1 问题提出
抑郁是一种以思维迟缓、兴趣减退及语言和动作减少为特征的情绪状态，常伴随自杀意图(Orsolini et al., 2020)。青春期被视为第二个“敏感期”，神经内分泌系统的快速发育使个体对环境刺激更为敏感(Gerhard et al., 2021)。面对人际压力等负性事件，青少年更易出现内外化问题，进而影响人格发展、学业表现与身心健康(van der Ende et al., 2020)。近二十年来，分子遗传学领域在抑郁机制探索中取得重要进展，识别出若干关键基因，并阐明其与环境因素之间的交互过程，丰富对遗传如何通过调节内在生理过程影响抑郁风险的理解(曾子豪 等, 2024; Normann & Buttenschøn, 2020)。此外，多基因评分方法的应用进一步提升了遗传预测力，因其综合多个风险基因变异，优于单基因分析(Normann & Buttenschøn, 2020; Starr & Huang, 2019)。然而，大多数研究仍从静态视角出发，较少关注遗传作用的动态变化及其在抑郁发展过程中的作用路径，导致诸如“遗传如何影响抑郁的发展过程”等核心问题仍缺乏系统回答。
1.1 亲子关系的影响及差异
父母在青少年的社会环境中扮演关键角色，依恋理论认为，儿童早期在父母温暖敏感的抚养下，建立起安全的内部工作模式，进而学会情绪调节(Howe, 2012)。神经科学研究亦表明，高质量的亲子关系有助于塑造情绪处理和调节相关的大脑结构与功能，从而降低抑郁与焦虑的风险(Bourne et al., 2022; Callaghan et al., 2019)。此外，亲子关系的效应常受到与HPA轴、血清素系统等相关基因的调节，即存在基因与环境的交互作用(Keijser et al., 2021; Sellers et al., 2021)。近年来，研究者逐渐从传统的素质−压力模型(diathesis-stress model)转向强调个体可塑性的差别易感性模型(differential susceptibility model)，后者指出，携带某些基因型的个体不仅在不利环境下表现较差，在有利环境中同样能够展现出更突出的发展优势(Bakermans-Kranenburg & van Ijzendoorn, 2011)。因此，通过显著性区域分析(region of significance, RoS)等方法探讨G×E交互效应适配的理论模型，成为研究热点。
一项纳入381对母子前瞻性追踪的研究发现，HPA轴多基因风险评分与母亲产前抑郁的交互作用显著预测子代20岁时的抑郁风险，凸显遗传与亲子互动的协同效应(Keijser et al., 2021)。然而，现有研究多聚焦母亲角色，忽视父亲在G×E交互中的独特作用与性别差异(Koyama et al., 2024)。在中国文化语境下，父母常分别扮演“严肃的红脸”与“温和的白脸”角色，父子互动偏重规范与权威，母子关系则侧重情感支持(Xu et al., 2018)。这些文化特质可能放大G×E交互作用在中国家庭中的表现形式，亟需进一步研究。
1.2 HPA轴遗传变异的影响
下丘脑−垂体−肾上腺轴(hypothalamic-pituitary-adrenal, HPA)是个体应对压力的核心神经内分泌系统，参与调节情绪与生理反应，其功能失调被证实与抑郁、自伤等心理问题密切相关(Starr et al., 2021; Zinchuk et al., 2023)。研究发现，HPA轴常在抑郁症患者中呈现功能亢进，携带该系统相关遗传风险的个体在逆境中更易出现情绪障碍，罹患抑郁风险更高(Normann & Buttenschøn, 2020; Starr et al., 2021)。例如，Starr等人发现，HPA轴多基因谱评分(multilocus genetic profile scores, MGPS)与创伤暴露的交互可显著预测青少年抑郁发展。一项系统综述涵盖48项研究，显示FKBP5、CRH、CRHR1等基因可调节应激性生活事件对抑郁的影响(Normann & Buttenschøn, 2020)。在家庭环境中，亲子互动质量(如支持性、回应性)也被发现显著预测青少年抑郁水平，且与基因交互密切相关(Keijser et al., 2021)。根据生物环境敏感性理论(biological sensitivity to context theory)，易致HPA轴功能亢进的基因可能增强个体对环境变化的生理敏感性，进而影响抑郁风险(Ellis & Boyce, 2008)。然而，以往多数研究聚焦单一HPA轴基因，其效应量小、稳定性差，易引发重复性危机(Ising et al., 2019)。为提升预测效力，整合多个基因位点的MGPS方法被提出，可更全面捕捉HPA轴系统与亲子环境交互对青少年抑郁的影响。
1.3 抑郁发展关键时期
青春期是抑郁症动态发展的关键阶段，标志着遗传与环境因素共同作用的重要窗口，虽然抑郁倾向可追溯至童年，但发病率在12岁左右显著上升，并于青春期达到高峰(Weavers et al., 2021)。《中国国民心理健康发展报告(2021—2022)》亦指出，青少年抑郁风险显著高于成年人，凸显该阶段遗传效应的变异性(傅小兰, 张侃, 2023)。遗传与环境的交互不仅预测抑郁症状的严重程度，也解释情绪问题(如抑郁、孤独感)随年龄的变化轨迹(Nelemans et al., 2021)。尽管针对青少年抑郁发展轨迹的研究仍有限，已有研究表明基因在其中扮演重要角色。例如，Nelemans等人指出，遗传易感性与父母批评行为之间的交互关系显著预测青少年抑郁症状的起点水平及其随时间的演变趋势。在中国，曹衍淼等人(2023)发现BDNF基因能显著预测抑郁症状的增长速度，Met/Met和Val/Val基因型个体的增长幅度高于Val/Met型。基于发展级联模型(developmental cascades; Masten & Cicchetti, 2010)，可进一步探索HPA轴多基因与环境因素在不同时间点和系统间的交互机制对抑郁轨迹的间接与累积性影响。该模型强调多因素随时间演化所产生的连锁反应与跨领域影响。携带高风险基因的个体可能在早期即表现出较高抑郁水平，这一起点性风险又可能诱发如同伴排斥等负性经历，进一步加剧抑郁发展(Pluess, 2015)。
鉴于此，本研究从青少年抑郁发展的动态视角出发，探讨HPA轴系统多基因谱评分MGPS与亲子关系在抑郁症状变化轨迹中的交互作用。具体聚焦以下两个研究方向：一方面，基于相关文献与理论模型，提出以下假设：(1)亲子关系质量越高，青少年抑郁症状的初始水平越低，随时间变化的增长趋势越平缓；(2) MGPS与亲子关系存在显著交互作用，高MGPS个体在良好亲子关系中表现出最低抑郁水平，在低质量亲子关系中则表现出更高的抑郁风险。另一方面，研究还进一步探讨性别的调节效应，提出两个扩展假设：(3)同性亲子关系(如父子、母女)中的G×E交互作用强于异性亲子关系(如父女、母子)。
2 研究方法
2.1 研究程序和对象
本研究采用整群抽样，选取湖南省某中学初一年级学生作为研究对象。初一学生处于“儿童−青春期”过渡的关键期，是抑郁症状首次显著上升的敏感窗口，亦适合探讨亲子关系与遗传因素对抑郁的动态影响。该阶段学生学籍稳定、家长配合度高，便于长期追踪和基因采集。根据文献、专家及学校建议，最终确定每隔六个月进行一次测量，兼顾变化趋势捕捉与测量干扰控制(辛国刚 等, 2023)。追踪时间为2021年5月至2022年10月。根据疾控与学校记录，该期间仅2022年4月有短期线上教学。首次测量共获得931份问卷，第二次(2021年11月)收回899份，同时开展基因采样，获得785份口腔上皮细胞样本，采集前统一漱口、禁食，由培训人员操作，采样后立即冷链运输至生物公司。第三次测量为2022年10月，最终成功匹配三轮追踪与基因数据的样本为594人(平均年龄14.15岁，其中女生271人，男生323人)。参考Starr和Huang(2019)的研究，G×E交互项的增量解释率为ΔR2=0.02～0.04，本研究在594名样本下以α=0.05检验MGPS交互效应，统计效能可达96%～100%。研究获得湖南师范大学生物医学研究伦理委员会审批与各方知情同意。
2.2 研究工具
2.2.1 抑郁
为了适应本研究的需求，包括追踪和基因检测，对初中生这一特定人群，本研究采取一系列措施来最小化填写问卷可能引起的不适。经过课题组反复讨论并考虑学校意见，选择Andresen等人(1994)开发的简版流调中心抑郁量表(Short Form of the Center for Epidemiologic Studies Depression Scale, SF-CES-D)。这一量表在我国青少年中显示出良好的适用性(曾子豪 等, 2024)，它是一个单一维度的工具，包括10个题项的四级评分，如“我感到孤单”。得分的增加反映抑郁症状的加重，总分范围是0至30分。每次问卷调查完成后，调查组随机选择10名参与者对问卷的体验进行评价，均报告无严重的不适感。在本研究中，简版流调中心抑郁量表在三个时间点的Cronbach’s α系数分别为0.83、0.83和0.85，均高于0.70，显示出良好的信度。
2.2.2 亲子关系
本研究采用Buchanan等人(1991)编制的亲子亲密度量表(Parent-Child Intimacy Questionnaire)分别对父子关系和母子关系进行测量。每个维度包括9个题项，如“当你向父亲或母亲表达情感时，是否感到舒适和自然？”评分采用5点量表。得分越高，表示青少年与父母的关系越亲密。且已被证明适用于中国青少年群体(曾子豪 等, 2024)。在本研究中，父子关系的Cronbach’s α系数为0.87、0.92和0.93，母子关系的Cronbach’s α系数为0.88、0.92和0.92，表明量表具有较高的信度。
2.3 统计分析
首先，采用Harman单因子检验评估问卷的共同方法偏差，并通过Hardy-Weinberg平衡检验确保HPA轴相关基因的数据质量。依据生物环境敏感性理论(biological sensitivity to context theory)及文献综述，从SKA2，NR3C1，NR3C2，FKBP5等基因中筛选出6个在亚洲人群中具有代表性的SNP位点。在构建MGPS时，依据风险等位基因赋值：携带1个或2个风险等位基因分别计为1分或2分，累加后得出MGPS总分。所有预测变量在分析前均中心化处理，以减少多重共线性。随后，构建无条件潜变量增长模型(LGCM)，逐步引入性别、MGPS、亲子关系及其交互作用，分别对父子关系与母子关系建模，探讨其对抑郁发展趋势的影响。为识别MGPS与亲子关系交互效应的理论模式，采用显著性区域分析(RoS)，并结合PoI(proportion of interaction)与PA(proportion affected)指标，判断其更符合素质−压力模型还是差别易感性模型(Roisman et al., 2012)。此外，通过分组分析考察性别调节作用，进一步区分同性(父子、母女)与异性亲属(父女、母子)关系的差异性影响，并基于MGPS高低分组，分析亲子关系在各测量时点对抑郁的调节作用。
3 结果
3.1 数据可用性检验
鉴于本研究数据均来自被试自评，为控制共同方法偏差，采用Harman单因子检验对三轮测量中的9个问卷进行探索性因素分析。结果显示共有15个特征根大于1的因子，第一个因子的方差解释率为26.38%，低于40%的判断标准，表明未发现显著的共同方法偏差问题。同时，所有基因位点均通过Hardy-Weinberg平衡检验(见表1 )，大多数次要等位基因频率(MAF)高于0.05(除rs6198外)，且与1000基因组中国北京汉族样本(1000g-CHBS)相近，说明本研究的遗传样本质量较高。
表1 SNP数据与Hardy-Weinberg遗传平衡检验 |
| 基因 | 位点 | 等位基因 | MAF | MAF(1000g-CHBS) | 基因型和分布 | Hardy-Weinberg equilibrium | ||||
| 11 | 12 | 22 | χ2 | p | ||||||
| SKA2 | rs7208505 | G>A | 0.40 | 0.40 | 212(35.7%) | 287(48.3%) | 95(16.0%) | 0.01 | 0.92 | |
| NR3C1 | rs6198 | T>C | 0.0002 | 0.001 | 592(99.7%) | 2(0.03%) | 0(0%) | 0.001 | 0.98 | |
| rs41423247 | G>C | 0.22 | 0.22 | 366(61.6%) | 196(32.0%) | 32(5.4%) | 0.60 | 0.44 | ||
| NR3C2 | rs17581262 | A>G | 0.18 | 0.19 | 400(67.3%) | 175(29.5%) | 19(3.2%) | 0 | ||
| FKBP5 | rs1360780 | C>T | 0.30 | 0.29 | 292(49.2%) | 243(40.9%) | 59(9.9%) | 0.84 | 0.36 | |
| rs9470080 | C>T | 0.35 | 0.34 | 247(41.6%) | 277(46.6%) | 70(11.8%) | 0.29 | 0.59 | ||
注：1表示主要等位基因，2表示次要等位基因，例如，11表示主要等位基因纯合子，12表示主要和次要等位基因的杂合子，22表示次要等位基因纯合子。 |
3.2 HPA轴MGPS得分与相关分析
在表2 中呈现的核心变量的描述统计和相关分析结果显示，各时间点青少年抑郁与亲子关系之间存在显著的相关性。此外，相同变量在相邻时间点的相关性较高，符合发展模型的预期。与此同时，心理变量与HPA轴MGPS之间并无显著相关性，这表明基因与环境相互独立，符合G×E研究范式要求(Dunn et al., 2011)。
表2 描述统计相关分析结果 |
| 变量 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| T1 抑郁 | ||||||||||
| T2 抑郁 | 0.51** | |||||||||
| T3 抑郁 | 0.43** | 0.58** | ||||||||
| T1 父子关系 | −0.43** | −0.32** | −0.30** | |||||||
| T2 父子关系 | −0.33** | −0.46** | −0.39** | 0.44** | ||||||
| T3 父子关系 | −0.31** | −0.33** | −0.41** | 0.42** | 0.54** | |||||
| T1 母子关系 | −0.43** | −0.32** | −0.30** | 0.98** | 0.44** | 0.42** | ||||
| T2 母子关系 | −0.31** | −0.39** | −0.33** | 0.43** | 0.70** | 0.38** | 0.43* | |||
| T3 母子关系 | −0.30** | −0.29** | −0.36** | 0.40** | 0.36** | 0.72** | 0.40** | 0.53** | ||
| MGPS | −0.02 | −0.01 | −0.02 | 0.06 | 0.06 | 0.03 | 0.07 | 0.08 | 0.06 | |
| M±SD | 7.24±5.56 | 7.54±6.01 | 8.33±6.27 | 30.03±7.35 | 30.76±9.17 | 30.44±9.43 | 31.52±8.25 | 33.38±8.45 | 32.56±8.61 | 4.04±1.66 |
注：1～3为T1～T3抑郁，4～6为T1～T3父子关系，7～9为T1～T3母子关系，10为HPA轴MGPS；*p<0.05，**p<0.01，***p<0.001，以下同。 |
3.3 HPA轴MGPS和亲子关系对青少年抑郁发展轨迹的影响
本研究首先构建了青少年抑郁与亲子关系的无条件潜变量增长模型。结果显示见表3 ，抑郁呈线性增长趋势，模型拟合良好，截距(σ2=7.22, p<0.001)和斜率(σ2=0.37, p<0.001)均存在显著的个体差异，但二者相关性不显著(r=−0.10, p=0.86)，表明初始水平与增长速率之间无显著关联。对于父子关系和母子关系，固定截距(父子σ2=30.28; 母子σ2=32.17)与随机截距(父子σ2=27.75; 母子σ2=29.72)均显著(ps<0.001)，但斜率不显著且变异较小，说明亲子关系在追踪期间较为稳定，缺乏系统性变化。因此，在后续分析中选取T1时点的亲子关系作为环境变量，既简化模型，也契合发展路径理论对关键起点的强调。
表3 遗传与环境交互对青少年抑郁发展轨迹的影响 |
| 预测因素 | 截距 | 斜率 | χ2(df) | CFI | TLI | RMSEA | SRMR |
| Model 1a: 抑郁无条件增长模型 | 7.22(0.22)*** | 0.37(0.09)*** | 9.71(3) | 0.99 | 0.99 | 0.06 | 0.05 |
| Model 1b: 父子关系无条件增长模型 | 30.28(0.29)*** | 0.10(0.12) | 25.49(3) | 0.94 | 0.94 | 0.11 | 0.14 |
| Model 1c: 母子关系无条件增长模型 | 32.17(0.31)*** | 0.24(0.12) | 32.33(3) | 0.91 | 0.91 | 0.13 | 0.05 |
| Model 2: 性别 | 1.36(0.43)*** | −0.06(0.17) | 0.83(2) | 1.00 | 1.00 | 0.01 | 0.01 |
| Model 3: HPA轴MGPS | −0.09(0.13)*** | −0.01(0.05) | 0.84(3) | 1.00 | 1.00 | 0.01 | 0.01 |
| Model 4a: 父子关系 | −0.31(0.03)*** | 0.02(0.01) | 3.20(4) | 1.00 | 1.00 | 0.01 | 0.01 |
| Model 5a: G×E父子模型 | 0.04(0.02)* | 0.01(0.01) | 3.81(5) | 1.00 | 1.00 | 0.01 | 0.01 |
| Model 4b: 母子关系 | −0.26(0.02)*** | 0.02(0.01) | 2.91(4) | 1.00 | 1.00 | 0.01 | 0.01 |
| Model 5b: G×E母子模型 | 0.03(0.02)* | 0.01(0.02) | 3.64(5) | 1.00 | 1.00 | 0.01 | 0.01 |
在此基础上，研究逐步引入性别(Model 2)、MGPS(Model 3)、T1亲子关系(Model 4)及其交互项(Model 5)构建条件增长模型。结果表明，性别、MGPS、亲子关系及其交互作用均能显著预测抑郁初始水平(|Estimates|>0.03, ps<0.05)，但对斜率无显著影响(|Estimates|<0.06, ps>0.05)。进一步分析交互作用机制发现，T1亲子关系与MGPS的交互项显著预测T1抑郁(β父子=0.09, p=0.02; β母子=0.08, p=0.03)。RoS分析显示，交互作用比例指数(PoI)分别为0.54与0.56，受影响比例指数(PA)为53%与50%，均落在差别易感性模型的判断区间(PoI介于0.40～0.60; PA>0.16且接近0.50)，说明该交互作用更符合差别易感性假设，而非传统素质−压力模型。
3.4 青少年抑郁发展轨迹的性别差异
为探讨青少年抑郁发展是否存在性别差异及同性与异性亲属关系的不同影响(见图1 )，在模型5基础上，按性别分别构建HPA轴MGPS与亲子关系交互作用的有条件增长模型。结果显示，在男生模型中，只有亲子关系能显著预测抑郁的初始水平(|Estimates|>0.32, p<0.001)；而在女生模型中，亲子关系、MGPS及其交互项均显著预测抑郁的截距和斜率(|Estimates|>0.04, p<0.05)，表明女生在抑郁发展中更受遗传与环境交互影响。进一步的多组Wald检验发现，父子关系模型中性别差异不显著(χ2=1.63, df=6, p=0.95)，而母子关系模型中路径系数存在显著性别差异(χ2=13.22, df=6, p=0.04)，提示MGPS×母子关系的交互效应在女生中更为显著，即母女之间的效应更强，支持性别在遗传与亲子关系交互作用中的调节作用。
3.5 亲子关系对青少年抑郁的影响：不同遗传分组的差异
尽管亲子关系未呈现显著的线性增长趋势，为考察其对抑郁变化的影响，参照既有研究(谭德琴 等, 2025)，本研究将亲子关系作为时间变异协变量，构建有条件线性潜变量增长模型，结果显示模型拟合良好(父子: χ2=1.47, df=3, CFI=1.00, RMSEA=0.01; 母子: χ2=0.59, df=3, CFI=1.00, RMSEA=0.01)，且各时间点的亲子关系均显著负向预测青少年抑郁，即亲子关系越好，抑郁水平越低。进一步将HPA轴MGPS按高低水平分组，多群组分析发现，其对亲子关系与抑郁关联具有显著调节作用：在低MGPS组中，父子关系在T1和T2显著负向预测抑郁(T1: β=−0.19, p=0.001; T2: β=−0.19, p<0.001)，T3则不显著；而在高MGPS组中，该负相关较弱，T3亦无显著性。母子关系亦呈类似趋势，在低MGPS组中，T1至T3各时间点母子关系均与青少年抑郁呈显著负相关(ps<0.05)，而高MGPS组均不显著(ps>0.10)。上述结果表明，亲子关系对青少年抑郁的保护效应在低遗传易感个体中更为明显，而在高易感个体中作用减弱，支持遗传敏感性调节环境影响的观点。见表4 。
表4 不同HPA轴MGPS水平亲子关系对青少年抑郁的影响 |
| 分组 | 路径 | 系数 | p |
| 低水平HPA轴MGPS | T1父子关系→T1青少年抑郁 | −0.19 | 0.001 |
| T2父子关系→T2青少年抑郁 | −0.19 | <0.001 | |
| T3父子关系→T3青少年抑郁 | −0.17 | 0.14 | |
| 高水平HPA轴MGPS | T1父子关系→T1青少年抑郁 | −0.12 | 0.02 |
| T2父子关系→T2青少年抑郁 | −0.10 | 0.004 | |
| T3父子关系→T3青少年抑郁 | −0.08 | 0.43 | |
| 低水平HPA轴MGPS | T1母子关系→T1青少年抑郁 | −0.16 | 0.01 |
| T2母子关系→T2青少年抑郁 | −0.19 | <0.001 | |
| T3母子关系→T3青少年抑郁 | −0.25 | 0.03 | |
| 高水平HPA轴MGPS | T1母子关系→T1青少年抑郁 | −0.06 | 0.22 |
| T2母子关系→T2青少年抑郁 | −0.06 | 0.10 | |
| T3母子关系→T3青少年抑郁 | −0.08 | 0.45 |
4 讨论
本研究从动态发展视角出发，探讨HPA轴多基因谱评分MGPS与亲子关系如何共同影响青少年抑郁的发展轨迹。结果显示，青少年抑郁症状整体呈上升趋势，特别是在第二至第三次测量期间增长显著，且MGPS与亲子关系显著预测抑郁的初始水平，并在性别间呈现差异，支持基因−环境交互在抑郁发展中的关键作用。
具体来看，抑郁增长趋势表现为线性：第一至第二次测量期间轻微上升，第二至第三次期间显著加速，可能与测量间隔不一致及初三阶段学业压力加剧有关。该阶段学生面临升学压力、身份认同冲突及同伴关系挑战，情绪负荷显著提升。测量期间短暂线上教学与社交限制亦可能带来“微应激”影响，削弱积极体验与社会支持，增加情绪困扰(Banerjee & Rai, 2020; Fancourt et al., 2021)。这一趋势与既有研究一致，即抑郁症状在青春期持续上升，青春晚期达高峰，具有一定普遍性。
本研究发现，性别与亲子关系是青少年抑郁初始水平的重要预测因素。女生及亲子关系质量较差的个体显示出更高的抑郁风险，支持既有研究关于青春期女性抑郁易感性的结论(McLean et al., 2022; Nabunya et al., 2020)。这一性别差异或与青春期女性在情绪、社交和生理压力方面的高度敏感性相关。进一步分析表明，HPA轴MGPS与亲子关系的交互项显著预测抑郁初始水平。RoS分析结果支持差别易感性模型，高MGPS个体在良好亲子关系中抑郁水平最低，而在低质量关系中风险显著升高，呈现“近朱者赤，近墨者黑”的双向敏感性。这说明遗传易感性并非决定性，而是在环境调节下动态发挥作用。
性别分组进一步揭示，女生模型中MGPS、亲子关系及其交互项均显著预测抑郁初始水平与变化速度；而在男生中，只有亲子关系呈显著预测作用，且效应较弱。这可能反映出男生情绪表达方式更趋回避，亲子关系对其早期情绪发展的影响较间接或延迟(Scholte & van Aken, 2006)。相比之下，女生更依赖亲密关系中的情感支持，对家庭氛围与遗传敏感性更为敏感(Leadbeater et al., 2012)，这在中国文化中可能因性别角色期待而被进一步放大(万雨霞 等, 2023)。男生则可能因情绪压抑呈现非典型或延迟性心理反应，提示未来研究应关注其隐性心理风险。该结果提示，基因与环境交互效应可能存在性别差异，尤其是母女亲属间的影响更强，可能与传统性别角色期待相关。然而，本研究未发现同性与异性亲属关系在交互作用上的显著差异，可能受多重因素影响。一方面，父母在中国文化中扮演的角色不同，父亲多为权威与纪律象征，母亲则以情感支持与照顾为主，两者对抑郁的影响机制可能存在差异。另一方面，实践经验显示，尽管多数青少年与母亲保持良好关系，但与父亲的关系更易波动，特别是在情绪困扰时，父亲支持的缺失可能被低估。进一步分析中，本研究将亲子关系作为时间可变协变量，发现对于低MGPS个体，亲子关系对其抑郁水平具有更显著预测力。特别是在T3时间点，母子关系对抑郁的影响显著，而父子关系不显著，可能反映母亲在情感支持上的持续性与敏感性更具保护作用，而父亲的社会化功能对情绪支持的影响相对有限。课题组实务观察也支持上述差异，提示父亲在青少年心理健康中的独特作用及其复杂性，值得进一步深入探讨。
本研究从发展的视角出发，聚焦亲子关系与HPA轴多基因谱评分MGPS对青少年抑郁的动态影响，突破了以往静态研究范式，强调基因效应在不同发展阶段的可变性与环境调节作用，为“基因−环境−时间”交互理论框架提供了实证支持。尽管本研究聚焦于青少年遗传敏感性的关键时期，数据基于三个追踪时间点，第三次测量因疫情推迟，仍限制了对抑郁与基因交互发展的长期理解。未来研究有必要延长追踪周期，以更全面地揭示基因与环境交互效应的持续性与阶段特征。此外，本研究采用的亲子亲密度量表在青少年群体中具有良好信效度，但未能涵盖冲突、控制或过度保护等维度，难以全面刻画亲子关系的复杂结构。后续研究可结合多维度测量工具，进一步细化亲子互动的情境性与功能性特征。最后，尽管本研究识别了性别在遗传–环境交互路径中的显著调节作用，但未发现同性与异性亲属之间的显著差异，未来可引入更客观或互动性测量手段，如亲子访谈、行为编码，以更准确揭示亲子关系结构在基因−环境交互机制中的角色差异。
5 结论
研究为青少年抑郁发展的遗传与环境因素的动态交互作用提供了宝贵的见解。结果强调在评估青少年抑郁发展时，需同时考虑遗传易感性和亲子关系的重要性。具体而言，研究发现，遗传风险评分较高的青少年在面对不良亲子关系时，尤其是在学业过渡等高压时期，更易受到影响。此外，鉴于性别差异的存在，临床干预应针对男生和女生的不同需求进行个性化调整。