空气污染致抑郁的代谢标志物组合及其筛选方法和应用与流程

本发明属于生物医学技术、信息，涉及代谢组学技术与人工智能机器学习方法的结合，具体涉及一种空气污染致抑郁的代谢标志物组合及其筛选方法和应用。

背景技术：

1、抑郁症是最为普遍的精神疾病之一，严重影响人们的生活质量。根据世界卫生组织（who）的数据，2015年全世界约有3.22亿人（4.4%）受到影响，到2016年患病率增至5.3%（charlson, f., et al. new who prevalence estimates of mental disorders inconflict settings: a systematic review and meta-analysis. lancet 394, 240-248(2019).）。据估计，遗传因素对抑郁症的发病率仅占35%左右，而环境因素对抑郁症发病有较大影响（otte, c., et al. major depressive disorder. nature reviews diseaseprimers 2, 16065 (2016).）。因此，了解引起抑郁症发病率和流行率的环境风险因素和机制对全球公共卫生具有重要的现实意义。空气污染是影响人类健康的重要环境风险因素，细颗粒物（空气动力学直径≤2.5μm的颗粒物，pm2.5）为其主要成分之一。who报告显示，全球90%以上的人口生活在高于《世界卫生组织全球空气质量指南》发布的pm2.5年平均浓度10μg/m3和24小时平均浓度25μg/m3的环境中（who. ambient air pollution: a globalassessment of exposure and burden of disease. (2016). who. air qualityguidelines – global update 2005. (2005).）。同时最近世界卫生组织将pm2.5年平均浓度和24小时平均浓度分别更新为5μg/m3和15μg/m3（who. air quality guidelines -update 2021. copenhagen, denmark: who regional office for europe (2021).），表明pm2.5对健康具有较大危害。加拿大和中国的研究发现，短期pm2.5暴露与抑郁症住院人数增加有关。一项包含144万名参与者的荟萃分析发现短期或长期pm2.5暴露浓度每增加10μg/m3，分别引起抑郁风险增加2%和18%（szyszkowicz, m. air pollution and emergencydepartment visits for depression in edmonton, canada. int j occup med env 20,241-245 (2007). gao, q., xu, q., guo, x., fan, h.&zhu, h. particulate matterair pollution associated with hospital admissions for mental disorders: atime-series study in beijing, china. eur psychiat 44(2017). liu, q., et al.association between particulate matter air pollution and risk of depressionand suicide: a systematic review and meta-analysis. environ. sci. pollut.res. int. 28, 9029-9049 (2021).）。动物研究还揭示了吸入式pm2.5暴露可通过肺或鼻嗅球进入大脑，引起小鼠出现抑郁样行为和神经病理反应级联（underwood, e. thepolluted brain. science 355, 342-345 (2017).）。然而，到目前为止，pm2.5诱导抑郁症的确切潜在神经生理机制和强有力的生物标志物仍然是一个复杂的难题。

2、抑郁症的发生发展与代谢异常密切相关。代谢组学是对代谢物（如氨基酸、脂肪酸、脂质等）进行定性定量分析，并寻找代谢物与病理生理变化的相对关系的一门科学。小分子的产生和代谢既可反映生物体的先天内在差异，又可能体现出外来因素对生物体的干扰与影响。现有研究和专利申请主要聚焦于筛查抑郁症患者中血清学生物标志物的改变来预测抑郁症风险。例如，专利申请（cn 114544826 a）通过检测血浆中9种代谢标志物来预测抑郁的风险。同时该专利中要求被检者血浆中鸟氨酸、溶血磷脂酰乙醇胺(22:5)、溶血磷脂酰胆碱(16:1)、磷脂酰乙醇胺(36:4)浓度高于正常人，且组氨酸、c10:1酰基肉碱、酪氨酸、溶血磷脂酰胆碱(22:0)和天冬氨酸浓度低于正常人时，可判定为抑郁症高风险者，指标变化的不一致性会大大增加检测人员工作的工作量和操作难度，易出错。其次，抑郁作为脑部疾病，血清代谢物的改变能否真实反应与抑郁靶器官脑组织（海马和皮质）中代谢物的变化水平，血清代谢物变化与脑部代谢物变化是否一致，仍缺乏验证有待考究。

3、此外，随着人工智能迅速发展，其已经应用于一些生物医学诊断和研究，特别是对疾病的诊断方面展现了良好的表现，成为该领域的热门研究方向，因此也被视作未来医学发展的重要方向及辅助手段。目前应用代谢组学技术筛查生物标志物的瓶颈即在于其检测灵敏度高且数据特征多、数据量庞大，传统主成分分析方法会为了减少特征数量而忽略许多对区分两类样本有一定影响。因此将代谢组学技术与机器学习方法相结合，有可能更加快速、精准地找到更为有效可靠的诊断标志物，进而挖掘空气污染诱导抑郁的早期代谢生物标志物。

技术实现思路

1、本发明针对上述问题，提供一种空气污染致抑郁的代谢标志物及其筛选方法和应用。

2、本发明采用的技术方案如下：

3、第一方面，本发明提供一种空气污染致抑郁的代谢标志物组合，包含天冬氨酸、组氨酸、肌酸、酪氨酸、精氨酸和色氨酸。

4、第二方面，本发明提供一种空气污染致抑郁的代谢标志物组合的筛选方法，包括以下步骤：

5、进行健康人定群研究，筛查空气污染致抑郁的潜在血清代谢标志物；

6、建立空气污染暴露动物抑郁模型，筛查空气污染致抑郁的脑部代谢标志物；

7、进行抑郁病人病例对照研究，筛查抑郁病人中显著改变的血清代谢标志物；

8、结合所述潜在血清代谢标志物、所述脑部代谢标志物和所述显著改变的血清代谢标志物，通过随机森林模型筛选出空气污染致抑郁的代谢标志物组合。

9、进一步地，所述进行健康人定群研究，筛查空气污染致抑郁的潜在血清代谢标志物，包括以下步骤：

10、在空气污染高暴露地区，采用严格的纳入排除标准，纳入多名健康人群，在一定时期内每隔一定时间进行一次对空气污染物浓度和生物标志物的重复测量；例如共纳入76名健康人群，在2018年9月10日至2019年1月19日五个月内每月进行一次重复测量共5次；

11、收集各次重复测量过程中每个人的问卷信息（基础信息和phq-9抑郁量表），检测各次样本中环境污染物浓度、神经功能相关蛋白和代谢生物标志物水平；

12、通过各次重复测量过程中随着空气污染浓度变化，受试者抑郁量表评分以及体内代谢生物标志物的改变情况，判断空气污染物浓度变化与差异代谢生物标志物变化的一致性，来筛选筛查空气污染暴露的潜在血清代谢标志物。

13、进一步地，所述建立空气污染暴露动物抑郁模型，筛查空气污染致抑郁的脑部代谢标志物，包括以下步骤：

14、将清洁级6周的雄性c57bl/6小鼠，随机分为3组，分别使用实时大气细颗粒物（pm2.5）暴露小室，暴露于不同浓度的pm2.5中，包括洁净空气组（无暴露）、大气细颗粒物组（低浓度pm2.5暴露）和浓缩大气细颗粒物组（高浓度pm2.5暴露），共暴露16周，构建大气细颗粒物暴露致小鼠抑郁模型，也即空气污染暴露动物抑郁模型；

15、收集暴露期间的实时pm2.5浓度，在暴露结束前一周，开展抑郁表型行为学检测（旷场实验，悬尾实验等），暴露结束后收集脑组织（皮质与海马等），用于检测脑组织中神经功能相关蛋白和代谢生物标志物水平；

16、判断出现抑郁表型小鼠与正常对照组之间的代谢生物标志物的差异性，得到差异代谢生物标志物，即所述空气污染致抑郁的脑部代谢标志物。

17、进一步地，所述进行抑郁病人病例对照研究，筛查抑郁病人中显著改变的血清代谢标志物，包括以下步骤：

18、将受试者分为抑郁症患者组与健康对照组；

19、检测受试者血清中的代谢生物标志物水平；

20、判断抑郁症患者与健康对照之间的代谢生物标志物的差异性，得到差异代谢生物标志物，即所述抑郁病人中显著改变的血清代谢标志物。

21、进一步地，结合从健康人定群研究中筛选出的空气污染致抑郁的潜在血清代谢标志物、空气污染暴露动物抑郁模型中筛选出的空气污染致抑郁的脑部代谢标志物和抑郁病人病例对照研究中筛选出的显著改变的血清代谢标志物，通过机器学习中随机森林模型的方法，筛选出最优的，同时能反应脑部代谢物变化特征的空气污染致抑郁的代谢标志物组合。

22、第三方面，本发明提供上述空气污染致抑郁的代谢标志物组合在制备空气污染物致抑郁风险评估试剂盒中的应用。

23、进一步地，所述应用中，天冬氨酸、组氨酸、肌酸、酪氨酸、精氨酸和色氨酸加合作为整体指标，其roc和prc曲线下面积都大于0.89，具有较高的准确性。

24、第四方面，本发明提供一种空气污染致抑郁风险评估试剂盒，所述试剂盒中含有空气污染致抑郁的代谢标志物组合，所述代谢标志物组合包含天冬氨酸、组氨酸、肌酸、酪氨酸、精氨酸和色氨酸。

25、本发明的有益效果如下：

26、1.针对抑郁现有早期风险评估方法较少，缺少有效评估方法这一现状，本发明提供了一种适合于空气污染诱导抑郁的早期风险评估的标志物，即包括天冬氨酸、组氨酸、肌酸、酪氨酸、精氨酸和色氨酸。该标志物对于预测空气污染致早期抑郁具有较好的灵敏性和特异性，对用于抑郁早期风险评估具有重要意义。

27、2.本发明还提供了上述适合于空气污染致抑郁早期风险评估标志物的筛选方法，通过该方法所得标志物对于抑郁预测具有很好的灵敏性和特异性。本方法通过构建空气污染暴露人群队列，空气污染暴露动物抑郁模型和抑郁病例对照模型，结合随机森林模型，阐明空气污染诱导抑郁的生物标志物。

28、3.本发明的标志物组合在抑郁患者中都呈现一致性下降趋势，能减少检测人员的工作量和操作难度，减少错判。

29、4.采用本发明的标志物组合，仅通过取血就能对抑郁靶器官脑组织进行预测，方便快捷无内创，对于空气污染诱导抑郁灵敏度高、特异性好，具有很好的应用价值。