偏头痛作为一种常见的神经系统疾病，全球负担巨大，具有动态变化的疾病过程，包括间歇期、先兆期、发作期和后遗症期。偏头痛的病理机制尚未完全揭示，尤其是其疾病状态和活动期的变化。近年来，越来越多的研究关注微RNA（miRNA）在偏头痛中的作用，miRNA作为一种小型非编码RNA，能够通过结合mRNA调控基因的表达。我们希望通过构建一个结合微RNA和遗传风险评分的复合模型来揭示偏头痛的潜在发病机制，并为疾病的预警和精确诊断提供依据。

在本研究中，我们从两个队列中招募了总计317名参与者，包括间歇性偏头痛（EM）患者、慢性偏头痛（CM）患者以及健康对照组。通过高通量小RNA测序（sRNA-seq）对发现队列中的样本进行了miRNA的表达谱分析，并结合全基因组关联研究（GWAS）数据，识别出与偏头痛相关的遗传标记和miRNA标志。然后，基于发现队列和验证队列的miRNA表达数据，通过量化PCR（qPCR）验证了候选miRNA的表达变化，并探索了它们与偏头痛的关系。

图1：发现队列中偏头痛相关miRNA的鉴定

我们的研究发现，偏头痛患者的疾病状态miRNA特征（包括miR-183、miR-25和miR-320等）与健康对照组存在显著差异，这些miRNA在偏头痛患者中普遍呈现上调或下调的表达模式。进一步的验证结果显示，特定的miRNA如miR-1307-5p、miR-6810-5p、let-7e、miR-140-3p等在偏头痛的发作期具有差异性表达，反映出疾病活动期的变化。此外，我们通过功能分析发现，这些miRNA的目标基因在多个与偏头痛相关的信号通路中富集，包括泌乳素和雌激素信号通路，这提示激素调节可能在偏头痛的发生中扮演重要角色。

在建立的复合模型中，我们将偏头痛相关的miRNA和遗传风险评分（GRS）结合，形成了一个用于区分偏头痛患者和健康对照的预测模型。该模型在发现队列和验证队列中均表现出较高的区分能力。我们进一步通过受试者工作特征曲线（ROC）分析评估了模型的性能，发现该复合模型的准确度较单一的miRNA或遗传评分模型更高。具体来说，在验证队列中的AUC为0.79，最佳分割点为-0.671，分类的准确性为75.45%，阳性预测值达到88.46%，阴性预测值为53.97%。

图2：参与者基因型和miRNA表达情况

总的来说，本研究的结果表明，基于微RNA和遗传数据的复合风险评分模型能够有效地预测偏头痛患者的发生，并揭示了激素调控可能在偏头痛发生中的重要作用。通过进一步的多中心、大样本验证，复合模型有望为偏头痛的早期诊断和个体化治疗提供重要参考。

原始出处：

Chen S-P, Chang Y-H, Wang Y-F, et al. Composite microRNA-genetic risk score model links to migraine and implicates its pathogenesis. Brain. 2025; 146(7): 2989-3002.