阻塞性睡眠呼吸暂停与重性抑郁障碍:基于生物信息学分析发现的共享转录特征和候选通路

《Sleep Research》:Obstructive sleep apnea and major depressive disorder: Shared transcriptional signatures and candidate pathways identified via bioinformatics analysis

【字体: 大 中 小 】 时间:2026年06月16日 来源:Sleep Research

编辑推荐:

  背景:阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)常与重性抑郁障碍(Major Depressive Disorder, MDD)共病,但其潜在生物学机制尚不清楚。本研究旨在利用整合生物信息学和机器学习方法,识别与抑郁状态相关

  
背景:阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)常与重性抑郁障碍(Major Depressive Disorder, MDD)共病,但其潜在生物学机制尚不清楚。本研究旨在利用整合生物信息学和机器学习方法,识别与抑郁状态相关的OSA转录特征。

方法:从基因表达综合数据库(Gene Expression Omnibus, GEO)获取转录组数据集GSE98793和GSE135917。共享差异表达基因(Differentially Expressed Genes, DEGs)被定义为OSA相关DEGs(OSA-DEGs)。研究人员进行了功能富集分析以探索潜在的生物学通路。采用三种机器学习算法——LASSO、支持向量机-递归特征消除(Support Vector Machine-Recursive Feature Elimination, SVM-RFE)和随机森林(Random Forest, RF)——来识别关键基因。研究人员构建了一个支持向量机(Support Vector Machine, SVM)模型以评估诊断性能。研究人员进行了药物-基因相互作用分析以识别潜在治疗靶点。

结果:OSA-DEGs富集于核糖体生物发生、细胞质翻译和免疫应答相关通路。研究人员鉴定出六个核心基因(KLRB1、SPINK2、PPP1R17、ILF3-AS1、BLOC1S6和TROVE2)。六基因SVM模型在内部验证中达到0.842的灵敏度和0.723的曲线下面积(Area Under the Curve, AUC)。使用独立MDD数据集进行外部验证,采用等权重方式得出AUC为0.646。药物-基因相互作用分析识别出靶向BLOC1S6的潜在药物。

结论:本研究鉴定出与抑郁状态相关的OSA转录特征,为OSA-MDD共病提供了初步转录组学证据。所有发现均具有假设生成性质,需要独立验证。
论文解读文章

研究背景:阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)与重性抑郁障碍(Major Depressive Disorder, MDD)在临床上高度共病,患病率在普通人群中为7.4%至44%,且症状重叠严重,如非恢复性睡眠、疲劳、注意力不集中和情绪低落。这种重叠导致诊断和管理复杂化,抑郁症状可能被误诊或归因于原发性精神障碍,从而延误对睡眠病理的治疗。未治疗的OSA可能加重抑郁症状,而有效的OSA治疗可部分改善情绪,提示两者间存在共享生物学机制。既往研究提出慢性间歇性缺氧、睡眠碎片化、系统性炎症、免疫失调和应激反应通路改变等假说,但转录组层面的直接分子证据仍然有限。因此,本研究旨在通过整合生物信息学和机器学习方法,系统探索OSA与MDD之间的共享转录改变,识别与抑郁状态相关的OSA关键基因,为共病提供分子基础,并为风险分层和转化研究提供候选生物标志物。该论文发表在《Sleep Research》。

关键技术与方法:研究人员从基因表达综合数据库(Gene Expression Omnibus, GEO)获取了两个公共转录组数据集:GSE98793(包含128例MDD患者和64例健康对照的全血样本,基于GPL10558平台)和GSE135917(包含10例OSA患者和8例健康对照的全血样本,基于GPL6244平台)。数据采用limma包进行归一化和差异表达分析,分别设定MDD队列(校正P<0.05,|log2FC|>0.2)和OSA队列(|log2FC|>0.8)的阈值,取交集得到OSA相关差异表达基因(OSA-DEGs)。功能富集分析使用clusterProfiler包进行基因本体论(Gene Ontology, GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路分析。为筛选核心基因,研究人员采用三种机器学习算法:LASSO回归(glmnet包,十折交叉验证)、支持向量机-递归特征消除(Support Vector Machine-Recursive Feature Elimination, SVM-RFE,e1071包)和随机森林(Random Forest, RF,randomForest包),取其交集作为关键OSA-DEGs。基于这些基因在MDD队列中的表达谱,构建支持向量机(Support Vector Machine, SVM)分类器作为诊断模型,通过受试者工作特征曲线(Receiver Operating Characteristic, ROC)评估性能,并使用独立MDD数据集(GSE32280,n=37)进行外部验证。药物-基因相互作用分析基于药物-基因相互作用数据库(Drug-Gene Interaction Database, DGIdb)进行。

研究结果:
3.1 差异表达分析与富集分析
3.1.1 MDD与OSA组的差异表达分析:在MDD队列中鉴定出446个DEGs(443个上调,3个下调);在OSA队列中鉴定出3405个DEGs(3045个上调,360个下调)。Venn图分析显示两组DEGs存在交集,共10个基因在两种疾病中共同失调,命名为OSA-DEGs:KLRB1、SPINK2、PPP1R17、RPS7、ILF3-AS1、BLOC1S6、TROVE2、RPS15A、HLA-DOA和TNFRSF17。
3.1.2 GO/KEGG富集分析:GO分析显示这些OSA-DEGs显著富集于核糖体小亚基生物发生、细胞质翻译(生物过程)、胞质小核糖体亚基和小亚基加工体(细胞组分)以及核糖体结构成分和酶抑制剂活性(分子功能)。KEGG分析显示显著富集于核糖体、肠道免疫网络IgA产生和冠状病毒疾病-COVID-19三条通路(校正P<0.05)。
3.2 建立并验证OSA基因对MDD的诊断模型
3.2.1 通过机器学习识别关键OSA-DEGs:LASSO回归、SVM-RFE和RF三种算法共同选出的交集基因共6个:KLRB1、SPINK2、PPP1R17、ILF3-AS1、BLOC1S6和TROVE2,定义为关键OSA-DEGs。
3.2.2 风险预测模型构建及关键OSA-DEGs的诊断价值:基于这6个关键基因的表达谱构建SVM分类器,在测试集中该模型灵敏度为0.842,AUC为0.723(95% CI: 0.61–0.84),优于RF模型(AUC=0.683)和LASSO模型(AUC=0.663)。单个基因的AUC介于0.42至0.60之间,其中PPP1R17最高(0.60),ILF3-AS1最低(0.423)。外部验证中,等权重方式下AUC为0.646(95% CI: 0.454–0.838),原始LASSO系数下AUC为0.643(95% CI: 0.449–0.837)。
3.3 潜在治疗药物筛选:药物-基因相互作用分析识别出三种靶向BLOC1S6的潜在药物:巴洛沙韦(baloxavir)、巴洛沙韦马布昔(baloxavir marboxil)和法匹拉韦(favipiravir),均为抗病毒化合物;其余五个关键基因未发现直接药物-靶点相互作用。

讨论与结论:讨论部分总结指出,本研究通过生物信息学分析初步揭示了OSA与MDD间的共享转录特征,强调了KLRB1(免疫调节)、SPINK2(炎症反应)、PPP1R17(凋亡调控)、BLOC1S6(溶酶体相关细胞器功能)、TROVE2(基因组完整性)和ILF3-AS1(长链非编码RNA,可能调控应激与免疫基因网络)在共病中的潜在作用。富集分析中核糖体通路的显著异常被解读为慢性间歇性缺氧和睡眠碎片化诱导的细胞应激反应,可能扰乱翻译稳态,在遗传易感个体中与下丘脑-垂体-肾上腺(Hypothalamic-Pituitary-Adrenal, HPA)轴失调等固有脆弱性共同促进抑郁发生。药物-基因相互作用虽提示抗病毒药物可能通过脱靶效应影响宿主细胞翻译或RNA代谢,但该假说需实验验证。研究局限性包括:依赖外周血转录组可能不反映脑特异性变化;OSA数据集样本量极小(n=18),可能导致DEG估计不稳定;无法调整个体水平混杂因素(如体重指数、用药、合并症);平台不兼容限制了直接应用探针特征;外部验证AUC中等(0.643–0.646),表明基因特征需进一步优化;且观察性研究仅揭示关联,不推断因果。

结论(原文翻译):总之,研究人员利用生物信息学和机器学习探索了OSA与MDD之间的共享转录特征,鉴定出六个关键基因,并构建了一个预测性SVM模型,该模型在内部验证中达到0.842的灵敏度和0.723的AUC。本研究为OSA与MDD之间的关系提供了初步见解,并为未来验证提供了候选生物标志物。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号