内源性大麻素系统相关生物标志物MRPS11与SHMT2在重度抑郁症中的鉴定验证及机制研究

　　本研究针对重度抑郁症（MDD）诊断和治疗靶点缺乏的临床难题，通过整合生物信息学与实验验证手段，系统性鉴定了内源性大麻素系统（ES）相关基因MRPS11和SHMT2作为新型生物标志物。研究团队采用机器学习算法、免疫浸润分析和调控网络构建等多维度技术，证实这两个基因在MDD患者外周血中显著低表达，并构建了具有优异预测效能的列线图模型。该研究为MDD的精准诊断提供了新依据，并为靶向ES系统的治疗策略开发奠定了理论基础。

　　

在全球范围内，重度抑郁症（Major Depressive Disorder, MDD）正成为日益严重的公共卫生问题，世界卫生组织数据显示全球有超过2.64亿人受其影响。这种疾病以持续悲伤、快感缺失、疲劳和睡眠障碍为特征，严重时甚至伴随自杀倾向，给患者的日常生活和社会功能带来巨大负担。尽管科学家们进行了大量研究，但MDD的病因机制仍然复杂且未被完全阐明，特别是药物治疗的作用机制也存在诸多未解之谜。传统的单胺假说已无法充分解释疾病的异质性和治疗反应的差异性，这促使研究人员将目光投向新的生理系统——内源性大麻素系统（Endocannabinoid System, ES）。

内源性大麻素系统是人体内一个重要的调节系统，由内源性大麻素、其受体（CB1和CB2）以及相关合成和降解酶组成。这个系统在调节情绪、运动和认知过程中扮演着关键角色，同时有助于维持大脑稳态。近年来的研究表明，ES系统的功能异常与抑郁症的发病机制密切相关，特别是在单相抑郁症患者的大脑中发现了2-AG、anandamide和CB1受体的改变。然而，ES系统与MDD之间的具体分子联系尚未被完全揭示，这也成为了本研究的核心科学问题。

为了深入探索ES系统与MDD的关联，研究人员开展了一项综合性研究，成功鉴定出两个与ES系统相关的生物标志物——线粒体核糖体蛋白S11（MRPS11）和线粒体丝氨酸羟甲基转移酶2（SHMT2），并通过实验验证了它们在MDD诊断和治疗中的潜在价值。这项创新性研究成果发表在《Hereditas》期刊上，为MDD的精准医疗提供了新的思路和方法。

研究团队采用了多组学数据整合分析策略，主要关键技术包括：从GEO数据库获取GSE52790和GSE38206两个数据集（包含28个MDD和30个对照样本的转录组数据）；运用差异表达分析（limma包）和加权基因共表达网络分析（WGCNA）筛选关键基因；通过机器学习算法（LASSO和SVM-RFE）确定特征基因；采用蛋白互作网络（STRING数据库）和功能富集分析（clusterProfiler包）探索生物学功能；利用逆转录定量聚合酶链反应（RT-qPCR）在临床样本（5例MDD和5例对照）中进行实验验证；并通过免疫浸润分析（ssGSEA方法）、调控网络构建（包括lncRNA-miRNA-mRNA和TF-mRNA网络）以及药物预测（DsigDB数据库）等多维度技术深入探索机制。

差异表达分析与WGCNA鉴定关键模块

研究人员首先对GSE52790数据集进行差异表达分析，共识别出1,881个差异表达基因（DEGs），其中296个基因上调，1,585个基因下调。通过火山图和热图可视化，直观展示了MDD患者与对照组之间的基因表达差异。同时，研究团队从GenBank数据库中筛选出10个ES相关基因（ES-RGs），并发现其中ABHD12、DAGLB和GPR53个基因在MDD样本中表达显著差异。基于这些基因计算的ES-RGs评分在MDD组中显著降低。

通过WGCNA分析，研究人员确定了与ES-RGs评分最相关的MEred模块（包含2,509个基因），该模块与ES-RGs评分的相关性高达0.630。应用基因显著性（GS>0.6）和模块成员（MM>0.5）的筛选标准，最终获得了271个关键模块基因。

候选基因筛选与功能分析

将差异表达基因与关键模块基因取交集，研究人员获得了161个交叉基因。基因本体（GO）富集分析显示这些基因显著富集在313个功能条目中，包括222个生物过程、65个细胞组分和26个分子功能。值得注意的是，"巨自噬"（macroautophagy）、"肽酶复合物"（peptidase complex）和"未折叠蛋白结合"（unfolded protein binding）等术语显著富集。KEGG通路分析则揭示了"细胞对化学应激的反应"、"白细胞介素-1家族信号传导"和"白细胞介素-1信号传导"等通路的激活。

通过构建蛋白质-蛋白质相互作用（PPI）网络，研究人员发现只有117个交叉基因具有蛋白质互作信息，形成了包含117个节点和193条边的网络。采用最大邻域分量（MNC）算法，筛选出前10个候选基因：BCAP31、P4HB、TPI1、SHMT2、FARSA、POLR2E、IMP3、ACO2、MRPS11和SEC61A1。

生物标志物确定与实验验证

通过最小绝对收缩和选择算子（LASSO）和支持向量机递归特征消除（SVM-RFE）两种机器学习方法，研究人员从10个候选基因中筛选出7个特征基因。最终确定MRPS11和SHMT2在两个数据集中均呈现显著低表达，且受试者工作特征曲线（ROC）分析显示这两个基因的曲线下面积（AUC）均大于0.7，表现出良好的诊断准确性。

为了验证生物信息学分析结果，研究团队收集了5例MDD患者和5例健康对照的外周血单核细胞（PBMCs）样本，通过RT-qPCR实验证实了MRPS11和SHMT2在MDD样本中的表达显著降低。临床样本的ROC分析进一步验证了这两个生物标志物的诊断价值，AUC均超过0.7。

列线图构建与验证

基于MRPS11和SHMT2两个生物标志物，研究人员构建了一个列线图模型用于预测MDD风险。校准曲线显示模型预测与实际结果高度一致，决策曲线分析（DCA）表明该模型相比其他模型具有更优的净效益。该列线图的AUC达到0.900，显示出卓越的预测性能。

功能富集与机制探索

通过GeneMANIA分析，研究人员发现了20个与生物标志物相关的基因，如MRPS11与MRP、SHMT2与GCSH之间的关联。这些关系与"α-氨基酸分解代谢过程"和"细胞氨基酸代谢过程"等生物学过程相关。基因集富集分析（GSEA）显示MRPS11和SHMT2共同富集于"核糖体"、"帕金森病"和"嗅觉传导"等通路，提示这些生物标志物可能通过影响线粒体功能和氧化应激参与MDD的病理过程。

免疫浸润分析

研究人员采用ssGSEA方法计算了28种免疫细胞在样本中的浸润程度，发现4种免疫细胞在MDD和对照组间存在显著差异：未成熟树突细胞、记忆B细胞和浆细胞样树突细胞在对照组中更为常见，而Th17细胞在MDD组中浸润更高。相关性分析显示，未成熟树突细胞与MRPS11（cor=0.780）和SHMT2（cor=0.563）呈最强正相关，表明免疫细胞类型与生物标志物之间存在密切联系。

亚细胞定位与染色体定位

亚细胞定位分析显示，MRPS11编码的蛋白主要位于细胞外区域，而SHMT2编码的蛋白主要位于细胞质中。染色体定位分析表明SHMT2定位于12号染色体，MRPS11定位于15号染色体。

调控网络与药物预测

通过DIANA-microT和MicroCosm数据库预测，研究人员发现了5个关键miRNA靶向这两个生物标志物，并进一步预测了31个lncRNA靶向这些miRNA，构建了lncRNA-miRNA-mRNA调控网络。同时，预测了10个转录因子（TFs）靶向生物标志物，构建了TF-mRNA网络。药物预测分析发现15种药物靶向MRPS11，56种药物靶向SHMT2，其中对乙酰氨基酚（acetaminophen）同时靶向这两个生物标志物。

研究结论与意义

本研究通过整合生物信息学分析和实验验证，成功鉴定出MRPS11和SHMT2作为MDD的潜在生物标志物。这两个基因在线粒体功能中发挥关键作用：MRPS11参与线粒体核糖体组装和蛋白质合成，而SHMT2是一碳代谢中的关键酶，促进丝氨酸向甘氨酸的转化并提供一碳单位。它们在MDD患者中的低表达表明线粒体功能障碍可能参与了疾病的发病机制。

功能富集分析表明，这两个生物标志物共同富集于"核糖体"通路，提示核糖体功能异常和氧化应激可能在MDD病理生理中起重要作用。免疫浸润分析揭示了MDD中特定免疫细胞群体的改变，特别是Th17细胞的增加与炎症反应密切相关。调控网络分析为理解这些生物标志物的转录后调控提供了新视角，而药物预测则为开发靶向治疗策略提供了候选化合物。

这项研究的创新之处在于首次将ES系统与线粒体功能联系起来，提出了ES系统功能异常通过诱导线粒体功能障碍和氧化应激促进MDD发病的假说。研究人员开发的基于生物标志物的列线图模型为MDD的临床诊断提供了新工具，而发现的潜在治疗靶点为开发新型抗抑郁药物指明了方向。

然而，研究也存在一些局限性，如ES相关基因数量有限、分子机制尚未实验验证、药物敏感性未经验证等。未来研究需要扩大样本量、深入探索机制，并开展更多的功能实验和临床试验，以推动这些发现向临床转化。

总之，这项研究为理解MDD的分子机制提供了新视角，为开发精准诊断方法和靶向治疗策略奠定了坚实基础，对改善MDD患者的诊断和治疗具有重要的理论和实践意义。