基于淋巴细胞亚群的nomogram鉴别双相抑郁与重度抑郁症的开发与验证

简介

双相情感障碍(BD)和重度抑郁症(MDD)是精神障碍的两个重要谱系，其特征是由情绪、认知和行为以及躯体领域的功能障碍引发的临床症状(1)．据报道，双相障碍和重度抑郁症的终生患病率分别为5%和16.2% (2，3.)，而将BD误诊为重度抑郁症的比例高达40% (4)，因此MDD的过度诊断部分是由BD的高误诊率造成的;通过充分识别和准确地从双相障碍中诊断重度抑郁症(5)．一般而言，有明显躁狂史的双相障碍患者可与重度抑郁症患者(6)．然而，大多数双相障碍患者经历较温和或非典型形式的(轻度)躁狂，这经常被患者和临床医生忽视(7)．此外，Perlis等人发现，BD患者从首次发病到正确诊断和治疗平均需要8年的时间(8)．不幸的是，对这两种疾病的准确诊断甚至对经验丰富的医生来说也是一项挑战。在抑郁发作期间，双相障碍和重度抑郁症的临床表现重叠(9，10)，其中焦虑症状是最常见的共病症状(11)和当前焦虑症状的严重程度与随后持续的抑郁症状密切相关(12)．这些都造成了彼此的误诊。值得注意的是，这两种疾病的治疗策略有很大的不同。在临床实践中，双相障碍患者被开心境稳定剂(如锂盐、抗癫痫药和抗精神病药)，而重度抑郁症患者只被开抗抑郁药(13)．此外，关于抗抑郁药对双相障碍的有效性存在相当大的争议(14)．鉴于BD的高误诊率以及BD和MDD在治疗策略上的差异，正确诊断BD和MDD至关重要。否则，它将导致使用不适当的药物治疗，随之而来的不良后果和不良预后(例如，长期发病率，自杀，躁狂和残疾)(15- - - - - -17)，严重影响病人的生活质素，并进一步增加医疗负担。

目前，还没有诊断双相障碍和重度抑郁症的黄金标准。现有的诊断共识指出，综合判断应结合社会人口学、临床特征、生物学标志物、脑电生理、神经影像学检查和治疗情况(9)．然而，在BD和MDD识别的研究和实践中，仍有许多问题有待研究。近年来，免疫反应已被证实在情感性疾病的发病机制中扮演重要角色(18，19)，尤其是由Breg (B)、Treg (T)和自然杀伤细胞(NK)组成的淋巴细胞亚型，已被提出作为炎症标志物，并支持这些疾病病因的炎症假说(19)．关于淋巴细胞亚型，其特点和生理功能如下:(1)B细胞可发育为浆细胞，产生对抗外来入侵者的重要抗体，主要以细胞外细菌为代表，并参与体液免疫反应(20.)和CD19⁺是参与B细胞活化和增殖的重要膜抗原之一，是所有B细胞的共同表面标记(21)．(2). T细胞具有抗原特异性，产生于胸腺，可根据其表面和/或其产生的细胞因子表达的“分化簇”(CD)蛋白进行识别，并能够分化为T细胞毒细胞或T辅助细胞(19，20.)．前者向B细胞呈递抗原，后者抑制效应T细胞、B细胞和淋巴细胞增殖的功能(20.)．所有CD3⁺T细胞表达典型的T细胞受体，在抗原识别中起作用(22)．(3) NK细胞以大颗粒淋巴细胞(LGL)为主，表达cd16和/或cd56表面抗原，具有抗肿瘤、抗感染、免疫调节和造血作用，是自然免疫系统中必不可少的淋巴细胞，杀伤作用是自发的，一般不需要抗体或预致敏作用(19)．

的确，淋巴细胞亚型是通过收集血液样本并计算相应的参数来进行的，这种方法具有低成本、可重复性和在简单的实验室条件下容易获得的优点。到目前为止，一些研究已经检查了淋巴细胞亚群作为BD和MDD神经炎症反应的潜在生物标志物的有用性(23- - - - - -25)．例如，Bauer等人的一项研究表明，当BD或MDD患者经历急性心理应激时，淋巴细胞的循环失调，包括淋巴亚群的数量，以及相应的功能损害(1)．Breunis等人发现，有症状且缓解的BD患者具有较高水平的活化CD3⁺T细胞与健康对照(hc)比较(22)， Barbosa等人的研究也得到了同样的结果(26)．然而，Barbosa等人在一项研究中招募了21名BD I型患者和21名年龄和性别匹配的对照组，结论是BD患者的CD3比例降低⁺T细胞(26)．Denney等人在15例MDD患者中观察到CD3数量下降⁺相对于hc的细胞(27)，但在一项对20名MDD患者的研究中，CD3略有增加⁺细胞被描述，但与hc没有显著差异(28)．此外，Müller等人评估了37例内源性抑郁症亚型患者(在抑郁期间和自由间歇期)，发现CD3水平明显较高⁺与hc相比(29)．Wu等人报道，BD患者的T细胞分布与MDD患者有显著差异，BD患者的细胞毒性T细胞水平明显低于MDD患者(19，25)．来自t细胞亚群在双相障碍和重度抑郁症中的相关研究的证据还没有明确的结定论，这表明该领域的空白值得填补。此外，一些研究指出了情感性障碍中B细胞和NK细胞的异常数量和活性。Mays等人研究了B细胞的数量或百分比是否反映了抑郁状态，并注意到抑郁患者的CD19数量明显更高⁺B细胞与hc相比(30.)．最近的一项研究比较了BD患者和hc患者B淋巴细胞亚群的分布，得出了类似的结果:处于缓解期和抑郁发作期的BD患者CD19的比例更高⁺B细胞比HCs (31)．最后但并非最不重要的是，Benschop等人表明，急性心理压力诱导淋巴细胞数量的短暂增加，其中NK细胞计数是最突出的(32）;相反，Patas等人发现在重度抑郁症患者中观察到NK细胞计数下降(33，34)．目前尚缺乏对BD中NK细胞水平的探索研究，BD与MDD之间NK细胞和B细胞水平的差异尚不清楚。鉴于BD与MDD之间的免疫反应关系密切，B细胞和NK细胞可能发挥不同的作用，但这种关联的具体机制尚不完全清楚。综上所述，这些发现表明，有必要进一步研究BD和MDD之间淋巴细胞亚群的差异，以揭示相关的病理生理机制，并协助临床诊断。

通常情况下，由于淋巴细胞亚群变量之间的相互作用，关注单个因素的重要性可能会忽略从临床角度来看高度相关的因素。因此，为了避免这些缺陷，目前广泛应用于情感性障碍的临床决策方法-基于机器学习技术，可能有助于处理复杂因素，并显示出较高的预测能力(35，36)．遗憾的是，它很少被用来区分双相障碍和重度抑郁障碍。在这些计算方法或模型中，最小绝对收缩选择算子(LASSO)是应用最广泛的算法之一，它可以综合考虑多个影响因素(37，38)，并从可用数据集中选择最有效的预测因子(35)．此外，nomogram是一种基于证据的个体化预测模型，可以客观地为决策提供准确的信息(39)．因此，应用基于以往研究的机器学习技术，可以为本研究确定双相障碍和重度抑郁症的预测因素提供可靠的方法学参考。

本研究的目的如下:(1)探讨淋巴细胞亚群在鉴别BD与MDD中的诊断价值;(2)利用基础机器学习技术开发并验证鉴别诊断模型以区分BD和MDD，并以nomogram形式提出以提高预测模型的准确性和有用性。综上所述，为这两种疾病的早期鉴别提供简单有效的诊断工具，为后续临床干预提供证据支持。

材料与方法

研究设计

2018年6月至2022年1月，在湖州市第三市立医院进行前瞻性横断面研究。本方案由该机构的伦理审查委员会批准，所有参与者在入组前都提供了签署的知情同意书。在本研究中，假设nomogram方法能够以90%的敏感性和特异性区分BD和MDD，至少158名参与者(40)．

纳入标准如下:(1)年龄18-65岁;(2)根据《精神障碍诊断与统计手册iv》(DSM-IV)的标准被诊断为双相障碍或重度抑郁症;(3)抑郁汉密尔顿量表(Hamilton - d)₁₇)评分≥14分。排除标准如下:(1)有免疫系统疾病(如类风湿性关节炎、系统性红斑狼疮);(二)过去一年内曾使用抗炎或免疫抑制药物;(3)近2周内患有传染病的;(4)其他精神或神经系统疾病合并症;(五)临床上严重的身体疾病(包括高血压、高脂血症、糖尿病等慢性病);(6)怀孕、哺乳史;(7)血液不良、肝或肾衰竭或肥胖(体重指数(BMI) > 30 kg/m)²）;(八)酗酒、吸毒或者其他精神药物使用障碍的。

最后，166名参与者被诊断为双相障碍(n= 83)或MDD (n= 83)符合纳入标准。按照1:1:1的匹配比例，需要83例hc，共纳入101例hc。本预测模型研究根据透明报告个人预后或诊断多变量预测模型(TRIPOD)检查表(41)(见补充材料1)．

信息的收集

共29个因素，包括临床特征[年龄、性别、身高、体重、BMI、发病年龄、病程、现发病时间、吸烟、饮酒、教育程度、就业状况、婚姻状况、情感障碍家族史、焦虑汉密尔顿评分量表(HAMA)、hamd₁₇淋巴细胞亚群特征[CD19 .]⁺B细胞，CD19⁺B细胞(%)，CD3⁺总T细胞，CD3⁺总T细胞(%)，CD3⁺/ CD4⁺辅助t细胞，CD3⁺/ CD4⁺辅助t细胞(%)，CD3⁺/ CD8⁺t细胞毒性细胞，CD3⁺/ CD8⁺t细胞毒性细胞(%)，CD3^{- - - - - -}/ CD16⁺56⁺NK细胞，CD3^{- - - - - -}/ CD16⁺56⁺NK细胞(%)，CD4⁺CD8⁺(比值)，总淋巴细胞计数，DN T(%)]。

评估临床症状的仪器

所有参与者均由经验丰富的精神科医生进行DSM-IV疾病(SCID)的结构性临床访谈，最终根据DSM-IV诊断为双相障碍或重度抑郁症。hamd的中国版本₁₇（42)及HAMA (43)量表分别用于确定双相障碍和重度抑郁症参与者的抑郁情绪和焦虑症状的严重程度。这些是临床实践中最常用的评估工具。

采集血液样本的程序

夜间禁食12小时后采集外周血样本;抽取约2毫升血液，放入含有EDTA抗凝剂的血样管中。血液样本采集后30分钟内使用BriCyte E6流式细胞仪(中国广东深圳迈瑞公司)处理，并由对本研究不知情的技术人员在杭州典实验室进行。

检测淋巴细胞亚群的程序

根据厂家提供的制样说明，取两组流量的样管，并按试验编号顺序编号;使用质量控制材料的程序(Beckman Coulte, Inc.， Brea, CA, USA)与使用标准样品测试的程序相同。首先，10 μl CD3/CD8/CD45/CD4和CD3/CD16⁺分别将CD56/CD45/CD19抗体(深圳迈瑞)注射到编号的流样管中。将血样倒置混合6-8次后，采用反式添加技术将50 μl血样注入相应编号的试管中，混合均匀，室温静置15 min。然后将450 μl红细胞裂解液(1:9去离子水稀释)注入每个试管中，混合均匀，再次室温静置15 min。最后在校准仪器上进行试验。

统计分析

使用SPSS (Statistical Package for the Social Sciences)统计软件(version 26.0)对HCs、BD、MDD组的临床信息及淋巴细胞亚群特征进行描述性统计分析。采用Fisher精确检验和卡方检验分析分类变量的比例差异[n(%)]，以频率和百分比表示。在对连续变量进行统计分析前，采用Shapiro-Wilk检验检验数据正态性;具有正态分布的连续变量用均数和标准差[mean (S.D.)]表示，多组间比较采用单变量方差分析，组间及独立组间比较采用Bonferroni校正t进行-检验以评估BD组和MDD组在单因素分析中的差异;非正态分布连续数据以中位数和四分位范围[median (IQR)]表示，多组间比较采用Kruskal-Wallis H检验，组间两两比较采用Nemenyi校正，单因素分析采用Mann-Whitney U检验评价BD和MDD组间差异。

其余分析使用R统计软件for windows(4.0.4版本)进行。LASSO回归算法与“glmnet”包(44)用于筛选与BD与MDD状态显著相关的因素，并消除因素之间的多重共线性。该分类算法的性能主要由参数(lambda)决定。因此，10倍交叉验证(45)来选择具有最小准则的lambda。对LASSO分析确定的最优因素进行单因素和多因素logistic回归分析，结果显示为优势比(OR)与95%置信区间(CI)P价值。随后，具有统计学意义的单因素(P-value < 0.05)纳入多变量logistic回归模型，在调整年龄、性别和BMI后，进行向后逐步选择，通过Akaike信息准则(AIC)的降低来衡量拟合优度的提高(46)．然后，根据多变量分析结果构建鉴别诊断模型。

此外，还使用了其他R软件包:(1)受试者工作特征(ROC)曲线图形的“pROC”软件包，用于表示曲线下面积(AUC)和Harrell和谐指数(C-index)，并计算出最佳临界值;(2)利用“均方根”包生成已开发的nomogram和校准曲线，以可视化和校准鉴别诊断模型;(3)采用“generalhoslem”包进行Hosmer-Lemeshow检验(47)对于nomogram拟合优度的检测，结果由P-value > 0.05;(4)应用“rmda”包进行决策曲线分析(DCA)，根据净效益和阈值概率(48)．所有这些套餐都可以在网站上买到。¹所有P-value < 0.05(双侧)被认为有统计学意义。

最终，通过1000次重复的bootstrap算法进行内部验证，评估nomogram的准确性(49)．

结果

参与者信息

HCs组(101例)、BD组(83例)、MDD组(83例)的性别、年龄、淋巴细胞亚群特征均有显示补充表1．排除性别、年龄差异和淋巴细胞亚群在多重比较中有统计学差异。进一步的两两比较发现，HCs与MDD组、HCs与BD组、MDD与BD组的一些淋巴细胞亚群比较有统计学差异。这一重要证据表明，淋巴细胞亚群可能是区分BD和MDD的有效生物标志物，基于BD和MDD发病机制中涉及的神经炎症。在此基础上，为了更详细地评估MDD和BD淋巴细胞亚型的水平，我们结合临床特征进一步探讨了识别MDD和BD的潜在因素，如补充表2．最终分析了166名患有双相障碍和重度抑郁症的参与者，两组中女性都多于男性。与MDD患者相比，BD患者的中位发病年龄更年轻(BD 25.74岁，MDD 33.39岁)，病程更长(BD 136个月，MDD 36个月)，HAMD评分中位更高(BD 25分，MDD 24分)，这三个因素都具有统计学意义。此外，MDD组和BD组有9个淋巴细胞亚群因子存在显著差异，其中包括CD19⁺B细胞计数，CD3⁺T细胞计数，CD3⁺/ CD4⁺辅助t细胞计数，CD3⁺/ CD4⁺辅助t细胞(%)，CD3⁺/ CD8⁺T细胞计数，CD3⁺/ CD8⁺T细胞(%)，CD3^{- - - - - -}CD16/56⁺NK细胞计数，CD4⁺CD8⁺(比率)和总淋巴细胞计数。没有缺失数据的因子。

特征选择

共有12个因素差异有统计学意义补充表2作为原始模型，采用LASSO回归进行选择。基于最正则化和最稳定的模型原则，通过10倍交叉验证和最小准则选择最优参数(lambda)。将发病年龄、病程、HAMD评分、CD19等12个因素简化为11个因素⁺B细胞计数，CD3⁺T细胞计数，CD3⁺/ CD4⁺T细胞计数，CD3⁺/ CD8⁺T细胞计数，CD3⁺/ CD4⁺T细胞(%)，CD3^{- - - - - -}CD16/56⁺NK细胞计数，CD4⁺CD8⁺(比率)和总淋巴细胞计数，上述系数均为非零。关于LASSO回归模型的交叉验证图和系数图在补充图1A、B．

鉴别诊断模型的建立

单因素和多因素逻辑回归被用于进一步分析LASSO回归模型评估的11个因素，研究结果在补充表3．最终的分析揭示了四个与BD和MDD诊断密切相关的独立预测因子，包括CD19⁺B细胞计数(OR, 1.109;95% ci, 1.068-1.152)， cd3⁺T细胞计数(OR, 1.107;95% ci, 1.065-1.150)， cd3^{- - - - - -}CD16/56⁺NK细胞计数(OR, 1.120;95% CI, 1.074-1.168)，总淋巴细胞计数(OR, 0.904;95% CI, 0.871-0.939)，并以森林图(补充图2)．多变量模型的AIC为117.06。在此基础上，采用上述四个独立预测因子(P-value < 0.05)，并显示为ROC曲线(补充图3)和nomogram (补充图4)．nomogram具有良好的鉴别能力，AUC为0.922，其最佳截断值为0.602，灵敏度为0.904，特异性为0.843。nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram

鉴别诊断nomogram的表现及临床应用

校准图的曲线形状表明鉴别诊断nomogram校准良好(补充图5A)， Hosmer-Lemeshow检验结果不显著，验证了模型的拟合优度(χ²= 9.471,P-value = 0.395)。nomogram AUC为0.922 (95% CI, 0.879-0.965)，经内部验证，AUC为0.911 (95% CI, 0.838-0.844)，表明模型具有良好的判别能力。鉴别诊断nomogram的表观表现显示了对BD和MDD的良好预测能力。鉴别诊断标准图的DCA示于补充图5B．DCA结果表明，阈值概率大于0.05，对于区分BD组和MDD组具有实质性的好处。

讨论

研究结果概述

在当前的研究中，鉴于血液样本采集是一种容易获得的技术，我们使用流式细胞分析技术来量化BD和MDD参与者的淋巴细胞亚型因子，并将其与hcc进行比较。最后，得出的结论是，淋巴细胞亚型在重度抑郁症和双相障碍参与者抑郁发作期间的神经通路中发挥着重要作用，作为状态指标。在此基础上，我们应用机器学习技术在与BD和MDD诊断密切相关的淋巴细胞亚型中确定了四个独立的预测因子。同时，开发并验证了具有鉴别能力的鉴别诊断nomogram (C-index, 0.922)。据我们所知，这是第一个提供有价值证据的CD19⁺B细胞计数，CD3⁺T细胞计数，CD3^{- - - - - -}CD16/56⁺NK细胞计数和总淋巴细胞计数是个体化预测BD和MDD的诊断指标，这为后续选择适当的临床治疗策略(如药物选择)以保证良好的预后和避免不良结果铺平了道路。

有意义的临床特征与双相障碍和重度抑郁症的诊断相关

在我们研究的单变量模型中，发病年龄、病程和HAMD评分与双相障碍和重度抑郁症的诊断相关，这与之前的研究一致(50- - - - - -52)．虽然这些因素未被纳入最终的nomogram，但其临床意义不容忽视。可以注意到，在我们的队列中，BD组的中位发病年龄比MDD组早7.65岁。这与Tondo等人的研究结果接近，他们研究了来自3014名情绪障碍患者的双相障碍和重度抑郁症的发病年龄，发现这两种疾病的发病年龄中位数分别为23岁和32岁，相差约9岁。（53)．人们普遍认为双相障碍的发病年龄有助于区分重度抑郁症，典型的双相障碍发病发生在青春期晚期至成年早期(54)．同时，重度抑郁症更倾向于在较晚的年龄发病(55)．总体上，BD患者发病年龄较早，病程较长(56)，其临床表现较严重，结果较差(例如抑郁症发作次数较多，抑郁程度较严重)(51，56)．

有趣的淋巴细胞亚群与双相障碍和重度抑郁症的诊断密切相关

基于多元逻辑回归，nomogram突出显示了用于根据淋巴细胞亚型区分BD和MDD的四个预测因子:CD19较高⁺B细胞计数，CD3⁺T细胞计数，CD3^{- - - - - -}CD16/56⁺NK细胞计数，降低总淋巴细胞计数。我们的nomogram图说明了如何将这些不同的预测因子结合起来帮助预测BD的可能性，例如，对于CD19患者⁺B细胞计数，CD3⁺T细胞计数，CD3^{- - - - - -}CD16/56⁺NK细胞计数和总淋巴细胞计数分别为424.8、2056.6、233.4和2706(细胞/1 μl)，诊断为BD的风险约为92.9%。

CD19升高⁺和CD3⁺在我们的nomogram中，BD患者的细胞计数明显高于MDD患者，两两比较的结果进一步显示CD19⁺BD和MDD组的B细胞均高于hc组;这一结果与之前对CD19进行比较的研究一致⁺双相障碍或重度抑郁伴hc (30.，31)．有趣的是，我们的研究比较了CD19的差异⁺MDD患者CD3水平明显低于BD，且MDD患者CD3水平明显降低⁺T细胞，而BD患者有更高的CD3⁺细胞水平高于HCs, BD高于MDD。Karlijn等人指出，MDD中T细胞的缺失和正常或过度活跃的T细胞系统可能是BD的特征(19)．因此，CD3⁺T细胞和CD19⁺B细胞成为BD和MDD的诊断指标，相关的T淋巴细胞范式可能有助于解释这一发现。有证据表明，T细胞活化确实被强调为BD患者的一种可能特征(57)，是对过度的免疫调节所引起的慢性低炎症状态的反应，从而引起相关症状(58)，特别是活化CD3水平的升高⁺T细胞(22)．后来的研究结果表明，在BD患者中，活化T细胞的比例增加，T辅助性2 (Th2)激活有趋势(22，26)．此外，B细胞和T细胞之间存在同源相互作用(59)， B细胞不具有调节功能(60)，因为缺乏主要组织相容性复合体II类和B7 (61，62)，然而，T细胞激活Th2为激活B细胞和产生自身抗体创造了条件，进一步增加CD19⁺水平(22)．在这条线中，它显示了Th2细胞作为枢纽发挥着至关重要的作用。Leday等人认为MDD与T淋巴细胞功能和适应性免疫相关基因的下调有关(63)．一方面可能是由于T细胞缺乏Th2表达，因此无法激活B细胞，导致CD19轻度减少或接近正常⁺的水平。另一方面，它是缺乏T淋巴细胞和无法在脑膜和前额叶皮层(PFC)诱导白细胞介素(IL)-10;因此，产生较少IL-10的遗传倾向与抑郁症状的较高风险相关(64)．

与MDD相比，BD的NK水平更高，但与hc相比，两者都低于正常水平，所有这些都得到了先前研究结果的支持。研究表明，与hc相比，BD患者在经历躁狂时NK细胞减少。（65)，而在门诊的稳定双相障碍患者中，与hc相比，NK细胞的数量没有变化(22)．此外，MDD可能与自然杀伤细胞活性(NKCA)和NK细胞计数降低有关，尤其是早发年龄MDD (66)．双相障碍与重度抑郁症之间存在差异的原因表明，情感性障碍与免疫系统各种参数之间的相互作用可能与免疫改变有关(65，66)．有人提出，MDD患者的慢性促炎过程可能直接影响NK细胞，抑制NK细胞的功能和数量(67)．我们都知道，当双相障碍患者出现抑郁时，会伴有躁狂的发作。Tsai等人证明了当BD患者经历躁狂时存在细胞介导的激活。他们发现，与hc相比，伴有躁狂的BD患者的淋巴细胞对植物血凝素(PHA)有反应，可溶性白介素- 2r受体(sIL-2R)从激活的T细胞释放到血液中，导致血浆sIL-2R水平显著增加，从而降低细胞免疫功能(68)．

有趣的是，一些研究认为淋巴细胞减少是双相障碍和重度抑郁症患者的常见现象(25，64)．然而，Denis等人提出了一项关于情绪障碍患者血液中中性粒细胞和淋巴细胞变化的研究，发现淋巴细胞减少仅发生在重度抑郁症中，而不是在双相障碍中(69)，这与我们的结论相同。我们发现MDD的总淋巴细胞计数明显低于hc，但在BD中没有发现差异;和总淋巴细胞计数在BD组比MDD组更显著，这与Abeer等人的研究一致(65)．此外，结合多变量logistic回归结果进一步发现，总淋巴细胞计数与BD的发生呈负相关，反之，与MDD的发生呈正相关。如我们的nomogram结果所示，总淋巴细胞计数较低的个体更有可能被诊断为BD而不是MDD。到目前为止，情绪障碍中总淋巴细胞计数的机制仍不完全清楚，关于双相障碍和重度抑郁症患者的淋巴细胞亚群和总淋巴细胞计数的信息相互矛盾(70)．既往学者发现MDD和BD中循环T辅助细胞数量不足及其亚型可导致T细胞凋亡增加(19)，这可能进一步导致淋巴细胞总数减少。BD和MDD患者的神经炎症机制已被广泛描述为细胞因子、HPA轴、神经递质和神经营养因子的水平(71)．因此，细胞凋亡可能与神经炎症机制有关，前人的研究结果可能为解释MDD与BD的差异提供了一些证据，主要包括以下几个方面。

(i)由于肿瘤坏死因子α (TNF-α)抑制T辅助细胞增殖和功能，BD患者在急性加重期产生较高水平的促炎细胞因子(72，73)．然而，MDD患者的促炎细胞因子水平也有升高的趋势(74)，这表明促炎细胞因子的升高可能是MDD和BD患者T辅助细胞凋亡差异的原因。

(ii) MDD与BD在相关药物治疗策略上的差异，特别是锂或丙戊酸确实对细胞凋亡/增殖有影响(75，76)，因此可以认为是这类药物产生了这种效果。然而，Ezequiel等人发现，无论患者是否接受任何治疗剂量的情绪药物(锂或丙戊酸)，与hc相比，BD患者中表现出凋亡的淋巴细胞比例显著增加，这与患者细胞中Bax蛋白的高表达相关(77)．同样，Bei等人在BD患者中也发现了类似的结果，淋巴细胞凋亡增加是由细胞质中细胞色素C含量增加和Bax蛋白易位引起的(78)．由此可见，BD与MDD的差异不仅限于药物差异，更多的是患者自身内源性物质所致。

(iii)可能与色氨酸消耗有关。色氨酸是T细胞的增殖刺激剂，研究表明，色氨酸的减少会导致T细胞增殖和T细胞凋亡(79)．吲哚胺-2,3-双加氧酶(IDO)的激活导致MDD中色氨酸的合成增强，导致色氨酸过度降解(80)．然而，低色氨酸水平也存在于双相障碍患者(81)．因此，色氨酸耗竭需要深入研究。

(iv)大脑中小胶质细胞(小胶质细胞活化)和其他具有免疫功能的细胞的异常状态是导致这一现象的原因(82)．Stertz等人假设，经历急性情绪发作的BD患者会诱导神经元损伤，从而导致损伤相关分子的放电，从而激活小胶质细胞(83)．激活的小胶质细胞可以产生促炎细胞因子和神经营养因子。这些分子会引起突触环境的改变通过突触剪枝作为一种适应急性发作引起的损伤的尝试。然后，在多次重复发作后，促炎细胞因子的过度生产超过了正常下调它们的能力，导致小胶质细胞保持持续激活，并诱导细胞凋亡无法发展出足够的(适应性)应激相关反应(84，85)．同样，这种现象也出现在重度抑郁症患者身上。研究证实Th1和Th17细胞有促进神经炎症和小胶质细胞和星形胶质细胞活化的能力(86，87)．此外，高水平的T辅助细胞1 (Th1)和T辅助细胞17 (Th17)通常被认为是炎症的标志物，而高水平的T调节细胞和Th2细胞发挥抗炎作用。而Th17、T调节和Th2细胞在双相障碍患者中呈上升趋势，而在重度抑郁症患者中呈下降趋势。换句话说，似乎在BD中促炎和抗炎的力量都被激活，但在MDD中两者都被抑制，这两者在BD中比在MDD中导致更大程度的细胞凋亡(19，88- - - - - -90)．

满意的表现鉴别诊断nomogram

这项研究是基于一种新颖和广泛应用于精神障碍的方法-机器学习技术，包括LASSO分析方法和nomogram有能力叠加重要特征的相对风险，并提高其预测能力(91)，并消除特征之间的交互(92)．Nomogram作为一种可区分的预测工具，不仅可以根据特征与疾病之间的联系水平正确确定疾病状况，还可以通过建立诊断决策的风险阈值，为相应的疾病组提供有针对性的风险评估(93，94)．基于所选择的特征，我们构建了一个可以作为可行评分系统的鉴别诊断nomogram。通过自bootstrap方法得到了较好的验证结果(C-index, 0.911)，校准曲线和DCA曲线也分别表现出较好的一致性和适用性。从我们的研究结果来看，所有这些预测指标都可以在血液采集中廉价且容易获得，这对情绪障碍患者具有重要意义。此外，临床工作人员可以使用这种个体化诊断模型来诊断双相障碍和重度抑郁症的概率，这与当前精准医疗的概念(95)．

强度

本研究的优势之一是，作为前瞻性研究，有助于我们设计严格的诊断、纳入和排除标准，准确区分BD和MDD，以保证数据源的真实性和可靠性。另一个优势是我们的研究基于机器学习技术来探索CD19⁺B细胞计数，CD3⁺T细胞计数，CD3^{- - - - - -}CD16/56⁺NK细胞计数和总淋巴细胞计数是区分BD和MDD的新预测指标。

局限性和未来发展方向

尽管我们提供了一个区分BD和MDD的有用工具，但是它并不是没有局限性的。首先，我们的研究招募了一个小样本的参与者，他们在一个中心患有双相障碍和重度抑郁症。虽然nomogram内部验证性能良好，但nomogram是否具有外推能力仍有争议，需要进一步扩大样本量或结合多中心进行复制。其次，一方面，我们的nomogram是根据临床特点和淋巴细胞亚群的特点开发的。临床特征应进一步细化，如致肥性饮食和药物使用;除淋巴细胞亚群外，还应加入免疫分型和血浆细胞因子。另一方面，结合计算机断层扫描(CT)、脑电图(EEG)和磁共振成像(MRI)信息;结合上述附加变量，继续进行前瞻性数据收集工作，可以优化我们当前的nomogram。第三，我们没有在随访后采集血液样本，因此在未来的研究中，我们将建立随访数据库，以获得更多淋巴细胞亚型水平的动态变化，并进一步研究淋巴细胞亚型在BD和MDD神经炎症通路中的动态作用。第四，来自Müller等人，BD和MDD患者存在异质性，导致情感性障碍患者的神经免疫学结果相互矛盾，特别是与不同的抑郁症亚型相关(29)．本研究招募的参与者包括首发和复发的BD和MDD参与者，没有区分BD和MDD亚型，以探讨淋巴细胞亚型的差异，这可能会导致选择偏差，可能会影响研究结果，这需要在未来的研究中完善研究方案，设计严格的纳入标准，进一步探讨首发BD和MDD患者，复发BD和MDD患者的差异，将BD亚型和MDD亚型患者的淋巴细胞亚型水平进行比较，并在上述分层探讨时验证nomogram是否具有相似的诊断能力。最后，所有参与者都可能接受情绪稳定药物或抗抑郁药物的治疗，这不可避免地会影响免疫功能的调节。因此，下一步应该收集参与者用药的详细信息，并探索药物分层下淋巴细胞亚型的变化。

结论

我们的研究结果表明，淋巴细胞亚群(CD19⁺B细胞计数，CD3⁺T细胞计数，CD3^{- - - - - -}CD16/56⁺NK细胞计数和总淋巴细胞计数)在BD和MDD的发病机制中发挥重要作用，作为生物状态的指标，特别是在抑郁发作期间。由于血液样本是BD和MDD患者常规进行的一种简单而经济的测试，在这方面的研究投资可能会导致发现BD和MDD的生物学参数和精神病理学指标之间更牢固的联系。这些复杂的情感性障碍生物标记物可以反过来促进新的治疗策略的识别。

此外，在我们的研究中，基于机器学习技术开发的鉴别诊断nomogram具有良好的校准和歧视性，可以成为一种易于使用、可重复和经济的诊断工具，帮助临床医生区分BD和MDD。这也表明，机器学习方法在处理神经炎症疾病生物标志物之间的相互作用方面非常有效。因此，基于现有的研究成果和以往的研究成果，我们有足够的信心期待，相对于传统的统计分析方法，机器学习党技术将在疾病神经炎症研究和BD、MDD的模型构建中发挥更有效的作用，这可能是未来一个令人欣喜的趋势。

数据可用性声明

本研究中提出的原始贡献包含在文章/中补充材料，如有任何查询，可向通讯作者查询。

道德声明

受试者为受试者的研究由湖州市第三市立医院伦理委员会审查并批准。患者/参与者提供了参与本研究的书面知情同意书。

作者的贡献

ZS, LS, XS:研究概念和设计。XZ、YBS、YS、SM:数据采集。LS和YS:对数据进行统计分析。LS和ZS:稿件准备。ZS、XS、YBS:对稿件进行批判性修改。所有作者都对这篇文章做出了贡献，并批准了提交的版本。

资金

本研究获得湖州市公益研究项目社会发展类(2018GYB49, ZS)和浙江省2019年度公益技术应用社会发展项目(LGF19H090002, ZS)资助。

利益冲突

作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。

出版商的注意

本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。

补充材料

本文的补充资料可在以下网址找到://www.gosselinpr.com/articles/10.3389/fpsyt.2022.1017888/full#supplementary-material

脚注

1. ＾https://cran.r-project.org/web/packages

参考文献