关键词：
营养素
抑郁症
聚类分析
证据映射
基因分析
摘要：
研究背景
在21世纪,公众对心理健康的关注度急剧增加,抑郁症作为全球性健康问题被人们广泛认识。此疾病不仅对个人生活造成重大影响,还给社会带来沉重的经济负担,例如,2023年美国在此领域的支出高达3,824亿美元。巨大的资源消耗并未能达到预期的疗效,药物的低反应率、副作用和资源的可及性问题突出,这促使研究者探索新的治疗方法,包括营养干预在内的多种辅助治疗显示出潜在的积极作用。
自2010年以来,营养与精神病之间的密切关系备受关注。2015年初步确立的营养精神病学理论,探讨利用营养预防和改善精神障碍的可行性,并提倡个性化的营养干预计划。随着治疗中营养补充剂使用的增加,科学评估营养素的种类和剂量对确保治疗有效性和安全性变得尤为重要。当前,对营养素与抑郁症的研究也缺乏全面系统的理解,基因层面的研究尚处于初步阶段。研究结果的异质性及证据质量参差给科研规划和临床决策带来挑战。因此,迫切需要明确各子领域的研究现状和干预证据的分布,以及分子水平的证据,为科研和实践提供理论参考。
新兴的研究方法和工具为抑郁症的循证医学提供了新路径,使得对海量研究数据的深入分析和全面的证据映射成为可能。如深度网络聚类分析软件Cite Space和证据映射工具Evidence Gap Maps（EGM）,前者可以纳入所有的相关研究进行大数据分析,后者则能将类型各异、质量参差的“全部”证据进行映射,提供更广泛信息。两者均使用可视化技术简化了复杂数据的理解,突破了传统方法的局限。同时,新兴的基因组学工具,通过综合分析多个研究的原始数据,有助于克服单一实验或小样本研究的局限,提供更为可靠的结论。
研究目的
1.通过文献计量学方法和科学知识图谱,解析五类营养素与抑郁症相关文献网络,揭示研究的基本特征、发展趋势、热点问题、前沿领域及理论的范式转换。
2.使用EGM在线工具全面映射营养素干预抑郁症的证据,以整合不同质量水平、不同类型、碎片化的证据,呈现最充分/最薄弱证据的营养素类别。
3.借助基因学工具多层次分析:首先,验证不同研究中抑郁症基因芯片的原始数据,识别共同差异基因（co-DEGs）。然后,富集其功能和通路,再构建蛋白质互作网络（PPI）,来识别关键蛋白和HUB基因,以探讨抑郁症与营养素之间的内在联系。
研究方法
1.营养素和抑郁症文献聚类网络共现分析:
1.1选择SCIE核心合集（2007年至今）数据库,检索各类营养素与抑郁症相关的文献,并经过筛选和粗洗后,使用Cite Space软件进行聚类网络共现分析。
1.2通过分析文献一般特征（数量-时间、来源地）,掌握研究演变趋势和主要研究力量;进一步分析关键词和引文的频次、中心性、突现强度、突现时长和前沿,并进行解读;绘制引文聚类时间线图,揭示不同研究领域的范式转变。
2.营养素干预抑郁症证据的全面映射:
2.1选择Pub Med数据库,检索涉及营养素干预抑郁症的文献,根据既定的纳入和排除标准,经多步筛选和清洗。阅读所得文献的全文,提取信息进行编码并录入EGM在线工具。编码信息包括营养素类型、证据质量评价（高、中、低）、干预效果（如量表评分、症状、生化指标、脑部变化）,以及其他特征（如时间、人群、国别）。
2.2编码完成并核验后,经EGM工具映射出营养素干预抑郁症的证据分布,并生成交互式平面图,直观展示干预证据最充分/最薄弱的营养素类别。经EGM析出证据文献的数量、时间、来源等数据,利用绘图工具进行可视化。
3.抑郁症和营养素的基因分析:
3.1在GEO数据库中检索涉及抑郁症基因表达谱数据,限制为人类样本和能够GEO2R分析的原始数据,其他条件还包括有对照组、样本为外周血,以及研究对象诊断为抑郁症（MDD）或双相情感障碍（BD）。
3.2对符合条件的数据集进行GEO2R分析,筛选标准设置为调整后P值（Padj）<0.05且倍数变化（|FC|）>1.2。筛选出差异表达基因（DEGs）进行Venn分析法,得到共同差异基因（co-DEGs）。
3.3利用DAVID、STRING工具和Cytoscape软件,对co-DEGs进行功能、通路富集分析,以及PPI网络分析,识别出高节点蛋白和HUB基因。参考已有的研究结论分析所得结果并综合解读,揭示抑郁症的病理机制及其与营养素之间的内在联系。
研究结果
*** Space分析:
1.1文献数量和来源地。维生素部分分析了2,817篇文献,文献主要来源地为美国、英国、澳大利亚和中国。矿物质部分分析了12,648篇文献,主要来源地为美国、英国、加拿大和中国。氨基酸部分共15,928篇文献,主要来源地为美国、中国、德国和英国。脂类涉及3,572篇文献,主要来源地为美国、中国、加拿大和澳大利亚。碳水化合物部分11,078篇文献,主要来源地为美国、
