Prediction of depressive symptoms from socioeconomic data and DNA methylation signatures in depression

Abstract

Depression is an increasingly common mental disorder associated with substantial deficits in the quality of life of the patient and increased mortality risk. Several Genomic-Wide Association Studies (GWAS) have been performed to identify genes associated with depression, but its partial heritability among other characteristics suggests the involvement of epigenetic changes in the origin of the disease. Since has been proven a discrepancy between objective and subjective cognition in Major Depressive Disorder (MDD) patients, it is necessary to find a system to detect the disease from a biological perspective. Using a Canadian community-based cohort (n=94) containing DNA methylation data, stratified for early-life socioeconomic status, and assessed for depressive symptoms with the Center for Epidemiologic Studies Depression (CES-D) scale, a differential methylation analysis was performed. From this analysis, 31 cytosine guanine dinucleotides (CpG) were identified as differentially methylated in patients showing depressive symptoms from patients not showing those symptoms. The analysis was performed separating patients by gender and taking the variable age as a covariate. From the socioeconomic and biomolecular variables, and identified CpG sites, a random forest classifier was developed to create a depressive symptoms prediction tool. The resulting algorithm has an accuracy of 73.74% (repeated 15-fold cross-validation, with 3 repeats). The web application Desypre (http://desypre.000webhostapp.com/) was created to allow the public use of the classifier.

La depresión es un trastorno mental cada vez más común asociado con déficits sustanciales en la calidad de vida del paciente y un mayor riesgo de mortalidad. Se han realizado varios estudios de asociación genómica (GWAS) para identificar genes asociados con la depresión, pero su heredabilidad parcial entre otras características sugiere la existencia de cambios epigenéticos en el origen de la enfermedad. Dado que se ha demostrado una discrepancia entre la cognición objetiva y subjetiva en pacientes con trastorno depresivo mayor (MDD), es necesario encontrar un sistema para detectar la enfermedad desde una perspectiva biológica. Utilizando una cohorte basada en una comunidad canadiense (n = 94) que contiene datos de metilación del ADN, estratificada para el estado socioeconómico temprano y evaluada para síntomas depresivos con la escala para Depresión del Centro para Estudios Epidemiológicos (CES-D), se realizó un análisis de metilación diferencial. A partir de este análisis, se identificaron 31 dinucleótidos citosina-guanina (CpG) como metilados diferencialmente en pacientes que muestran síntomas depresivos contra pacientes que no muestran esos síntomas. El análisis se realizó separando a los pacientes por género y tomando la variable edad como una covariable. A partir de las variables socioeconómicas y biomoleculares, y los sitios de CpG identificados, se desarrolló un clasificador Random Forest con el objetivo de crear una herramienta de predicción de síntomas depresivos. El algoritmo resultante tiene una precisión del 73,74% (validación 15 veces cruzada con 3 repeticiones). La aplicación web Desypre (http://desypre.000webhostapp.com/) se creó para permitir el uso público del clasificador.

La depressió és un trastorn mental cada vegada més comú associat amb dèficits substancials en la qualitat de vida del pacient i un major risc de mortalitat. S'han realitzat diversos estudis d'associació genòmica (GWAS) per identificar gens associats amb la depressió, però la seva heretabilitat parcial entre altres característiques suggereix l'existència de canvis epigenètics en l'origen de la malaltia. Atès que s'ha demostrat una discrepància entre la cognició objectiva i subjectiva en pacients amb trastorn depressiu major (MDD), cal trobar un sistema per detectar la malaltia des d'una perspectiva biològica. Utilitzant una cohort basada en una comunitat canadenca (n = 94) que conté dades de metilació de l'ADN, estratificada per a l'estat socioeconòmic d'hora i avaluada per símptomes depressius amb l'escala per Depressió el Centre per a Estudis Epidemiològics (CES-D), es va realitzar una anàlisi de metilació diferencial. A partir d'aquesta anàlisi, es van identificar 31 dinucleòtids citosina-guanina (CpG) com metilats diferencialment en pacients que mostren símptomes depressius contra pacients que no mostren aquests símptomes. L'anàlisi es va realitzar separant als pacients per gènere i prenent la variable edat com una covariable. A partir de les variables socioeconòmiques i biomoleculars, i els llocs de CpG identificats, es va desenvolupar un classificador Random Forest amb l'objectiu de crear una eina de predicció de símptomes depressius. L'algorisme resultant té una precisió de l'73,74% (validació 15 vegades creuada amb 3 repeticions). L'aplicació web Desypre (http://desypre.000webhostapp.com/) es va crear per permetre l'ús públic de el classificador.