睡眠呼吸暂停综合征(sleep apnea syndrome, SAS)是一种常见的慢性疾病,其临床表现多样,包括间歇性低氧、睡眠中断及自主神经功能波动
[1]。近年来,SAS的发病率逐年上升,已成为全球公共卫生领域的重大挑战。由于症状困扰明显、病程迁延不愈,SAS严重降低了患者的生活质量
[2]。既往研究表明,SAS与多种已知的危险因素相关,包括肥胖、男性、高龄及吸烟,不仅会引发白天嗜睡,还可加重心血管疾病、代谢功能障碍、全身性炎症及机体对感染的免疫应答受损等系列问题
[3-6]。鉴于SAS的高患病率及多重危害,识别其潜在的因果风险因素对于疾病的筛查与预防至关重要。
在消化系统领域,大量证据揭示了SAS与胃食管反流(gastroesophageal reflux disease, GERD)
[7-8]、非酒精性脂肪性肝病(non-alcoholic fatty liver disease, NAFLD)
[9-10]、结直肠肿瘤和胆结石等的密切关联
[11-12]。此外,不同类型的SAS(如完全性呼吸暂停和间歇性低氧)也被证实会显著改变肠道菌群的组成结构
[13-15]。然而,这些关联背后的遗传机制与因果关系仍不明确。
近年来,大规模遗传研究的进展结合先进的统计方法,使研究者能够克服以往的局限性,揭示疾病的共同与特异性遗传框架,从而加深对疾病生物学的理解
[16-18]。尽管已有部分孟德尔随机化(Mendelian randomization, MR)分析探索了GERD、肠道菌群与SAS之间的因果关联
[19-21],但现有研究多聚焦于单一因果路径,对SAS与胃肠疾病间全基因组范围的共享遗传结构缺乏系统解析。
为突破以上局限,现运用大规模遗传数据与综合分析方法,深入揭示SAS与胃肠疾病的共病机制。通过遗传相关性评估遗传联系,跨性状荟萃分析识别共享遗传位点, MR分析探讨因果关系,利用基于汇总数据的孟德尔随机化(summary-based Mendelian randomization, SMR)分析筛选潜在致病基因,为后续机制研究与靶向干预提供精准靶点。
1 研究方法
1.1 研究设计
基于大规模全基因组关联研究(genome-wide association studies,GWAS)的汇总数据,采用新型统计遗传学方法展开。为降低种群分层导致的偏倚,所有遗传数据均来源于欧洲人群。研究设计概览如
图1所示。采用基因组范围的跨性状分析,评估遗传相关性,识别多效性遗传位点,分析基因表达与性状的关联,并推断潜在因果关系。
1.2 GWAS数据来源
利用了公开可获取的GWAS汇总统计数据,探讨胃肠疾病与SAS之间的遗传重叠及因果关系。数据集的选择基于研究相关性、欧洲人群背景及全基因组显著性阈值,以确保分析的一致性和可靠性。溃疡性结肠炎(ulcerative colitis,UC)、克罗恩病(Crohn’s disease, CD)、胃十二指肠溃疡、慢性胃炎、急性胃炎及功能性消化不良(functional dyspepsia,FD)的数据均来源于FINNGEN联盟(www.finngen.fi/en)
[22]。FinnGen是一个大规模基因组研究计划,旨在对芬兰50万名个体进行基因分型,研究对象包括前瞻性和回顾性流行病学队列、特定疾病队列及医院生物样本库
[23]。所使用的FINNGEN数据包括UC(
n=364 454)、CD(
n=361 934)、胃十二指肠溃疡(
n=329 603)、慢性胃炎(
n=329 957)、急性胃炎(
n=322 757)及FD(
n=329 262)的GWAS汇总统计数据。
GERD、肠易激综合征(irritable bowel syndrome,IBS)和SAS的数据来源于GWAS Catalog(
https://www.ebi.ac.uk/gwas/),其登录号分别为GCST90000514、GCST90016564和GCST90267361。GERD的表型数据来自迄今为止针对欧洲人群规模最大的GERD GWAS研究,涉及129 080例GERD患者及473 524名对照者。研究中的对照组为既往及当前均无上消化道疾病病史的个体。GERD患者的界定依据包括GERD的自述症状(如烧心)、GERD相关药物的使用情况,以及ICD-10编码的医院病历
[24]。IBS的数据来源于一项涉及53 400例IBS患者和433 201名对照者的GWAS研究,研究对象均为欧洲血统人群。IBS的诊断标准包括以下任一条件:①符合Rome III标准的IBS症状诊断且无其他可解释症状;②已获得临床医生的IBS诊断;③自述符合IBS诊断标准;④通过住院或日间病房就诊的医院病例数据,记录有IBS诊断并按照ICD-10编码分类
[25]。共有25 008例SAS患者数据来自GWAS,且与337 630名欧洲血统对照者进行比较。每个队列中的SAS病例均根据参与者报告的诊断或电子健康记录中发现的特定诊断编码(ICD-9:327.23 和 ICD-10:G47.3)进行确认。
1.2.1 遗传相关性分析
全基因组遗传相关性(
rg)用于衡量两个性状之间遗传效应的共享程度,且不受环境因素干扰。使用连接不平衡评分回归(linkage-disequilibrium score regression,LDSC)算法进行GWAS全基因组遗传相关性分析,该算法旨在评估整个基因组范围内遗传效应的平均共享,同时考虑环境混杂因素
[26]。估计值的范围从-1~1,其中-1表示完全负遗传相关性,1表示完全正遗传相关性。
1.2.2 跨性状荟萃分析
在评估性状间遗传相关性后,使用R包CPASSOC(cross-phenotype association)进行跨性状GWAS荟萃分析。该分析旨在整合SAS与胃肠疾病在个体遗传变异层面的关联证据。此项探索性事后分析根据LDSC设定的标准(即
rg>10%且
P<0.05)进行
[27]。
CPASSOC提供了两种统计检验量:
SHom和
SHet,用于分析多性状的遗传关联
[27]。
SHom统计量采用固定效应荟萃分析方法,适用于遗传效应大小在不同性状之间一致的情况。然而,在分析多个性状时,假设效应一致性可能不成立。作为
SHom的扩展,
SHet统计量通过考虑不同研究设计、环境因素、群体特征和多样的表型结果带来的效应差异,提供了更强的统计功效
[28]。
采用了异质性CPASSOC 的
SHet方法。通过成对的
SHet分析,将每种胃肠疾病的汇总统计数据与SAS进行结合。使用PLINK方法,设置以下参数(--clump-
p 0.99--clump-
r2 0.2--clump-kb 500)来识别相互独立的显著位点,即与峰值的
r2>0.2且距离小于500 kb的变异被归为该峰值的聚类
[29]。显著的SNP是指每个性状的
Psingle trait<1×10
-8以及跨性状的
PCPASSOC<5×10
-8的变异
[30]。为进一步对CPASSOC识别出的变异位点进行功能注释,使用数据库Ensemble和数据库VEP(variant effect predictor)工具进行分析
[31]。
1.2.3 GWAS与eQTL数据集的整合
基于汇总数据的孟德尔随机化(SMR)是一种整合来自全基因组关联研究(GWAS)和表达数量性状位点(expression quantitative trait locus,eQTL)研究汇总数据的统计方法,可用于预测致病基因
[32-33]。SMR分析的基本概念是使用遗传变异作为工具变量,研究基因表达与目标表型之间的因果关系。选取eQTL(
P≤5×10
-8)的表达探针作为主要关联变异位点。该方法包括两个主要检验:SMR检验和依赖性工具的异质性检验(heterogeneity in dependent instruments,HEIDI)。SMR通过模拟分析评估遗传变异对基因表达、遗传变异对表型以及基因表达对表型的单独影响。HEIDI用于区分多效性效应与连锁效应。采用HEIDI>0.01的阈值来表示异质性证据有限的情况
[34]。如果某基因同时满足SMR检验(
P<0.05)和HEIDI检验(HEIDI>0.01),则该基因被视为潜在致病基因。
1.2.4 MR分析
为探讨与高发病率相关的SAS与多种胃肠疾病之间的潜在因果关系。为此,重点关注了8种胃肠疾病: UC、CD、GERD、胃十二指肠溃疡、慢性胃炎、急性胃炎、IBS和FD。采用逆方差加权(inverse variance weighted,IVW)方法作为主要分析方法进行了两样本孟德尔随机化(MR)分析,并辅以其他方法以增强研究结果的稳健性。
为验证MR模型假设,进行了系列敏感性分析:首先剔除了存在标准歧义的回文结构工具变量——这类工具变量为在DNA正反链上同时出现A/T或G/C碱基对的单核苷酸多态性(single nucleotide polymorphism,SNP),可能引发链特异性歧义。此外,通过 MR-Egger回归,在较为宽松的假设下提供了可靠的估计值,并计算Cochran’s Q值以量化工具变量间的异质性。研究还使用了MR-PRESSO框架进一步探讨潜在的多效性和异常值。在该框架中,包含了全局检验用于检测工具变量(instrumental variable,IV)之间的多效性。如果全局检验结果显著,则采用异常值检验,通过去除异常值来修正多效性。所有的MR分析均在R 4.2.2版本中进行。
2 结果分析
2.1 遗传相关性
结果发现CD与SAS、GERD与SAS、胃十二指肠溃疡与SAS、慢性胃炎与SAS之间、急性胃炎与SAS之间、IBS与SAS之间以及FD与SAS之间存在显著正向遗传相关性(
表1)。反之, UC与SAS之间未观察到显著的遗传关联。
2.2 胃肠道疾病与SAS的跨性状荟萃分析
为了识别影响胃肠疾病和SAS的单核苷酸多态性(SNPs),进行了CPASSOC分析。确认了4个CD与SAS之间的共享位点(
表2),25个GERD与SAS之间的共享位点(
表3),2个胃十二指肠溃疡与SAS之间的共享位点(
表4),9个IBS与SAS之间的共享位点(
表5),4个FD与SAS之间的共享位点(
表6)。而慢性胃炎和急性胃炎,与SAS之间未发现显著共享位点。所有这些SNP均满足标准:
Psingle trait<1×10
-3且
Psingle trait>5×10
-8,
PCPASSOC<5×10
-8。
在CD与SAS的共享位点中,最显著的SNP(rs3130248,PCPASSOC =8.04×10-9)靠近GABBR1基因,该基因编码GABA B受体的亚单位。在GERD与SAS共享的25个SNP中,最显著的共享位点rs42302(PCPASSOC=6.59×10-11)接近POC5基因,该基因编码一种广泛表达的蛋白,富含于中心粒中。对于胃十二指肠溃疡和SAS,最突出的共享SNP(rs16968480,PCPASSOC=1.48×10-9)接近CDH11基因,CDH11又名钙黏蛋白-11,是一种编码II型经典钙黏蛋白的蛋白质编码基因。在9个IBS和SAS共享的SNP中,最显著的共享位点rs6887323(PCPASSOC=1.76×10-11)靠近FGF18基因,该基因编码一种生长因子,主要与FGF受体结合,影响多种生物过程。FD和SAS之间的共享SNP(rs11030323,PCPASSOC=6.61×10-9)位于METTL15基因附近,后者是具有甲基化酶活性的基因,对RNA甲基化的调控具有重要意义。此外,CPASSOC识别的44个显著SNP中,有17个无法映射到任何特定基因。
2.3 胃肠道疾病与SAS共病相关基因的识别(SMR)
SMR分析识别出与胃肠道疾病和SAS相关的具有潜在因果作用的基因,提示其在该疾病的发病机制中具有直接因果关系。整合各胃肠道疾病和SAS的共有的潜在候选基因,这些基因可能对两种疾病均具有直接的生物学效应,表明这两种疾病之间可能存在一定的遗传重叠或共病基础。通过结合每种胃肠疾病和SAS的潜在候选基因,结果发现UC与SAS存在100个潜在多效性基因,CD与SAS存在106个,GERD与SAS存在213个,胃十二指肠溃疡与SAS存在70个,慢性胃炎与SAS存在93个,急性胃炎与SAS存在72个,IBS与SAS存在137个,FD与SAS存在78个。通过整合SMR和CPASSOC的分析结果,METTL15为既具有因果性又可能存在跨性状效应的关键基因,凸显了METTL15在FD和SAS之间可能的遗传关联,提供了理解两者共病机制的重要线索。
2.4 胃肠道疾病与SAS的MR分析
进行了一项双向两样本MR分析,以探讨每种胃肠疾病与SAS之间潜在的因果关系。MR分析的结果如
图2所示。GERD每单位标准差的增量与SAS风险增加相关。这一效应在使用Simple mode或Weighted median approach分析时仍然一致,且未发现水平多效性存在的证据(MR-Egger截距的
P=0.25)。相反,其他胃肠疾病与SAS风险之间未观察到显著相关性。这些结论得到了两项关键灵敏度分析的支持。
通过反向MR分析确认了GERD与SAS之间的因果关系。然而,未观察到SAS的遗传易感性对其他胃肠疾病的影响:UC、CD、胃十二指肠溃疡、慢性胃炎、急性胃炎、IBS、FD(
图3)。这部分结果表明,虽然GERD与SAS之间存在因果联系,但SAS的遗传易感性对其他胃肠疾病没有显著的影响。
3 讨论与结论
通过全面的全基因组跨性状分析系统性研究了胃肠道疾病与SAS之间的共同遗传结构和潜在因果关系。研究发现胃肠道疾病与SAS之间存在显著的正向遗传相关性。通过CPASSOC分析,确认了多种胃肠疾病(如CD、GERD、胃十二指肠溃疡、慢性胃炎、急性胃炎、IBS、FD)与SAS之间的多个共享位点,揭示了高相关性性状间潜在的共同遗传基础。此外,SMR分析进一步识别了与胃肠道疾病和SAS相关的潜在致病基因,这为理解这些疾病之间的分子机制提供了新的见解。MR分析的结果表明,GERD对SAS的发生具有因果影响,且SAS也可能增加GERD的风险,这一双向关系与现有研究一致,进一步验证了两者之间的因果联系。采用了先前未使用的综合分析方法,包括遗传相关性分析、跨性状荟萃分析、SMR和MR分析,提供了对胃肠道疾病和SAS之间复杂关系的更全面理解。这些方法不仅增强了统计学的功效,还揭示了可能的共同遗传区域,并识别出了潜在的多效基因,为未来的研究和临床干预提供了新的方向。总之,研究结果不仅丰富了对胃肠道疾病和SAS之间遗传关系的认识,也为未来相关疾病的治疗策略提供了新的思路。这些发现突显了利用先进统计方法深入探索复杂遗传机制的重要性,并为临床管理这些疾病提供了宝贵的科学依据。
3.1 讨论
观察性研究已经揭示了某些消化系统疾病如GERD、NAFLD、结直肠肿瘤以及胆结石与SAS之间的显著关联。此外,越来越多的证据表明,SAS的不同表现形式,包括真正的呼吸暂停和间歇性低氧,显著影响肠道微生物群的组成
[35]。慢性炎症、交感神经亢进、氧化应激、肠道菌群失调及代谢紊乱等多种潜在机制,可能在这一复杂关联中发挥作用。如GERD的症状不仅会干扰睡眠的开始和持续,导致睡眠片段化和休息不足,还可能通过引发咽部水肿,增加睡眠期间上气道阻塞的风险
[36-38]。此外,反流内容物进入气道可引发气管痉挛和气道高反应性,同时损伤气道和肺泡表面的生物活性化合物,可能导致肺不张。
SAS不仅降低睡眠质量并导致缺氧,还引发交感神经系统过度激活、胰岛素抵抗和促炎反应,从而多方面影响胃肠道健康
[39]。在一项随机对照试验中发现,睡眠不足会增加食管酸暴露,可能导致pH值检测异常
[40]。另一种假设认为,在SAS中,胃肠负担和腹腔压力的增加可能减少下食管括约肌的松弛,从而促进反流
[41-43]。有研究表明,SAS可能与低氧环境中的结肠癌发展相关
[11]。还有研究表明,SAS是肠道损伤的一个促发因素,并提出SAS患者的肠道通透性增加,可能会加剧NAFLD的发生
[44]。反复发生的肠道缺血再灌注会对肠道屏障造成显著损害,使得细菌及其毒性代谢产物从肠腔进入血液循环。多项研究显示SAS患者和小鼠模型中存在显著的肠道菌群失调,这提示肠道菌群失调可能有助于SAS的发病机制
[14,45 -47]。类似于SAS的间歇性低氧被认为会改变肠道菌群的组成和多样性,表明SAS患者体内宿主与肠道菌群之间的生理相互作用可能受到干扰
[45]。鉴于胃肠疾病与SAS在炎症和免疫调节方面的共同潜在机制,肠道菌群失调应被视为这些疾病之间系统性炎症和免疫调节的关键媒介。此外,胃肠疾病和SAS均与肥胖相关,肥胖是SAS的一个重要风险因素,因为肥胖与许多胃肠疾病密切相关,如脂肪肝、代谢综合征、胰岛素抵抗等
[48]。SAS可以影响自主神经系统,包括交感神经和副交感神经,这可能会影响胃肠系统的神经调节,进而影响胃肠蠕动和胃酸分泌等过程。
通过跨性状荟萃分析,结果发现胃肠道疾病与SAS之间有46个共同的SNPs,揭示了两者之间共享的生物学机制,这些基因可能通过跨性状的遗传影响,促进了SAS和胃肠道疾病的共同发病机制。在这些共同的遗传位点中,特别关注了
GABBR1、
CDH11、
METTL15、
POC5和
FGF18等基因在发病机制中的潜在作用。
GABBR1基因编码一种GABAB受体亚单位,该受体对中枢神经系统功能至关重要,研究发现,
GABBR1基因与SAS具有遗传关联,且通过不同人群的交叉谱系贝叶斯元分析发现,
GABBR1与IBD也存在遗传关联
[49-50]。现有研究提示,神经递质释放异常可能与肠易激综合征等胃肠道疾病相关,而肠神经元与平滑肌间GABA能信号通路的发现,进一步揭示了该基因在促进先天免疫与肠道防御中的作用
[51]。Cadherin是一种依赖钙离子的同源细胞粘附糖蛋白,对细胞-细胞粘附至关重要,在人体的生长和发育过程中发挥着关键作用。
CDH11基因与一系列疾病的发生密切相关,主要包括多种癌症、纤维化疾病、免疫系统疾病等
[52]。研究表明,
CDH11在胃癌和结直肠癌中的表达显著高于正常组织,这提示其过表达与肿瘤细胞迁移和侵袭过程之间可能存在联系
[53-54]。
POC5基因位于5号染色体的q13区域,编码一种在中心粒中丰富表达的蛋白,主要参与组装中心粒的远端半部以及中心粒的延伸,同时在细胞极性、分裂和细胞骨架形成等细胞功能中发挥重要作用
[55-56],有研究提示
POC5基因突变可能在特发性脊柱侧弯的发生中起到一定作用
[57-58]。未来的研究需要进一步阐明
POC5在SAS和胃肠疾病中的具体作用及其潜在机制。
FGF18是一种生长因子,主要通过与FGF受体结合,激活下游信号通路,调节细胞增殖、迁移和存活,从而影响多种生物学过程。研究表明,
FGF18促进肝纤维化并作为潜在的治疗靶点,同时在包括结直肠癌和胃癌在内的多种癌症中,
FGF18也显示出作为预后因子和潜在抗癌治疗靶点的前景
[59-62]。METTL15是一种具有甲基转移酶活性的蛋白,在细胞中对RNA甲基化的调控起着关键作用。目前尚无研究将该基因与SAS及胃肠疾病联系起来。一项跨种族荟萃分析的研究通过分析30项研究,发现了与儿童肥胖相关的全新基因位点
METTL15[63]。研究表明,METTL15的正常功能对于线粒体核糖体的生物合成以及维持细胞代谢稳态至关重要
[64-65]。
METTL15在代谢调节中的作用可能是影响SAS和胃肠疾病发展的关键因素。在FD和SAS之间,
METTL15被发现是CPASSOC分析中识别出的共享基因位点,也是SMR分析中识别出的具有潜在因果作用的基因。这表明
METTL15的遗传变异及其编码的
METTL15蛋白可能在两种疾病的发生发展过程中发挥重要影响,且可能成为SAS和FD并行管理的潜在靶点。SMR与CPASSOC整合分析方法帮助揭示了基因如何通过影响不同疾病的病理过程来形成共病机制,为探索新的生物学见解和潜在治疗靶点提供了可能。这样的关键基因不仅揭示了潜在的共病路径,还提示了遗传基础对多种疾病的综合影响,为理解疾病关联和设计干预措施提供了更全面的视角。
通过遗传相关性估计两种性状之间的多效性或共享位点,可以为观察性研究提供有意义的遗传学见解,而MR分析则有助于识别因果关系。本研究发现GERD与SAS在发病机制上存在一定的联系。既往观察性研究发现GERD与SAS之间存在密切的临床相关性,而MR分析也表明两者之间存在因果关系,这与本研究结果一致。尽管其他胃肠疾病未发现与SAS存在因果关联,但本研究填补了当前该领域的空白。SAS与胃肠疾病均为受多基因影响的复杂疾病,MR等分析有望揭示既往研究中未能充分考虑的特定基因关联或遗传变异。未来需要进一步研究以验证MR分析结果的可重复性及临床意义。
本文研究存在一些局限性。首先,SAS可根据严重程度分为轻度、中度和重度。对于某些胃肠疾病,如IBD其发病机制可能更加复杂,涉及多种环境和遗传因素的相互作用,这可能限制了MR分析的解释能力。为了揭示更多新的共享基因位点,未来需针对疾病亚型、性别或相关表型采用更大样本量开展研究。此外,本研究结果所揭示的共享遗传基础仅限于欧洲人群。因此,进一步开展涵盖多种族群的GWAS是必要的,以加深对相关遗传因素的理解。其次,尽管新的分析方法在该领域的研究中取得了显著进展,但必须认识到,IVs对某些性状的表型变异解释仍然相对有限。因此未来需要进一步的研究以提高统计功效。最后,研究所获得的见解仅基于功能性数据集和计算算法,需通过全面的实验研究才能深入理解其背后的病理生理学机制。
3.2 结论
总之,利用GWAS汇总统计数据和先进的统计遗传学方法,在以往观察结果的基础上揭示了胃肠道疾病与SAS之间的潜在联系,加深了对SAS和胃肠道疾病共病机制的理解,也提示了关键基因位点在多病共病中的潜在作用。胃肠疾病与SAS的遗传关联为临床实践中SAS的风险标识提供了有价值的参考,并提高了高风险群体的警觉性。未来,进一步的实验研究将帮助验证这些机制,为精准医疗和新的治疗靶点开发奠定基础。
PDF
(5657KB)
