胎盘-脑轴多组学整合与群体评估：神经发育障碍早期预测的生物标志物研究

本研究针对神经发育障碍(NDDs)早期诊断难题，通过整合胎盘转录组和代谢组数据，结合机器学习构建预测模型，首次从胎盘-脑轴视角揭示ASD、ADHD和ID的共同宫内调控机制，分类准确率达95.7%-99.7%，为NDDs分子诊断提供新思路。

　　

神经发育障碍（Neurodevelopmental Disorders, NDDs）是困扰全球约15%儿童的重大健康挑战，包括自闭症谱系障碍（ASD）、注意缺陷多动障碍（ADHD）和智力障碍（ID）等。这些疾病病因复杂，传统诊断依赖行为量表，缺乏客观生物学标志物。近年胎盘-脑轴理论的提出为破解这一难题带来曙光——作为母胎界面，胎盘可能通过传递异常信号影响胎儿神经发育。然而，如何系统解析胎盘分子特征与NDDs的关联？如何建立高精度预测模型？这些关键问题亟待解决。

安徽医科大学团队在《Journal of Affective Disorders》发表的研究给出了创新答案。他们依托马鞍山出生队列（MABC），对36-66月龄儿童开展多时点随访，采用CABS、CASQ和WPPSI-IV量表评估NDDs症状，同时整合胎盘转录组学和代谢组学数据，结合机器学习算法，首次绘制出NDDs的胎盘多组学图谱。

关键技术包括：1）基于MABC队列的胎盘样本与儿童发育随访数据；2）RNA测序与非靶向代谢组学技术；3）差异基因（DEGs）与差异代谢物（DEMs）分析；4）LASSO回归、决策树（DT）等机器学习建模；5）基因集变异分析（GSVA）通路富集。

【研究结果】

1. 队列特征：研究纳入2013-2014年采集的胎盘样本，通过多阶段量表评估发现NDDs症状存在显著胎盘分子特征差异。

2. 多组学特征：鉴定出ASD相关DEGs 1,021个、ADHD相关1,156个，DEMs分别对应132和147种，其中脂代谢和免疫通路异常最为突出。

3. 预测模型：机器学习构建的模型对ASD症状分类准确率达99.7%，ADHD 99.0%，ID 95.7%，ROC曲线下面积（AUC）均>0.95。

4. 共同机制：GSVA分析揭示ASD与ADHD共享"鞘磷脂代谢"和"TNF-α信号"等宫内调控通路。

【结论与意义】
该研究首次证实胎盘分子特征可作为NDDs早期预测的高效生物标志物，分类准确率突破95%。从胎盘-脑轴视角发现ASD与ADHD存在共同的宫内编程异常，为发育起源假说（DOHaD）提供分子证据。创新性体现在：1）多组学整合策略克服单一组学局限性；2）机器学习实现临床转化应用；3）为NDDs的产前预警和精准干预开辟新途径。研究结果对理解环境-胎盘-胎儿脑发育的三维互作机制具有里程碑意义，未来或可推动胎盘检测纳入儿童神经发育风险评估体系。