作者：Batya Swift Yasgur, MA, LSW
新的研究表明两个代谢生物标志物准确地预测儿童自闭症谱系障碍（ASDs）。
由位于纽约特洛伊的伦斯勒理工学院的研究者进行的多变量统计分析“提供了前所未有的定量分类结果”，其准确地鉴定了患有ASD和神经正常发育的儿童。
对于这项研究 由伦斯勒理工学院生物医学工程系教授兼研究员的Juergen Hahn博士和同事测量了两种代谢物 - 叶酸依赖性单碳机制（FOCM）和转铁蛋白（TS）途径的血液浓度- 83名ASD儿童，其中的47名兄弟姐妹，和76名年龄相同的神经正常发育的儿童。这些孩子年龄在3到10岁之间。
研究人员使用两种高级建模和统计分析工具来分析代谢数据。 Fisher Discriminant Analysis进行多变量分类参与者，结果97.6％的自闭症儿童和96.1％的神经正常儿童的正确分类。
第二种统计方法称为核偏最小二乘法（ kernel partial least squares ，KPLS），用于预测ASD儿童的适应行为，如Vineland Adaptive Behavior Scales (VABS)所测量的结果。研究人员测量了五种代谢物的通路，准确预测了VABS，交叉验证后R 2为0.45。
“自闭症是一个复杂的情况，需要同时调查多个变量，”Hahn博士表示。 “使用多变量统计技术一起观察多种代谢物比仅仅观察一种代谢物甚至两种比例更高的准确度和更有意义的结果。”
这项研究在线发表于3月16日的PLOS计算生物学杂志。
重要诊断工具
ASD的诊断目前通过使用心理测量工具的心理健康专业人员和多学科医学团队的评估来完成实现。
以前的研究表明，FOCM和TS有助于遗传和环境的ASD倾向性。 FOCM通过DNA甲基化有助于表观遗传基因表达，并且TS有助于细胞内氧化还原状态。这些有机毒素会诱导氧化应激。此外，重金属通过结合谷胱甘肽而破坏转硫作用，谷胱甘肽是细胞内氧化还原稳态的主要贡献者。
作者指出，“研究人员一直在努力确定这些途径的单一预测性测量，将ASD和神经正常发育的孩子之中分开或者严重ASD的相关联，”他说，多变量法是实现这些目标所必需的。
为了能够发现可以改进分类的重要的多变量相互作用，研究人员利用潜变量技术来评估单个变量的重要性。作者解释说， Fisher Discriminant Analysis已经广泛应用于生物分类问题，“使用典型的潜变量，即原始变量集的线性组合来实现最优线性分离性。潜变量回归技术还包括KPLS。
研究者应用这些统计技术来比较正常参与者以及ASD儿童及其兄弟姐妹的FOCM / TS途径。
交叉验证 Fisher Discriminant Analysis应用于测量FOCM / TS的代谢物，ASD和正常参与者产生线性分类。分析产生了97.6％准确分类ASD儿童和96.1％准确分类正常儿童。
然后也在同胞中评估分类，研究作者描述“由于与ASD部分共享的遗传和环境效应，更具挑战性的分类问题”。
他们发现兄弟姐妹的概率分布函数（PDF）显示出与神经正常儿童的PDF相比，ASD的PDF有着更多的重叠，因此支持ASD的兄弟姐妹具有FOCM / TS代谢物谱的假设，和ASD兄弟姐妹相比更多类似于神经正常同龄儿童。
通常使用FOCM / TS途径中的五种代谢物（GSSG，tGSH / GSSG，硝基酪氨酸，酪氨酸和f-半胱氨酸）来评估ASD儿童的行为预测。使用VABS评估了沟通，社会化，日常生活和运动领域的适应能力。研究者发现，KPLS准确预测了VABS评分，交叉验证后R 2的0.45。
Hahn医生说，这些技术可以作为对ASD的常规诊断方法的有用辅助。他补充说，“我们的研究表明，DNA甲基化在表观遗传学中发挥关键作用，谷胱甘肽在氧化应激中发挥关键作用，这与自闭症有关。
启用早期诊断
“这项研究对我们对自闭症起源的理解作出了令人印象深刻和重要的贡献，以令人信服的方式证实氧化应激和受损的甲基化是自闭症的定义特征”，佛罗里达州Nova东南大学药物科学系Richard C. Deth博士说。“DNA甲基化和组蛋白的是神经发育过程中表观遗传调节的主干，所以它使机械性受损的甲基化会引起自闭症。
他强调，“本研究显示与自闭症相关的代谢因素是潜在的可逆的，可治疗，特别是如果早期被识别。“因此，测试这些特定的生化因子可能允许早期诊断，更好的机会纠正神经发育的轨迹，”他说。
研究作者指出，目前用于诊断ASD的心理测量仪器很少能够对2岁以下儿童进行诊断，因为这些仪器仅仅基于行为评估。他们补充说，测试代谢物可能有助于早期干预。
参考研究文献：
Classification and adaptive behavior prediction of children with autism spectrum disorder based upon multivariate data analysis of markers of oxidative stress and DNA methylation
（16March2017）Daniel P. Howsmon, Uwe Kruger, Stepan Melnyk, S. Jill James, Juergen Hahn
网友评论