睡眠是一种在整个动物界广泛的生理现象。它的基本结构在遗传上是保守的。然而，这种结构会因环境因素发生短暂或长期的改变。

　　由于现代生活方式的多样化，环境因素对人类睡眠产生了深远的影响：通过人造光、摄入咖啡因或酒精等物质，可以暂时影响清醒或睡眠，并以此来抵抗遗传预定的睡眠时间（昼夜节律）。这也因此导致了各种睡眠类型多样性，包括睡眠障碍，并对健康造成了负面影响，包括生理影响（嗜睡、疲劳和高血压）、认知障碍（表现、注意力、动力、精神集中和智力能力下降）、免疫系统功能障碍，以及可能与精神疾病相关的并发症。

　　为了揭示人类睡眠表型，研究人员首先根据英国生物样本库中103200个手臂加速度计采集的数据集对睡眠模式进行分类。这些数据来自30至60岁的男性和女性参与者，他们使用腕带式加速度计进行了连续7天的睡眠测量。

　　通过结合新开发的机器学习算法（ACCEL），研究人员将大规模加速度计数据转换为睡眠/唤醒时间序列数据，并从中转化为21个睡眠指标，从而揭示出16个睡眠表型，其中包括7种不同的失眠样表型。他们发现，这些结果与测量的季节或时间没有明显的相关性，但与医学描述的独特睡眠表型一致。

　　该算法的高度特异性使研究人员可以准确检测睡眠期间的短期清醒事件，这在以前的研究中是难以实现的。

　　接下来，为了更详细地检查与睡眠障碍相关的睡眠模式，研究人员关注了21个睡眠指标中的6个，包括总睡眠时间和入睡后醒来的时间，这些都被认为与睡眠障碍密切相关。

　　通过应用相同的分析，他们将这些数据分成8个簇，具体命名如下：

　　睡眠时间长且处于半醒状态的失眠症

　　睡眠时间不规律

　　睡眠时间短的碎片化睡眠

　　睡眠时间正常的失眠症

　　睡眠时间短的失眠症

　　24小时内更长的睡眠/唤醒周期

　　严重的睡眠障碍

　　没有白天睡眠窗口的睡眠

　　此外，研究人员还发现，准确和长期的睡眠测量可以帮助诊断伴有睡眠障碍的精神障碍，因为这种疾病的详细睡眠表型根据潜在的精神状况而不同，并可能作为数字生物标志物发挥作用。例如，15%的抑郁症患者抱怨睡眠不足，大约70%的精神疾病患者抱怨失眠，包括难以开始或维持睡眠。因此，通过根据睡眠障碍并发症对其进行分类，也许可以更精准的对精神疾病进行诊断。

　　总之，通过大规模分析睡眠数据，这项研究揭示了人类睡眠表型的景观，使定量分类与生活方式相关的睡眠类型成为可能，并将有助于构建新的失眠诊断方法和开发对应的治疗策略。