上海交通大学重大发现：揭开血浆蛋白质组学与重度抑郁症的神秘联系

近几年，随着生活负担和工作压力的增大，抑郁症的讨论度大大提升。在面对各种压力和挑战时，我们有时会陷入到负面消极的情绪当中。这时，如何判断自己只是短暂的有抑郁情绪，还是已经患上了抑郁症呢？

越来越多的研究表明，重度抑郁症不仅是一种大脑障碍，也是一种身体障碍。主观上表现为持续的情绪痛苦，客观上抑郁症也会对生活产生影响。近年来，科学家们一直在寻找能够早期发现抑郁症的有效方法。

2023年3月，上海交通大学李华芳教授团队在《Psychiatry Research》（IF：11.3）杂志发表题为“Plasma biomarker panel for major depressive disorder by quantitative proteomics using ensemble learning algorithm: A preliminary study”的研究成果。通过该研究揭示了重度抑郁症（MDD）的潜在标志物并建立了诊断MDD的标志物组合。

研究策略

本研究运用蛋白质组学技术，对44名MDD患者和25名健康对照者的血浆进行研究。采用集成学习技术建立预测模型。确立了一个包含两个生物标志物的组合：L-选择素（SELL）和 Ras癌基因家族的亚型（RAP1B）。训练集和测试集的受试者工作特性曲线下面积分别为0.925和0.901，表明该研究所确定的生物标志物组合可以有效区分MDD患者与对照组。

研究结果

一、蛋白质鉴定与定量

通过DIA蛋白质组学定量分析，鉴定出2224种蛋白质，247个显著差异表达的蛋白，其中169个上调，78个下调。

二、差异蛋白分析

蛋白的亚细胞定位结果表明，差异蛋白集中在细胞外、细胞核、细胞质以及线粒体上。KEGG分析显示，一些高表达的蛋白参与趋化因子信号通路，病毒蛋白与细胞因子和细胞因子受体的相互作用，以及细胞因子-细胞因子受体的相互作用，而大多数下调的基因参与了肥厚性心肌病、扩张型心肌病和鞘脂代谢。GO分析显示，差异蛋白显著富集到细胞过程、生物调节、刺激反应等生物过程中。

通过检测差异蛋白的互作网络，确定了22个关键蛋白质。根据DIA蛋白质组学中检测到的蛋白，发现了两个强表达模块与临床特征相关。在黑色模块中，进行第二次蛋白质- PPI分析，两次PPI分析交集内的7种蛋白被选为关键蛋白（纤维蛋白原α链（FGA），纤维蛋白原β链（FGB），血小板碱性蛋白（PPBP），肌动蛋白胞浆1（ACTB），Ras癌基因家族成员isoform（RAP1B），血小板因子4变体（PF4V1）、L-选择素（SELL）。

三、建立抑郁症诊断模型

为建立MDD诊断panel，研究者采用了集成学习的方法来筛选生物标志物。将每个候选标志物根据得分从高到低排序。使用ROC分析确定了潜在标记物的最佳组合是SELL和RAP1B，并通过使用三种广泛使用的机器学习模型进行K-fold交叉验证,确定了该组合对样本分类的有效性。最后，按照7:3的比例将数据集随机分为训练集和测试集。使用训练集和测试集的logistic回归模型进行ROC分析。训练集和测试集的AUC分别为0.925(灵敏度为87.1%，特异度为94.4%)和0.901(灵敏度为76.9%，特异度为100.0%)，表明诊断模型性能良好。

研究总结

本研究采用基于DIA的定量蛋白质组学方法，对抑郁症患者及健康对照组的血浆蛋白进行分析，鉴定出247个差异表达蛋白，并建立了包含两个血浆蛋白生物标记物(SELL和RAP1B)的诊断panel。训练集和测试集的AUC分别为0.925和0.901，表明该panel可以将抑郁症患者与健康对照组区分开来。该研究有助于更好地理解MDD的分子机制并为抑郁症的早期诊断提供了新的可能。

青莲百奥血浆蛋白质组学系列解决方案

关于青莲百奥