Identificação dos mecanismos transdiagnósticos em saúde mental baseado na biologia dos sistemas e ferramentas de bioinformática

Abstract

A Medicina de Precisão tem se destacado como uma estratégia promissora na Psiquiatria, promovendo um cuidado personalizado baseado na variabilidade genética, ambiental e de estilo de vida. A integração de dados ômicos por meio da biologia de sistemas e da bioinformática permite a identificação de assinaturas biológicas associadas a transtornos psiquiátricos, como o transtorno depressivo maior, transtorno bipolar e transtorno do estresse pós-traumático, que apresentam sobreposições e comorbidades. Neste sentido, a metabolômica associada com a bioinformática possibilita uma análise dinâmica e abrangente dos metabólitos e vias relacionadas, fornecendo informações sobre os mecanismos das doenças além dos dados genômicos estáticos. O objetivo deste estudo foi, através de uma revisão sistemática e análise in silico, identificar perfil metabolômico e vias metabólicas envolvidas em três transtornos psiquiátricos sob uma perspectiva transdiagnóstica. Realizamos uma triagem de estudos no Rayyan, extraímos os dados dos metabólitos identificados e aprofundamos a análise naqueles compartilhados entre os transtornos. Utilizando abordagens de bioinformática, investigamos as vias metabólicas impactadas por meio do software MetaboAnalyst, buscando identificar padrões metabólicos comuns e específicos entre as condições estudadas. Foram identificados 13 estudos elegíveis e um total de 583 metabólitos. Dentre eles, quatro—arginina, inosina, 5oxoprolina (5-OP) e ácido pirúvico—apresentaram alterações nos diferentes transtornos. A análise bioinformática revelou vias metabólicas chave, principalmente relacionadas ao metabolismo de aminoácidos, energia, carboidratos e lipídios. Esses achados podem contribuir para o refinamento das classificações diagnósticas e para o desenvolvimento de estratégias terapêuticas mais direcionadas. Além disso, muitas das publicações analisadas apresentaram limitações e lacunas metodológicas, um aspecto que discutimos em um insight publicado, enfatizando a necessidade de dados abrangentes e bem documentados para garantir a replicação de pesquisas e fortalecer a transparência na ciência aberta. Pesquisas futuras devem priorizar coortes amplas e bem definidas, além da aplicação de tecnologias avançadas, como a espectrometria de massas, para validar biomarcadores e aprimorar suas aplicações clínicas na Psiquiatria.

Precision Medicine has emerged as a promising strategy in Psychiatry, promoting personalized care based on genetic, environmental, and lifestyle variability. The integration of omics data through systems biology and bioinformatics enables the identification of biological signatures associated with psychiatric disorders such as major depressive disorder, bipolar disorder, and post-traumatic stress disorder, which often present with overlaps and comorbidities. In this context, metabolomics, combined with bioinformatics, allows for a dynamic and comprehensive analysis of metabolites and related pathways, providing insights into disease mechanisms beyond static genomic data. This study aimed to identify metabolomic profiles and metabolic pathways involved in three psychiatric disorders from a transdiagnostic perspective, through a systematic review and in silico analysis. We screened studies using Rayyan, extracted data on identified metabolites, and further analyzed those shared among the disorders. Using bioinformatics approaches, we investigated impacted metabolic pathways via MetaboAnalyst software to identify both common and disorder-specific metabolic patterns. A total of 13 eligible studies and 583 metabolites were identified. Among these, four metabolites—arginine, inosine, 5-oxoproline (5-OP), and pyruvic acid—showed alterations across the different disorders. Bioinformatic analysis revealed key metabolic pathways primarily related to amino acid, energy, carbohydrate, and lipid metabolism. These findings may contribute to the refinement of diagnostic classifications and the development of more targeted therapeutic strategies. Additionally, many of the reviewed publications exhibited methodological limitations and gaps, an issue we addressed in an accompanying insight publication, highlighting the need for comprehensive and well-documented data to ensure research reproducibility and strengthen transparency in open science. Future research should prioritize large, well-defined cohorts and the use of advanced technologies, such as mass spectrometry, to validate biomarkers and enhance their clinical applications in Psychiatry.