 转录组特征富集：在对所有数据集进行归一化处理后，研究人员发现 MDD 和 PTSD 分别有 352 和 866 个 DEGs。生物过程富集分析显示，MDD 的 DEGs 在白细胞介素 - 6（IL - 6）产生的调节等过程中显著富集；PTSD 的 DEGs 则在树突棘发育等过程中出现异常。在免疫基因集富集方面，两者既有相似之处，也存在差异。同时，通路富集分析表明，MDD 和 PTSD 在多个通路中呈现不同程度的富集，如 MDD 在免疫反应相关通路，PTSD 在病毒感染相关通路等。
- 共表达网络分析和生物标志物检测：通过计算 Spearman 相关性构建共表达网络，MDD 签名产生了 34 个节点和 3 个社区，PTSD 签名则产生了 592 个节点和 57 个社区。随机森林模型检测出 MDD 的 10 个枢纽基因和 PTSD 的 22 个枢纽基因，其中 MDD 的 CENPJ 基因与智力能力相关，PTSD 的 SHCBP1 基因与多种癌症相关。
- 探索习惯与心理健康之间的信号关系：研究发现饮食诱导的肥胖和吸烟的转录调节因子（TRFs）能够向 MDD 和 PTSD 的疾病基因转导信号。例如，PTSD 的 SHCBP1 和 TTF1 等枢纽基因，以及 MDD 的 FOXO1、CENPJ 和 PGD 等枢纽基因，都与 TRFs 存在信号联系。此外，研究还预测了与 TRFs 或枢纽基因相互作用的药物，为药物重定位提供了潜在方向。
研究结论和讨论部分表明，该研究成功揭示了 MDD 和 PTSD 的潜在生物标志物，为疾病的诊断提供了新的视角。通过分析 TRFs 的信号转导，进一步明确了不良生活方式与精神疾病之间的关联，为个性化治疗提供了理论依据。虽然研究仅依赖单一的组学层面，在一定程度上限制了对复杂细胞系统的全面理解，但研究提出的可靠流程为后续研究提供了重要参考。未来，有望通过扩大样本量、整合多组学数据等方式，进一步深入探索精神疾病的发病机制，开发更有效的治疗方法，为精神疾病患者带来新的希望。
