一种用于预测脑枕叶皮层厚度的外周血DNA甲基化标志物

本发明属于生物医药，特别涉及一种用于预测脑枕叶皮层厚度的外周血dna甲基化标志物。

背景技术：

1、脑枕叶是视觉信息处理的核心中枢，其核心生物学功能在于对视觉刺激的初级接收与高级整合。初级视觉皮层（v1区）厚度直接影响基本视觉特征的加工效率，如轮廓、朝向和运动感知。更高级的视觉联合皮层（如v2-v5区）厚度则与复杂的视觉认知功能，如物体识别、面孔辨别和空间导航能力密切相关。皮层厚度在此区域可视为视觉神经元微柱结构完整性及连接强度的反映，厚度较大通常意味着更强大的视觉信息处理能力。

2、脑枕叶皮层厚度的异常变化与多种神经系统疾病及症状相关联。在阿尔茨海默病的早期阶段，枕叶皮层（特别是初级视觉皮层）的变薄可能与视觉空间障碍和阅读困难等症状有关。（dickerson bc, bakkour a, salat dh, feczko e, pacheco j, greve dn,grodstein f, wright ci, blacker d, rosas hd, sperling ra, atri a, growdon jh,hyman bt, morris jc, fischl b, buckner rl. the cortical signature ofalzheimer's disease: regionally specific cortical thinning relates to symptomseverity in very mild to mild ad dementia and is detectable in asymptomaticamyloid-positive individuals. cereb cortex. 2009 mar;19(3):497-510. doi:10.1093/cercor/bhn113. epub 2008 jul 16. pmid: 18632739; pmcid: pmc2638813.）

3、此外，伴有视觉先兆的偏头痛患者，其枕叶皮层（特别是舌回）常表现出结构或功能上的异常，可能与皮层扩散性抑制现象相关。某些类型的癫痫，如伴有枕叶阵发性放电的儿童良性癫痫，也可能观察到枕叶皮层结构的细微改变。（granziera c, dasilva af,snyder j, tuch ds, hadjikhani n. anatomical alterations of the visual motionprocessing network in migraine with and without aura. plos med. 2006 oct;3(10):e402. doi: 10.1371/journal.pmed.0030402. pmid: 17048979; pmcid:pmc1609120.）

4、综上所述，枕叶皮层厚度不仅是衡量视觉通路结构与功能完整性的关键指标，也为理解从基本视觉感知障碍到复杂神经系统疾病的病理机制提供了重要窗口。监测其变化对于早期识别相关神经疾病、评估视觉认知功能损害及探究干预靶点具有重要的临床与科研价值。

5、脑枕叶皮层厚度变化的机制目前尚不完全清楚，现有研究发现dna甲基化是其潜在的生物标志物。有研究报道，抑郁症人群中，nlrp3基因甲基化与脑枕叶厚度有显著相关性。（han km, choi kw, kim a, kang w, kang y, tae ws, han mr, ham bj.association of dna methylation of the nlrp3 gene with changes in corticalthickness in major depressive disorder. int j mol sci. 2022 may 21;23(10):5768. doi: 10.3390/ijms23105768. pmid: 35628578; pmcid: pmc9143533.）

6、dna甲基化是系统生物学的重要组成部分，是精准医学的重要技术手段之一。dna甲基化可以实时揭示机体生理病理状态，反映与机体表型相关的变化。目前，基于血液、尿液、粪便和组织样本，已有许多dna甲基化标志物预测模型用于脑结构相关表型的预测。

7、然而，尚未有研究使用dna甲基化预测脑枕叶皮层厚度的个体差异。因此，开发高灵敏度、高特异度的整合性dna甲基化生物标志物预测模型，用于准确评估脑枕叶皮层厚度，对于在保证无创、便捷检测的同时，提高对个体视觉功能退化和神经疾病风险预警能力具有重要意义。

技术实现思路

1、本发明所要解决的技术问题是提供一种用于预测脑枕叶皮层厚度的外周血dna甲基化标志物，通过严格的bootstrap稳定性分析筛选出了重现性高的甲基化标志物，这些标志物在其他独立数据集中的再现率达到85%以上，为相关领域的研究团队提供了可靠的特征筛选证据基础。

2、本发明提供了一种用于预测脑枕叶皮层厚度的外周血dna甲基化标志物，所述标志物为枕下回厚度（g_s_occipital_inf_thickness）、枕上回厚度（g_occipital_sup_thickness）、距状沟厚度（s_calcarine_thickness）、枕前沟厚度（s_occipital_ant_thickness）中的一种或几种。

3、本发明还提供了一种基于所述的外周血dna甲基化标志物的诊断产品。

4、进一步地，所述诊断产品为试剂盒、甲基化面板或芯片。所述芯片优选为epic芯片。

5、进一步地，所述外周血通过edta抗凝管或枸橼酸钠抗凝管进行静脉采血而得。

6、本发明还提供了一种预测脑枕叶皮层厚度的模型，所述模型的构建方法包括如下步骤：

7、s1、获取具有完整表型数据和甲基化数据的样本集；

8、s2、对上述样本集进行预处理，得到可用于后续分析的数据集；

9、s3、在上述数据集中，针对每个表型分别进行线性相关分析，筛选与表型显著相关的cpg位点作为候选特征；随后建立双轨分析体系，将样本按照5:5的比例随机分层分割为训练集和验证集分别进行连续变量预测模型和二分类预测模型的构建；

10、s4、对所有模型结果进行统一汇总与输出。

11、进一步地，在所述构建过程中，采用bootstrap抽样技术进行特征稳定性评估，通过合成分数（0.7×频率+0.3×性能）综合评估特征重要性，并设置动态收敛条件（spearman相关>0.95且排名变化<2）自动停止迭代。

12、进一步地，基于稳定性筛选出的特征组合，分别构建多元线性回归、lasso、随机森林、elastic net以及stacking集成模型，输出预测结果和性能评估。

13、本发明还提供了一种预测脑枕叶皮层厚度的系统，所述系统包括如下模块：数据获取模块，用于获取待测样本的所述的生物标志物的甲基化水平数据；数据分析模块，用于对数据获取模块中的数据通过所述的模型进行预测；输出模块，用于输出预测结果。

14、有益效果如下：

15、（1）本发明使用的血液样本采集简便，dna甲基化检测技术成熟稳定；此外，甲基化数据可长期保存和批量分析，适用于大型队列研究，被检测人群接受度高，也便于临床和科研人员推广应用。

16、（2）与传统的单表型或单模型分析方法相比，本发明首先通过严格的数据预处理和特征稳定性筛选，校正了样本异质性和技术批次效应等潜在混杂因素的干扰，能够准确反映多个表型与甲基化标志物之间的关联，显著降低了假阳性率和假阴性率。

17、（3）本发明首次构建了针对连续变量和二分类任务的双轨预测体系，通过多种机器学习算法（包括lasso、随机森林、elastic net等）集成和bootstrap稳定性评估，筛选出高重现性的甲基化标志物组合，避免了单一算法或单一表型分析的局限性；同时结合stacking集成学习构建稳健的多表型预测模型，并加以交叉验证和独立测试。在实际应用过程中，只需要通过血液dna甲基化数据便可对多个表型（如eaa相关指标）进行准确预测，有助于研究人员和临床医生根据预测结果识别高风险个体或探索分子机制，为早期干预和个性化医疗提供支持，具有广泛的科研和临床转化价值。

18、（4）本发明提供的多表型预测模型在性能评估中表现出色，使用多种指标进行验证（适用于连续和二分类任务），连续预测任务中平均r2达0.68以上，二分类任务中roc曲线下的面积在训练集和验证集中均达0.82以上，准确率、敏感度和特异度等指标均达0.79以上。更重要的是，本发明不仅构建了高性能的预测模型，还通过严格的bootstrap稳定性分析筛选出了重现性高的甲基化标志物，这些标志物在其他独立数据集中的再现率达到85%以上，为相关领域的研究团队提供了可靠的特征筛选证据基础。这种基于稳定性评估的特征筛选方法可有效降低其他研究团队在标志物验证阶段的试错成本，缩短研究周期，为疾病生物标志物的发现和验证提供了方法学参考和实践依据。该预测模型兼具优异的预测效果和可靠性，同时其筛选出的甲基化标志物组合也为后续机制研究提供了重要线索，为dna甲基化在复杂表型研究中的应用提供了有力工具。