✦
医学科研新动向
✦
Plasma proteome mediate the impact of PM2.5 on stroke: A 2-step Mendelian randomization study
孟德尔随机化
< PM2.5，血浆蛋白组>
研究设计
工具变量选择：选择与PM2.5和血浆蛋白显著相关的单核苷酸多态性（SNP）作为工具变量，满足相关性、独立性和排除限制假设。
统计分析：使用LDSC回归分析评估PM2.5暴露与中风特征之间的遗传相关性。采用IVW、MR-Egger等方法进行两样本MR分析，并进行敏感性分析以验证结果的可靠性。
核心结果
1. PM2.5对中风因果估计
通过PM2.5的GWAS研究，识别出120个作为工具变量的SNP，这些SNP在基因组范围内均与PM2.5显著相关。利用LDSC回归分析，发现PM2.5暴露与中风之间存在显著的遗传相关性（遗传相关性系数rg = -0.240, P = 0.001）。两样本孟德尔随机化分析显示，PM2.5暴露与中风风险显著相关（IVW OR = 1.219, 95% CI 1.024 – 1.451, P = 0.026）。Cochran’s Q检验结果表明，PM2.5对中风影响的效应存在异质性，IVW和MR-Egger方法的P值分别为0.034和0.030。因此，采用IVW随机效应模型验证了PM2.5与中风的正向关联（OR = 1.219, 95% CI 1.002 – 1.483, P = 0.047）。MR-PRESSO分析显示，没有显著的定向多效性。
2. PM2.5☽‖☾血浆蛋白的影响
两样本孟德尔随机化分析的第一步显示，PM2.5与77种血浆蛋白存在因果关联，其中最显著的五种蛋白为乳铁蛋白（IVW β = 0.710, 95% CI: 0.265 – 1.154, P = 0.002）、FAM134B（IVW β = 0.687, 95% CI: 0.237 – 1.137, P = 0.003）、锌指蛋白264（IVW β = 0.659, 95% CI: 0.216 – 1.102, P = 0.004）、C-X-C基序趋化因子16（IVW β = 0.662, 95% CI: 0.215 – 1.109, P = 0.004）和组蛋白脱乙酰酶复合物亚单位SAP30（IVW β = 0.631, 95% CI: 0.188 – 1.075, P = 0.004）。
血浆蛋白对中风的影响：两样本孟德尔随机化分析的第二步显示，DCLK3（IVW OR = 1.064, 95% CI: 1.010 – 1.121, P = 0.022）、FAM134B、Elafin和ITGB7与中风风险正相关，而SAP与中风风险负相关（IVW OR = 0.945, 95% CI: 0.913 – 0.978, P = 0.001）。Cochran’s Q检验结果显示，这些蛋白的效应不存在显著的异质性，MR-PRESSO分析结果显示没有显著的定向多效性。
3. PM2.5、血浆蛋白和中风的共定位分析
4. PM2.5与血浆蛋白和中风的共定位分析
共定位分析结果进一步表明，PM2.5暴露与血浆蛋白和中风之间的因果关系均由共同的SNP驱动。例如，PM2.5对Elafin的PP.H4 = 1.9%，对DCLK3的PP.H4 = 2.0%。
5. PM2.5与中风因果关系中的血浆蛋白中介效应
在1.0×10–5显著性水平下，DCLK3在PM2.5与中风因果关系中的中介比例为14.5%（95% CI: 0 – 38.0%），FAM134B为13.6%（95% CI: 0 – 33.3%），Elafin为11.1%（95% CI: 0 – 28.4%），ITGB7为9.9%（95% CI: 0 – 25.4%）。SAP未表现出显著的中介效应，可能与自身免疫相关。
小
结
机制研究： 进一步解析DCLK3、FAM134B、Elafin和ITGB7等蛋白在PM2.5暴露与中风发病过程中的具体功能和机制，以揭示潜在的生物学通路。 多中心研究： 在不同人群和地区进行多中心研究，以验证这些血浆蛋白在其他人群中的中介作用，确保结果的普适性和可靠性。 干预策略： 基于中介蛋白的作用机制，开发针对性的干预策略，以减轻PM2.5暴露对中风风险的影响。这包括药物干预、生活方式调整以及环境保护政策的制定和实施。 综合分析： 结合多组学数据（如转录组、代谢组和表观遗传组）进行综合分析，以全面揭示PM2.5暴露对机体健康的多层次影响。 长期随访研究： 设计和开展长期随访研究，以观察PM2.5暴露和血浆蛋白水平变化与中风发生率之间的长期关系，从而提供更具说服力的因果证据。
▼
-END-
文字丨本人编写，如有补充，请随时告诉我
（后台回复“MP”即可获取全文）
点击上方，关注我们
