Nature子刊16分+SCI!非肿瘤方向的UK Biobank临床数据库挖掘

没有好的生信热点方向，选对方法思路，也能发表高分SCI哦，赶快学习起来吧~ 今天小云在Pubmed里闲逛的时候，发现了一篇发表在Nat Commun（IF=16.6）杂志上的生信文章，这篇文章通过对数据库样本进行分析，揭示了生物老化与抑郁和焦虑之间的风险关系。无实验，不蹭热点，也能发表高分SCI，赶快跟小云一起来看看它是如何操作的吧~ 这篇文章能发表在16分+SCI上具有几个优势。 1，本研究使用大样本且长期追踪的英国生物库数据（UK Biobank），可以提供更加准确可靠的结果，增加了研究的意义

（小云悄悄说，使用UKB数据的中国研究者数量已位居全球第三，仅次于英国和美国的研究人员数量，国内研究者申请研究人员账号获批后，即可依托研究项目申请数据使用权限，心动的小伙伴快点行动吧）

； 2，本研究关注具有创新性，为生物老化与情绪障碍之间的关联，探究生物老化与抑郁和焦虑之间的关系，可以从生物学角度上提供对情绪障碍的认识，为临床预后提供借鉴； 3，本研究还考虑了一系列潜在的调控因素，如性别、年龄等，以排除其他因素对结果的干扰，这样的细致分析有助于提高研究的可信度和解释力。想要进行样本分析的小伙伴们也可以参考这几点哦~

（ps：想要发生信高分文章的，也可以借鉴一下这种思路哟~）

。

题目：加速的生物老化与抑郁和焦虑的风险：来自424299名英国生物库参与者的证据

杂志：Nat Commun

影响因子：IF=16.6

发表时间：2023年4月

研究背景

抑郁和焦虑是常见的精神障碍，经常共同发生，并与残疾和死亡率增加有关，特别是在老年人。因此，预防老年人的抑郁和焦虑有可能减轻老龄人口的疾病负担。为了检验加速衰老(生物)可能增加抑郁/焦虑风险的假设，本文将两个已发表和验证的临床参数生物年龄算法应用于从约40万英国生物库参与者收集的血液化学基线评估，并将计算的生物年龄数据与约9年的随访期间编制的健康记录相关联。

数据来源

为了检验加速衰老(生物)可能增加抑郁/焦虑风险的假设，本研究在424299名英国生物库参与者中评估了生物年龄与抑郁和焦虑之间的前瞻性关联。

研究思路

本研究使用Klemera-Doubal方法生物年龄(KDM-BA)和PhenoAge算法16,17计算了参与者的生物年龄值，这两种算法都已经在多种族老年人队列中得到验证，以预测疾病，残疾和死亡率。KDM-BA将生物年龄模型化为参照人群中与特定时间年龄相关的平均生物状态。该模型假设生物年龄随时间线性增长。PhenoAge将生物年龄模型化为参照人群中与特定死亡风险水平相关的平均生物状态。该模型假设生物年龄随时间呈指数增长。

主要结果

1.参与者的特征和生物年龄

分析了三组重叠参与者的数据。第一组包括所有提供生物年龄测量所需基线血液化学数据的个体，以及在入选基线(N=424299)完成精神卫生调查的个体。第二组由第一组子集组成，他们在基线时没有普遍的抑郁/焦虑(N=369745)。第三组是子集，他们在基线时没有普遍的抑郁/焦虑，同时也参与了在线随访精神卫生调查(N=124976)。这三组的特征在表1中报告。简而言之，参与者大多为白人(>95%)，46.2%为男性，年龄57±8岁，高血压患病率(54%)和冠心病患病率(3-5%)和糖尿病(3-5%)。在第一组，基线PHQ-4得分平均为1.58±2.08。根据PHQ-4评分和医院记录，13%的人符合抑郁(6%)和焦虑(10%)的标准。在基线没有抑郁和焦虑的第二组中，4.47%的人在8.7年的中位数随访中出现了抑郁和焦虑。第三组，在基线时没有抑郁/焦虑，并参加了后续调查的人中，有4.9%的人在在线后续调查中出现了抑郁和焦虑。 表1 研究参与者的特征

2.在基线时抑郁/焦虑的生物老化和患病率

与生理年龄较小的同龄人相比，生理年龄较大的参与者PHQ-4得分更高，在基线时更有可能被诊断为抑郁或焦虑。对社会经济因素、健康行为和流行的慢性病的协变量调整减弱了效应大小的估计。然而，大多数关联在统计上仍具有显著意义(表2)；在完全调整的模型中，KDM-BA值为1标准差(SD)的参与者在PHQ-4上的得分高出0.0516个单位(标准差=0.0045)，抑郁/焦虑的几率高出12.3%。PhenoAge的结果类似，但效果大小略大(表2)。对于KDM-BA和PhenoAge，与PHQ-4得分和疾病的关系在生物年龄的四分位数中是单调的和非线性的(表2和图1)。 表2 生物学年龄加速度与PH-4评分和基线(完全调整模型)抑郁/焦虑障碍几率的关系

图1 KDM-BA加速和表型加速与基线时PHQ-4评分关系的最佳拟合模型图

3.生物老化与随访中出现的抑郁/焦虑

为了测试年龄较大的生物年龄是否容易发生抑郁/焦虑，作者分析了369745名参与者的数据，这些参与者在基线时没有抑郁和焦虑。在中位数8.7年的随访中，生物学年龄越大，发生抑郁/焦虑的风险越高。对抑郁的影响大小最大，对焦虑的影响最小；对于KDM-BA，其加速的每个SD变化与发生抑郁、焦虑或任何一种障碍的风险增加4-7%相关；对于PhenoAge加速，每个SD的风险增量为6-14%(表3)。在剂量-反应分析中，我们发现所有结果的风险随着PhenoAge加速程度的提高而单调增加。KDM-BA加速的模式更加复杂(表3，图2)。最后，测试了较大的生物年龄是否与抑郁和焦虑并存的发生率有关。然而，只有在PhenoAge加速的情况下，这种关联才与零有统计学上的不同(表4)。 表3 基线生物年龄与后续抑郁/焦虑障碍事件的关系(完全调整模型)

作者分析了在基线没有抑郁/焦虑的参与者(N=124976)的子集中，这两种AAs与抑郁/焦虑症状的相关性。这两种AAs与抑郁、焦虑或任何一种障碍的发生几率呈正相关。年龄较大的KDM-BA的参与者显示出三种抑郁症状的发生率更高：精神运动变化、疲劳和食欲变化(图3)。三种症状之间呈正相关。较高的 PhenoAge加速度与新诊断的抑郁症风险以及三种抑郁症状加快感缺乏的发生率相关。生物学年龄的基线水平并不总是与大多数焦虑症状相关。它们与精神障碍、抑郁和焦虑的症状评分增加呈正相关，但与焦虑评分的相关性无统计学意义。

图3 在随访调查中，124976名基线时没有抑郁和焦虑的参与者的基线生物年龄加速与抑郁/焦虑症状的几率和心理健康得分之间的前瞻性关联

4.生物年龄加速和遗传易感性的联合作用

最后，作者测试了抑郁症/焦虑症的背景遗传风险是否以相加或协同的方式与生物衰老相结合来影响抑郁/焦虑的风险。使用从两项全基因组关联研究中定义的多基因风险评分(PRS)来衡量遗传风险。在基线时，具有更高遗传风险水平的参与者往往具有较差的心理健康，并且在随访期间更有可能出现事件障碍。然而，参与者的遗传风险与他们的生物老化无关。随后，通过在预测流行和偶发抑郁/焦虑的模型中测试PR和生物年龄测量之间的交互作用，评估了遗传风险和生物年龄之间的风险协同作用。遗传风险和生物老化对抑郁/焦虑的风险独立且相加；没有强有力的证据表明风险协同作用。遗传风险和生理年龄的共同影响见图4。例如，与遗传风险和生理年龄均最低的参与者相比，遗传风险和生理年龄均最高的参与者在随访期间发生抑郁/焦虑的风险接近2.5倍。

图4 遗传风险和生物年龄加速与基线时发生抑郁/焦虑障碍的几率和随访时发生抑郁/焦虑障碍的发生率之间的联合关联

文章小结

本研究采用了UK生物库中424299名参与者的数据，使用KDM-BA和PhenoAge算法对其进行分析，用于探讨加速生物老化与抑郁和焦虑之间的关系。研究结果表明，促进健康生活方式，有助于减缓生物老化进程，并降低抑郁和焦虑的风险。简而言之，本研究通过大规模的观察性研究提供了有关加速生物老化与抑郁和焦虑之间关系的证据，并提出了促进健康生活方式的建议来预防和管理这些心理健康问题！