【技术实现步骤摘要】
本专利技术属于精神疾病诊断和治疗，具体涉及一种精神疾病生物标志物预测方法、系统和存储介质。
技术介绍
1、药物治疗是精神疾病治疗的重要手段之一。药物可以帮助缓解症状，改善病情，提高生活质量。例如，双相情感障碍（bipolar disorder，bd）是多基因遗传病，具有高复发、高致残、高自杀和高共病等特点，严重损害患者的心理社会功能，增加患者的死亡风险。在常见的致残疾病排名中bd排名全球第十七位。现有bd治疗药物包括心境稳定剂，第二代抗精神病药物和抗抑郁药物。但是，目前用于精神疾病治疗的药物普遍存在个体治疗反应差异大，疗效应答率低下，并且只能功能性缓解症状发作的问题。因此，针对各种精神疾病，如何研究其致病基因，并寻找新的药物治疗靶点，这一直是重要的研究课题。
2、以bd的研究为例，目前从遗传的层面上探究bd药物靶点的研究主要有：①全基因组关联分析（genome wide association study，gwas）已经广泛应用于多种疾病，特别是神经精神障碍的致病基因鉴定。国际精神病基因联盟（pcg）已经发表了多个通过gwas鉴定所得的bd致病基因cacna1c、odz4、ank3、syne1等基因。但是通过gwas方法分析得到的基因多位于非编码区，无法进一步验证其致病机制，且鉴定所得基因之间存在连锁不平衡现象，想要单纯利用gwas方法定位致病基因及药物靶点还十分困难；②全转录组关联分析（twas）可以在gwas的水平上进一步鉴定疾病的关联mrna及与之相关的基因位点如nek4、lman2l、pbx4等，在转录水平上
3、可见，现有的精神疾病生物标志物的预测方法仍然存在问题，获得具有诊断和预后价值的生物标志物和药物靶点预测结果较为困难。因此，本领域仍然需要开发新的方法，实现对新的精神疾病生物标志物及治疗靶点的预测。
技术实现思路
1、针对现有技术的问题，本专利技术提供一种精神疾病生物标志物预测方法、系统和存储介质。
2、一种精神疾病生物标志物预测方法，包括如下步骤：
3、步骤1，获取精神疾病的pqtl数据和gwas数据；
4、步骤2，采用双样本孟德尔随机化方法对所述pqtl数据和gwas数据进行分析，得到因果蛋白的初步筛选结果；
5、步骤3，采用steiger filtering分析和共定位分析对所述初步筛选结果进行分析，得到排除水平多效性以后的候选蛋白生物标志物；
6、步骤4，采用表型-孟德尔随机化方法对所述候选蛋白生物标志物的特异性进行验证，验证得到具有特异性的蛋白生物标志物；
7、步骤2包括如下步骤：
8、步骤2.1，令pqtl数据中与组织中蛋白质具强相关性的snp为工具变量，蛋白质为暴露因素，gwas数据为结局因素；基于双样本孟德尔随机化设计理论，评估蛋白质与所述精神疾病之间的因果关系；
9、步骤2.2，使用bonferroni法对上述结果的p阈值进行修正，筛选与所述精神疾病具有显著因果关系的蛋白及其基因位点，得到所述因果蛋白的初步筛选结果；
10、步骤2.2中修正后，脑蛋白的p阈值为8.22×10-5，血浆蛋白的p阈值为8.16×10-5，脑脊液蛋白的p阈值为2.34×10-4；当蛋白p值小于对应p阈值时，该蛋白与所述精神疾病具有显著因果关系。
11、优选的，所述精神疾病为双相情感障碍，所述pqtl数据为大脑、脑脊液或血浆中至少一种组织的pqtl数据。
12、优选的，所述pqtl数据按照如下标准进行筛选：
13、①蛋白质与其对应的pqtl的相关性满足p<5×10-8；
14、②一个基因位点只能编码一种蛋白质；
15、③基因位点之间保持连锁平衡；
16、④pqtl是顺式pqtl；
17、⑤pqtl数据的f统计量＞10。
18、优选的，步骤2.1中，评估方法的选择方式为：若1个蛋白质对应1个snp数据，则使用wald ratio法；若1个蛋白质对应两个及以上的snp数据，则使用逆方差加权法。
19、优选的，步骤3包括如下步骤：
20、步骤3.1，采用steiger filtering分析，验证所述初步筛选结果中单个snp与精神疾病的因果关系方向性是否正确；排除因果方向性不一致的蛋白质；
21、步骤3.2，采用共定位分析，计算蛋白质和精神疾病在与某基因组区域相关的基础上，由同一snp驱动的后验概率，排除所述后验概率小于0.80的蛋白质。
22、优选的，步骤4包括如下步骤：
23、步骤4.1，令步骤3得到的候选蛋白生物标志物为暴露因素，与候选蛋白生物标志物对应的snp为工具变量，常见疾病及其gwas数据为结局因素；借助双样本孟德尔随机化策略进行phe-mr分析，以阐明所选候选蛋白生物标志物与常见疾病的因果关系；
24、步骤4.2，使用bonferroni法对上述结果的p阈值进行修正，筛选并排除与非所述精神疾病的常见疾病具有显著因果关系的蛋白及其基因位点；
25、步骤4.2中修正后p阈值为1.60×10-5，当蛋白p值小于p阈值时，该蛋白与非所述精神疾病的常见疾病中的至少一种具有显著因果关系。
26、优选的，还包括对预测结果进行评估的步骤，所述评估包括敏感性分析和外部验证。
27、本专利技术还提供一种精神疾病生物标志物预测系统，包括：
28、输入模块，用于输入精神疾病的pqtl数据和gwas数据；
29、预测模块，用于按照上述精神疾病生物标志物预测方法进行生物标志物的预测；
30、输出模块，用于输出预测结果。
31、本专利技术还提供一种计算机可读存储介质，其上存储有：用于实现上述精神疾病生物标志物预测方法的计算机程序。
32、本专利技术中，所述“生物标志物”是与疾病发病高度相关的生物蛋白质，这些蛋白质可作为相应风险基因影响疾病发生的中间环节，即可作为诊治该疾病的潜在药物靶点。。
33、采用本专利技术的技术方案，能够取得如下有益的效果：
34、1、本专利技术基于蛋白质数量性状基因位点（pqtl）数据对精神疾病（例如双相情感障碍）进行因果关系预测的方法，在定位致病基因位点的同时，定位精神疾病的蛋白质生物标志物与药物靶点，为精神疾病的治疗药物研发提供了方向。
35、2、在优选方案中，本专利技术技术针对双本文档来自技高网...
【技术保护点】
1.一种精神疾病生物标志物预测方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于：所述精神疾病为双相情感障碍，所述pQTL数据为大脑、脑脊液或血浆中至少一种组织的pQTL数据。
3.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于，步骤2.1中，所述具强相关性的SNP按照如下标准进行筛选：
4.按照权利要求3所述的精神疾病生物标志物预测方法，其特征在于：步骤2.1中，评估方法的选择方式为：若1个蛋白质对应1个SNP数据，则使用Wald Ratio法；若1个蛋白质对应两个及以上的SNP数据，则使用逆方差加权法。
5.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于：步骤3包括如下步骤：
6.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于：步骤4包括如下步骤：
7.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于：还包括对预测结果进行评估的步骤，所述评估包括敏感性分析和外部验证。
8.一种精神疾病生物标志物预测系统
9.一种计算机可读存储介质，其特征在于，其上存储有：用于实现权利要求1-7任一项所述的精神疾病生物标志物预测方法的计算机程序。
...【技术特征摘要】
1.一种精神疾病生物标志物预测方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于：所述精神疾病为双相情感障碍，所述pqtl数据为大脑、脑脊液或血浆中至少一种组织的pqtl数据。
3.按照权利要求1所述的精神疾病生物标志物预测方法，其特征在于，步骤2.1中，所述具强相关性的snp按照如下标准进行筛选：
4.按照权利要求3所述的精神疾病生物标志物预测方法，其特征在于：步骤2.1中，评估方法的选择方式为：若1个蛋白质对应1个snp数据，则使用wald ratio法；若1个蛋白质对应两个及以上的sn...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。