79个遗传标记,91%的概率预测自杀行为

简介:

估计没有人能预测奥斯卡得主影星罗宾威廉斯会自杀,或者说他们能预测吗?当有人自杀时,反应往往是相同的。难以置信,但事实摆在眼前;沮丧;或去谈论一个人生命的最后时刻。


现在,通过研究打算自杀的人和真正自杀的人的大脑,美国和欧洲两组基因组研究人员声称,他们可以利用DNA测试来实际预测,谁将试图自杀。


然而,自杀测试研究仍处于初步阶段,存在争议性,但“自杀基因”并不像听起来那么稀奇。一个人结束自己生命的机率其实是可能遗传的,现在很多科研团队,参与了整个人类基因组研究,以期找到自杀的生物学原因。


基于这种基因研究,一家位于科罗拉多州博尔德市的创业公司Sundance Diagnostics表示,他们将在下个月开始向医生提供一种名为自杀风险的测试,但测试对象仅限于服用百忧解和左洛复等抗抑郁药的患者。


Sundance测试依赖于马克斯普朗克研究所于2012年报告的研究成果。总部位于慕尼黑的德国研究人员扫描了898名服用抗抑郁剂的患者的基因,确定了79个遗传标记。他们声称,有91%的概率可正确预测“自杀意念”,或想像自杀行为


众所周知,持续服用抗抑郁剂后,一些人会开始想要自杀。服用抗抑郁剂风险巨大,美国食品和药品管理局十年前就对抗抑郁药提出警告,表示抗抑郁剂“增加了儿童和青年人自杀想法和行为的风险”。


“自杀死亡的数目并不大,但我们没人希望自己的亲人处于危险之中。如果赌注是你的孩子,你就不会玩轮盘赌”,Sundance首席执行官 Kim Bechthold说。她已从马克斯普朗克取得测试想法的授权。她表示将采用唾液样本时进行DNA测试。


考虑到服用抗抑郁药的人数,自杀测试的规模可能很大。根据2011年美国疾病控制和预防中心的估计,美国大约有11%的12岁及以上的美国人服用抗抑郁剂


然而,就目前而言,专家认为有充分理由持怀疑态度来看待任何自杀测试。基因组研究经常能发现两者间明显的联系,但随后发现并无太大意义。已经发现数十个基因与自杀相关,但没有一个真正明确的方式。


“我认为,不存在任何可信的自杀风险和预防的基因组测试”,美国疾病控制和预防中心公共健康基因组办公室主任Muin J. Khoury说。


根据疾病预防控制中心的数据,自杀已经成为美国十大最常见死亡原因,2011年有39518人死于自杀


疾病预防控制中心的Khoury表示,自杀毫无疑问是在家族内遗传的。在自杀风险因素清单中,疾病预防控制中心首先列出了家庭历史,其次是虐待儿童、前自杀未遂和抑郁症


家庭关系使科学家确信基因参与其中。例如2013年,丹麦研究人员观察了221名在随后的生活中自杀的收养儿童。结果发现,在不同家庭长大的亲兄弟的自杀机率也比一般人高五倍。同卵双胞胎同时自杀的机率也比非同卵双胞胎高。


总之,流行病学专家认为,一个人结束自己的生命,其中30%至55%的风险是可遗传的,而这种风险不与任何特定的精神疾病,如抱病或精神分裂症相关。


在纽约西奈山坎伊医学院研究自杀者大脑的病理学家Stella Dracheva表示,这意味自杀可能有自己独特的遗传原因。“自杀是一种非常复杂的疾病,但有大量证据表明它具有生物学基础。自杀者有不同的东西。”


在她看来,这意味着自杀基因研究是值得的,DNA测试在理论上也说得过去。她说,在退伍军人或其他群体中这种测试特别有用,这些群体自我伤害的风险非常高。


比起是否自杀结束生命,一个人的生命历程还有很多要做的事。在美国爱荷华大学研究两极性精神病自杀想法的遗传学家Virginia Willour表示,环境因素对预防自杀十分重要。接受医疗、涉及到家庭和宗教信仰都能有效切断自杀机会。


Willour的祖父是两极性精神病患者,已经自杀。“我选择研究自杀行为,因为我知道这种行为的影响。他的自杀不断提醒着我,一直影响我的童年时代。”她说。


围绕自杀的痛苦和怀疑只是提高了科学家声明他们能预测自杀的赌注。巴尔的摩约翰霍普金斯大学于7月份进行一个可能性自杀测试,其中遗传学家公布的报告表明,单个基因的改变可能预测谁将试图自杀,准确率达80%


约翰霍普金斯大学已经申请了自杀测试的专利,而大学也准备将其授权出去。这项研究由约翰霍普金斯大学精神病学助理教授Zachary Kaminsky进行,从美国国立卫生研究院收集的小部分自杀者大脑开始。而不是仅仅研究DNA,他们还研究了一种可降低基因活性的化学块—甲基化模式。他们发现,一种名为SKA2的基因经常在自杀者的大脑堵塞。他们随后还发现,当他们测试大量有自杀想法的人的血液时,这种堵塞也很常见。


“通过观察血液中这些表观遗传变化,我们似乎能够预测自杀行为和企图。”Kaminsky说,“需要说明的是,我们的样本容量很小。”


Kaminsky表示,报告公布后,他的电子邮箱收件箱立即想要接受测试的人塞满。“他们想要知道,如果我的爸爸死于自杀,我的儿子有危险吗?”他说。他们并不理解确定的DNA变化类型很可能不是遗传的种类,可能是压力或其他环境因素引起的结果。


Kaminsky公布的报告引起了科学家的一些批评,他们认为他的结论证据不足。他们表示需要更多的数据。“这是一个惊人的发现,但一如既往,当你考虑复杂的基因时,你需要复制。如果它[站起来],时间会告诉我们。”Kaminsky说。


Dracheva表示,更大的问题是没有足够的自杀者大脑用来研究。与糖尿病或精神分裂症的研究不同,科学家能召集成千上万的患者,自杀研究规模太小,而其结果更具试探性。


这是因为他们没有收集到足够的自杀者的DNA,包括霍普金斯和马克斯普朗克的研究人员只有尝试将DNA与人们是否有自杀想法之间一点一点联系起来。然而,有自杀想法与实际去操作自杀之间并不存在直接的联系。

“有谁没想过自杀?”Dracheva说。


原文发布时间为:2014-09-08

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
28天前
|
传感器 资源调度 算法
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计
状态空间模型通过构建生成可观测数据的潜在未观测状态来进行时间序列分析,卡尔曼滤波为其核心,提供实时隐状态估计。本文深入探讨其理论基础与实践应用,涵盖线性及非线性系统的高级滤波算法(如EKF和UKF),并展示在运动目标跟踪等领域的具体应用,强调了参数调优和性能评估的重要性。
53 11
|
9月前
|
算法 vr&ar Python
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
|
9月前
|
算法
R语言状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列
R语言状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列
|
9月前
|
Windows
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
|
算法
【状态估计】一维粒子滤波研究(Matlab代码实现)
【状态估计】一维粒子滤波研究(Matlab代码实现)
153 0
|
数据安全/隐私保护
DetectGPT:使用概率曲率的零样本机器生成文本检测
DetectGPT的目的是确定一段文本是否由特定的llm生成,例如GPT-3。为了对段落 x 进行分类,DetectGPT 首先使用通用的预训练模型(例如 T5)对段落 ~xi 生成较小的扰动。然后DetectGPT将原始样本x的对数概率与每个扰动样本~xi进行比较。如果平均对数比高,则样本可能来自源模型。
302 0
|
缓存 算法 Python
概率图推断之信念传播
变量消除算法有个致命的缺陷:每次查询都要要从头开始重新启动算法。这样会非常浪费资源,并且在计算上很麻烦。 这个问题也很容易避免。通过在第一次运行变量消除算法后缓存这些因子,我们可以轻松地计算新的边缘概率查询,基本上不需要额外的成本。 实现上面的功能有2中算法:信念传播(BP)和全联结树算法,本文先介绍信念传播算法。
221 0
概率图推断之信念传播
|
传感器
【状态估计】用于非标量系统估计的最优卡尔曼滤波(Matlab代码实现)
【状态估计】用于非标量系统估计的最优卡尔曼滤波(Matlab代码实现)
|
数据挖掘 索引 Python
Python实现固定效应回归模型实现因果关系推断(二)
Python实现固定效应回归模型实现因果关系推断(二)
1002 1
Python实现固定效应回归模型实现因果关系推断(二)