精神分裂症(Schizophrenia,SZ)是一种常见的重性精神疾病,其患者约占我国住院精神病人总数的50%,全球范围内终身患病率约为0.3%-2%。由于SZ在易感基因、前驱核心症状、脑部结构和功能异常、认知功能损伤等方面和其他精神疾病有着许多相似性,因此临床上对SZ的误诊率比较高,且在SZ的治疗上也与其他精神疾病有一定的重叠,所以寻找新的能够准确确诊SZ的生理指标具有一定的临床意义。目前SZ的发病机制尚未完全阐明,而“微生物-肠道-脑”轴概念的提出,让越来越多的研究开始侧重肠道菌群与脑功能的关联作用,但迄今为止关于肠道菌群在SZ中作用的研究相对较少。同时随着高通量测序技术的进步,对SZ患者肠道菌群的研究可以为诊断和预防SZ提供丰富的线索,有助于发现肠道菌群在精神疾病发病中的作用,同时对SZ患者血液生化指标的研究也能为SZ的诊断和治疗提供线索。本课题重点研究SZ患者的血生化指标和肠道菌群的特异性,并将这些指标与患者的症状严重程度进行关联性分析,在此基础上探索客观、有效的辅助诊断技术及方法,用于临床鉴别SZ。本研究一共招募了82名SZ患者与80名NC(Normal controls)被试。首先分析了SZ患者与NC被试的血生化指标差异,在24个生化指标中发现了14个有显著组间差异的血生化指标,并通过相关性分析从中鉴定了MONO与ALP这2个与SZ症状相关的血生化指标。随后分析SZ患者和NC被试的肠道菌群差异,发现两组被试的肠道菌群多样性具有显著的差异,并且相较于NC被试,SZ患者肠道中的2个微生物门和11个微生物属的相对丰度发生了明显变化,并且发现这些组间差异的微生物属中的琥珀酸弧菌属(Succinivibrio)和棒状杆菌属(Corynebacterium)均与症状相关,对两组肠道菌群基因组功能进行预测发现两组被试的肠道菌群在氨基酸、短链脂肪酸(Short chain fatty acids,SCFAs)的代谢与合成等重要通路存在差异。在确定了在SZ患者体内发生变化的的血生化指标和肠道微生物后,将这些差异生理指标作为预测变量,同时将患者的症状评分(PANSS)作为响应变量构建多元线性回归模型,发现琥珀酸弧菌属(Succinivibrio)及ALP能有效地预测患者的PANSS总评分和一般症状评分,说明这两个生理指标能用于客观评估患者的症状。为了探究将血生化指标和肠道菌群作为生物标记物用于辅助诊断SZ的可行性,使用机器学习方法将具有组间差异的两类生理指标作为特征预测SZ患者和NC被试。结果显示通过ANOVA算法进行特征选择之后,使用SVM、RF、LDA、LR和KNN五种分类算法均能较准确地对两组被试进行分类,其中LDA分类器的分类性能最优(AUC=0.95),并且发现NEUT、WBC、MONO、Cr、TG、LDL、INS和LYMPH以及柯林斯氏菌属(Collinsella)和未分类的瘤胃球菌属(undefined Ruminococcus)这10项生理特征具有较高的分类权重,说明使用特异的肠道菌群和血生化指标能够有效地区分两组人群,从而可作为生物标记物用于辅助诊断SZ。