基于血浆蛋白和多基因风险评分预测未来精神障碍（英文）

摘要

传统精神疾病诊断依赖主观症状评估，缺乏客观生物标志物，这阻碍了疾病的早期发现和个性化治疗．作为潜在预测工具的血浆蛋白和多基因风险评分（PRS），在推进精神障碍早期诊断方面展现出巨大潜力．本文旨在评估蛋白质组学特征与PRS在多种精神疾病（抑郁症、精神分裂症及创伤后应激障碍（PTSD））中的预测价值．基于英国生物样本库药物基因组学项目（UK Biobank-Pharma Proteomics Project）的参与者数据，通过最小绝对值收敛和选择算子（LASSO）分析筛选出与精神障碍相关的蛋白质，并整合多基因风险评分构建Cox回归风险预测模型．此外，采用6种机器学习方法和Kaplan-Meier生存曲线评估了模型的预测性能．研究发现不同疾病存在显著差异：抑郁症患者中，血浆蛋白与PRS的联合应用显著提升了临床模型（C-index=0.632 2）的预测效能；精神分裂症患者中，血浆蛋白的加入虽能增强预测效果，但PRS未带来显著提升；而PTSD患者中，无论是血浆蛋白还是PRS，均未在临床变量基础上产生实质性预测价值．风险分层分析显示，这3种精神障碍模型均能显著区分高危与低危人群（抑郁症：HR=2.34,P<0.001；精神分裂症：HR=5.47,P<0.001;PTSD:HR=3.02,P<0.001）．尽管该模型在短期预测中表现优异，但其长期预测能力有所下降，未来需要进一步优化改进．本文揭示了不同精神障碍中生物标志物的差异性效用，并为精准精神病学中针对特定障碍的预测建模提供了理论依据．

关键词

血浆蛋白质组学 / 多基因风险评分 / 精神障碍 / 预测模型