Maschinelles Lernen für individuelle epigenetische Fingerabdrücke als Prädiktoren für Wohlbefinden bei jungen Erwachsenen

Warum Ihre Sensibilität gegenüber Stress wichtig ist

Viele junge Erwachsene fühlen sich von Prüfungen, sozialen Medien und einer ungewissen Zukunft überfordert, doch standardisierte Fragebögen zur psychischen Gesundheit erfassen nicht immer, wer am stärksten gefährdet ist. Diese Studie untersucht, ob eine einfache Kombination aus Fragebögen und einer Speichelprobe ein präziseres, biologisches „Fingerabdruck“-Profil der individuellen Stresssensitivität offenbaren kann. Durch die Verbindung von Psychologie, Genetik und modernem maschinellen Lernen erkunden die Forschenden eine Zukunft, in der frühzeitige, personalisierte psychische Gesundheitsangebote lange vor dem Auftreten schwerer Probleme bereitgestellt werden könnten.

Von einfachen Fragebögen zur verborgenen Biologie

Die Forschenden konzentrierten sich auf ein Merkmal, das als Umweltempfindlichkeit bezeichnet wird — wie stark jemand auf alltägliche Ereignisse reagiert. Personen mit hohen Werten auf der Highly Sensitive Person (HSP)-Skala fühlen sich in lauten, anspruchsvollen oder emotional intensiven Situationen oft stärker überfordert und stellen einen großen Anteil der Ratsuchenden. In dieser Studie füllten 104 Studierende mehrere kurze Fragebögen zu wahrgenommenem Stress, Impulsivität, Essgewohnheiten und Internetnutzung aus. Gleichzeitig gaben sie Speichelproben ab, damit das Team kleine chemische Markierungen an bestimmten Genen untersuchen konnte, die an der Signalübertragung im Gehirn beteiligt sind. Diese Markierungen, bekannt als epigenetische Marker, können sich durch Lebenserfahrungen verändern und dazu beitragen, zu erklären, warum einige Menschen stresssensibler sind als andere.

Epigenetische Fingerabdrücke lesen

Die Speichelproben wurden verwendet, um epigenetische Marker — konkret DNA-Methylierungen — an drei Schlüsselgenen zu untersuchen, die an der Regulation von Neurotransmittern beteiligt sind: die Transporter für Dopamin und Serotonin (DAT1 und SERT) sowie der Oxytozinrezeptor (OXTR). Statt das gesamte Genom zu betrachten, fokussierten sich die Forschenden auf 10 Positionen entlang dieser Gene, an denen die Methylierung unter den Studierenden am stärksten variierte. Zusammen mit neun fragebogenbasierten Messwerten ergab das einen Pool von 19 möglichen Merkmalen. Die zentrale Frage lautete: Welche Kombination dieser Verhaltens- und biologischen Messgrößen trennt Studierende mit hohen HSP-Werten am besten von denen mit niedriger oder mittlerer Sensitivität?

Das Algorithmus entscheiden lassen

Um das zu beantworten, nutzte das Team eine Methode des maschinellen Lernens namens Support Vector Machine. Anstatt zu raten, welche Merkmale wichtig sind, testeten sie jede mögliche Kombination — von Einzelmerkmalen bis hin zu allen 19 — und prüften jede davon in einem sorgfältigen Leave-one-out-Verfahren. Das bedeutete, das Modell an 103 Studierenden zu trainieren und die verbleibende Person vorherzusagen, wobei dieser Prozess für alle wiederholt wurde. Von mehr als einer halben Million getesteter Modelle erwies sich die bestperformende Lösung als überraschend einfach: Sechs Merkmale reichten aus, um einen klaren Sensitivitäts-„Fingerabdruck“ zu bilden. Zwei stammten aus Fragebögen (Perceived Stress Scale und ein Aufmerksamkeitswert aus einem Impulsivitätstest), und vier waren spezifische Methylierungsstellen an den Dopamin- und Serotonintransporter-Genen.

Was das Modell tatsächlich gelernt hat

Mit nur diesen sechs Merkmalen klassifizierte das Modell Studierende als hoch versus niedrig/mittel empfindlich in etwa 85 % der Fälle korrekt. Es war besonders gut darin, hochsensible Personen zu identifizieren, mit hoher Sensitivität und Präzision, und zeigte ähnliche Leistungen bei Männern und Frauen, obwohl die Stichprobe überwiegend weiblich war. Eine tiefere Analyse der Modellinterne hob eine dopaminbezogene Stelle als den stärksten einzelnen biologischen Beitrag hervor, gefolgt von wahrgenommenem Stress und Aufmerksamkeit. Anders ausgedrückt: Der Algorithmus stützte sich nicht nur auf einen Fragebogen oder ein Gen — er kombinierte sowohl psychologische Angaben als auch subtile epigenetische Signale, um seine Entscheidungen zu treffen, und spiegelte damit die reale Mischung aus Psyche und Biologie wider.

Was das für die zukünftige Versorgung bedeuten könnte

Für Nicht-Spezialisten lautet die Quintessenz: Ein kurzer Fragebogen zusammen mit einer Speichelprobe könnte eines Tages helfen, junge Erwachsene zu identifizieren, die besonders stresssensitiv sind, noch bevor sie Hilfe suchen oder deutliche Symptome zeigen. Obwohl die Studie klein ist und in größeren sowie vielfältigeren Gruppen repliziert werden muss, zeigt sie, dass individuelle „epigenetische Fingerabdrücke“ Vorhersagen sinnvoll verbessern können, über das Selbstberichtete hinaus. Wenn sich die Ergebnisse bestätigen, könnte dieser Ansatz gezieltere Präventions- und Behandlungsstrategien unterstützen — dazu beitragen, dass Kliniker zur richtigen Zeit die richtige Unterstützung anbieten, für jene, deren Biologie und Psychologie sie am verwundbarsten, aber auch potenziell am empfänglichsten für positive Veränderungen machen.

Zitation: Caporali, A., Di Domenico, A., D’Addario, C. et al. Machine learning for individual epigenetic fingerprints as predictors of well-being in young adults. Sci Rep 16, 6015 (2026). https://doi.org/10.1038/s41598-026-36561-8

Schlüsselwörter: psychische Gesundheit von Jugendlichen, Umweltempfindlichkeit, Epigenetik, maschinelles Lernen, Stressanfälligkeit