Способ диагностики психических расстройств по липидам крови Российский патент 2024 года по МПК G01N33/92 G01N27/623 

Изобретение относится к области медицины, а именно к клинической диагностике психических расстройств, в частности шизофрении, с помощью липидов в крови.

В настоящее время психическое здоровье принадлежит к числу наиболее серьёзных проблем, стоящих перед всеми странами, поскольку в тот или иной период жизни такие проблемы возникают, по крайней мере, у каждого четвёртого человека. Показатели распространённости нарушений психического здоровья в мире очень высоки. По данным ВОЗ (2019 г.) около 20 млн. страдают шизофренией; 45 млн. – биполярными аффективными расстройствами (https://www.who.int/news-room/fact-sheets/detail/mental-disorders).

Повышение эффективности диагностических методов для выявления психических расстройств, в частности, шизофрении, оценки риска развития и течения заболевания является одной из актуальных проблем современной психиатрии.

Психические расстройства в настоящее время диагностируются на основании поведенческих симптомов. Биохимических диагностических тестов для диагностики психических расстройства не существует. Существующие тесты для оценки риска заболевания недостаточны для целей скрининга. Например, для шизофрении существующие тесты, основанные на генетической информации, либо дают плохие оценки вероятности заболевания для конкретного человека, либо охватывают лишь небольшой процент случаев шизофрении и не могут быть использованы для тестирования большинства случаев заболевания.

Как наиболее распространенные соединения в центральной нервной системе (ЦНС), липиды играют важную, но часто игнорируемую роль в функционировании мозга. Эти роли включают регуляцию текучести и проницаемости мембран, образование и транспорт везикул, ретроградную передачу сигналов, модуляцию высвобождения нейротрансмиттеров и нейронную пластичность [1, 2]. Изменения в липидном составе были также связаны с дисфункцией головного мозга, включая распространенные психические расстройства, такие как шизофрения (SCZ), биполярное расстройство (BPD) и большое депрессивное расстройство (MDD).

Таким образом, актуальной и важной задачей является разработка эффективного биохимического диагностического теста для диагностики психических расстройств, в частности шизофрении.

Задачей, решаемой настоящим изобретением, является разработка способа диагностики психического состояния, в частности шизофрении, основанного на количественном определении панели липидов в биологическом образце, в частности в крови.

Поставленная задача решается при осуществлении предлагаемого способа диагностики психического расстройства у человека с использованием панели от 20 до 80 липидов в биологическом образце, включающий следующие этапы:

(а) забор и пробоподготовка биологического образца человека;

(б) количественный анализ липидов биологического образца человека с последующим расчетом показателя логистической регрессии (Р):

;

где (b₁,b₂..,b_k) = B - расчетные коэффициенты логистической регрессии,

(i₁,i₂..i_k) = I - нормированные интенсивности липидов для исследуемого образца,

k – количество липидов;

(в) получив значение Р определяют наличие или отсутствие психического расстройства у человека, при этом при значении Р≥0.5 диагностируют наличие психического расстройства у человека, при значении Р<0.5 диагностируют отсутствие психического расстройства.

В частных вариантах воплощения изобретения на этапе а) осуществляют экстракцию липидов.

В частных вариантах воплощения изобретения биологический образец представляет собой кровь, плазму крови, сухую каплю крови или сыворотку крови.

В частных вариантах воплощения изобретения психическое расстройство представляет собой шизофрению.

В частных вариантах воплощения изобретения количественный анализ представляет собой хромато-масс-спектрометрический анализ, масс-спектрометрию прямого ввода.

В частных вариантах воплощения изобретения липиды представляют собой триглицериды, ацилкарнитины, сложные эфиры холестерина, глицерофосфохолины, глицерофосфоэтаноламины, церамиды, сфингомиелины и/или жирные кислоты. В некоторых вариантах осуществления изобретения липиды выбираются из группы: CAR 18:2, CAR 18:1, CE 18:3, CE 18:2, CE 20:4, CE 20:3, CE 22:6, CE 22:5, TAG 41:1, TAG 41:0, TAG 42:2, TAG 42:1, TAG 44:2, TAG 44:1, TAG 46:4, TAG 46:3, TAG 46:2, TAG 46:1, TAG 46:0, TAG 47:3, TAG 47:2, TAG 47:1, TAG 48:5, TAG 48:4, TAG 48:3, TAG 48:1, TAG 48:0, TAG 49:4, TAG 49:3, TAG 49:1, TAG 50:6, TAG 50:5, TAG 50:4, TAG 50:2, TAG 50:1, TAG 50:0, TAG 51:5, TAG 51:4, TAG 51:3, TAG 51:2, TAG 52:7, TAG 51:0, TAG 52:6, TAG 52:5, TAG 52:4, TAG 52:3, TAG 52:2, TAG 52:1, TAG 53:6, TAG 53:4, TAG 53:3, TAG 54:6, TAG 54:5, TAG 54:4, TAG 54:3, TAG 55:8, TAG 55:7, TAG 55:6, TAG 55:5, TAG 56:9, TAG 56:7, TAG 56:5, TAG 57:8, TAG 58:10, TAG 58:9, TAG 58:8, TAG 58:3, FA 10:3, FA 10:2, FA 10:1, FA 12:2, FA 13:1, FA 21:1, FA 23:1, FA 24:4, FA 24:3, FA 24:2, FA 24:1, FA 25:3, FA 25:2, FA 25:1, FA 25:0, FA 26:5, FA 26:4, FA 26:2, FA 27:3, FA 28:4, LPC 14:0, LPC 15:0, LPC 16:1, LPC 16:0, LPC 17:0, dCer 32:1, LPC 18:3, LPC 18:2, LPC 18:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 34:1, LPC 20:5, LPC 20:4, LPC 20:2, LPC 20:1, LPC 20:0, dCer 36:2, dCer 36:1, LPC 22:6, LPC 22:5, LPC 22:4, DAG 34:3, dCer 38:1, DAG 34:1, DAG 36:5, DAG 36:4, DAG 36:3, dCer 40:2, DAG 36:2, dCer 40:1, DAG 36:1, dCer 41:1, PE_P 34:2, PE_P 34:1, dCer 42:4, dCer 42:3, dSM 30:1, dCer 42:2, dCer 42:1, PE 34:2, dCer 43:2, PE_P 36:4, dCer 43:1, PE_P 36:3, PE_P 36:2, dSM 32:2, dCer 44:2, dSM 32:0, PE_P 37:4, PE 36:4, PE 36:3, PE 36:2, PE 36:1, dSM 33:2, PE_P 38:6, dSM 33:1, PE_P 38:5, PE_P 38:4, dSM 34:3, dSM 34:2, dSM 34:1, PE 38:6, PC 30:1, PE 38:5, PC 30:0, PE 38:4, PE 38:3, PE_P 40:7, dSM 35:2, PE_P 40:6, PC_P 32:1, dSM 35:1, PE_P 40:5, PC_P 32:0, PE_P 40:4, PC_O 32:0, dSM 36:4, dSM 36:3, dSM 36:2, PC 32:2, dSM 36:1, PE 40:6, PC 32:1, PE 40:5, PE 40:5, PC 32:0, PC_P 34:3, PC_P 34:2, dSM 37:2, PC 33:2, PC_O 34:2, PC_P 34:1, PC 33:1, PC_O 34:1, PC 33:0, PC_O 34:0, PC 34:4, dSM 38:3, PC 34:3, PC 34:3, PC_P 35:2, dSM 38:2, PC 34:2, PC 34:1, PC 34:0, PC_P 36:5, PC 35:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC 35:3, PC_P 36:2, dSM 39:2, PC 35:2, PC_O 36:2, PC_P 36:1, dSM 39:1, PC 35:1, PC_O 36:1, PC 36:5, PC_P 37:4, PC_O 37:4, dSM 40:3, PC 36:3, dSM 40:2, PC 36:2, PC_P 37:1, PC 36:1, PC_P 38:6, PC_P 38:5, PC_P 38:5, PC 37:5, PC_O 38:5, PC_P 38:4, PC_O 38:4, dSM 41:3, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, dSM 42:4, PC 38:4, PC 38:4, dSM 42:3, PC 38:3, dSM 42:2, PC 38:2, PC 38:1, PC_O 40:7, PC_P 40:5, PC_O 40:5, PC_O 40:5, PC 39:4, PC_P 40:3, PC_O 40:4, PC_O 40:3, dSM 43:2, dSM 44:5, PC 40:5, PC 40:5, dSM 44:4, PC 40:4, dSM 44:3, PC 40:3, PC 40:3, dSM 44:2, PC 40:2, PC_O 42:6, PC_P 42:5, PC_O 42:5, PC_P 42:3, PC_O 42:4, PC 42:9, PC 42:6, PC 42:5, PC 42:4, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:5, PC_P 44:3, PC_O 44:4, PC_O 46:8, PC_O 46:7, PC_O 46:6 и/или PC_O 46:5.

В некоторых конкретных вариантах осуществления изобретения липиды выбираются из группы: CAR 18:2, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 27:3, LPC 19:0, dCer 36:2, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:2, PC_O 34:2, PC 34:4, PC_P 35:2, PC 35:2, dSM 39:1, PC_P 37:1, dSM 41:2, PC 37:2, PC 40:5, PC_O 44:4 и/или PC_O 46:5.

В некоторых конкретных вариантах осуществления изобретения липиды выбираются из группы: CAR 18:2, CE 18:3, CE 22:5, TAG 46:4, TAG 50:0, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 25:0, FA 27:3, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:3, dSM 36:2, PC 32:1, PC 32:0, PC_O 34:2, PC 33:1, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC 35:2, PC_P 36:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:3, dSM 41:2, PC 38:1, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, dSM 44:2, PC_O 42:5, PC_P 44:6, PC_O 44:7, PC_P 44:3 и/или PC_O 46:5.

В некоторых конкретных вариантах осуществления изобретения липиды выбираются из группы: CAR 18:2, CAR 18:1, CE 18:3, CE 22:5, TAG 46:4, TAG 47:1, TAG 50:0, TAG 54:4, TAG 55:6, TAG 56:5, FA 10:3, FA 10:1, FA 12:2, FA 13:1, FA 23:1, FA 25:1, FA 25:0, FA 27:3, FA 28:4, LPC 15:0, dCer 32:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, DAG 34:3, PE 34:2, dCer 43:2, PE_P 37:4, dSM 34:3, PE 38:6, PE_P 40:6, PC_P 32:1, PE_P 40:4, dSM 36:3, PC 32:1, PC 32:0, PC_P 34:3, PC_O 34:2, PC 33:1, PC 33:0, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC_P 36:5, PC 35:2, PC_P 36:1, dSM 39:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:4, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, PC 38:1, PC_O 40:5, PC 39:4, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, PC_O 42:6, PC_O 42:5, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:3 и/или PC_O 46:5.

В частных вариантах воплощения изобретения k представляет собой 24, 49 или 74 липидов.

В некоторых конкретных вариантах осуществления изобретения расчетные коэффициенты логистической регрессии представляют собой B = (-0.567, -0.104, 0.023, 0.046, -0.035, 0.445, 0.221, 0.107, -0.439, -0.288, 0.089, -0.292, -0.018, 0.062, -0.208, 0.611, 0.046 0.028, -0.242, -0.318, 0.321, 0.057, 0.033, 0.021, 0.016, -0.137, 0.069, -0.494, 0.158, -0.009, -0.069, -0.160, 0.098, -0.077, 0.195, -0.137, -0.075, -0.141 -0.015, -0.111, 0.185, 0.103, 0.186, 0.000, 0.046, -0.075, 0.154, 0.136, 0.134).

В некоторых конкретных вариантах осуществления изобретения расчетные коэффициенты логистической регрессии представляют собой B=(-0.585, -0.026, -0.175, 0.062, 0.052, 0.066, -0.087, 0.050, 0.533, 0.219, 0.010, 0.139, -0.476, -0.354, -0.013, 0.033, 0.105, -0.357, -0.027, 0.059, 0.016, -0.145, 0.082, -0.211, 0.603, 0.103, 0.066, 0.023, -0.050, -0.035, -0.064, -0.035, -0.298, -0.394, -0.041, 0.382, 0.135, 0.159, 0.006, -0.035, -0.087, 0.039, -0.000, -0.623, 0.238, -0.065, -0.057, 0.141, -0.154, 0.182, -0.007, -0.097, 0.247, -0.140, -0.105, -0.173, -0.186, -0.044, 0.121, 0.022, -0.083, -0.016, -0.026, -0.311, 0.126, 0.208, 0.346, -0.060, 0.204, -0.004, -0.182, 0.194, 0.266, 0.166).

В некоторых конкретных вариантах осуществления изобретения расчетные коэффициенты логистической регрессии представляют собой B=(-0.451, 0.033, 0.205, 0.002, -0.338, -0.122, -0.136, -0.025, 0.542, -0.032, -0.234, 0.187, 0.119, -0.167, -0.228, -0.159, -0.031, -0.004, 0.140, -0.061, -0.025, 0.214, 0.033, 0.082).

В результате осуществления способа по изобретению достигаются следующие технические результаты:

- разработан новый и эффективный способ диагностики психического состояния, в частности шизофрении, основанный на количественном определении панели из 20-80 липидов в биологическом образце, в частности в крови;

- предлагаемый способ имеет высокую чувствительность (истинно положительная пропорция), а именно 83%, и специфичность (истинно отрицательная пропорция), а именно 95%, обеспечиваемые за счет использования уникальной специфической панели из 20-80 липидов в крови;

- разработанный способ может быть использован как дополнение/подтверждение существующих методов диагностики психических расстройств, в частности, шизофрении, а также как самостоятельное исследование;

- разработанный способ расширяет арсенал доступных средств для первичного широкомасштабного скрининга пациентов с целью выявления психических расстройств, в частности шизофрении.

Согласно настоящему изобретению липиды крови предлагаются в качестве биомаркеров психических расстройств, в частности, шизофрении. Для прогнозирования статуса психического расстройства предложена многомерная модель, включающая панель липидных биомаркеров. При этом для биомаркеров липидов крови по изобретению была проведена обширная проверка прогностической многомерной модели, и была продемонстрирована высокая прогностическая эффективность, что подчеркивает большую практическую применимость метода.

Во-первых, предлагаемая технология показывает высокую диагностическую способность при отделении здоровых лиц от больных с психическими расстройствами, в частности, шизофрении. В отличие от существующих (генетических) тестов, которые обычно обеспечивают оценку относительного риска и абсолютный риск заболевания остается низким, предлагаемая технология направлена на обеспечение возможности скрининга заболеваний, когда положительный результат теста будет свидетельствовать о высокой вероятности заболевания. Во-вторых, предлагаемая технология уникальна тем, что в ней используется панель липидов крови, состоящая из ряда химически различных липидов. В настоящее время такие липиды крови не используются в клинических тестах. В частности, только совокупные измерения липидов, такие как общий триглицерид или общий холестерин, обычно используются для диагностики таких заболеваний, как сердечно-сосудистые заболевания. Хотя некоторые липидные панели были предложены и внедрены на практике в некоторых странах, например, панель из нескольких видов церамидов для определения сердечно-сосудистых заболеваний [3, 4], такой пример остается исключительным, и к тому же состоит из небольшого количества липидных соединений.

Подробное раскрытие изобретения

Определения (термины)

Для лучшего понимания настоящего изобретения ниже приведены некоторые термины, использованные в настоящем описании изобретения. Следующие определения применяются в данном документе, если иное не указано явно.

В описании данного изобретения термины «включает» и «включающий» интерпретируются как означающие «включает, помимо всего прочего». Указанные термины не предназначены для того, чтобы их истолковывали как «состоит только из».

Термин «и/или» означает один, несколько или все перечисленные элементы.

Также здесь перечисление числовых диапазонов по конечным точкам включает все числа, входящие в этот диапазон.

Термин «необязательный» или «необязательно» или «опциональный» или «опционально», используемый в данном документе, означает, что описываемое впоследствии событие или обстоятельство может, но не обязательно, произойти, и что описание включает случаи, когда событие или обстоятельство происходит, и случаи, в которых оно не происходит.

Под «психическим расстройством» (функциональным психическим расстройством) понимается медицинское состояние, при котором происходит нарушение настроения, мышления, восприятия, способности справляться с повседневными нагрузками, вести себя адекватно ситуации, сверять правильность своих впечатлений, суждений и поведения с сигналами, полученными от внешней реальности. Эти нарушения возникают вне связи с повреждением мозговой ткани, то есть являются проявлениями нарушенных психических процессов, но не видимого структурного дефекта мозга. Примерами психических расстройств, связанных с нарушениями дофаминовой и серотониновой нейромедиаторных систем, являются, но не ограничиваются ими, шизофрения, в том числе терапевтически резистентные формы шизофрении, биполярное расстройство, психотическая депрессия.

Термин «количественный» относится к масс-спектрометрии, в частности хромато-масс-спектрометрическому анализу или масс-спектрометрии прямого ввода, или другим методам в сочетании с масс-спектрометрией, и обозначает измеренное значение, пропорциональное уровню концентрации соединения.

Термин «биологический образец» («биообразец») относится к полученной или выделенной от пациента крови, плазмы крови, сухую каплю крови (DBS) или сыворотку крови.

Используемый здесь термин «диагноз» означает идентификацию наличия признаков патологического состояния, в данном случае диагноз устанавливается соответствующим специалистом, то есть психиатром. Применительно к объектам настоящего изобретения «диагностика» означает определение наличие или отсутствия психического расстройства, в частности, шизофрении, на основе анализа 20-80 липидов в биологическом образце.

Используемый здесь термин «биомаркер» означает вещество, способное указывать на болезненное состояние. В контексте настоящего изобретения, направленного на диагностику психического расстройства, в частности, шизофрении, «биомаркер» означает вещество, указывающее на риск наличия заболевания. «Биомаркер» включает липиды, количество которых увеличивается или уменьшается у субъектов, страдающих психическим расстройством, в частности, шизофренией, по сравнению с нормальными здоровыми субъектами. Используемый здесь термин «прогнозирование» относится к обнаружению того, что у человека значительно повышена вероятность наличия заболевания.

Используемый здесь термин «липид» относится к липидам из следующих классов липидов: триглицериды, ацилкарнитины, сложные эфиры холестерина, глицерофосфохолины (включая их лизо- и эфирные формы), глицерофосфоэтаноламины (включая их лизо- и эфирные формы), церамиды, сфингомиелины, жирные кислоты. Более конкретно, липиды выбираются из группы: CAR 18:2, CAR 18:1, CE 18:3, CE 18:2, CE 20:4, CE 20:3, CE 22:6, CE 22:5, TAG 41:1, TAG 41:0, TAG 42:2, TAG 42:1, TAG 44:2, TAG 44:1, TAG 46:4, TAG 46:3, TAG 46:2, TAG 46:1, TAG 46:0, TAG 47:3, TAG 47:2, TAG 47:1, TAG 48:5, TAG 48:4, TAG 48:3, TAG 48:1, TAG 48:0, TAG 49:4, TAG 49:3, TAG 49:1, TAG 50:6, TAG 50:5, TAG 50:4, TAG 50:2, TAG 50:1, TAG 50:0, TAG 51:5, TAG 51:4, TAG 51:3, TAG 51:2, TAG 52:7, TAG 51:0, TAG 52:6, TAG 52:5, TAG 52:4, TAG 52:3, TAG 52:2, TAG 52:1, TAG 53:6, TAG 53:4, TAG 53:3, TAG 54:6, TAG 54:5, TAG 54:4, TAG 54:3, TAG 55:8, TAG 55:7, TAG 55:6, TAG 55:5, TAG 56:9, TAG 56:7, TAG 56:5, TAG 57:8, TAG 58:10, TAG 58:9, TAG 58:8, TAG 58:3, FA 10:3, FA 10:2, FA 10:1, FA 12:2, FA 13:1, FA 21:1, FA 23:1, FA 24:4, FA 24:3, FA 24:2, FA 24:1, FA 25:3, FA 25:2, FA 25:1, FA 25:0, FA 26:5, FA 26:4, FA 26:2, FA 27:3, FA 28:4, LPC 14:0, LPC 15:0, LPC 16:1, LPC 16:0, LPC 17:0, dCer 32:1, LPC 18:3, LPC 18:2, LPC 18:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 34:1, LPC 20:5, LPC 20:4, LPC 20:2, LPC 20:1, LPC 20:0, dCer 36:2, dCer 36:1, LPC 22:6, LPC 22:5, LPC 22:4, DAG 34:3, dCer 38:1, DAG 34:1, DAG 36:5, DAG 36:4, DAG 36:3, dCer 40:2, DAG 36:2, dCer 40:1, DAG 36:1, dCer 41:1, PE_P 34:2, PE_P 34:1, dCer 42:4, dCer 42:3, dSM 30:1, dCer 42:2, dCer 42:1, PE 34:2, dCer 43:2, PE_P 36:4, dCer 43:1, PE_P 36:3, PE_P 36:2, dSM 32:2, dCer 44:2, dSM 32:0, PE_P 37:4, PE 36:4, PE 36:3, PE 36:2, PE 36:1, dSM 33:2, PE_P 38:6, dSM 33:1, PE_P 38:5, PE_P 38:4, dSM 34:3, dSM 34:2, dSM 34:1, PE 38:6, PC 30:1, PE 38:5, PC 30:0, PE 38:4, PE 38:3, PE_P 40:7, dSM 35:2, PE_P 40:6, PC_P 32:1, dSM 35:1, PE_P 40:5, PC_P 32:0, PE_P 40:4, PC_O 32:0, dSM 36:4, dSM 36:3, dSM 36:2, PC 32:2, dSM 36:1, PE 40:6, PC 32:1, PE 40:5, PE 40:5, PC 32:0, PC_P 34:3, PC_P 34:2, dSM 37:2, PC 33:2, PC_O 34:2, PC_P 34:1, PC 33:1, PC_O 34:1, PC 33:0, PC_O 34:0, PC 34:4, dSM 38:3, PC 34:3, PC 34:3, PC_P 35:2, dSM 38:2, PC 34:2, PC 34:1, PC 34:0, PC_P 36:5, PC 35:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC 35:3, PC_P 36:2, dSM 39:2, PC 35:2, PC_O 36:2, PC_P 36:1, dSM 39:1, PC 35:1, PC_O 36:1, PC 36:5, PC_P 37:4, PC_O 37:4, dSM 40:3, PC 36:3, dSM 40:2, PC 36:2, PC_P 37:1, PC 36:1, PC_P 38:6, PC_P 38:5, PC_P 38:5, PC 37:5, PC_O 38:5, PC_P 38:4, PC_O 38:4, dSM 41:3, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, dSM 42:4, PC 38:4, PC 38:4, dSM 42:3, PC 38:3, dSM 42:2, PC 38:2, PC 38:1, PC_O 40:7, PC_P 40:5, PC_O 40:5, PC_O 40:5, PC 39:4, PC_P 40:3, PC_O 40:4, PC_O 40:3, dSM 43:2, dSM 44:5, PC 40:5, PC 40:5, dSM 44:4, PC 40:4, dSM 44:3, PC 40:3, PC 40:3, dSM 44:2, PC 40:2, PC_O 42:6, PC_P 42:5, PC_O 42:5, PC_P 42:3, PC_O 42:4, PC 42:9, PC 42:6, PC 42:5, PC 42:4, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:5, PC_P 44:3, PC_O 44:4, PC_O 46:8, PC_O 46:7, PC_O 46:6 и/или PC_O 46:5.

Названия для липидных соединений указаны в соответствии со следующими обозначениями. Липидный класс указан сокращением (приведены ниже), две цифры соответствуют количеству атомов углерода в цепочках жирных кислот/сфингоидных основаниях (до двоеточия) и количеству двойных связей в них (после двоеточия). Таким образом, например, PC 40:4 соответствуют липиду из класса фосфатидилхолин с остатками жирных кислот, в которых в сумме 40 атомов углерода и 4 двойные связи.

DAG диацилглицерол;

TAG триацилглицерол;

FA свободная жирная кислота;

CAR ацилкарнитин;

CE эфир холестерина;

PC фосфатидилхолин;

PC_O плазманил- фосфатидилхолин;

PC_P плазменил- фосфатидилхолин;

LPC лизофосфатидилхолин;

LPC_O плазманил- лизофосфатидилхолин;

LPC_P плазменил- лизофосфатидилхолин;

PE фосфатидилэтаноламин;

PE_P плазменил- фосфатидилэтаноламин;

LPE лизофосфатидилэтаноламин;

dCer церамид (с двумя гидроксигруппами в составе);

dSM сфингомиелин (с двумя гидроксигруппами в составе).

Термин «панель» в данном документе относится к композиции, массиву или коллекции, содержащей один или несколько биомаркеров (липидов). Термин также может относиться к профилю или индексу паттернов интенсивности одного или нескольких биомаркеров, описанных в настоящем документе. Под термином «интенсивность» в настоящем документе понимается значение липидного признака, полученного в результате измерений посредством, в частности, хромато-масс-спектрометрии и обработки полученных сигналов программным обеспечением. Интенсивность липидного признака представляет собой величину, пропорционально зависимую от концентрации соответствующего липида.

Если не определено отдельно, технические и научные термины в данном документе имеют стандартные значения, общепринятые в научной и технической литературе.

Краткое описание чертежей.

Фигура 1. Распределение вероятностей прогнозирования заболевания для 102 образцов, включая как здоровых (контрольная группа) людей, так и людей с психическими расстройствами (шизофренией). На фигуре отчетливо видно бимодальное распределение оценок вероятности, отражающее высокий диагностический потенциал теста.

Согласно методу по изобретению, из образца крови (в частности, плазмы крови) субъекта экстрагируют липиды и количественно определяют содержание панели из 20-80 видов липидов из следующих классов липидов: триглицериды, ацилкарнитины, сложные эфиры холестерина, глицерофосфохолины (включая их лизо- и эфирные формы), глицерофосфоэтаноламины (включая их лизо- и эфирные формы), церамиды, сфингомиелины, жирные кислоты. Количественно определенная интенсивность липидов используется в модели логистической регрессии с заранее определенными коэффициентами, которая дает вероятность заболевания для конкретного человека.

Плазму крови получают из периферической венозной крови утром у субъектов, подвергшихся ночному голоданию. Образцы плазмы собирают в пробирки Vacutainer объемом 4 мл, содержащие хелатирующий агент этилендиаминтетрауксусную кислоту (ЭДТА). Липиды экстрагируют с использованием протокола экстракции на основе трет-бутилметилового эфира (МТБЭ). Для масс-спектрометрического анализа образцы разбавляют 1:5 и 1:2 смесью ацетонитрил:изопропанол (7:3 (v:v)) для режима положительной и отрицательной ионизации соответственно. Система жидкостной хроматографии в сочетании с масс-спектрометрической системой состоит из системы высокоэффективной жидкостной хроматографии (ВЭЖХ) Waters Acquity (Waters, Манчестер, Великобритания) и масс-спектрометра Q Exactive с орбитальной ловушкой (Thermo Fisher Scientific, США), оснащенного нагретым зондом с ионизацией электрораспылением (HESI). Масс-спектры получены как в положительном, так и в отрицательном режиме ионизации. Масс-спектры обрабатывают с использованием программного обеспечения XCMS с открытым исходным кодом для обнаружения и выравнивания пиков. Относительную интенсивность липидов выравнивали по эталонным образцам.

Масс-спектрометрия широко известна специалистам в данной области как мощный инструмент для анализа, идентификации и количественного определения различных типов молекул (классов соединений). Основой метода служит ионизация молекулы, приводящая к образованию «молекулярного иона», на основе которого проводится анализ и идентификация путем измерения отношения массы к заряду и интенсивности ионного тока. В зависимости от природы обнаруживаемой молекулы (например, липидного или белкового происхождения), сложности образца (смесь или чистое вещество) и задачи исследования (например, качественный или количественный анализ), выбирается подходящий метод ионизации и масс-спектрометрии.

Для целей настоящего изобретения и количественного определения липидов в биологическом образце используется масс-спектрометрия, в частности хромато-масс-спектрометрический анализ или масс-спектрометрия прямого ввода, или другие методы в сочетании с масс-спектрометрией. Хроматография в сочетании с масс-спектрометрией является мощным инструментом для анализа и количественной оценки липидов в сложных биообразцах.

Вероятность психических расстройств оценивается по следующей формуле:

,

где (b₁,b₂..,b_k) = B - расчетные коэффициенты логистической регрессии, (i₁,i₂..i_k) = I - нормированные интенсивности липидов для исследуемого образца, k - количество липидов.

Пороговое значение 0,5 было определено, чтобы отличить психические расстройства от здоровых контролей, то есть, если Р≥0.5, прогнозируемой меткой было «психиатрическое расстройство».

Авторы настоящего изобретения установили панель изменения липидов в плазме крови, отделяющей пациентов с психическими заболеваниями, в частности, с шизофренией, от контрольных лиц.

Экспериментальная часть

Для построения диагностической модели была использована собранная заранее когорта плазмы крови от индивидуумов с шизофренией и здоровых индивидуумов (далее данную когорту обозначаем как база данных), небольшая часть образцов из этой когорты были использованы как «эталонные образцы». База данных интенсивностей липидов, измеренных у лиц с шизофренией и контрольных лиц, использовалась для построения прогностической модели. Тестовые образцы крови, с помощью которых модель была валидирована, измерялись вместе с 20 контрольными эталонными образцами, относительные интенсивности которых были доступны в базе данных. Для каждого липида его интенсивность была преобразована путем вычитания среднего значения интенсивностей 20 эталонных образцов, повторно измеренных с тестовыми образцами, и добавления средних интенсивностей из базы данных 20 эталонных образцов, в результате чего были получены нормированные интенсивности липидов.

Плазму крови получали из периферической венозной крови утром у лиц, подвергшихся ночному голоданию. Образцы плазмы собирали в пробирки Vacutainer объемом 4 мл, содержащие хелатирующий агент этилендиаминтетрауксусную кислоту (ЭДТА). Липиды экстрагировали с использованием протокола экстракции на основе трет-бутилметилового эфира (МТБЭ). Для масс-спектрометрического анализа образцы разбавляли 1:5 и 1:2 смесью ацетонитрил:изопропанол (7:3 (v:v)) для режима положительной и отрицательной ионизации, соответственно. Система жидкостной хроматографии в сочетании с масс-спектрометрической системой состояла из системы ВЭЖХ Waters Acquity (Waters, Манчестер, Великобритания) и масс-спектрометра Q Exactive с орбитальной ловушкой (Thermo Fisher Scientific, США), оснащенного нагретым зондом с ионизацией электрораспылением (HESI). Масс-спектры получали как в положительном, так и в отрицательном режиме ионизации. Масс-спектры обрабатывали с использованием программного обеспечения XCMS с открытым исходным кодом для обнаружения и выравнивания пиков. Набор из 365 липидов использовали в качестве целевого списка для количественного определения из следующих классов липидов: CAR, CE, TAG, FA, LPC, LPE, LPC_O, LPC_P, dCer, dSM, DAG, PE, PE_P, PC, PC_P, PC_O. Из 365 липидов, предназначенных для количественного определения, были воспроизведены 277 (сокращения согласно списку обозначений, приведенных выше по тексту):

CAR 18:2, CAR 18:1, CE 18:3, CE 18:2, CE 20:4, CE 20:3, CE 22:6, CE 22:5, TAG 41:1, TAG 41:0, TAG 42:2, TAG 42:1, TAG 44:2, TAG 44:1, TAG 46:4, TAG 46:3, TAG 46:2, TAG 46:1, TAG 46:0, TAG 47:3, TAG 47:2, TAG 47:1, TAG 48:5, TAG 48:4, TAG 48:3, TAG 48:1, TAG 48:0, TAG 49:4, TAG 49:3, TAG 49:1, TAG 50:6, TAG 50:5, TAG 50:4, TAG 50:2, TAG 50:1, TAG 50:0, TAG 51:5, TAG 51:4, TAG 51:3, TAG 51:2, TAG 52:7, TAG 51:0, TAG 52:6, TAG 52:5, TAG 52:4, TAG 52:3, TAG 52:2, TAG 52:1, TAG 53:6, TAG 53:4, TAG 53:3, TAG 54:6, TAG 54:5, TAG 54:4, TAG 54:3, TAG 55:8, TAG 55:7, TAG 55:6, TAG 55:5, TAG 56:9, TAG 56:7, TAG 56:5, TAG 57:8, TAG 58:10, TAG 58:9, TAG 58:8, TAG 58:3, FA 10:3, FA 10:2, FA 10:1, FA 12:2, FA 13:1, FA 21:1, FA 23:1, FA 24:4, FA 24:3, FA 24:2, FA 24:1, FA 25:3, FA 25:2, FA 25:1, FA 25:0, FA 26:5, FA 26:4, FA 26:2, FA 27:3, FA 28:4, LPC 14:0, LPC 15:0, LPC 16:1, LPC 16:0, LPC 17:0, dCer 32:1, LPC 18:3, LPC 18:2, LPC 18:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 34:1, LPC 20:5, LPC 20:4, LPC 20:2, LPC 20:1, LPC 20:0, dCer 36:2, dCer 36:1, LPC 22:6, LPC 22:5, LPC 22:4, DAG 34:3, dCer 38:1, DAG 34:1, DAG 36:5, DAG 36:4, DAG 36:3, dCer 40:2, DAG 36:2, dCer 40:1, DAG 36:1, dCer 41:1, PE_P 34:2, PE_P 34:1, dCer 42:4, dCer 42:3, dSM 30:1, dCer 42:2, dCer 42:1, PE 34:2, dCer 43:2, PE_P 36:4, dCer 43:1, PE_P 36:3, PE_P 36:2, dSM 32:2, dCer 44:2, dSM 32:0, PE_P 37:4, PE 36:4, PE 36:3, PE 36:2, PE 36:1, dSM 33:2, PE_P 38:6, dSM 33:1, PE_P 38:5, PE_P 38:4, dSM 34:3, dSM 34:2, dSM 34:1, PE 38:6, PC 30:1, PE 38:5, PC 30:0, PE 38:4, PE 38:3, PE_P 40:7, dSM 35:2, PE_P 40:6, PC_P 32:1, dSM 35:1, PE_P 40:5, PC_P 32:0, PE_P 40:4, PC_O 32:0, dSM 36:4, dSM 36:3, dSM 36:2, PC 32:2, dSM 36:1, PE 40:6, PC 32:1, PE 40:5, PE 40:5, PC 32:0, PC_P 34:3, PC_P 34:2, dSM 37:2, PC 33:2, PC_O 34:2, PC_P 34:1, PC 33:1, PC_O 34:1, PC 33:0, PC_O 34:0, PC 34:4, dSM 38:3, PC 34:3, PC 34:3, PC_P 35:2, dSM 38:2, PC 34:2, PC 34:1, PC 34:0, PC_P 36:5, PC 35:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC_O 36:4, PC 35:3, PC_P 36:2, dSM 39:2, PC 35:2, PC_O 36:2, PC_P 36:1, dSM 39:1, PC 35:1, PC_O 36:1, PC 36:5, PC_P 37:4, PC_O 37:4, dSM 40:3, PC 36:3, dSM 40:2, PC 36:2, PC_P 37:1, PC 36:1, PC_P 38:6, PC_P 38:5, PC_P 38:5, PC 37:5, PC_O 38:5, PC_P 38:4, PC_O 38:4, dSM 41:3, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, dSM 42:4, PC 38:4, PC 38:4, dSM 42:3, PC 38:3, dSM 42:2, PC 38:2, PC 38:1, PC_O 40:7, PC_P 40:5, PC_O 40:5, PC_O 40:5, PC 39:4, PC_P 40:3, PC_O 40:4, PC_O 40:3, dSM 43:2, dSM 44:5, PC 40:5, PC 40:5, dSM 44:4, PC 40:4, dSM 44:3, PC 40:3, PC 40:3, dSM 44:2, PC 40:2, PC_O 42:6, PC_P 42:5, PC_O 42:5, PC_P 42:3, PC_O 42:4, PC 42:9, PC 42:6, PC 42:5, PC 42:4, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:5, PC_P 44:3, PC_O 44:4, PC_O 46:8, PC_O 46:7, PC_O 46:6, PC_O 46:5.

Используя базу данных интенсивностей липидов, модель логистической регрессии с регуляризацией L1 была обучена отделять шизофрению от контроля. Для обучения использовалась функция LinearRegression из пакета linear_model, sklearn, языка программирования Python, коэффициент регуляризации был C=0.1.

Так, в частности, в одном из конкретных примеров исследовали 49 липидов. Более конкретно, исследовали следующие 49 липидов: CAR 18:2, CE 18:3, CE 22:5, TAG 46:4, TAG 50:0, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 25:0, FA 27:3, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:3, dSM 36:2, PC 32:1, PC 32:0, PC_O 34:2, PC 33:1, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC 35:2, PC_P 36:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:3, dSM 41:2, PC 38:1, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, dSM 44:2, PC_O 42:5, PC_P 44:6, PC_O 44:7, PC_P 44:3, PC_O 46:5.

Соответствующие расчетные коэффициенты представляют собой B = (-0.567, -0.104, 0.023, 0.046, -0.035, 0.445, 0.221, 0.107, -0.439, -0.288, 0.089, -0.292, -0.018, 0.062, -0.208, 0.611, 0.046 0.028, -0.242, -0.318, 0.321, 0.057, 0.033, 0.021, 0.016, -0.137, 0.069, -0.494, 0.158, -0.009, -0.069, -0.160, 0.098, -0.077, 0.195, -0.137, -0.075, -0.141 -0.015, -0.111, 0.185, 0.103, 0.186, 0.000, 0.046, -0.075, 0.154, 0.136, 0.134). Вероятность психических расстройств оценивалась по следующей формуле:

,

где (b₁,b₂..,b_k) = B - расчетные коэффициенты логистической регрессии, (i₁,i₂..i_k) = I - нормированные интенсивности липидов для исследуемого образца, в данном случае k = 49.

Пороговое значение 0.5 было определено, чтобы отличить психические расстройства от здоровых контролей, то есть, если Р≥0.5, прогнозируемой меткой было «психиатрическое расстройство».

Чтобы протестировать прогностическую модель, интенсивность липидов в плазме крови оценивали в 102 образцах, из которых 55 соответствовали здоровому контролю и 47 лицам с психическим расстройством, включая пациентов с шизофренией и первым психотическим эпизодом. Для этого набора данных была протестирована прогностическая модель, основанная на содержании липидов (фиг. 1), в результате чего чувствительность (истинно положительная пропорция) составила 0.83, а специфичность (истинный отрицательная пропорция) - 0.95.

Ниже приведены несколько примеров полученных оценок вероятности для тестовых выборок.

Один образец крови от человека с шизофренией имел следующие нормированные интенсивности:

I = (-1.868, 0.535, 0.597, 0.615, 1.026, 0.635, -1.061, -0.915, -1.277, 1.753, -1.687, -0.630, -0.830, -0.892, 0.587, -0.681, -0.551, -0.288, -0.907, -3.392, -1.950, -1.098, -0.655, 0.588, 0.566, -0.635, 0.826, 0.532, -0.135, -0.233, 0.526, 1.168, 1.478, 1.166, 1.317, -0.801, -0.801, -0.900 0.691, 1.756, 0.516, 0.616, -0.161, -0.937, 1.754, 0.402, -0.758, 1.793, 2.880). Прогнозируемая вероятность психического расстройства составляла 0.85, а прогнозируемая метка — «психиатрическое расстройство».

Один образец крови от здорового контроля имел следующие нормированные интенсивности:

I = (-0.320, -0.979, 0.181, -0.114, -0.904, -0.895, -1.122, 1.257, 1.135, 1.824, 1.662, -1.666, 1.270, 0.584, 1.570, -0.212, , -0.142, 0.735, 1.917, 2.573, 1.071, 1.237, 0.809, 0.194, 0.614, 0.817, 0.707, 0.644, 1.271, 1.215, 1.268, 1.841, 1.170, 1.366, -0.174, 1.409, -0.963, 2.475, 1.413, 0.948, 0.641, 1.008, -1.114 , 1.348, -0.213, -0.209, 1.177, 0.118, 0.449). Прогнозируемая вероятность психического расстройства составляла 0.06, а прогнозируемая метка — «здоровый контроль».

Один образец крови от человека с первым психотическим эпизодом имел следующие нормированные интенсивности:

I = (0.090, 0.447, 1.874, -0.520, 0.515, 1.551, 1.484, -0.688, 0.197, 0.816, 2.113, -0.182, -0.457, 0.606, -0.015, 1.684, 1.880, -0.604, 0.651, -1.133, -0.021, 1.049, 1.983, 0.724, 1.004, -2.979, 1.162, 0.963, 2.676, -0.539, 0.046, 0.163, 0.680, 0.435, 1.314, 0.741, -0.994, -0.805, -0.140, -0.470, 0.433, 0.011, 0.346, 1.703, 0.876, 0.177, -0.788, -0.647, 1.153). Прогнозируемая вероятность психического расстройства составляла 0.96, а прогнозируемая метка была «психиатрическое расстройство».

Также были построены другие модели с другим количеством биомаркеров засчет установления другого коэффициента регуляризации (в данном случае, С=0.16 и С=0.04). Например, для модели в которой участвовали 74 липида (CAR 18:2, CAR 18:1, CE 18:3, CE 22:5, TAG 46:4, TAG 47:1, TAG 50:0, TAG 54:4, TAG 55:6, TAG 56:5, FA 10:3, FA 10:1, FA 12:2, FA 13:1, FA 23:1, FA 25:1, FA 25:0, FA 27:3, FA 28:4, LPC 15:0, dCer 32:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, DAG 34:3, PE 34:2, dCer 43:2, PE_P 37:4, dSM 34:3, PE 38:6, PE_P 40:6, PC_P 32:1, PE_P 40:4, dSM 36:3, PC 32:1, PC 32:0, PC_P 34:3, PC_O 34:2, PC 33:1, PC 33:0, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC_P 36:5, PC 35:2, PC_P 36:1, dSM 39:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:4, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, PC 38:1, PC_O 40:5, PC 39:4, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, PC_O 42:6, PC_O 42:5, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:3, PC_O 46:5), коэффициенты представляют собой:

B=(-0.585, -0.026, -0.175, 0.062, 0.052, 0.066, -0.087, 0.050, 0.533, 0.219, 0.010, 0.139, -0.476, -0.354, -0.013, 0.033, 0.105, -0.357, -0.027, 0.059, 0.016, -0.145, 0.082, -0.211, 0.603, 0.103, 0.066, 0.023, -0.050, -0.035, -0.064, -0.035, -0.298, -0.394, -0.041, 0.382, 0.135, 0.159, 0.006, -0.035, -0.087, 0.039, -0.000, -0.623, 0.238, -0.065, -0.057, 0.141, -0.154, 0.182, -0.007, -0.097, 0.247, -0.140, -0.105, -0.173, -0.186, -0.044, 0.121, 0.022, -0.083, -0.016, -0.026, -0.311, 0.126, 0.208, 0.346, -0.060, 0.204, -0.004, -0.182, 0.194, 0.266, 0.166).

Для того же образца первого эпизода психоза, упомянутого ранее, были получены советующие значения нормированных интенсивностей I=(0.093, 1.203, 0.451, 1.875, -0.523, 0.731, 0.509, 1.175, 1.548, 1.463, -0.887, -0.703, 0.192, 0.798, -0.100, 2.031, 2.107, -0.185, -3.707, 0.546, 1.164, -0.454, 0.600, -0.011, 1.678, 1.865, -0.600, 1.658, -0.283, 3.010, 0.649, 0.895, 0.650, -1.136, -1.943, -0.014, 1.047, 0.719, 1.001, -2.337, -2.958, 1.158, 0.563, 0.957, 2.683, -0.549, 0.037, -0.478, 0.154, 0.677, 1.470, 0.430, 1.307, 0.729, 0.421, -0.994, -0.814, -1.356, -4.282, 3.697, -0.133, 0.264, 1.961, -0.480, 0.431, 0.011, 0.351, -0.456, 0.880, -1.722, 0.177, -0.790, -0.650, 1.146) и получена предсказанная вероятность психического расстройства 0.98.

Для модели, в которой участвовали 24 липида (CAR 18:2, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 27:3, LPC 19:0, dCer 36:2, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:2, PC_O 34:2, PC 34:4, PC_P 35:2, PC 35:2, dSM 39:1, PC_P 37:1, dSM 41:2, PC 37:2, PC 40:5, PC_O 44:4, PC_O 46:5), коэффициенты представляют собой: B=(-0.451, 0.033, 0.205, 0.002, -0.338, -0.122, -0.136, -0.025, 0.542, -0.032, -0.234, 0.187, 0.119, -0.167, -0.228, -0.159, -0.031, -0.004, 0.140, -0.061, -0.025, 0.214, 0.033, 0.082).

Для этого же образца, соответствующие значения нормированных интенсивностей были I=(0.093, 1.548, 1.463, -0.703, 0.192, 0.798, -0.185, -0.011, 1.678, 0.650, -1.136, -0.014, 1.966, -2.958, 0.957, 0.037, 0.154, 1.470, 1.307, -0.814, -1.356, 0.431, 0.908, 1.146) и получена предсказанная вероятность психического расстройства 0.91.

Несмотря на то, что изобретение описано со ссылкой на раскрываемые варианты воплощения, для специалистов в данной области должно быть очевидно, что конкретные подробно описанные эксперименты приведены лишь в целях иллюстрирования настоящего изобретения и их не следует рассматривать как каким-либо образом ограничивающие объем изобретения. Должно быть понятно, что возможно осуществление различных модификаций без отступления от сути настоящего изобретения.

Список литературы, которая включена в настоящее описание изобретения в качестве ссылок:

1. Piomelli D, Astarita G, Rapaka R. A neuroscientist’s guide to lipidomics. Nat Rev Neurosci. 2007.

2. Lauwers E, Goodchild R, Verstreken P. Membrane Lipids in Presynaptic Function and Disease. Neuron. 2016.

3. Mantovani A, Dugo C. Ceramides and risk of major adverse cardiovascular events: A meta-analysis of longitudinal studies. J Clin Lipidol. 2020.

4. Hilvo M, Vasile VC, Donato LJ, Hurme R, Laaksonen R. Ceramides and Ceramide Scores: Clinical Applications for Cardiometabolic Risk Stratification. Front Endocrinol (Lausanne). 2020.

Изобретение относится к медицине, а именно к клинической лабораторной диагностике, и может быть использовано для диагностики шизофрении, или биполярного расстройства, или психотической депрессии, или первого психотического эпизода у человека с использованием панели от 24 до 74 липидов в биологическом образце. Осуществляют забор и пробоподготовку биологического образца человека, количественный анализ липидов с последующим расчетом показателя логистической регрессии Р. При Р≥0.5 диагностируют наличие шизофрении, или биполярного расстройства, или психотической депрессии, или первого психотического эпизода у человека. При Р<0.5 диагностируют отсутствие шизофрении, биполярного расстройства, психотической депрессии, первого психотического эпизода. Способ обеспечивает эффективную диагностику психического состояния, выбранного из шизофрении, биполярного расстройства, психотической депрессии и первого психотического эпизода за счет использования панели от 24 до 74 липидов. 10 з.п. ф-лы, 1 ил., 3 пр.

1. Способ диагностики шизофрении, или биполярного расстройства, или психотической депрессии, или первого психотического эпизода у человека с использованием панели от 24 до 74 липидов в биологическом образце, включающий следующие этапы:

(а) забор и пробоподготовка биологического образца человека;

(б) количественный анализ липидов биологического образца человека с последующим расчетом показателя логистической регрессии (Р):

;

где (b₁,b₂..,b_k)=B - расчетные коэффициенты логистической регрессии,

(i₁,i₂..i_k)=I - нормированные интенсивности липидов для исследуемого образца,

k - количество липидов, где липиды представляют собой диацилглицеролы, триглицериды, ацилкарнитины, сложные эфиры холестерина, глицерофосфохолины, глицерофосфоэтаноламины, церамиды, сфингомиелины и/или жирные кислоты;

(в) получив значение Р, определяют наличие или отсутствие шизофрении, или биполярного расстройства, или психотической депрессии, или первого психотического эпизода у человека, при этом при значении Р≥0.5 диагностируют наличие шизофрении, или биполярного расстройства, или психотической депрессии, или первого психотического эпизода у человека, при значении Р<0.5 диагностируют отсутствие шизофрении, биполярного расстройства, психотической депрессии, первого психотического эпизода.

2. Способ по п. 1, в котором на этапе а) осуществляют экстракцию липидов.

3. Способ по п. 1, в котором биологический образец представляет собой кровь, плазму крови, сухую каплю крови или сыворотку крови.

4. Способ по п. 1, в котором количественный анализ представляет собой хромато-масс-спектрометрический анализ, масс-спектрометрию прямого ввода.

5. Способ по п. 1, в котором липиды выбираются из группы: CAR 18:2, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 27:3, LPC 19:0, dCer 36:2, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:2, PC_O 34:2, PC 34:4, PC_P 35:2, PC 35:2, dSM 39:1, PC_P 37:1, dSM 41:2, PC 37:2, PC 40:5, PC_O 44:4 и PC_O 46:5.

6. Способ по п. 1, в котором липиды выбираются из группы: CAR 18:2, СЕ 18:3, СЕ 22:5, TAG 46:4, TAG 50:0, TAG 55:6, TAG 56:5, FA 10:1, FA 12:2, FA 13:1, FA 25:0, FA 27:3, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, PE 38:6, PE_P 40:6, PE_P 40:4, dSM 36:3, dSM 36:2, PC 32:1, PC 32:0, PC_O 34:2, PC 33:1, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC 35:2, PC_P 36:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:3, dSM 41:2, PC 38:1, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, dSM 44:2, PC_O 42:5, PC_P 44:6, PC_O 44:7, PC_P 44:3 и PC_O 46:5.

7. Способ по п. 1, в котором липиды выбираются из группы: CAR 18:2, CAR 18:1, СЕ 18:3, СЕ 22:5, TAG 46:4, TAG 47:1, TAG 50:0, TAG 54:4, TAG 55:6, TAG 56:5, FA 10:3, FA 10:1, FA 12:2, FA 13:1, FA 23:1, FA 25:1, FA 25:0, FA 27:3, FA 28:4, LPC 15:0, dCer 32:1, LPC 18:0, dCer 34:2, LPC 19:0, dCer 36:2, dCer 36:1, LPC 22:5, DAG 34:3, PE 34:2, dCer 43:2, PE_P 37:4, dSM 34:3, PE 38:6, PE_P 40:6, PC_P 32:1, PE_P 40:4, dSM 36:3, PC 32:1, PC 32:0, PC_P 34:3, PC_O 34:2, PC 33:1, PC 33:0, PC 34:4, dSM 38:3, PC 34:3, PC_P 35:2, PC_P 36:5, PC 35:2, PC_P 36:1, dSM 39:1, PC_O 37:4, PC_P 37:1, PC_P 38:4, PC_O 38:4, PC_O 38:3, dSM 41:2, PC 37:2, PC_O 38:2, dSM 42:5, PC 38:1, PC_O 40:5, PC 39:4, PC_O 40:3, PC 40:5, dSM 44:4, PC 40:3, PC_O 42:6, PC_O 42:5, PC_O 44:8, PC_P 44:6, PC_O 44:7, PC_P 44:3 и PC_O 46:5.

8. Способ по п. 1, в котором k представляет собой 24, 49 или 74 липидов.

9. Способ по п. 5, в котором расчетные коэффициенты логистической регрессии представляют собой В=(-0.451, 0.033, 0.205, 0.002, -0.338, -0.122, -0.136, -0.025, 0.542, -0.032, -0.234, 0.187, 0.119, -0.167, -0.228, -0.159, -0.031, -0.004, 0.140, -0.061, -0.025, 0.214, 0.033, 0.082).

10. Способ по п. 6, в котором расчетные коэффициенты логистической регрессии представляют собой В=(-0.567, -0.104, 0.023, 0.046, -0.035, 0.445, 0.221, 0.107, -0.439, -0.288, 0.089, -0.292, -0.018, 0.062, -0.208, 0.611, 0.046, 0.028, -0.242, -0.318, 0.321, 0.057, 0.033, 0.021, 0.016, -0.137, 0.069, -0.494, 0.158, -0.009, -0.069, -0.160, 0.098, -0.077, 0.195, -0.137, -0.075, -0.141, -0.015, -0.111, 0.185, 0.103, 0.186, 0.000, 0.046, -0.075, 0.154, 0.136, 0.134).

11. Способ по п. 7, в котором расчетные коэффициенты логистической регрессии представляют собой В=(-0.585, -0.026, -0.175, 0.062, 0.052, 0.066, -0.087, 0.050, 0.533, 0.219, 0.010, 0.139, -0.476, -0.354, -0.013, 0.033, 0.105, -0.357, -0.027, 0.059, 0.016, -0.145, 0.082, -0.211, 0.603, 0.103, 0.066, 0.023, -0.050, -0.035, -0.064, -0.035, -0.298, -0.394, -0.041, 0.382, 0.135, 0.159, 0.006, -0.035, -0.087, 0.039, -0.000, -0.623, 0.238, -0.065, -0.057, 0.141, -0.154, 0.182, -0.007, -0.097, 0.247, -0.140, -0.105, -0.173, -0.186, -0.044, 0.121, 0.022, -0.083, -0.016, -0.026, -0.311, 0.126, 0.208, 0.346, -0.060, 0.204, -0.004, -0.182, 0.194, 0.266, 0.166).