人血浆蛋白质组学揭示焦虑与抑郁的潜在生物标志物及分子机制

本研究基于UK Biobank大样本队列，通过血浆蛋白质组学分析发现GDF15、PLAUR和TNFRSF10B等关键蛋白与抑郁/焦虑发病显著相关（HR 1.34-2.27，P<10?11）。结合机器学习（LightGBM+SFS）构建的16蛋白组合预测模型AUC达0.617，为精神障碍的早期分子诊断提供新思路。

　　

亮点

本研究首次在超4.8万人的前瞻性队列中系统揭示：

• 生长分化因子15（GDF15）如同"代谢警报器"，在抑郁和焦虑患者血浆中显著升高（抑郁HR=1.63，P=3.21×10^?74）

• 尿激酶受体（PLAUR）像"分子开关"，其异常表达与两种精神障碍强相关（共病HR=2.11，P=1.92×10^?11）

• 死亡受体5（TNFRSF10B）作为"炎症哨兵"，在三组队列中均显示显著关联性

研究方法

科研团队采用"AI+蛋白质组学"创新策略：

1. 1.

   英国生物银行（UK Biobank）14年随访数据作为"天然实验室"

2. 2.

   Cox比例风险模型像"分子显微镜"精准捕捉蛋白-疾病关联

3. 3.

   轻量级梯度提升机（LightGBM）结合序列前向选择（SFS）算法，构建出"16蛋白指纹"预测模型

重要发现

• 免疫球蛋白受体（PIGR）单独预测抑郁的准确度达62.6%（AUC=0.626）

• 蛋白质组合预测效能超越传统临床指标，如同"分子天气预报"

• SHAP分析可视化展示关键蛋白的贡献度，PLAUR占据"C位"

结论

这项研究为精神疾病诊断带来三大突破：

1. 1.

   发现"共享蛋白网络"揭示共病机制

2. 2.

   建立首个基于血浆蛋白的预测模型

3. 3.

   为个性化医疗提供"分子导航仪"

注意事项：

1. 1.

   所有专业术语均保留英文缩写（如HR、AUC）

2. 2.

   统计数值严格保持原文格式（如10^?74）

3. 3.

   采用比喻手法增强可读性（如"分子显微镜"）