Прогностические модели на основе машинного обучения и паттерны субтипов в периферической крови при шизофрении, основанные на вычислительной рамке машинного обучения

Почему кровь может помочь расшифровать сложное расстройство ума

Шизофрения — тяжелое психическое заболевание, которое нарушает мышление, эмоции и повседневную жизнь, однако врачи по-прежнему в основном опираются на наблюдение за поведением при постановке диагноза. В этом исследовании поставлен простой, но мощный вопрос: может ли обычный образец крови обнаружить скрытые биологические паттерны, которые помогут выявлять шизофрению раньше и разделять пациентов на более целевые группы для лечения?

В поисках улик в пробирке с кровью

Исследователи начали с объединения нескольких уже существующих наборов данных, в которых кровь людей с шизофренией и здоровых добровольцев уже была проанализирована по активности генов. Каждый ген можно представить как маленький переключатель, который усиливается или ослабевает. Объединив тысячи таких переключателей из пяти отдельных исследований и скорректировав технические различия, команда создала большой, унифицированный профиль экспрессии генов в периферической крови. Затем они искали гены, которые последовательно вели себя иначе у пациентов по сравнению с контролями, сосредотачиваясь на тех, которые связаны с воспалением, иммунными ответами и метаболизмом липидов и других молекул.

Обучение компьютеров выявлять скрытую сигнатуру

Поскольку человеку трудно разглядеть полезные паттерны сразу в тысячах генов, команда обратилась к машинному обучению — области информатики, которая позволяет алгоритмам учиться на данных. Они протестировали 12 различных методов машинного обучения и множество способов их сочетания, в конечном счете остановившись на паре подходов, которая сначала отбирала наиболее информативные гены, а затем строила классификатор на их основе. Этот процесс привел к компактному набору из 16 генов, чья совместная активность могла надежно отличать пациентов с шизофренией от здоровых людей в восьми разных наборах данных. Авторы затем преобразовали эту 16-генную «сигнатуру» в графический инструмент для оценки риска — номограмму, которая в принципе могла бы помочь клиницистам оценивать вероятность того, что данный образец крови принадлежит человеку с шизофренией.

Что ключевые гены говорят о состоянии организма

Выделенные моделью 16 генов не случайны. Многие из них связаны с иммунной системой, ответами на клеточный стресс и тем, как организм перерабатывает липиды и сигнальные молекулы. Особое место занимал ген AZI2 — он оказался центральным в сигнатуре. Его активность была тесно связана с путями, контролирующими воспаление и поведение иммунных клеток, а также с реакциями клеток на сигналы роста, деления и гибели. При анализе предполагаемых профилей иммунных клеток по данным крови исследователи обнаружили смещения в нескольких типах лейкоцитов при шизофрении, что поддерживает представление о том, что иммунная система при этом расстройстве постоянно изменена.

Два биологических варианта одного диагноза

Наличие диагностической сигнатуры полезно, но известно, что шизофрения сильно варьирует от человека к человеку. Чтобы изучить эту неоднородность, исследователи применили методы неконтролируемой кластеризации, которые группируют образцы по сходству, не зная заранее, кто пациент и какие у него симптомы. Эти методы разделили группу шизофрении на два основных субтипа на основе крови и далее — на более мелкие подгруппы. Один из паттернов был теснее связан с изменениями в метаболизме, например в использовании энергии и липидов клетками, в то время как другой был сильнее привязан к воспалению и иммунной активности. Группы также различались наборами белков и генетических путей, связанными с свертываемостью крови, мозговой сигнализацией и ответом на инфекции, что наводит на мысль, что пациенты с одинаковым клиническим ярлыком могут иметь разные базовые биологические механизмы.

Что это может означать для будущей помощи

В совокупности результаты исследования указывают на то, что небольшая панель генов, измеряемая из простого забора крови, может помочь в поддержке диагноза шизофрении и, возможно, что важнее, выявлять биологически различающиеся субтипы заболевания. Хотя необходимы дальнейшие испытания на больших, тщательно отслеживаемых когортах пациентов, прежде чем такие инструменты можно будет внедрять в клинику, исследование предлагает дорожную карту к более персонализированной психиатрии, где решения о лечении опираются не только на симптомы, но и на молекулярные сигналы организма.

Цитирование: 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

Ключевые слова: шизофрения, биомаркеры крови, машинное обучение, экспрессия генов, иммунная система