外周血circRNA的差異表達及其與抑郁癥嚴重程度的關系

孔令明，牛威，姚高峰，朱曉麗，何明駿，張理義

抑郁癥的核心癥狀是情緒低落、興趣減退等，重癥抑郁障礙者自殺占所有自殺的33%～50%，其共病心血管疾病、糖尿病的機會明顯高于正常人，嚴重威脅著人類的心身健康[1-3]。世界衛生組織預測，到2020年，抑郁癥將占據世界疾病負擔的第2位[4-5]。探討抑郁癥發病機制及其生物標志物，一直是精神病遺傳學領域的研究熱點。目前，關于抑郁癥的發病機制仍有諸多不明確的方面。有研究者認為，抑郁癥可能是由突觸可塑性受損致使大腦不能恰當地適應環境所致；還有證據表明，抑郁癥與學習和記憶功能受損相關，提示抑郁癥存在大腦功能和神經元突觸可塑性改變的證據[6-8]。但目前仍然無單一的理論可完全解釋抑郁癥的發病過程。抑郁癥的分子遺傳學研究認為，社會環境、不良成長經歷可導致某些特定的基因發生表觀遺傳改變，并引起神經元的可塑性和功能異常。

已有研究證實，circRNA對核酸酶不敏感，因而在精神障礙的發病機制中可起到重要的調節作用[9-10]。circRNA可能參與調控抑郁癥發病過程，并與抑郁癥的癥狀表現、嚴重程度有一定關系[11]。本研究探討抑郁癥患者外周血circRNA的差異表達及其與抑郁癥嚴重程度的關系。

1 資料與方法

1.1 研究對象 2015年4月至2016年10月在解放軍102醫院門診及住院的抑郁癥患者100例，納入抑郁癥組。入組患者均滿足美國精神疾病診斷與統計手冊第5版(DSM-Ⅴ)中的MDD診斷標準[12]。診斷由兩名精神科醫師根SCID-I/P的診斷標準對患者分別進行測評。這兩名精神科醫師間的評分一致性是0.87，使用HAMD量表中的24條目評估抑郁癥患者的嚴重程度。入組標準：①入組前3個月內未使用抗抑郁藥物；②漢族，年齡18～60歲；③無嚴重器質性疾病史(例如心臟病、糖尿病、帕金森綜合征)，入組前6個月未發生嚴重的生活創傷事件；④無其他精神疾病(精神分裂癥、躁狂癥或人格障礙)。選取同時期健康人100名作為對照。本研究獲得中國人民解放軍102醫院醫學倫理委員會批準，所有受試者或受試家屬(監護人)均簽署知情同意書。

1.2 評估方法 由精神科醫師根據DSM-IV-TR對患者進行診斷，如果出現不一致情況，則請一位精神科主任醫師共同討論后確定診斷。在開展研究前，首先對參加本課題的精神專科醫師和研究生進行培訓。采用漢密爾頓抑郁量表(Hamilton depression scale，HAMD)對患者的抑郁癥狀進行評估。入組時記錄一般情況(姓名、性別、年齡、民族、文化程度、職業、收入水平、婚姻狀況、藥物成癮史及精神疾病家族史等)。同時記錄對照組一般情況。

1.3 評估工具 HAMD是目前最經典的抑郁他評量表，已廣泛應用。該量表主要用于評定個體的抑郁癥狀嚴重程度，共有24個條目，7個因子，包括焦慮/軀體化(anxiety/somatization，AS)、體重(weight，W)、認知障礙(cognitive disorder，CD)、日夜變化(diurnal variation，DV)、遲滯(retardation，R)、睡眠障礙(sleep disturbance，SD)和絕望感(hopelessness，H)，能夠較好地反映患者病情[13]。

1.4 實驗過程 實驗采用國際標準化流程[14]，包括RNA提取、circRNA芯片篩查、RT-PCR驗證等。

1.5 統計學處理 采用SPSS 17.0軟件工具包進行數據分析。以Spearman相關分析探究差異表達的circRNA與患者HAMD總分及各因子分的相關性。進一步使用Wilcoxon秩和檢驗比較癥狀高分組與低分組circRNA表達水平的差異。以logistic回歸分析探究circRNAs對抑郁嚴重程度的貢獻，并構建ROC曲線分析相應circRNA對癥狀嚴重程度的預測價值。所有統計均為雙側顯著性檢驗，P＜0.05為差異有統計學意義。

2 結 果

2.1 抑郁癥患者circRNA表達水平與抑郁癥癥狀的相關分析 circRNA_100018的ΔCt值與認知障礙呈明顯負相關(P＜0.05)。circRNA_104600的ΔCt值與認知障礙呈明顯負相關(P＜0.05)，與睡眠障礙呈明顯正相關(P＜0.05)。circRNA_103636的ΔCt值與焦慮/軀體化、認知障礙呈明顯負相關(P＜0.05)；circRNA_100679的ΔCt值與體重、絕望感呈明顯正相關(P＜0.05)；circRNA_103964的ΔCt值與焦慮/軀體化呈明顯負相關(P＜0.05，表1)。

2.2 抑郁癥組抑郁癥狀與circRNA表達水平的回歸分析 以HAMD的各因子分為因變量，以circRNA的ΔCt值為自變量行多元回歸分析。結果表明，circRNA_100679對抑郁癥組體重、絕望感有顯著預測作用(P＜0.01或P＜0.05)，對體重、絕望感變異的解釋率分別為13.9%、11.1%；circRNA_104121、circRNA_102802和circRNA_104953對遲滯有明顯預測作用(P＜0.05)，可解釋遲滯因子變異的16.9%。circRNA_104600、circRNA_103636對睡眠障礙有明顯預測作用(P＜0.05)，可解釋睡眠障礙變異的15.4%(表2)。

表1 抑郁癥患者circRNA表達水平與抑郁癥癥狀的相關分析(r)Tab.1 Correlation analysis of circRNA expression level and depression symptom in MDD patients (r)

表2 抑郁癥組抑郁癥狀與circRNA表達水平的回歸分析Tab.2 Regressive analysis of circRNA expression level and depression symptoms of MDD patients

2.3 抑郁癥狀不同嚴重程度circRNA表達水平的比較 以HAMD總分為標準，采用四分位法將抑郁癥組分為高分組(前25%)和低分組(后25%)。采用獨立樣本的Wilcoxon秩和檢驗比較抑郁高分及低分組circRNA表達水平的差異，發現兩組患者hsa_circRNA_002143、circRNA_102802、circRNA_103636, circRNA_100679和circRNA_104953表達水平不同，差異有統計學意義(P＜0.05，表3)。2.4 circRNA表達水平對抑郁癥患者嚴重程度的預測價值 以circRNA_002143、circRNA_102802、c i r c R N A_1 0 3 6 3 6、c i r c R N A_1 0 0 6 7 9和circRNA_104953檢驗變量，以抑郁癥組HAMD總分的高和低分組作為狀態變量，建構ROC曲線(圖1、表4)。結果顯示，抑郁癥circRNA_100679表達水平對其癥狀嚴重程度有中等預測效力(AUC=0.708，P＜0.05，95%CI：0.523～0.894)。當血漿中circRNA_100679=17.80685CT值時，約登指數達最大值0.283，靈敏度0.750，特異度0.533。

表3 抑郁癥狀高低分兩組circRNA表達水平的比較Tab.3 Comparison of circRNA expression level between upper- and lower-score group of HAMD

圖1 circRNA_100679對抑郁癥嚴重程度預測的ROC曲線Fig.1 ROC curve of prediction of circRNA_100679 on severity of depression

表4 抑郁癥組HAMD高低分組差異表達circRNA的ROC曲線分析結果Tab.4 Analysis of ROC curve differential expressed of circRNAs

3 討 論

抑郁癥是包含多個癥狀表現的癥狀群，且因家庭環境、成長經歷、父母教養方式、人格特征等方面呈現個體間變異性。臨床實踐發現，抑郁癥發病率呈現逐年增加的趨勢[15-16]。人類對于抑郁癥的認知、早期識別、診斷、治療、康復、復發預防等方面都不能適應現實的需求，尤其是對抑郁癥的病理機制和過程仍缺乏充分的了解。

抑郁癥癥狀表現存在較大個體差異[17-18]。本研究對抑郁癥狀與circRNA表達水平的相關及回歸分析發現，circRNA_100018的ΔCt值與認知障礙呈明顯負相關；circRNA_104600的ΔCt值與認知障礙呈明顯負相關；circRNA_103636的ΔCt值與焦慮/軀體化、認知障礙呈明顯負相關；circRNA_103964的ΔCt值與焦慮/軀體化呈明顯負相關。circRNA_104121、circRNA_102802和circRNA_104953進入抑郁組遲滯的回歸方程，對遲滯因子變異的解釋率0.169；circRNA_104600、circRNA_103636進入抑郁組睡眠障礙的回歸方程，對睡眠障礙變異的解釋率為0.154。說明這些circRNA表達水平越高，抑郁癥患者可出現越嚴重的認知障礙、焦慮/軀體化、遲滯等癥狀和表現。circRNA_100679的ΔCt值與體重、絕望感呈顯著正相關，circRNA_104600的ΔCt值與睡眠障礙也呈正相關，circRNA_100679進入抑郁癥組體重、絕望感的回歸方程，對體重、絕望感變異的解釋率分別為0.139、0.111，提示circRNA表達水平越高，其體重、絕望感、睡眠問題越少。本研究結果發現，circRNA與抑郁癥的關系較為復雜，取決于患者的癥狀表現，而且與circRNA對病理過程的間接調控有關，以往研究發現，circRNA利用其miRNA應答元件結合miRNA，以阻斷miRNA對其靶標表達的抑制作用，從而調控其他相關RNA的表達水平[19]，進而對疾病的病理過程發揮作用。

抑郁癥狀高低分組circRNA表達水平的比較發現，抑郁癥高分組hsa_circRNA_002143、c i rc R N A_1 0 2 8 0 2表達水平下降；抑郁癥高分組circRNA_103636、circRNA_100679和circRNA_104953表達水平升高；進一步以這些circRNAs表達水平為檢驗變量建構ROC曲線，結果表明，circRNA_100679(AUC=0.708，當血漿中circRNA_100679=17.80685CT值時，約登指數最大值為0.283，靈敏度0.750，特異度0.533)對抑郁癥嚴重程度有較好的預測價值，提示抑郁癥病情與circRNA表達水平有密切關系。

circRNA可能在某些疾病病理方面起一定作用，circRNA可通過競爭性結合與疾病關聯的miRNA參與疾病發病過程的調節[19-21]，例如，環狀RNA ciRS-7在人腦組織中豐富表達，與腦特異性microRNA miR-7相互作用；ciRS-7含有多個串聯的miR-7結合位點，因此，可以作為內源性的miRNA海綿，抑制miR-7活性；Fan等[10]的研究發現，miRNA-26b、miRNA-1972、miRNA-4485、miRNA-4498和miRNA-4743等可能參與抑郁癥的病理過程，這些miRNA的靶基因的合集為734個，涉及的生物學過程包括皮層發育、軸突導向和延伸、突觸傳遞以及學習和記憶過程等，涉及的信號通路包括軸突導向、谷氨酸能突觸、Wnt信號通路、ErbB信號通路、mTOR信號通路、VEGF信號通路等，有望成為抑郁癥診斷的生物標記物[9,22-26]。circRNA可能通過調控mircRNA的表達水平來影響抑郁癥的病理生理過程。

綜上所述，本研究發現circRNA_100679對抑郁癥嚴重程度有較好的預測價值；hsa_circRNA_002143、circRNA_100679、circRNA_103636表達水平與患者的抑郁癥狀有密切關系。

[1] Tolentino JC, Schmidt SL. Association between depression severity and cardiac autonomic modulation[J]. J Psychos Res,2016, 85(6): 9-11.

[2] Patel SS, Mehta V, Changotra H, et al. Depression mediates impaired glucose tolerance and cognitive dysfunction: A neuromodulatory role of rosiglitazone[J]. Horm Behav, 2016,78(2): 200-210.

[3] Hom MA, Lim IC, Stanley IH, et al. Insomnia brings soldiers into mental health treatment, predicts treatment engagement,and outperforms other suicide-related symptoms as a predictor of major depressive episodes[J]. J Psychiatr Res, 2016, 79(8):108-115.

[4] Otte C, Wingenfeld K, Kuehl Linn K, et al. Cognitive function in older adults with major depression: Effects of mineralocorticoid receptor stimulation[J]. J Psychiatr Res, 2015, 69(9): 120-125.

[5] Bradley KAL, Colcombe S, Henderson SE, et al. Neural correlates of self-perceptions in adolescents with major depressive disorder[J]. Dev Cogn Neurosci, 2016, 19(7): 87-97.

[6] Holt RJ, Graham JM, Whitaker KJ, et al. Functional MRI of emotional memory in adolescent depression[J]. Dev Cogn Neurosci, 2016, 19(6): 31-41.

[7] Tao WW, Dong Y, Su Q, et al. Liquiritigenin reverses depressionlike behavior in unpredictable chronic mild stress-induced mice by regulating PI3K/Akt/mTOR mediated BDNF/TrkB pathway[J]. Behav Brain Res, 2016, 308(7): 177-186.

[8] Reimets R, Raud S, Loomets M, et al. Variability in the effect of antidepressants upon Wfs1-deficient mice is dependent on the drugs' mechanism of actions[J]. Behav Brain Res, 2016, 308(7):53-63.

[9] Xia T, Jiang XM, Chen XM, et al. Circular RNA: A new member of competing endogenous RNAs[J]. Chin J Cell Biol, 2013,35(11): 1695–1700. [夏天, 蔣孝明, 陳曉敏, 等. 環狀RNA:競爭性內源RNA新成員[J]. 中國細胞生物學學報, 2013,35(11): 1695-1700.]

[10] Fan HM, Sun XY, Guo W, et al. Differential expression of microRNA in peripheral blood mononuclear cells as specific biomarker for major depressive disorder patients[J]. J Psychiatr Res, 2014, 59(11): 45-52.

[11] Kong LM, Niu W, Zhu XL, et al. Correlation of circRNAs'differential expression to negative-positive symptoms of patients with schizophrenia[J]. Med J Chin PLA, 2017, 42(10): 897-901.[孔令明, 牛威, 朱曉麗, 等. 精神分裂癥circRNA的差異表達及其與癥狀的關系[J]. 解放軍醫學雜志, 2017, 42(10): 897-901.]

[12] Zhang QL, Lu J, Sun XY, et al. A preliminary analysis of association between plasma microRNA expression alteration and symptomatology improvement in major depressive disorder(MDD) patients before and after antidepressant treatment[J].Eur J Psychiat, 2014, 28(4): 252-264.

[13] American Psychiatric Association. Diagnostic and statistical manual of mental disorders (5th ed.)[M]. Washington DC:American Psychiatric Association, 2013. 160-168.

[14] Hamilton M. Development of a rating scale for primary depressive illness[J]. Br J Soc Clin Psychol, 1967, 6(4): 278-296.

[15] Cui X, Niu W, Kong L, et al. hsa_circRNA_103636: potential novel diagnostic and therapeutic biomarker in Major depressive disorder[J]. Biomark Med, 2016, 10(9): 943-952.

[16] Wang XL, Wang DL. Hypothalamic abnormality and major depressive disorder[J]. Adv Psychol Sci, 2015, 23(10): 1763-1774. [王曉樂, 王東林. 下丘腦異常與抑郁癥.心理科學進展, 2015, 23(10): 1763-1774.]

[17] Robinson RL, Grabner M, Palli SR, et al. Covariates of depression and high utilizers of healthcare: Impact on resource use and costs[J]. J Psychos Res, 2016, 85(6): 35-43.

[18] Sheehan DV, Nakagome K, Asami Y, et al. Restoring function in major depressive disorder: A system review[J]. J Affect Dis,2017, 215(6): 299-313.

[19] Memczak S, Jens M, Elefsinioti A, et al. Circular RNAs are a large class of animal RNAs with regulatory potency[J]. Nature, 2013,495(7441): 333-338.

[20] Wilusz JE, Sharp PA. Molecular biology. A circuitous route to noncoding RNA[J]. Sci, 2013, 340(6131): 440-441.

[21] Jeck WR, Sorrentino JA, Wang K, et al. Circular RNAs are abundant, conserved, and associated with ALU repeats[J]. RNA,2013, 19(2): 141-157.

[22] Vandeleur CL, Fassassi S, Castelao E, et al. Prevalence and correlates of DSM-5 major depressive disorder and related disorders in the community[J]. Psychiatr Rese, 2017, 250(1):50-58.

[23] Memczak S, Jens M, Elefsinioti A, et al. Circular RNAs are a large class of animal RNAs with regulatory potency[J]. Nature, 2013,495(7441): 333-338.

[24] Hansen TB, Jensen TI, Clausen BH, et al. Natural RNA circles function as efficient microRNA sponges[J]. Nature, 2013,495(7441): 384-388.

[25] Bingol B, Sheng M. Deconstruction for reconstruction: the role of proteolysis in neural plasticity and disease[J]. Neuron, 2011,69(1): 22-32.

[26] Fan HM, Wu WB, Niu W, et al. Bioformatics analysis of microRNA differentially expressed in major depressive disorder[J]. Chin J Behav Brain Sci, 2015, 24(5): 418-422. [范惠民, 吳文波, 牛威, 等. 重癥抑郁障礙外周血microRNA的生物信息學分析[J]. 中華行為醫學與腦科學雜志, 2015, 24(5):418-422.]