Modele predykcyjne oparte na uczeniu maszynowym i wzorce podtypów we krwi obwodowej schizofrenii oparte na ramie obliczeniowej uczenia maszynowego

Dlaczego krew może pomóc rozkodować złożone zaburzenie umysłu

Schizofrenia to poważne zaburzenie psychiczne, które może zakłócać myśli, emocje i codzienne funkcjonowanie, a mimo to lekarze wciąż w dużej mierze opierają diagnozę na obserwacji zachowania. W badaniu postawiono proste, lecz doniosłe pytanie: czy zwykła próbka krwi może ujawnić ukryte wzorce biologiczne, które pomagają wykrywać schizofrenię wcześniej i dzielić pacjentów na grupy umożliwiające bardziej dopasowane leczenie?

Poszukiwanie wskazówek w probówce z krwią

Badacze zaczęli od zebrania kilku istniejących zestawów danych, w których analizowano aktywność genów we krwi osób ze schizofrenią oraz ochotników zdrowych. Każdy gen można traktować jak mały przełącznik, który jest włączany lub wyłączany. Łącząc tysiące takich przełączników z pięciu odrębnych badań i korygując techniczne różnice, zespół stworzył dużą, zunifikowaną mapę aktywności genów w krwi obwodowej. Następnie szukali genów, które konsekwentnie zachowywały się inaczej u pacjentów w porównaniu z kontrolami, koncentrując się na tych związanych z zapaleniem, odpowiedziami immunologicznymi oraz przetwarzaniem tłuszczów i innych cząsteczek przez komórki.

Nauczanie komputerów wykrywania ukrytego sygnaturowania

Ponieważ żaden człowiek nie jest w stanie w prosty sposób dostrzec użytecznych wzorców w tak dużej liczbie genów jednocześnie, zespół zwrócił się ku uczeniu maszynowemu — gałęzi informatyki pozwalającej algorytmom uczyć się na danych. Przetestowali 12 różnych metod uczenia maszynowego i wiele sposobów ich łączenia, ostatecznie wybierając parę metod, która najpierw selekcjonowała najbardziej informatywne geny, a potem budowała klasyfikator. Proces ten doprowadził do zwartego zestawu 16 genów, których skombinowany wzorzec aktywności mógł wiarygodnie odróżnić pacjentów ze schizofrenią od osób zdrowych w ośmiu różnych zestawach danych. Autorzy przekształcili tę 16-genową „sygnaturę” w graficzne narzędzie scoringowe, zwane nomogramem, które w zasadzie mogłoby pomagać klinicystom oszacować prawdopodobieństwo, że dana próbka krwi pochodzi od osoby ze schizofrenią.

Co kluczowe geny mówią o organizmie

16 genów wyróżnionych przez model nie jest przypadkowych. Wiele z nich związanych jest z układem odpornościowym, reakcjami na stres komórkowy oraz z tym, jak organizm przetwarza tłuszcze i cząsteczki sygnałowe. Szczególnie jeden gen, oznaczony jako AZI2, wyróżniał się jako centralny w sygnaturze. Jego aktywność była silnie powiązana ze szlakami kontrolującymi zapalenie i zachowanie komórek odpornościowych oraz z reakcjami komórek na sygnały regulujące wzrost, podział i śmierć. Gdy zespół przeanalizował wzorce komórek odpornościowych wnioskowane z danych krwi, stwierdził przesunięcia w kilku typach białych krwinek u osób ze schizofrenią, co wspiera obraz przewlekle zmienionego układu odpornościowego w tym zaburzeniu.

Dwa biologiczne oblicza tej samej diagnozy

Posiadanie diagnostycznej sygnatury jest użyteczne, ale wiadomo, że schizofrenia jest wysoce zróżnicowana między poszczególnymi osobami. Aby zbadać tę różnorodność, badacze zastosowali metody grupowania niesuperwizowanego, które grupują próbki według podobieństwa bez wskazówek, kto jest pacjentem ani jakie ma objawy. Metody te podzieliły grupę pacjentów ze schizofrenią na dwa główne podtypy opierające się na danych z krwi, a następnie na drobniejsze podgrupy. Jeden wzorzec był silniej powiązany ze zmianami metabolicznymi, takimi jak sposób, w jaki komórki wykorzystują energię i tłuszcze, podczas gdy drugi był bardziej związany z zapaleniem i aktywnością immunologiczną. Grupy różniły się także zestawami białek i ścieżek genowych związanych z krzepnięciem krwi, sygnalizacją mózgową i reakcjami na infekcje, co sugeruje, że pacjenci o tym samym klinicznym rozpoznaniu mogą mieć w rzeczywistości różną podstawową biologię.

Co to może znaczyć dla przyszłej opieki

Podsumowując, praca ta sugeruje, że niewielki panel genów mierzony z prostej próbki krwi może wspierać diagnozę schizofrenii i, być może co ważniejsze, ujawniać biologicznie odrębne podtypy choroby. Choć przed wdrożeniem takich narzędzi w praktyce klinicznej potrzebne są dalsze testy na większych, starannie obserwowanych grupach pacjentów, badanie daje mapę drogową ku bardziej spersonalizowanej psychiatrii, w której decyzje terapeutyczne kierowane są nie tylko przez objawy, lecz także przez molekularne sygnały z organizmu.

Cytowanie: Li, Z., Sun, Q., Li, H. et al. Machine learning-based predictive models and subtypes patterns in peripheral blood of schizophrenia based on a machine learning computational framework. Schizophr 12, 46 (2026). https://doi.org/10.1038/s41537-026-00744-z

Słowa kluczowe: schizofrenia, biomarkery we krwi, uczenie maszynowe, ekspresja genów, układ odpornościowy