一种基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法

摘要

本发明公开了一种基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法。本发明提供了一种系统，包括装置甲、装置乙和装置丙；装置甲的功能为对获取的数据进行汇总和整理；装置乙的功能为对整理的数据进行工具变量的筛选与分类；装置丙的功能为基于孟德尔随机化分析进行微量营养素与精神类疾病之间因果关系的评估与敏感性检验。本发明方法通过双样本孟德尔随机化分析，结合多种方法的筛选与判别，预测了六种微量营养素与九种精神类疾病之间的因果关联，发现四种显著因果关系的存在，为相关营养品的研发提供了理论参考。

说明书

技术领域

本发明属于生命科学领域，涉及一种基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法。

背景技术

孟德尔随机化是一种在非实验数据中使用遗传变异来估计暴露因素与结局变量之间的因果关系的方法，目前已广泛应用于疾病研究中。在孟德尔随机化研究中，使用暴露因素来指代的因果风险因素，也称为中间表型，他可以是生物标志物(Biomarker)，可以是人体测量指标(Physical measurement)，也可以是其他任何可能影响结果的风险因素(Risk factor)；使用结局变量来指代疾病，但并不限于疾病。

精神类疾病，一场看不见的“流行病”正在席卷全球，每年全球近10亿人受精神健康问题影响，但是大部分没有得到应有的咨询和治疗，这是2020年10月份世卫组织总干事谭德塞在记者会上给出的关于精神类疾病最新的消息，心理健康已经是全球范围内常被忽视的健康问题。近年来，使用全基因组关联性分析(GWAS)寻找精神病的风险基因已经成为一种常用手段。

微量营养素虽在人体内含量不高，但对维持人体中一些决定性的新陈代谢十分必要，与人的生存和健康息息相关，对人的生命起着至关重要的作用。基于此，有研究者将微量营养素水平与个体基因型进行关联性分析，找到与微量营养素密切相关的遗传变异，为精神类疾病因果关联分析提供了更加丰富、稳定的资源，并能有效地应用于双样本孟德尔随机化分析策略中。

发明内容

本发明的目的是提供一种基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法。

本发明提供了一种系统；所述系统用于基于孟德尔随机化分析评估微量营养素与精神类疾病的患病风险性的关系；

所述系统包括装置甲、装置乙和装置丙；

所述装置甲，输入为微量营养素全基因组关联数据与精神类疾病全基因组关联数据，功能为对获取的数据进行汇总和整理，输出为整理后的数据；

所述装置乙，输入为整理后的数据，功能为对整理的数据进行工具变量的筛选与分类，输出为筛选后的微量营养素与精神类疾病的结果；

所述装置丙，输入为筛选后的微量营养素与精神类疾病的结果，功能为基于孟德尔随机化分析进行微量营养素与精神类疾病之间因果关系的评估与敏感性检验，输出为微量营养素与精神类疾病的患病风险性。

所述装置为产品。

所述装置为多个装置组成的组合装置套件。

所述系统甲中，所述汇总为利用Meta分析进行汇总。

所述系统甲中，所述整理为统一效应值展现形式和去除频率较低的SNP。

统一效应值展现形式具体可为：将效应值统一为使用beta值表示，并附以对应的标准误。

频率较低的SNP具体可为：次等位基因频率(MAF)<0.05。

所述装置乙包括元件乙-1、元件乙-2、元件乙-3、元件乙-4、元件乙-5和元件乙-6；

装置甲的输出输入元件乙-1；由元件乙-1筛选与微量营养素具有显著相关关系(P<5×10

所述装置丙包括元件丙-1、元件丙-2、元件丙-3和元件丙-4；

暴露因素工具变量文件和结局变量文件输入元件丙-1；由元件丙-1对微量营养素与精神类疾病的因果关系进行评估，评估采用双样本孟德尔随机化策略，包含逆方差加权法和MR-Egger法两种方法，逆方差加权法的评估结果和MR-Egger法的评估结果输入元件丙-2；由元件丙-2计算逆方差加权法与MR-Egger法这两种方法的Cochran's Q值及其相对应的P值，进行无效工具变量检验，然后输入元件丙-3；由元件丙-3通过留一法与去一法对微量营养素的工具变量进行敏感性分析，确保在分析过程中没有主效SNP(如检测到主效SNP应去除后重新进行MR-Egger分析并观测结果)，结果输入元件丙-4；由元件丙-4将具有显著因果关系的结果通过MR-Egger方法的截距值与MR-Presso分析进行多效性评估，确保最终得到的结果无水平多效性的干扰。

所述装置丙还包括元件丙-5。元件4的结果输入至元件丙-5，元件丙-5以多重矫正后的P值与置信区间对结果的显著性进行筛选。

以多重矫正后的P值与置信区间对结果的显著性进行筛选具体可为：根据微量营养素与精神类疾病的对应结果计算出的p-value值及置信区间判断微量营养素与精神类疾病之间是否存在因果关系；如果p-value小于0.05且置信区间置信上限小于1，或者p-value小于0.05且置信区间置信下限大于1，认为微量营养素与精神类疾病之间存在因果关系。因果效应的大小由OR值表示，若OR值大于1，则微量营养素对于精神类疾病属于有害元素，会增加疾病风险；若OR值小于1，则微量营养素对于精神类疾病属于有益元素，会降低疾病风险。

本发明还提供了一种基于孟德尔随机化分析评估微量营养素与精神类疾病的患病风险性的关系的方法，其特征在于，包括以下步骤：

步骤1、获取微量营养素全基因组关联数据与精神类疾病全基因组关联数据，对获取的数据进行汇总和整理；

步骤2、对步骤1获得的数据进行工具变量的筛选与分类；

步骤3、针对步骤2获得的文件，基于孟德尔随机化分析进行微量营养素与精神类疾病之间因果关系的评估与敏感性检验，得到微量营养素与精神类疾病的患病风险性的关系。

所述汇总为利用Meta分析进行汇总。

所述整理为统一效应值展现形式和去除频率较低的SNP。

统一效应值展现形式具体可为：将效应值统一为使用beta值表示，并附以对应的标准误。

频率较低的SNP具体可为：次等位基因频率(MAF)<0.05。

所述步骤1包括如下步骤：

步骤1.1：获取微量营养素全基因组关联数据与精神类疾病全基因组关联数据；

步骤1.2：利用Meta分析对收集的数据进行汇总；

步骤1.3：对汇总结果进行整理。

所述整理为统一效应值展现形式和去除频率较低的SNP。

统一效应值展现形式具体可为：将效应值统一为使用beta值表示，并附以对应的标准误。

频率较低的SNP具体可为：次等位基因频率(MAF)<0.05。

所述步骤2包括如下步骤：

步骤2.1：筛选与微量营养素具有显著相关关系(P<5×10

步骤2.2：对候选工具变量进行筛选，排除无法调整回文序列的位点；

步骤2.3：根据候选工具变量的效应值方向进行分类，分为增长组与减少组；

步骤2.4：对分组后的候选工具变量进行连锁不平衡(LD)检验，按照“10kb，r

步骤2.5：根据分组后的特征SNPs，提取微量营养素的效应值与标准误，生成暴露因素工具变量文件；

步骤2.6：根据暴露因素工具变量文件，在精神类疾病全基因组关联数据中提取精神类疾病相应的效应值与标准误，生成结局变量文件。

所述步骤3包括如下步骤：

步骤3.1：根据暴露因素工具变量文件与结局变量文件，对微量营养素与精神类疾病的因果关系进行评估；评估采用双样本孟德尔随机化策略，包含两种具体方法：逆方差加权法和MR-Egger法；

步骤3.2：计算逆方差加权法与MR-Egger法这两种方法的Cochran's Q值及其相对应的P值，进行无效工具变量检验；

步骤3.3：通过留一法与去一法对微量营养素的工具变量进行敏感性分析，确保在分析过程中没有主效SNP(如检测到主效SNP应去除后重新进行MR-Egger分析并观测结果)；

步骤3.4：针对具有显著因果关系的结果，进一步通过MR-Egger方法的截距值与MR-Presso分析再次对其进行多效性评估，确保最终得到的结果无水平多效性的干扰。

所述步骤3还包括如下步骤3.5：以多重矫正后的P值与置信区间对结果的显著性进行筛选。

以多重矫正后的P值与置信区间对结果的显著性进行筛选具体可为：根据微量营养素与精神类疾病的对应结果计算出的p-value值及置信区间判断微量营养素与精神类疾病之间是否存在因果关系；如果p-value小于0.05且置信区间置信上限小于1，或者p-value小于0.05且置信区间置信下限大于1，认为微量营养素与精神类疾病之间存在因果关系。因果效应的大小由OR值表示，若OR值大于1，则微量营养素对于精神类疾病属于有害元素，会增加疾病风险；若OR值小于1，则微量营养素对于精神类疾病属于有益元素，会降低疾病风险。

本发明还保护一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行以上任一所述方法的各个步骤。

所述微量营养素具体可为金属微量元素或微生物。

所述微量营养素具体可为钙、铁、镁、铜、锌或维生素D。

所述精神类疾病具体可为精神分裂症、双相情感障碍、抑郁症、焦虑症、神经性厌食症、暴食症、注意力缺陷多动障碍症、强迫症或自闭症。

在本发明中，暴露因素是微量营养素，结局变量是精神类疾病。通过孟德尔随机化找到与微量营养素有关的遗传变异(或者多个变异)，但与影响精神类疾病的任何其他风险因素无关，并且与精神类疾病不直接相关。这意味着遗传变异与精神类疾病之间的任何关联都必须通过遗传变异与微量营养素之间的关联来进行，因此暗示了微量营养素对精神类疾病的因果关系，从而评估是否存在因果性。

本发明中采用了孟德尔随机化分析中的双样本孟德尔随机化设计策略，通过以往全基因组关联分析中报道的与微量营养素和精神类疾病相关的遗传位点，有效的整合更多的遗传变异和更大的样本量，具有较强的统计能力，系统的估计微量元素与精神类疾病之间的因果关系。

为了更加系统、稳定的对微量营养素与精神类疾病进行研究，本发明的目的在于提供一种基于孟德尔随机化评估微量营养素与精神类疾病因果关联的方法，将遗传变异与微量营养素及精神类疾病相结合，通过细致严谨的双样本孟德尔随机化分析与多项评估，从全局上评估与精神类疾病具有“因果关联”的微量营养素，为后续针对精神类疾病预防、治疗及预后奠定了重要基础。

本发明还提供了六种微量营养素与九种精神类疾病的因果关联结果。

本发明还保护应用，为如下(a1)或(a2)或(a3)或(a4)或(b1)或(b2)或(b3)或(b4)或(c1)或(c2)或(c3)或(c4)或(d1)或(d2)或(d3)或(d4)：

(a1)用于检测钙含量的物质在评价强迫症风险性中的应用；

(a2)用于减少钙含量的物质在预防和/或治疗强迫症中的应用；

(a3)钙含量作为靶标物在评价强迫症风险性中的应用；

(a4)钙含量作为靶标物在预防和/或治疗强迫症中的应用；

(b1)用于检测镁含量的物质在评价精神分裂症风险性中的应用；

(b2)用于减少镁含量的物质在预防和/或治疗精神分裂症中的应用；

(b3)镁含量作为靶标物在评价精神分裂症风险性中的应用；

(b4)镁含量作为靶标物在预防和/或治疗精神分裂症中的应用；

(c1)用于检测铜含量的物质在评价神经性厌食症风险性中的应用；

(c2)用于增加铜含量的物质在预防和/或治疗神经性厌食症中的应用；

(c3)铜含量作为靶标物在评价神经性厌食症风险性中的应用；

(c4)铜含量作为靶标物在预防和/或治疗神经性厌食症中的应用；

(d1)用于检测铜含量的物质在评价注意力缺陷多动障碍症风险性中的应用；

(d2)用于增加铜含量的物质在预防和/或治疗注意力缺陷多动障碍症中的应用；

(d3)铜含量作为靶标物在评价注意力缺陷多动障碍症风险性中的应用；

(d4)铜含量作为靶标物在预防和/或治疗注意力缺陷多动障碍症中的应用。

本发明方法通过双样本孟德尔随机化分析，结合多种方法的筛选与判别，预测了六种微量营养素与九种精神类疾病之间的因果关联，发现四种显著因果关系的存在，进一步为相应精神类疾病的预防、治疗与预后提供了证据支持，为相关营养品的研发提供了理论参考。

附图说明

图1为本发明提供的基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法流程图。

具体实施方式

下面结合具体实施方式对本发明进行进一步的详细描述，给出的实施例仅为了阐明本发明，而不是为了限制本发明的范围。以下提供的实施例可作为本技术领域普通技术人员进行进一步改进的指南，并不以任何方式构成对本发明的限制。

下述实施例中的实验方法，如无特殊说明，均为常规方法，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。

如无特殊说明，以下实施例中的定量试验，均设置三次重复实验，结果取平均值。

实施例1、方法的建立

本发明建立了一种基于孟德尔随机化分析评估微量营养素与精神类疾病因果关系的方法，包括以下步骤；

一、步骤一(微量营养素全基因组关联数据和精神类疾病全基因组关联数据的搜集和整理)。

依次进行如下步骤：

1、利用已公开发表的全基因组关联研究的相关风险收集研究数据。

2、利用Meta分析对收集到的数据进行汇总。

3、整理汇总结果，包括统一效应值展现形式，去除频率较低的SNP等。

二、步骤二(工具变量的筛选与分类)。

1、筛选与微量营养素具有显著相关关系(P<5×10

2、对候选工具变量进行筛选，排除无法调整回文序列的位点。

3、根据候选工具变量的效应值方向进行分类，分为增长组和减少组。

4、对分组后的候选工具变量进行连锁不平衡(LD)检验，按照“10kb，r

5、根据分组后的特征SNPs，提取对应微量营养素的效应值与标准误，生成暴露因素工具变量文件。

6、根据暴露因素工具变量文件，在精神类疾病全基因组关联性研究中提取每种精神类疾病相应的效应值与标准误，生成结局变量文件。

三、步骤三(微量营养素与精神类疾病之间因果关系的评估与敏感性检验)。

依次进行如下步骤：

1、根据暴露因素工具变量文件与结局变量文件，对微量营养素与精神类疾病的因果关系进行评估，具体涉及双样本孟德尔随机化策略，包含两种具体方法：逆方差加权法和MR-Egger法。

2、计算IVW与MR-Egger两种方法的Cochran's Q值及其相对应的P值，进行无效工具变量检验。

3、通过留一法与去一法对微量营养素的工具变量进行敏感性分析，确保在分析过程中没有主效SNP，如检测到主效SNP应去除后重新进行MR-Egger分析并观测结果。

4、针对具有显著因果关系的结果，进一步通过MR-Egger法的截距值与MR-Presso分析再次对其进行多效性评估，确保最终得到的结果无水平多效性的干扰。

实施例2、方法的示例性应用

2020年10月10日，在世界精神卫生日当天，世界卫生组织总干事谭德塞指出：全球有近10亿人患有精神障碍，每40秒就有1人死于自杀。然而全世界范围内只有少数人可以获得优质的精神卫生服务，在中低收入国家，患有精神、神经和药物滥用障碍的人中，超过75％的患者没有得到任何治疗。在我国，一些精神类疾病已经属于多发病、常见病，也逐渐引起了人们的重视。精神类疾病在影响着人们生活的同时，还是自杀的重要危险因素，大约70％的自杀是由精神病引起的，所以确定精神类疾病的相关潜在因果风险关联，为精神类疾病提供一种预防措施或者有效的治疗方案迫在眉睫。人体中有成百上千种重要微量营养素，在大脑中也存在着一部分，这些微量营养素会参与神经递质的合成，或者参与神经递质的功能，或者参与甲基化(甲基化不足或甲基化过度)。有研究表明大约70％的精神障碍者都有甲基化障碍，大多数患有精神障碍的人体内的锌含量不足或缺乏；铜元素的含量与自闭症、精神分裂症和产后抑郁症等有关；硒元素在大脑中的谷胱氨酸转化系统中起到了至关重要的作用。微量营养素与精神类疾病之间存在着千丝万缕的关系，模糊不清。

本实施例中，以六种微量营养素作为暴露因素(分别是钙、铁、镁、铜、锌、维生素D)，以九种精神类疾病为结局变量(分别是精神分裂症、双相情感障碍、抑郁症、焦虑症、神经性厌食症、暴食症、注意力缺陷多动障碍症、强迫症、自闭症)，采用本发明建立的方法，进行各种微量营养素与各种精神类疾病之间因果关系的评估。

一、步骤一(微量营养素与精神类疾病的全基因组关联研究数据的搜集与整理)。

微量营养素的全基因组关联数据来自于五项Meta分析。钙元素的遗传变异位点来自于一项欧洲的Meta分析，包含了17个基于人群的队列中的39400个人(O'SEAGHDHA C M,WU H,YANG Q,et al.Meta-analysis of genome-wide association studies identifiessix new Loci for serum calcium concentrations[J].PLoS genetics,2013,9(9):e1003796.)；铁元素的遗传变异位点来自于一项包含12000人的血清铁Meta分析(RAFFIELDL M,LOUIE T,SOFER T,et al.Genome-wide association study of iron traits andrelation to diabetes in the Hispanic Community Health Study/Study of Latinos(HCHS/SOL):potential genomic intersection of iron and glucose regulation？[J].Human molecular genetics,2017,26(10):1966-78.)；镁元素相关的遗传变异位点来自于国际CHARGE协会一项包含15366名参与者的血清镁Meta分析(MEYER T E,VERWOERT G C,HWANG S J,et al.Genome-wide association studies of serum magnesium,potassium,and sodium concentrations identify six Loci influencing serum magnesiumlevels[J].PLoS genetics,2010,6(8).)；铜元素与锌元素的遗传变异位点来自于一项包含2603名成年人的GWAS研究(EVANS D M,ZHU G,DY V,et al.Genome-wide associationstudy identifies loci affecting blood copper,selenium and zinc[J].Humanmolecular genetics,2013,22(19):3998-4006.)；维生素D的遗传变异位点来自于一项包含79366名欧洲人的Meta分析(JIANG X,O'REILLY P F,ASCHARD H,et al.Genome-wideassociation study in79,366European-ancestry individuals informs the geneticarchitecture of25-hydroxyvitamin D levels[J].Nature communications,2018,9(1):260.)。

精神类疾病的数据来自于九项全基因组关联数据分析。精神分裂症的数据来自于2014年一项包含35476例病例组和46839例对照组的全基因组关联分析(Stephan Ripke,etal."Biological insights from 108schizophrenia-associated genetic loci."Nature:International weekly journal of science 511.7510(2014):.doi:10.1038/nature13595.)；双相情感障碍的数据来自于2011年一项包含7481例病例组和9250例对照组的欧洲人全基因组关联分析((2012).Erratum:Large-scale genome-wide associationanalysis of bipolar disorder identifies a new susceptibility locus nearODZ4.Nature Genetics(9),.doi:10.1038/ng0912-1072a.)；抑郁症的数据来自于2020年一项包含8986例病例组和86081例对照组的欧洲人全基因组关联分析(https://www.finngen.fi/fi)；焦虑症的数据来自于2020年一项包含7954例病例组和88545例对照组的欧洲人全基因组关联分析(https://www.finngen.fi/fi)；神经性厌食症的数据来自于2017年一项包含3495例病例组和10982例对照组的欧洲人全基因组关联分析(LaramieDuncan,,Zeynep Yilmaz,,Helena Gaspar,...&Cynthia M.Bulik.(2017).SignificantLocus and Metabolic Genetic Correlations Revealed in Genome-Wide AssociationStudy of Anorexia Nervosa.American Journal of Psychiatry(9),.doi:10.1176/appi.ajp.2017.16121402.)；暴食症的数据来自于2020年一项包含170例病例组和94806例对照组的欧洲人全基因组关联分析(https://www.finngen.fi/fi)；注意力缺陷多动障碍症的数据来自于2017年一项包含20183例病例组和35191例对照组的欧洲人全基因组关联分析(https://gwas.mrcieu.ac.uk/)；强迫症的数据来自于2017年一项包含26888例病例组和7037例对照组的欧洲人全基因组关联分析(https://gwas.mrcieu.ac.uk/)；自闭症的数据来自于2013年一项包含14525例病例组和14890例对照组的欧洲人全基因组关联分析(Identification of risk loci with shared effects on five major psychiatricdisorders:a genome-wide analysis.The Lancet(9875),.doi:10.1016/S0140-6736(12)62129-1.)。

将所有搜集到的数据进行整理，去除掉频率较低的SNP，将各数据过滤后位点的效应值统一为使用beta值表示，并附以对应的标准误。

频率较低的SNP：次等位基因频率(MAF)<0.05。通常GWAS分析中，次等位基因频率小于0.05的位点认为突变频率很低而被过滤掉，否则会造成统计效能降低，从而出现假阴性的结果。

二、步骤二(工具变量的筛选与分类)。

1、根据整理好的暴露因素的数据，筛选出与暴露因素具有强关联(P<5×10

2、对候选工具变量进行筛选，排除无法调整回文序列的位点。

3、根据候选工具变量作用暴露因素的不同效应值方向将SNPs分为两组：增长组与减少组。

4、对分组后的候选工具变量进行连锁不平衡(LD)检验，按照“窗口大小为10kb，r

5、根据分组后的特征SNPs，提取对应微量营养素的效应值与标准误，生成六种暴露因素工具变量文件。即，每种微量营养素一个暴露因素工具变量文件。

6、根据暴露因素工具变量文件，在精神类疾病全基因组关联性研究中提取每种精神类疾病相应的效应值与标准误，生成结局变量文件。

每种微量营养素对应九种精神类疾病的结局变量文件，共得到五十四组匹配的对应数据用于后续分析。

三、步骤三(六种微量营养素与九种精神类疾病之间因果关系的评估与敏感性检验)。

1、根据每种对应结果，对每种微量营养素与每种精神类疾病的因果关系进行评估，具体涉及到双样本孟德尔随机化策略，包含两种具体方法：逆方差加权法和MR-Egger法。。

2、计算IVW和MR-Egger两种方法的Cochran's Q值及相应的P值，进行无效工具变量的检验。

3、通过留一法与去一法对每种微量营养素的暴露因素工具变量进行敏感性分析，确保在分析过程中没有主效SNP，如果检测到主效SNP应去除后重新进行MR-Egger分析并观测结果。

4、针对具有显著因果关系的结果，进一步通过MR-Egger法的截距值与MR-Presso分析再次对多效性进行评估，确保最终的结果无水平多效性的干扰。

5、以多重矫正后的P值与置信区间对结果的显著性进行筛选。

根据六种微量营养素与九种精神类疾病的五十四种对应结果计算出的p-value值及置信区间判断微量营养素与精神类疾病之间是否存在因果关系。如果p-value小于0.05且置信区间置信上限小于1，或者p-value小于0.05且置信区间置信下限大于1，认为微量营养素与精神类疾病之间存在因果关系。因果效应的大小由OR值表示，若OR值大于1，则微量营养素对于精神类疾病属于有害元素，会增加疾病风险；若OR值小于1，则微量营养素对于精神类疾病属于有益元素，会降低疾病风险。

最终评估出四种显著结果，分别是：①钙含量的减少与强迫症之间存在显著因果关联(OR＝0.03，P＝0.045，95％CI＝0.001，0.937)；在正常含量下，钙含量每减少一个单位(0.45mg/dL)，患强迫症的风险减少0.03倍；②镁含量的减少与精神分裂症之间存在显著因果关联(OR＝0.71，P＝0.037，95％CI＝0.51，0.98)；在正常含量下，镁含量每减少一个单位(2.01mg/dL)，患精神分裂症的风险减少0.71倍；③铜含量的增加与神经性厌食症之间存在显著因果关联(OR＝0.81，P＝0.034，95％CI＝0.67，0.98)；在正常含量下，铜含量每增加一个单位(0.5mg/dL)，患神经性厌食症的风险减少0.81倍；④铜含量的增加与注意力缺陷多动障碍症之间存在显著因果关联(OR＝0.89，P＝0.015，95％CI＝0.82，0.98)；在正常含量下，铜含量每增加一个单位(0.5mg/dL)，患注意力缺陷多动障碍症的风险减少0.89倍。MR-Egger的截距与Presso分析均显示这四个结果无多效性(P>0.05)且敏感性分析没有检测出主效SNP作为工具变量。

综上所述，本实施例研究了六种微量营养素与九种精神类疾病之间的因果关联，发现四种显著因果关联，在元素的正常含量水平下，钙含量的减少对于强迫症来说是一种有益因素，镁含量的减少对于精神分裂症来说是一种有益因素，铜含量的增加对于神经性厌食症与注意力缺陷多动障碍症是一种有益因素，均可以降低相应疾病的患病风险，进一步为相应精神疾病的预防、治疗与预后提供了证据支持，为相关营养品的研发提供了理论参考。

以上对本发明进行了详述。对于本领域技术人员来说，在不脱离本发明的宗旨和范围，以及无需进行不必要的实验情况下，可在等同参数、浓度和条件下，在较宽范围内实施本发明。虽然本发明给出了特殊的实施例，应该理解为，可以对本发明作进一步的改进。总之，按本发明的原理，本申请欲包括任何变更、用途或对本发明的改进，包括脱离了本申请中已公开范围，而用本领域已知的常规技术进行的改变。按以下附带的权利要求的范围，可以进行一些基本特征的应用。