Возможности вычислительной психиатрии в поиске биологических маркеров депрессивных расстройств

Возможности вычислительной психиатрии в поиске биологических маркеров депрессивных расстройств

 

Авторы

 

Л.А. Левчук

НИИ психического здоровья, Томский национальный исследовательский медицинский центр Российской академии наук, Томск, Россия

С.А. Иванова

НИИ психического здоровья, Томский национальный исследовательский медицинский центр Российской академии наук, Томск, Россия

 

https://doi.org/10.26617/1810-3111-2026-3(132)-37-47

 

Журнал:Сибирский вестник психиатрии и наркологии. 2026; 3(132): 37-47.

 

Реферат

Актуальность. Депрессивные расстройства относятся к категории социально значимых болезней с высокой распространенностью во всех возрастных группах. Принимая во внимание трудности ранней диагностики, негативные последствия неправильной диагностики на лечение и выздоровление, повышенный риск суицидального поведения, усиление когнитивных и функциональных нарушений, а также увеличение экономического бремени, особое значение приобретает поиск различных биологических маркеров депрессивных расстройств. Цель. Выявление функциональных связей между факторами нейропластичности, нейродегенерации и иммуновоспаления и определение потенциальных биологических маркеров депрессивных расстройств. Материал и методы. Построение и определение белок-белковых взаимодействий реализовано при помощи онлайн-сервиса STRING (https://string-db.org/), включающего общедоступные базы данных по сигнальным, регуляторным и метаболическим путям. Результаты. Проведенный биоинформатический анализ биологических путей для исследуемых маркеров нейропластичности, иммуновоспаления и нейродегенерации определил их интеграцию в единую регуляторную сеть, в рамках которой идентифицированы три кластера, взаимодействующие посредством ключевых белков и поддерживающие функциональные связи между гуморальными факторами нейропластичности, нейродегенерации и иммуновоспаления. Вычислительная психиатрия, как интегративная дисциплина и ключевой компонент трансляционной медицины, открывает перспективы для совершенствования диагностических и прогностических подходов в психиатрии, характеризуя механизмы расстройств на различных уровнях и позволяя предсказывать наиболее эффективные терапевтические стратегии.

 

Ключевые слова: депрессивные расстройства, биомаркеры, нейропластичность, иммуновоспаление, нейродегенерация, вычислительная психиатрия.

 

Статья (pdf)

 

Связь с автором

Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 

Дополнительные материалы

Для цитирования: Левчук Л.А., Иванова С.А. Возможности вычислительной психиатрии в поиске биологических маркеров депрессивных расстройств. Сибирский вестник психиатрии и наркологии. 2026. № 3 (132). С. 37-47. https://doi.org/10.26617/1810-3111-2026-3(132)-37-47

 

 

ЛИТЕРАТУРА

  1. Иванец Н.Н., Кинкулькина М.А., Тихонова Ю.Г. Депрессивные расстройства монополярного течения: клиника, дифференцированные подходы к терапии. М.: РАН, 2020. 230 с.
  2. Иванова С.А., Лосенков И.С., Левчук Л.А., Бойко А.С., Вялова Н.М., Симуткин Г.Г., Бохан Н.А. Депрессивные расстройства: гипотезы патогенеза и потенциальные биологические маркеры. Новосибирск, Изд-во СО РАН, 2018. 199 с.
  3. Каледа В.Г. Депрессия ‒ ведущая проблема клинической психиатрии. Журн. неврологии и психиатрии им. С.С. Корсакова. 2023. Т. 123, № 11-2. С. 7-8. https://doi.org/10.17116/jnevro20231231127.
  4. Васильева С.Н., Симуткин Г.Г., Счастный Е.Д., Суровцева А.К., Украинцев И.И., Алтынбеков К.С. Сочетание аффективных расстройств и алкогольной зависимости: клиническое значение коморбидности, социальная адаптация пациентов. Сибирский вестник психиатрии и наркологии. 2022. № 4 (117). С. 14-21https://doi.org/10.26617/1810-3111-2022-4(117)-14-21.
  5. Краснов В.Н. Депрессия: масштаб проблемы и возможности преодоления. Психическоездоровье. 2023. Т. 18, № 8. С. 68-69. https://doi.org/10.25557/2074-014X.2023.08.68-69.
  6. Kjaerstad HL, Nordseth BOB, Vinberg M, Kessing LV, Miskowiak KW. Characterizing high cognitive performance in persons with mood disorders and their unaffected relatives: associations with emotional cognition, functioning, and clinical outcomes. Int J Bipolar Disord. 2026 Mar 10;14(1):15. https://doi.org/10.1186/s40345-026-00417-x.
  7. Culpepper L, Martin A, Nabulsi N, Parikh M. The humanistic and economic burden associated with major depressive disorder: A retrospective cross-sectional analysis. Adv Ther. 2024 May;41(5):1860-1884. https://doi.org/10.1007/s12325-024-02817-w. Epub 2024 Mar 11. PMID: 38466558; PMCID: PMC11052813.
  8. Zhang Z, Chen X, Wu S, Chen X, Wang X, Liu C, Zeng N, Liu Y, Huo T, Liu X, Shi L, Yan W, Yuan K, Meng S, Wu P, Javed A, Alibudbud R, Shi J, Sun Y, Lu L, Bao Y. Global, regional and national burden of anxiety and depression disorders from 1990 to 2021, and forecasts up to 2040. J Affect Disord. 2026 Jan 15;393(Pt A):120299.https://doi.org/10.1016/j.jad.2025.120299. Epub 2025 Sep 9. PMID: 40935255..
  9. Owens MJ. Selectivity of antidepressants: from the monoamine hypothesis of depression to the SSRI revolution and beyond. J Clin Psychiatry. 2004;65 Suppl 4:5-10. PMID: 15046536.
  10. Pastis I, Santos MG, Paruchuri A. Exploring the role of inflammation in major depressive disorder: beyond the monoamine hypothesis. Front Behav Neurosci. 2024 Jan 17;17:1282242.https://doi.org/10.3389/fnbeh.2023.1282242. PMID: 38299049; PMCID: PMC10829100.
  11. Ветлугина Т.П., Никитина В.Б., Лобачева О.А., Невидимова Т.И. Основы клинической психонейроиммунологии: учебно-методическое пособие. Томск: Изд-во «Книгоград», 2014. 124 с.
  12. Дубинина Е.Е., Щедрина Л.В., Мазо Г.Э. Основные биохимические аспекты патогенеза депрессии. Часть II. Успехи физиологических наук. 2021. Т. 52, № 1. С. 31-48. https://doi.org/10.31857/S0301179821010033.
  13. Касьянов Е.Д., Мазо Г.Э. Функционирование гипоталамо-гипофизарно-надпочечниковой оси при депрессии: актуальное состояние проблемы. Психическоездоровье. 2017. Т. 15, № 8 (135). С. 27-34.
  14. Клюшник Т.П., Сарманова З.В., Субботская Н.В., Бархатова А.Н. Системные иммунные реакции при эндогенных депрессиях. Российский психиатрический журнал. 2015. № 5. С. 85-91. https://doi.org/http://dx.doi.org/10.24411/1560-957X-2015-1%25x.
  15. Падерина Д.З., Михалицкая Е.В., Вялова Н.М., Рощина О.В., Симуткин Г.Г., Иванова С.А. Полиморфизм генов нейротрофинов и агрессивное поведение у пациентов с аффективными расстройствами. Сибирский вестник психиатрии и наркологии. 2025. № 4 (129). С. 23-30. https://doi.org/10.26617/1810-3111-2025-4(129)-23-30.
  16. Тиганов А.С., Копейко Г.И., Брусов О.С., Клюшник Т.П. Новое в исследовании патогенеза и терапии эндогенной депрессии. Журн. неврологии и психиатрии им. С.С. Корсакова. 2012. Т. 112, № 11. С. 65‑72.
  17. Узбеков М.Г., Шихов С.Н., Крюков В.В., Краснов В.Н. Влияние антидепрессивной терапии на уровень мозгового нейротрофического фактора в сыворотке крови больных меланхолической депрессией: пилотное исследование. Сибирский вестник психиатрии и наркологии. 2025. № 2 (127). С. 5-14. https://doi.org/10.26617/18103111-2025-2(127)-5-14.
  18. Kouba BR, de Araujo Borba L, Borges de Souza P, Gil-Mohapel J, Rodrigues ALS. Role of inflammatory mechanisms in major depressive disorder: from etiology to potential pharmacological targets. Cells. 2024 Feb 28;13(5):423.https://doi.org/10.3390/cells13050423. PMID: 38474387; PMCID: PMC10931285.
  19. Loonen AJM, Ivanova SA. Circuits regulating pleasure and happiness - focus on potential biomarkers for circuitry including the habenuloid complex. Acta Neuropsychiatr. 2022 Oct;34(5):229-239. https://doi.org/10.1017/neu.2022.15.
  20. Mednova IA, Levchuk LA, Boiko AS, Roschina OV, Simutkin GG, Bokhan NA, Loonen AJM, Ivanova SA. Cytokine level in patients with mood disorder, alcohol use disorder and their comorbidity. World J Biol Psychiatry. 2023 Mar;24(3):243-253. https://doi.org/10.1080/15622975.2022.2095439.
  21. Иванец Н.Н., Кинкулькина М.А., Тихонова Ю.Г., Авдеева Т.И. Современное состояние и перспективы исследований депрессии (вопросы клиники и классификации). Журн. неврологии и психиатрии им. C.C. Корсакова. 2018. Т. 118, № 10. С. 76-81. https://doi.org/10.17116/jnevro201811810176.
  22. AdamsRA, Huys QJ, Roiser JP. Computational Psychiatry: towards a mathematically informed understanding of mental illness. J Neurol Neurosurg Psychiatry. 2016 Jan;87(1):53-63. https://doi.org/10.1136/jnnp-2015-310737. Epub 2015 Jul 8. PMID: 26157034; PMCID: PMC4717449.
  23. Huys QJM, Browning M, Paulus MP, Frank MJ. Advances in the computational understanding of mental illness. Neuropsychopharmacology. 2021 Jan;46(1):3-19. https://doi.org/10.1038/s41386-020-0746-4. Epub 2020 Jul 3. PMID: 32620005; PMCID: PMC7688938.
  24. Paulus MP, Thompson WK. Computational approaches and machine learning for individual-level treatment predictions. Psychopharmacology (Berl). 2021 May;238(5):1231-1239.https://doi.org/10.1007/s00213-019-05282-4. Epub 2019 May 27. PMID: 31134293; PMCID: PMC6879811.
  25. Васильченко К.Ф., Чумаков Е.М. Современное положение, вызовы и перспективы развития вычислительной психиатрии: нарративный обзор. Consortium Psychiatric. 2023. T. 4, № 3. CP11244. https://doi.org/10.17816/CP11244.
  26. Bernardini F, Attademo L, Cleary SD, Luther C, Shim RS, Quartesan R, Compton MT. Risk prediction models in psychiatry: Toward a new frontier for the prevention of mental illnesses. J Clin Psychiatry. 2017 May;78(5):572-583.https://doi.org/10.4088/JCP.15r10003.
  27. Schnack HG, Kahn RS. Detecting Neuroimaging Biomarkers for Psychiatric Disorders: Sample Size Matters. Front Psychiatry. 2016 Mar 31;7:50. https://doi.org/10.3389/fpsyt.2016.00050.
  28. Wager S, Athey S. Estimation and inference of heterogeneous treatment effects using random forests. J Am Stat Assoc. 2018;113(523):1228-1242. https://doi.org/10.1080/01621459.2017.1319839.
  29. Yip SW, Barch DM, Chase HW, Flagel S, Huys QJM, Konova AB, Montague R, Paulus M. From computation to clinic. Biol Psychiatry Glob Open Sci. 2022 Apr 2;3(3):319-328.https://doi.org/10.1016/j.bpsgos.2022.03.011. PMID: 37519475; PMCID: PMC10382698.
  30. KendlerKS. DSM disorders and their criteria: how should they inter-relate? Psychol Med. 2017 Sep;47(12): 2054-2060.https://doi.org/10.1017/S0033291717000678.
  31. Babu M, Snyder M. Multi-omics profiling for health. Mol Cell Proteomics. 2023 Jun;22(6):100561. https://doi.org/10.1016/j.mcpro.2023.100561. Epub 2023 Apr 27. PMID: 37119971; PMCID: PMC10220275.
  32. Biomarkers Definitions Working Group. Biomarkers and surrogate endpoints: preferred definitions and conceptual framework. Clin Pharmacol Ther. 2001 Mar;69(3):89-95.https://doi.org/10.1067/mcp.2001.113989.
  33. Giacomini KM. Biomarkers come of age in clinical pharmacology. Clin Pharmacol Ther. 2023 May;113(5):945-947.https://doi.org/10.1002/cpt.2880. PMID: 37069736.
  34. Levchuk LA, Meeder EMG, Roschina OV, Loonen AJM, Boiko AS, Michalitskaya EV, Epimakhova EV, Losenkov IS, Simutkin GG, Bokhan NA, Schellekens AFA, Ivanova SA. Exploring brain derived neurotrophic factor and cell adhesion molecules as biomarkers for the transdiagnostic symptom anhedonia in alcohol use disorder and comorbid depression. Front Psychiatry. 2020;11:296. Published 2020 Apr 20.https://doi.org/10.3389/fpsyt.2020.00296.
  35. Левчук Л.А., Рощина О.В., Симуткин Г.Г., Бохан Н.А., Иванова С.А. Периферические маркеры повреждения нервной ткани при аддиктивных и аффективных расстройствах. Нейрохимия. 2021. Т. 38, № 1. С. 77-82. https://doi.org/10.1134/S1819712421010074.
  36. Levchuk LA, Roschina OV, Mikhalitskaya EV, Epimakhova EV, Simutkin GG, Bokhan NA, Ivanova SA. Serum levels of S100B protein and myelin basic protein as a potential biomarkers of recurrent depressive disorders. J Pers Med. 2023 Sep 21;13(9):1423. https://doi.org/10.3390/jpm13091423. PMID: 37763190; PMCID: PMC10532562.