PM2.5暴露与抗抑郁药物使用的因果关联：基于多生物库GWAS数据的孟德尔随机化研究

为探究PM2.5暴露是否导致人群抑郁症状临床负担增加，研究人员通过两样本孟德尔随机化（MR）分析，利用GWAS数据（PM2.5暴露n=423,796，抗抑郁用药131,176例）发现，遗传预测的PM2.5长期暴露显著提升抗抑郁药物使用率（IVW OR=1.496，p<0.001），提示空气污染治理或可降低抑郁症公共卫生负担。

　　

研究背景与意义
抑郁症是全球致残主因之一，而PM2.5作为环境风险因子与抑郁关联的因果证据仍存空白。现有研究多依赖诊断记录，易低估真实疾病负担。抗抑郁药物使用作为临床管理标志物，能更客观反映中重度症状人群需求。中国研究人员通过创新方法学设计，首次从遗传视角揭示PM2.5对抑郁治疗需求的影响机制。

关键技术方法
研究采用两样本孟德尔随机化（MR）框架，从UK Biobank和FinnGen数据库获取GWAS汇总数据。筛选48个PM2.5相关SNP（p<5×10^-6）作为工具变量，主分析使用逆方差加权法（IVW），辅以加权中位数和简单模式法验证，并通过PhenoScanner排除多效性SNP。

研究结果

1. 主要发现：PM2.5遗传预测值每升高1单位，抗抑郁用药风险增加49.6%（IVW OR=1.496，95%CI:1.238–1.808）。
2. 敏感性验证：加权中位数（OR=1.382）与简单模式法（OR=1.521）结果一致，MR-Egger回归显示无水平多效性（p=0.256）。
3. 临床意义：支持PM2.5通过神经炎症等通路加重抑郁症状，促使医疗干预需求上升。

结论与展望
该研究首次通过MR证实PM2.5暴露与抗抑郁用药的因果关系，为环境政策制定提供循证依据。未来需结合纵向诊断数据与表观遗传机制，探索PM2.5致抑郁的生物学通路。论文发表于《Environmental Research》，凸显空气污染治理对心理健康的重要价值。