Personer med psykoselidelser som schizofreni, har ofte alvorlige tilleggslidelser som hjertesykdom og diabetes, noe som kan være grunnen til at de lever kortere liv. Disse tilstandene opptrer ikke sammen ved en tilfeldighet; de påvirker hverandre på måter som forskerne bare begynner å forstå.
En revolusjonerende metode kalt metabolomikk, som analyserer molekyler i blodet ditt, hjelper oss med å forstå dette samspillet. Takket være store biobanker og nasjonale helseregistre kan vi nå kartlegge biologiske forbindelser mellom kropp og hjerne.
MAGIC er et banebrytende initiativ som kombinerer genetikk, blodanalysee, hjerneavbildning og helseregistre. Prosjektet tar sikte på å avdekke skjulte sammenhenger mellom metabolsk helse og psykoselidelser ved å:
1. Studere koblinger mellom metabolske markører (som fettmolekyler) og psykotiske opplevelser (f.eks. hallusinasjoner), samt vanlige hjerte- og metabolske sykdommer. Vi vil også knytte dette til endringer i hjernestruktur og kroppssammensetning.
2. Analysere genetiske data for å fastslå hvilke gener som bidrar til disse sammenflettede problemene, og bruke dette for å utforske potensielle årsak-virkning-forhold.
3. Undersøke hvilke genetiske faktorer som er felles eller unike for psykose og kardiometabolske sykdommer, avdekke de underliggende molekylære banene og utdype vår forståelse av begge tilstandene.
4. Bruke kraftige maskinlæringsteknikker for å lage 'digitale tvillinger'—virtuelle pasientmodeller som kan forutsi hvordan disse tilstandene vil utvikle seg hos enkeltpersoner. Dette kan gjøre det mulig å skreddersy intervensjonsstrategier til hver persons unike genetiske og metabolske profil.
MAGIC har som mål å avdekke de biologiske hemmelighetene som kobler metabolisme og mental helse. Ved å øke vår forståelse av disse komplekse sammenhengene, er målet å forbedre forebyggingsstrategier og sykdomsutfall. Dette kan føre til en stor endring innen helsevesenet, og gi håp om bedre og mer persontilpasset behandling.
People with psychotic disorders often suffer from cardiometabolic diseases, which are major determinants of clinical outcome. It is therefore imperative that we better understand the pathogenesis of metabolic dysfunction and its contribution to the development of psychosis. Markers of metabolic processes can be reliably measured in blood samples using new high-throughput metabolomics, i.e., the measurement of proteins, amino acids, and other small molecules. Such data is now available through large biobanks coupled to national health records. This provides unprecedented opportunities to uncover the genetic architecture of metabolism and its impact on body and brain measures.
The MAGIC project will enhance our understanding of the role that metabolic dysfunction plays in psychosis, using a unique set of genomics, metabolomics, imaging, and registry data. We will leverage a transcontinental network of deep-phenotyped, population-based prospective cohorts to (1) establish the relationship between metabolic markers and psychotic experiences, as well as comorbid cardiometabolic conditions, and estimate to what extent associations are mediated by brain morphology and body composition; (2) calculate the amount of genetic overlap between the markers, psychotic disorders and cardiometabolic diseases, and leverage genetic variation to determine causal relationships; (3) identify shared and specific genetic determinants of psychotic disorders and cardiometabolic diseases with enhanced statistical power, thereby uncovering the molecular pathways involved; and (4) predict individual clinical trajectories through a ‘digital twin’ approach, using powerful machine learning techniques.
This project has transformative potential by generating an unprecedented overview of the biological underpinnings of metabolic dysfunction in psychosis, promoting tailored prevention strategies and improved individual outcome prediction.