【佳學基因檢測】什么樣的人會常做惡夢：噩夢體質(zhì)基因檢測

基因檢測導讀

噩夢是那些生動、持續(xù)、情緒消極或負面的夢，通常會讓做夢的人驚醒。雖然偶爾經(jīng)歷噩夢和不良夢境是很常見的且通常無害，但頻繁出現(xiàn)的噩夢往往是情緒調(diào)節(jié)異常的潛在信號。流行病學和臨床研究表明，失眠、抑郁、焦慮或酗酒等因素與噩夢的發(fā)生相關。然而，人們對噩夢與其相關疾病之間的關系知之甚少。夢的發(fā)生的基因解碼旨在探討噩夢的遺傳風險因素，并評估噩夢與相關疾病之間的關系或因果關系。佳學基因檢測對45,255名個體進行全基因組關聯(lián)研究（GWAS），通過基于問卷的評估方法，分析了過去一個月內(nèi)噩夢的頻率以及全基因組基因分型數(shù)據(jù)。雖然GWAS未能發(fā)現(xiàn)與個體風險相關的變異，但遺傳性估計為5%。此外，遺傳相關性分析揭示，噩夢與焦慮癥（rg = 0.671，p = 7.507e-06）、抑郁癥（rg = 0.562，p = 1.282e-07）、創(chuàng)傷后應激障礙（rg = 0.4083，p = 0.0152）以及神經(jīng)質(zhì)人格特質(zhì)（rg = 0.667，p = 4.516e-07）之間存在顯著的遺傳相關性（rg > 0.4）。另外，孟德爾隨機化分析表明，失眠與噩夢之間存在因果關系（beta = 0.027，p = 0.0002）。佳學基因的研究表明，噩夢具有遺傳背景，且失眠可能增加個體頻繁做噩夢的風險?？紤]到噩夢與精神及心理特征之間的顯著關聯(lián)，有必要提高對噩夢對健康及疾病影響的認知，并系統(tǒng)地收集噩夢相關的信息，特別是來自臨床樣本和更大人群的數(shù)據(jù)。

《什么樣的人會常做惡夢：噩夢體質(zhì)基因檢測》關鍵詞：

基因組學,精神疾病,惡夢,做夢

佳學基因為什么要揭示惡夢與基因的關系

噩夢是一種生動、冗長且極具困擾性的夢境，通常涉及對生存、安全、身體完整性或自尊的威脅，并會導致做夢者驚醒（人體基因序列變化與疾病表征）。雖然偶爾做噩夢是常見且通常無害的，但頻繁或極度強烈的噩夢可能表明情緒調(diào)節(jié)存在潛在異常。盡管幾乎每個人都會偶爾經(jīng)歷噩夢，但頻繁做噩夢的人僅占總?cè)丝诘牟坏?%，且女性的患病率高于男性，兒童時期的噩夢發(fā)生率也高于成人。

盡管噩夢的具體風險因素尚不完全明確，但它們可能源于負面經(jīng)歷和恐懼，例如創(chuàng)傷性事件，正如患有 PTSD 的退伍軍人中觀察到的情況。早期流行病學研究以及其他研究表明，睡眠問題和嚴重的睡眠障礙（如失眠和嗜睡癥）與噩夢密切相關。此外，研究發(fā)現(xiàn)噩夢在家族中具有聚集性，并且與精神特征和飲酒行為相關。類似地，佳學基因檢測和其他研究人員此前發(fā)現(xiàn)，噩夢與一系列睡眠和精神或行為特征存在關聯(lián)，包括飲酒、失眠癥狀、全身疼痛（如頭痛）以及抑郁的核心特征，特別是對自我的消極態(tài)度。然而，噩夢的生物學基礎及其與精神特征之間的因果關系仍未得到充分闡明。

一項針對 PTSD 退伍軍人的縱向研究發(fā)現(xiàn)，失眠和噩夢均與 PTSD 密切相關，但失眠癥狀不會自行緩解，而噩夢的發(fā)生率和嚴重程度會隨時間略有下降。這一結(jié)果表明，失眠可能是 PTSD 的一個獨立因素。在臨床實踐中，噩夢往往未被充分報告，且在回顧性分析與日記記錄的比較中，人們往往低估了噩夢的發(fā)生頻率。因此，盡管噩夢已被證明與多種睡眠障礙、精神疾病甚至自殺風險相關，但其整體臨床重要性可能仍被低估?？傮w而言，由于情緒壓力和睡眠調(diào)節(jié)問題導致的過度喚醒，與多種精神疾病特征密切相關，包括但不限于人格障礙、精神病、情緒障礙、創(chuàng)傷后應激障礙和失眠癥，這些疾病之間也表現(xiàn)出共病和重疊的特性。圖1展示了噩夢影響因素的概覽模型。

個體間的遺傳差異可解釋人群中 36% 至 51% 的噩夢傾向變異。惡夢的基因解碼不僅為識別新的易感基因位點提供了機會，還能幫助探究噩夢的潛在生物學機制是否與精神特征存在共性。盡管早期研究揭示了噩夢與精神和睡眠特征之間的重疊路徑，但情緒障礙或失眠等因素究竟是噩夢的成因還是其結(jié)果，仍未有明確結(jié)論。除了遺傳相關性分析，孟德爾隨機化（MR）方法也為探索噩夢頻率與相關精神及睡眠特征之間的因果關系提供了一種有效工具。

惡夢的基因解碼旨在探討影響噩夢頻率的潛在生物學和流行病學機制，重點分析噩夢與睡眠及精神特征之間的因果關系。鑒于噩夢具有遺傳成分，佳學基因惡夢基因檢測采用全基因組關聯(lián)研究（GWAS）方法，對 45,255 名自我報告噩夢頻率的個體進行分析，以揭示噩夢的潛在生物學機制及其與精神疾病的共同作用路徑。此外，由于佳學基因的研究隊列包含個人飲酒信息，佳學基因進行了敏感性分析，剔除了大量飲酒的個體，以避免酒精攝入對噩夢發(fā)生率的潛在影響[6,13]。

佳學基因是如何揭示惡夢的發(fā)生與基因之間的關系的？

參與人員

共有 45,255 名擁有完整噩夢頻率和基因分型信息的個體參與了這項研究。下文詳細概述的研究包括 Finrisk 1997、2002、2007 和 2012（N  = 21,243）、雙胞胎隊列研究（N  = 5556）、FinHealth（N  = 10,049）、GeneRISK（N  = 6610）和 Genes for Good（N  = 1367）。這些個體提供了基因和問卷數(shù)據(jù)，并提供了參與研究的書面知情同意書。

FINRISK ( n  = 21,243)

該隊列包括每五年從芬蘭成年人的隨機橫斷面人口樣本中收集一次的健康調(diào)查。數(shù)據(jù)以健康問卷和當?shù)蒯t(yī)療中心的正式健康檢查的形式收集。在 Finrisk 數(shù)據(jù)集中，噩夢的評估問題是“在過去 30 天內(nèi)，您做過噩夢嗎？”?；卮疬x項包括“經(jīng)常”、“有時”和“從不”。其他指標也進行了評估，包括年齡、性別和受試者參與的調(diào)查年份（Finrisk 調(diào)查 1992、1997、2002 或 2007）以及飲酒情況。酒精攝入量通過詢問酒精中毒頻率來衡量。噩夢被用作從 1 到 3 的線性特征，其中 1 表示沒有噩夢，3 表示經(jīng)常做噩夢?；蚍中褪鞘褂?HumanOmniExpress 陣列在 Wellcome Trust Sanger 研究所（英國劍橋）、哈佛大學和麻省理工學院 Broad 研究所（美國馬薩諸塞州）和芬蘭分子醫(yī)學研究所 (FIMM) 基因分型部門進行的。使用 SHAPEIT2 和 IMPUTEv2 進行估算，使用 2000 個全基因組測序的芬蘭個體的自定義單倍型集和 1000 個基因組計劃第 3 階段單倍型作為參考面板。使用 SNPtest 和SNPtest 包中的選項分數(shù)進行全基因組關聯(lián)分析。通過下降計算的遺傳相關矩陣，對包括年齡、性別和身份在內(nèi)的相關協(xié)變量進行調(diào)整，其中包含前 10 個主成分、調(diào)查年份、基因分型芯片和每個 Finrisk 子隊列的隊列。此外，每月醉酒一次或多次的個體被排除在二次分析之外，因為之前的研究發(fā)現(xiàn)，經(jīng)常大量飲酒會增加頻繁做噩夢的風險。

GeneRISK ( n  = 6610)

這是一項前瞻性研究，共涉及 7342 名受試者。在基因分型質(zhì)量控制后，共有 6610 名回答了噩夢問題的、擁有完整基因型信息的受試者進入研究。2015 年至 2017 年間，研究人員從芬蘭南部招募了年齡在 45-65 歲之間的受試者。這些受試者接受了健康檢查，并通過電子問卷記錄了他們的生活方式和早期健康狀況。通過“過去 30 天內(nèi)您是否做過噩夢？”這一問題評估噩夢。答案選項包括“經(jīng)常”、“有時”和“從不”。酒精攝入量通過酒精中毒頻率問題來衡量?；蚍中褪褂?HumanCoreExome BeadChip（美國加利福尼亞州圣地亞哥市 Illumina Inc.）進行。在芬蘭分子醫(yī)學研究所 (FIMM)，使用 GenomeStudio 和 zCall 調(diào)用基因型，使用 SHAPEIT2 進行分期，使用 IMPUTE2 和 1000 個基因組 I 期整合單倍型和 1943 年芬蘭基因組的組合參考面板進行估算。使用 Plink 計算關聯(lián)分析，并根據(jù)年齡、性別和主成分進行調(diào)整，以解釋人口結(jié)構(gòu)。

2017 年國家金融健康研究 ( n  = 10,049)

2017 年芬蘭國家健康研究由芬蘭的隨機成年人樣本組成，研究重點關注客觀和感知健康、生活質(zhì)量、生活方式、患病率以及睡眠、失眠和飲酒等常見健康問題的風險因素。噩夢的評估問題為“過去 30 天內(nèi)您是否做過噩夢？”。答案選項包括“經(jīng)常”、“有時”和“從不”。酒精攝入量通過酒精中毒頻率問題來衡量。該研究結(jié)合了早期健康 2000-2011 和 Finrisk 收集的問卷。與 GeneRISK 類似，基因分型是使用 HumanCoreExome BeadChip（美國加利福尼亞州圣地亞哥市 Illumina Inc.）進行的。在芬蘭分子醫(yī)學研究所 (FIMM)，使用 GenomeStudio 和 zCall 調(diào)用基因型，使用 SHAPEIT2 進行分階段，并使用 IMPUTE2 和 1000 個基因組第一階段整合單倍型和 1943 年芬蘭基因組的組合參考面板進行估算。

芬蘭雙胞胎隊列 ( n  = 5556)

研究隊列由 1958 年之前出生的同性雙胞胎組成，他們參加了 1975 年和 1981 年的兩次問卷調(diào)查。1990 年，佳學基因檢測邀請參加過之前任何一次調(diào)查且出生于 1930 年至 1957 年之間的雙胞胎參加問卷調(diào)查。1990 年的調(diào)查包括了一系列關于兒童期和成年期異睡癥頻率的項目，如前所述。在芬蘭雙胞胎隊列中，有兩個問題評估了兒童期和成年期噩夢的頻率。在分析中，佳學基因檢測使用了成年人噩夢的數(shù)據(jù)。對于成年人，問題是“成年后以下夜間癥狀出現(xiàn)的頻率是多少？”選項包括每周一次、大約每月一次、不太頻繁、從不和無法說。每周做噩夢的人被定義為病例，從不、很少或每月做噩夢的人被定義為對照組。重度飲酒的定義為每月至少一次飲酒超過 5 瓶啤酒、1 瓶葡萄酒或半瓶烈酒（或類似數(shù)量），相當于在一次場合喝下 5 個標準飲品或 60 克以上的純酒精。對于芬蘭雙胞胎隊列，佳學基因檢測??使用單倍型參考聯(lián)盟 1.1 版參考小組進行基因型估算，采用了密歇根大學估算服務器提供的實驗方案。對于芬蘭雙胞胎隊列，使用 RVTESTS和線性混合模型回歸進行主要分析，使用評分檢驗進行關聯(lián)檢驗。樣本相關性和人口分層被考慮在內(nèi)，用于遺傳相關性矩陣作為模型的隨機效應。

基因善舉 ( n  = 1797 )

Genes for Good 是一項通過 Facebook 網(wǎng)絡應用進行的在線遺傳學研究。參與者通過在線調(diào)查自行報告健康和行為數(shù)據(jù)，并通過郵件提交唾液樣本進行基因分型。樣本包括來自美國所有 50 個州的 18 歲以上的參與者?？偣灿?1797 名 Genes for Good 參與者參與了這項研究。在 Genes for Good 中，噩夢的頻率通過以下問題進行評估：“在過去 30 天里，你做過多少次噩夢？噩夢是指那些喚起強烈負面情緒并讓你驚醒的夢境。”答案選項包括“1. 幾乎每天早上，2. 每周幾次，3. 每周一次，4. 每月兩三次，5. 每月一次，6. 過去一個月我沒有做過讓我驚醒的噩夢”。表型的協(xié)調(diào)方式與芬蘭雙胞胎隊列相似：每周至少做一次噩夢的人被定義為病例，從不、很少或每周做噩夢少于一次的人被定義為對照。分析采用 SAIGE的邏輯混合模型回歸計算，調(diào)整了年齡、性別和主成分。在二次分析中，由于無法獲得個體一次飲酒量的信息，因此將飲酒量調(diào)整為人們在過去 30 天內(nèi)飲酒的數(shù)量。經(jīng)過質(zhì)量控制和篩選，佳學基因檢測總共對 1367 人進行了薈萃分析。

薈萃分析

使用 METAL進行基于P值的薈萃分析，對所有隊列進行分析（所有隊列中的 N 個人 = 45,255）。為了產(chǎn)生可比較的效應估計值和標準誤差以及為下游孟德爾隨機化分析提供盡可能大的樣本，佳學基因檢測對 Finrisk、FinHealth 2017 和 GeneRisk 隊列（ N = 37,902 個人）進行了二次薈萃分析 。

遺傳相關性

為了估計性狀之間的遺傳相關性，佳學基因檢測使用了 LD 得分回歸，該回歸考慮了遺傳變異之間的連鎖不平衡 (LD)（例如，由于 DNA 鏈的緊密接近而導致的相關性）。同樣，使用 LD 得分回歸估計了由常見變異和組織特異性分割遺傳力解釋的性狀遺傳力。P值經(jīng)過 Bonferroni 校正。

孟德爾隨機化

在噩夢與先前流行病學研究中觀察到的特征以及與噩夢具有顯著遺傳相關性的特征之間計算了孟德爾隨機化。佳學基因檢測使用了二次薈萃分析（僅使用 Finrisk、FinHealth 和 GeneRisk 隊列）的匯總統(tǒng)計數(shù)據(jù)作為 MR 的結(jié)果，因為 Genes for Good 和芬蘭雙胞胎隊列的 GWAS 分析未使用三級噩夢變量進行。使用 R 3.5.0 中的 MRCIEU/TwoSampleMR 包進行分析。佳學基因檢測計算了逆方差加權(quán)和 MR-Egger 模型來估計效應大小。對于具有顯著影響的關聯(lián)，佳學基因檢測估計了 MRinstruments R 包中實現(xiàn)的多效性。

多基因風險評分分析

使用 PRScs進行多基因風險評分分析，以估算噩夢薈萃分析匯總統(tǒng)計數(shù)據(jù)中變異的多基因權(quán)重，其中使用千人基因組歐洲小組作為 LD 參考小組，使用英國生物銀行 (UKB) 隊列作為測試小組（N  = 502,459）。估算權(quán)重之后，佳學基因檢測使用 PLINK 2進行多基因評分。然后對噩夢的多基因風險評分進行 Z 標準化，并使用 R 對 UKB 終點 2050（過去 2 周內(nèi)抑郁情緒的頻率）、4526（幸福感）進行線性模型回歸分析，使用年齡、性別和主成分 (PC)1–10 作為協(xié)變量。佳學基因檢測使用 R 包lmtest中實現(xiàn)的似然比檢驗來測試特征之間的差異。

什么樣的人容易做惡夢？

噩夢的 GWAS 薈萃分析

在惡夢基因解碼，佳學基因檢測探索了導致噩夢頻率的遺傳風險因素，以及可能將噩夢與精神特征聯(lián)系起來的遺傳風險因素；佳學基因檢測之前已在本文研究的隊列中廣泛研究了噩夢的流行病學相關性。基于 SNP 的總體遺傳率為 5% [SNPh 2  = 0.05，se = 0.017]。由于之前的研究表明大量飲酒與噩夢相關，佳學基因檢測在控制年齡和性別后進行了 GWAS（根據(jù)基線協(xié)變量調(diào)整了噩夢），并剔除了每月至少醉酒一次的個體（沒有大量飲酒跡象并根據(jù)協(xié)變量調(diào)整的個體中的噩夢）。雖然佳學基因檢測在 GWAS 中觀察到了關聯(lián)，但在酒精調(diào)整模型中最大的 Finrisk 隊列的MYOF基因座（ rs701873，beta = 0.034，se = 0.0059， p  = 1.5e-8）中，所有隊列的整體薈萃分析并未揭示所有隊列與任一模型的一致關聯(lián) 。為了探索生物學基礎，佳學基因檢測計算了與噩夢 GWAS 中p值 < 1e-5的 395 個基因座中的 545 個單獨變異最接近的基因的組織富集，并在 GTEx 數(shù)據(jù)中檢查了它們表達。該分析顯示大腦中活躍的基因座整體富集（p  = 3.87e-5），可能反映了與睡眠、情緒和酒精消費的關聯(lián)以及對噩夢本身的直接影響。

噩夢與精神特征之間的遺傳分析

為了探索噩夢與先前報道的流行病學合并癥和風險因素之間的關系，佳學基因檢測首先研究了 PTSD與噩夢頻率之間的遺傳相關性。佳學基因檢測發(fā)現(xiàn)頻繁做噩夢與 PTSD 之間存在顯著相關性（rg = 0.408，p  = 0.0152），這與早期文獻中的預期一致。此外，佳學基因檢測觀察到噩夢與許多精神特征之間存在顯著而穩(wěn)健的遺傳相關性（表1列出了最重要的特征，補充表3列出了所有特征）。與剔除大量飲酒者的噩夢分析相比，佳學基因檢測在基線人群的總噩夢中觀察到了噩夢與精神特征之間的相對不同的相關性（表1）。

表 1.來自 GWAS 的關于噩夢頻率的遺傳相關性。

LDSC 計算的 rg 值不是有界估計量，范圍可以在 -1 或 1 之外。

為了了解噩夢和飲酒之間的關系，佳學基因檢測使用了有噩夢和沒有做噩夢的個體（這些個體從 GWAS 中剔除）的匯總統(tǒng)計數(shù)據(jù)。佳學基因檢測使用了有噩夢的多基因風險評分來進一步研究這種聯(lián)系。佳學基因檢測使用多基因風險評分觀察到，根據(jù)來自英國生物銀行的獨立數(shù)據(jù)，兩個群體的評分與抑郁癥狀（p  = 5.36E-06）、幸福感（ p = 7.39E-05  ）、失眠 （p < 2.2E-16）和焦慮（因焦慮癥狀就診， p  < 2.2E-16）顯著相關（表2）。佳學基因檢測還對尋求焦慮治療的人進行了測試，結(jié)果沒有顯示出顯著的關聯(lián)（p  > 0.05，表2）。然而，調(diào)整基線協(xié)變量后的噩夢評分比沒有大量飲酒跡象的個體的噩夢評分具有略高的解釋力和更顯著的關聯(lián)（表2）。此外，似然比檢驗表明，對于表2中所有疾病的所有多基因風險評分測試（疾病 ~ SCORE + 年齡 + 性別），基線模型與個體未攝入大量酒精的模型之間存在顯著差異（p  < 2e-16）。

表 2.對基線校正的噩夢隊列和其中個體飲用大量酒精的噩夢隊列進行多基因風險評分分析。

SCORE 表示噩夢分析的 Z 標準化多基因風險評分。SE 表示標準誤差。

噩夢與精神特征之間的孟德爾隨機化

為了探索噩夢與精神特征之間的因果關系，佳學基因檢測進行了孟德爾隨機化，重點關注與噩夢頻率具有顯著遺傳相關性的表型。總體而言，失眠與噩夢之間存在顯著的因果關系（調(diào)整后的噩夢基線：β = 0.027，p  = 0.0002，去除飲酒量較大的人的噩夢：β = 0.02，p  = 0.002），沒有多效性的證據(jù)（MR 截距p  > 0.05），而其他測試特征則沒有。

惡夢的發(fā)生與基因之間的關系

在惡夢基因解碼，佳學基因檢測探索了噩夢的遺傳基礎，確定了噩夢與精神特征之間的遺傳相關性。此外，因果分析表明失眠會增加頻繁做噩夢的風險。這些發(fā)現(xiàn)與遺傳相關性一起支持了流行病學的發(fā)現(xiàn)，即噩夢是精神特征不可或缺的一部分，尤其是焦慮和抑郁癥以及創(chuàng)傷后應激障礙，并且在失眠癥狀出現(xiàn)后會增加。

據(jù)報道，患有精神疾病的患者做噩夢的頻率增加。在惡夢基因解碼，佳學基因檢測發(fā)現(xiàn)噩夢與情緒障礙（重度抑郁）、焦慮癥以及潛在的人格特征（神經(jīng)質(zhì)）之間存在顯著的遺傳相關性。此外，佳學基因檢測還發(fā)現(xiàn)了噩夢和失眠之間的遺傳相關性。這一觀察結(jié)果與流行病學研究結(jié)果一致，即噩夢與睡眠和精神特征相關。然而，佳學基因檢測的研究結(jié)果表明失眠和噩夢的發(fā)生率不僅存在關聯(lián)，而且還存在因果關系。值得注意的是，目前的遺傳相關性是在非重疊樣本（芬蘭人口與英國生物銀行）中計算的，并沒有共同的個體。因此，遺傳相關性或多基因風險評分不是由發(fā)現(xiàn)樣本中相同個體的重疊表型表現(xiàn)引起的。由于酒精已被證明對噩夢發(fā)生率有潛在的顯著影響，而且佳學基因檢測可以訪問隊列中的酒精消費數(shù)據(jù)，因此佳學基因檢測決定測試剔除每周飲酒量相對較高的個體，以進行敏感性分析。總體而言，遺傳相關性顯示，在僅進行基線校正和剔除大量飲酒的個體之間，p值發(fā)生了顯著變化（表1）。

失眠癥狀非常常見，多達 30% 的人口報告有失眠癥狀。失眠與多種心理和身體疾病有關。此外，先前的研究表明噩夢、睡眠障礙和精神特征之間存在顯著關聯(lián) 。總的來說，這些結(jié)果表明失眠是增加噩夢頻率的潛在風險因素。然而，這種因果關系應該在臨床環(huán)境中進行更仔細的研究。

噩夢和失眠共病的一個可能解釋可能是睡眠問題和噩夢之間的重疊，這在惡夢基因解碼也得到了證實。噩夢通常發(fā)生在快速眼動 (REM) 睡眠期間，而 REM 睡眠的不穩(wěn)定性伴隨著情緒困擾的較慢解決，這被發(fā)現(xiàn)在原發(fā)性失眠的病理生理學中起著關鍵作用。這一發(fā)現(xiàn)可能是噩夢與遺傳和表型相關性的一個潛在解釋。佳學基因檢測發(fā)現(xiàn)噩夢和失眠癥狀之間存在共同的遺傳風險，這將支持這一假設。

佳學基因檢測的部分研究結(jié)果可能反映出某些人回憶夢境的能力更強。例如，更高的噩夢回憶頻率可以通過夜間醒來的次數(shù)來解釋，據(jù)推測這是由于失眠導致的睡眠不連貫引起的。盡管噩夢的定義包括覺醒標準，即假設煩躁不安的夢會喚醒做夢者，但大多數(shù)人將噩夢簡單地解釋為非常消極的夢，而忽略了醒來的標準。此外，在問卷調(diào)查中，噩夢和覺醒標準并沒有為參與者明確定義。更高的夢境和噩夢回憶頻率可以通過夜間醒來的次數(shù)來解釋，因為這個頻率提供了更大的機會在醒來后記住夢境，包括噩夢。佳學基因檢測的一些觀察結(jié)果支持這一推理。因此，佳學基因檢測觀察到報告夜間醒來的個體做噩夢的次數(shù)增加。值得注意的是，這與睡眠次數(shù)沒有遺傳相關性。

在惡夢基因解碼，佳學基因檢測發(fā)現(xiàn)噩夢與精神分裂癥之間以及噩夢與抑郁癥之間存在顯著的多效性。這些發(fā)現(xiàn)支持噩夢與精神特征之間的多效性。然而，佳學基因檢測并沒有看到所有測試特征的多效性。例如，失眠和噩夢之間沒有多效性。因此，佳學基因檢測認識到，在未來的臨床、流行病學和遺傳學研究中，應該仔細評估睡眠和精神特征的癥狀以及這些特征中噩夢的確切臨床表現(xiàn)。

大腦中表達的豐富支持了之前關于睡眠相關特征的發(fā)現(xiàn)。此外，對噩夢進行更大規(guī)模的研究可能會闡明大腦中導致噩夢的個體細胞類型。由于富集方法是一種計算機分析，這些觀察結(jié)果將受益于未來的實驗研究。

總而言之，這些發(fā)現(xiàn)表明，噩夢的遺傳風險與失眠之間存在兩種可能的關聯(lián)機制，一種是與睡眠問題和夢境的消極性相關的直接機制，另一種是與夢境回憶頻率相關的調(diào)節(jié)作用。此外，大量飲酒可能會改變噩夢與精神特征之間的遺傳相關性。鑒于與精神特征的顯著相關性，有必要提高對噩夢如何影響健康和疾病的認識，并系統(tǒng)地收集有關噩夢的信息，尤其是臨床樣本，進行縱向隨訪，然后在更大的隊列中實施這些結(jié)果。例如，通過更常規(guī)地實施關于夢境回憶、噩夢頻率和痛苦以及夜間習慣的問題。佳學基因檢測的研究結(jié)果表明，如果將精神疾病患者的噩夢作為治療策略的一部分進行管理，使用意象排演療法等循證干預措施，他們可能會受益。