Psychiatry Clin Neurosci︱周婷婷/伍建林课题组运用羧酸组学发现抑郁症代谢异常及可能的诊断标志物

撰文︱何   镜

编辑︱王思珍，方以一

编辑︱王思珍

抑郁症是一种常见的精神疾病，会使患者感到绝望、无助，甚至自杀，严重影响人们的生活质量[1,2]。虽然如今已经有很多的学者团队对抑郁症进行研究，但其潜在的发病机制仍不清楚。并且由于其临床表现出的高度特异性，限制了早期诊断和治疗[3,4]。因此，寻找潜在的生物标志物用以阐明抑郁症发病机制及帮助抑郁症早期诊断具有十分重要的意义。代谢组学技术常用于疾病的诊断和机制研究，在此前的研究中，发现含羧基化合物的代谢与抑郁症紧密相关[5-9]，例如，色氨酸-犬尿氨酸途径曾被报道与抑郁症相关[10]，补充脯氨酸也有报道能对抑郁产生影响[11]。羧酸组学有望成为筛选抑郁症诊断及治疗的潜在标志物有效技术。由于包括三羧酸循环、氨基酸、短链脂肪酸、中链脂肪酸、长链脂肪酸、胆酸等的羧酸组之间存在明显的极性差异，导致色谱分离时难洗脱和不保留等；同时部分含羧酸化合物在质谱中离子化效率比较低，导致其检测和鉴定结果不佳，这些都使得对于含羧酸化合物的研究结果与其真实值存在较大偏差。因此亟需寻找一种高灵敏度的羧酸组检测方法，和更全面的统计学方法或者验证队列进行羧酸代谢组学的分析，并为阐明抑郁症的机制提供重要信息。

近日，海军军医大学周婷婷团队和澳门科技大学大学伍建林团队在Psychiatry and Clinical Neurosciences上联合发表了题为“Identification of proline, 1-pyrroline-5-carboxylate and glutamic acid as biomarkers of depression reflecting brain metabolism using carboxylomics, a new metabolomics method”的文章，作者对来自不同医院的130人（65名抑郁症患者，65名健康受试者）的血清样品中含羧基化合物进行衍生化后，鉴定出208个羧酸类代谢物，脯氨酸、1-吡咯烷-5-羧酸（P5C）和谷氨酸被证明可作为抑郁症密切相关的潜在生物标志物，并在抑郁动物模型上进行了验证。通过对CUMS大鼠血清、脑脊液、海马组织三个不同部位与人血清中生物标志物组进行相关性分析，揭示血清可以替代抑郁症靶器官脑部样本（脑脊液和海马组织），进行抑郁症的机制研究和辅助诊断。

代谢变化在抑郁症的发展中扮演着十分重要的角色，该研究利用5-(二异丙氨基)戊胺（DIAAA）衍生化结合UHPLC-Q-TOF/MS的方法，灵敏、高效地检测羧酸类代谢物，以期发现更多在抑郁症病理过程中发生改变的羧酸组，作者将该方法命名为化学选择性衍生化羧酸组学分析（Sensitive Profiling for ChemoSelective Derivatization Carboxylomics，简称SPCSDCarboxyl）。该研究将65名抑郁症患者和65名健康受试者分为训练集（34例）和验证集（96例），进行羧酸组学分析。总共检出208个羧酸类代谢物。其中，84个代谢物上调，124个代谢物下调，其中22个代谢物在抑郁症病人血清中显著富集，45个代谢物显著耗竭。通过不同的方法对差异代谢物进行结构鉴定后，运用Classyfire，iPath等手段进行代谢通路分析，将差异代谢物分为5个大类，10个中类，24个子类，KEGG进行功能注释后，发现差异代谢物主要集中在这两条通路附近（图1）：1）氨基酸、多肽及其类似物代谢通路，2）脂肪酸及其衍生物代谢通路。用MetaboAnalyst进行代谢通路富集，发现精氨酸和脯氨酸代谢通路、谷胱甘肽代谢通路和尿素循环是主要的差异代谢途径（图2 A）。相关的代谢物包括甘氨酸、1-吡咯烷-5-羧酸盐(P5C)、精氨酸、天冬氨酸、鸟氨酸、脯氨酸、谷氨酸和谷胱甘肽。随后，作者用ROC曲线进一步分析这些差异代谢物与抑郁症之间的关系，发现脯氨酸，P5C，精氨酸，谷氨酸的曲线下面积（AUC）分别为0.86、0.82、0.85、0.88，并且脯氨酸，P5C，精氨酸升高，谷氨酸显著减少。天冬氨酸、鸟氨酸、谷胱甘肽和甘氨酸的AUC值分别为0.76、0.73、0.75和0.69。以上证据证明脯氨酸、P5C、精氨酸、谷氨酸能够较好的区分抑郁患者和健康人群，可能是潜在的生物标志物（图2 C）。作者接着对这一猜想进行验证，先用验证集进行进一步的验证，发现脯氨酸、P5C、谷氨酸的AUC值分别为0.88、0.83、0.83，精氨酸的AUC值为0.73，在抑郁患者中，脯氨酸和P5C显著升高，谷氨酸显著减少。这与在训练集中的发现一致，进一步证实了脯氨酸，P5C和谷氨酸作为生物标志物的潜力。

图1 差异代谢物分析

（图源：Bian X, et al., Psychiatry Clin Neurosci, 2022）

图2 代谢通路富集和单一生物标志物的ROC分析

（图源：Bian X, et al., Psychiatry Clin Neurosci, 2022）

由于在人体上难以获得抑郁症靶器官生物样本，如脑脊液和脑组织等脑部样本，为了探索血清中的差异代谢物是否能够真实反映靶器官代谢轮廓，发挥直接研究疾病发生机制及早期诊断的作用，作者用抑郁大鼠模型进行了相应研究。首先通过慢性不可预见性刺激（CUMS）建立抑郁大鼠模型，通过糖水偏爱实验、悬尾实验、强迫游泳实验和海马区尼氏染色判断抑郁模型是否建立成功。实验结果显示CUMS大鼠糖水偏爱程度显著下降，悬尾不动时间和强迫游泳不动时间显著延长，海马CA1区神经元形态萎缩、数量减少，提示抑郁大鼠模型建立成功。同样运用羧基衍生化的方法，对CUMS大鼠血清、海马组织、脑脊液样本进行研究。比较抑郁大鼠与正常大鼠间甘氨酸、P5C、精氨酸、天冬氨酸、鸟氨酸、脯氨酸、谷氨酸和谷胱甘肽的差异。实验结果表明，大鼠血清、海马组织、脑脊液中P5C、脯氨酸和谷氨酸的变化趋势与这些生物标志物在人血清中发现的趋势一致。通过代谢途径分析，发现谷氨酸可以在ALDH18A1调控下代谢为P5C，然后通过PYCR1代谢为脯氨酸。为了进一步验证代谢变化的机制，作者对两种酶的活性进行了检测。结果提示抑郁组中PYCR1和ALDH18A1的水平显著上调，说明可能是由于酶活性增强使谷氨酸更多的代谢成为脯氨酸，从而造成抑郁组谷氨酸水平降低而脯氨酸水平升高。

为了进一步探索血清生物标志物能否帮助直接诊断抑郁症，作者对血清与脑脊液、血清和海马组织之间生物标志物的相关性进行了研究。结果显示血清中找到的生物标志物与海马组织、脑脊液中找到的生物标志物均成正相关（图3 A）。说明血清可以作为脑脊液和海马组织等抑郁症靶器官的替代生物样本用于寻找与抑郁症相关生物标志物的潜力。最后，作者对多个生物标志物共同作为抑郁症早期诊断的组合标志物进行了评估，发现P5C、脯氨酸和谷氨酸的组合AUC值为0.97，三者联合的诊断准确率可以达到91.2%（图3 B）。这一发现或将能够帮助临床医生进行抑郁症的早期诊断并给予有效及时的治疗。

图3 相关性分析和组合生物标志物的ROC分析

（图源：Bian X, et al., Psychiatry Clin Neurosci, 2022）

文章结论与讨论，启发与展望

综上，该研究运用SPCSDCarboxyl技术，从抑郁症患者血清中寻找生物标志物，并且在不同地区患者血浆样本中进行了多中心验证，提出了P5C、脯氨酸和谷氨酸作为潜在生物标志物的假设。运用相关性分析，通过动物模型证明血清替代脑脊液和海马组织进行抑郁症机制研究和生物标志物发掘的可能性。并对谷氨酸、P5C与脯氨酸代谢紊乱的原因进行了浅析。该研究既揭示了三者作为组合标志物用于抑郁症早期临床诊断及治疗的潜力，也展示了SPCSDCarboxyl用于羧酸组分析的优越性。不足的是，该研究的样本量相对较小，且需要排除一些基础疾病的影响。抑郁症的发生与表现受环境因素影响较大、临床表现上个体差异大，未来可能需要更多的样本进一步验证P5C、脯氨酸、谷氨酸作为组合标志物的诊断准确率和有效性。此外，谷氨酸代谢物及相关代谢酶也许能够作为抑郁症治疗的一个新靶点，这也需要进一步验证和探索。

原文链接：https://doi.org/10.1111/pcn.13517

---

欢迎扫码加入逻辑神经科学 文献学习2

群备注格式：姓名-单位-研究领域-学位/职称/称号/职位往期文章精选【1】Front Mol Neurosci︱湖北科技学院医学部朱海丽团队揭示骨癌痛大鼠脊髓组织蛋白质组学变化【2】综述文章推荐专题第二期︱Cell期刊神经科学领域最新前沿综述精选（2022年10月-11日）【3】Brain Stimul︱汪凯课题组揭示了经颅交流电刺激可改善卒中后失语患者的语言理解能力
【4】Cell Reports︱“阻止癫痫点燃的湿火柴”，陈忠/汪仪团队解析癫痫发作间期治疗意义【5】EMBO J︱何凯雯课题组发现皮层中小清蛋白阳性PV神经元功能受时间和睡眠调控【6】Aging Cell |杜怡峰团队揭示长期有氧运动对抗阿尔茨海默病记忆下降的新机制【7】Nat Hum Behav︱邬堂春/李立明团队揭示居民如何烹饪有益健康【8】CRPS︱厦门大学郭文熹/吴荣辉课题组为听障人士开发的自供电语音识别系统【9】J Neurosc︱首次！围产期丘脑形态学、微结构和连通性的时空发育模式【10】Cell Rep︱李斐/李伟广/张孝勇/梅兵团队合作提出基于突触细胞生物学特征的自闭症社交障碍分型标准研讨会【1】直播预告︱iPSC+CRISPR这两个诺奖级技术碰撞出的火花【2】学术研讨会︱声音通过皮质丘脑回路诱导镇痛（周文杰研究员，上海交通大学）NeuroAI 读书会【1】NeuroAI 读书会启动︱探索神经科学与人工智能的前沿交叉领域
优质科研培训课程推荐【1】膜片钳与光遗传及钙成像技术研讨会（2023年1月7-8日 腾讯会议）【2】第九届脑电数据分析启航班（训练营：2022.11.23—12.24）欢迎加入“逻辑神经科学”【1】“ 逻辑神经科学 ”诚聘编辑/运营岗位 ( 在线办公)【2】“ 逻辑神经科学 ”诚聘副主编/编辑/运营岗位 ( 在线办公)【3】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)

参考文献（上下滑动阅读）

[1] Collaborators GBDMD. Global, regional, and national burden of 12 mental disorders in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet Psychiatry 2022; 9: 137-150.[2] Lu J, Xu X, Huang Y et al. Prevalence of depressive disorders and treatment in China: a cross-sectional epidemiological study. Lancet Psychiatry 2021; 8: 981-990.[3] Milaneschi Y, Lamers F, Penninx B. Dissecting Depression Biological and Clinical Heterogeneity-The Importance of Symptom Assessment Resolution. JAMA Psychiatry 2021; 78: 341.[4] Ismail Z, Elbayoumi H, Fischer CE et al. Prevalence of Depression in Patients With Mild Cognitive Impairment: A Systematic Review and Meta-analysis. JAMA Psychiatry 2017; 74: 58-67.[5] Ussher JR, Elmariah S, Gerszten RE, Dyck JR. The Emerging Role of Metabolomics in the Diagnosis and Prognosis of Cardiovascular Disease. J Am Coll Cardiol 2016; 68: 2850-2870.[6] Bian X, Qian Y, Tan B et al. In-depth mapping carboxylic acid metabolome reveals the potential biomarkers in colorectal cancer through characteristic fragment ions and metabolic flux. Anal Chim Acta 2020; 1128: 62-71.[7] Masoodi M, Gastaldelli A, Hyotylainen T et al. Metabolomics and lipidomics in NAFLD: biomarkers and non-invasive diagnostic tests. Nat Rev Gastroenterol Hepatol 2021; 18: 835-856.[8] Kaelberer MM, Buchanan KL, Klein ME et al. A gut-brain neural circuit for nutrient sensory transduction. Science 2018; 361.[9] Han W, Tellez LA, Perkins MH et al. A Neural Circuit for Gut-Induced Reward. Cell 2018; 175: 665-678 e23.[10] Pu J, Liu Y, Zhang H et al. An integrated meta-analysis of peripheral blood metabolites and biological functions in major depressive disorder. Mol Psychiatry 2021; 26: 4265-4276.[11] Mayneris-Perxachs J, Castells-Nobau A, Arnoriaga-Rodriguez M et al. Microbiota alterations in proline metabolism impact depression. Cell Metab 2022; 34: 681-701 e10.

本文完