ارزیابی رابطه بین پروتئین واکنشی C با حساسیت بالا و عملکرد کلیه با استفاده از تصادفی سازی مندلی در مطالعه J-MICC مبتنی بر جامعه ژاپنی

خلاصه

سابقه و هدف: التهاب به عنوان یکعامل خطر بیماری کلیوی. با این حال، آیا وضعیت التهابی علت یا نتیجه آن استبیماری مزمن کلیویبحث برانگیز باقی می ماند. هدف ما بررسی رابطه علی بینپروتئین واکنشی C با حساسیت بالا(hs-CRP) وتخمین نرخ فیلتراسیون گلومرولی(eGFR) با استفاده از رویکردهای تصادفی سازی مندلی (MR).

مواد و روش ها:در مجموع 10521 شرکت کننده در مطالعه همگروهی چند نهادی ژاپن در این مطالعه مورد تجزیه و تحلیل قرار گرفتند. ما از روش‌های MR دو نمونه‌ای (واریانس معکوس وزنی (IVW)، میانه وزنی (WM)، و روش MR-Egger) برای تخمین اثر hs-CRP تعیین‌شده ژنتیکی بر عملکرد کلیه استفاده کردیم. ما چهار و سه پلی‌مورفیسم تک نوکلئوتیدی مرتبط با hs-CRP (SNPs) را به‌عنوان دو متغیر ابزاری (IV) انتخاب کردیم: IVCRP و IVAsian، بر اساس SNP‌هایی که قبلاً در جمعیت‌های اروپایی و آسیایی شناسایی شده بودند. IVCRP و IVAsian به ترتیب 3.4 و 3.9 درصد از تغییرات hs-CRP را توضیح دادند.نتایج:با استفاده از IVCRP، hs-CRP تعیین شده ژنتیکی ارتباط معنی‌داری با آن نداشتeGFRدر روش‌های IVW و WM (تخمین در هر واحد افزایش در ln(hs-CRP)، 0.000؛ فاصله اطمینان 95% [CI]، −0.{{ 7}}19 تا 0.020 و -0.003; }}.019 تا 0.0به ترتیب 14). برای IVAsian، نتایج مشابهی با استفاده از روش‌های IVW و WM پیدا کردیم (تخمین، 0. }20 تا 0.010 و -0.004؛ 95% فاصله اطمینان (CI)، 0.020 - تا 0.012). روش MR-Egger همچنین هیچ رابطه علّی بین hs-CRP و eGFR نشان نداد (IVCRP: 0.008-؛ 95% فاصله اطمینان (CI)، 0.058- تا 0.042؛ IVAsian: 0.001؛ 95% CI، 0.036- تا 0.036).

نتیجه گیری:آنالیزهای MR دو نمونه ای ما با IV های مختلف از اثر علی hs-CRP بر eGFR پشتیبانی نمی کند.

کلید واژه ها: hs-CRP; eGFR؛ مطالعه تصادفی سازی مندلی;اپیدمیولوژی ژنتیکی; التهاب

برای دریافت عصاره طبیعی سیستانچ ارگانیک با 25% اکیناکوزید و 9% آکتئوزید برای عملکرد کلیه اینجا را کلیک کنید

خدمات حمایتی Wecistanche - بزرگترین صادرکننده سیستانچ در چین:

ایمیل:wallence.suen@wecistanche.com

واتساپ/تلفن:+86 15292862950

خرید برای جزئیات بیشتر مشخصات:

https://www.xjcistanche.com٪2fcistanche-shop

معرفی

التهاب سیستمیک یکی از موارد در نظر گرفته می شودعوامل خطر بیماری های مزمن شایع، شاملدیابت قندی,1 فشار خون بالا,2 بیماری های قلبی عروقی، 3 وبیماری مزمن کلیوی(CKD).4 به طور کلی،پروتئین واکنشی C(CRP) به عنوان بیومارکر التهاب سیستمیک در تحقیقات بالینی و پایه استفاده شده است. اگرچه مطالعات طولی قبلی ارتباط بین سطوح CRP و CKD را در جمعیت‌های مختلف مورد بررسی قرار داده‌اند، شواهدی مبنی بر علیت این ارتباط همچنان بحث‌برانگیز است. یک محقق همچنین یک متاآنالیز منتشر کرده است که نشان می‌دهد مکمل‌های ویتامین D می‌توانند سطوح CRP در گردش را کاهش دهند. این مطالعات روی هم نشان می‌دهند که مداخلات روی CRP ممکن است به بهبود عملکرد کلیه کمک کند.

در سال های اخیر،تصادفی سازی مندلیرویکرد (MR) توجه زیادی را در اپیدمیولوژی ژنتیک به خود جلب کرده است. بزرگترین مزیت این روش بررسی رابطه علی بین قرار گرفتن در معرض (X) و نتیجه (Y) از مجموعه داده های مشاهده ای با استفاده از انواع ژنتیکی به عنوان متغیرهای ابزاری است (G: IV). توسعه تجزیه و تحلیل MR متوالی پس از آن رخ دادr شناسایی پلی مورفیسم های تک نوکلئوتیدی(SNP) در مطالعات ارتباط ژنومی (GWAS). همانند سایر پیامدهای سلامتی، GWAS SNP های مرتبط با سطوح CRP، از جمله ژن CRP در کروموزوم 1.12،13 را شناسایی کرد. قرار گرفتن طولانی مدت در معرض سطح=پایین CRP بالاتر. بنابراین، SNP های مرتبط با سطح سرمی CRP برای IV برای بررسی روابط علی بین CRP و چندین شرایط پاتوفیزیولوژیکی مناسب هستند و در مطالعات قبلی MR در میان بزرگسالان در کشورهای اروپایی استفاده می‌شوند. 15-17

در کشورهای آسیایی، مطالعات کوهورت در مقیاس بزرگ، ژنوم‌های انسانی را جمع‌آوری کرده و ژنوتیپ‌سازی را در چند دهه گذشته انجام داده‌اند. چندین محقق GWAS را انجام دادند و جایگاه‌های جدیدی را در ارتباط با سطوح CRP در جمعیت‌های آسیایی یافتند. این مطالعات محققان را قادر می‌سازد تا مطالعات MR را با استفاده از SNP‌های مرتبط با CRP در جمعیت‌های آسیایی انجام دهند، که به نظر می‌رسد از نظر تفاوت‌های قومی مهم است. بنابراین، ما بررسی کردیم که آیا سطوح hs-CRP تعیین شده ژنتیکی با استفاده از دو IV مختلف، بر اساس SNP های شناسایی شده در جمعیت های اروپایی و آسیایی، ارتباط علّی باعملکرد کلیهدر یک جمعیت ژاپنی با استفاده از رویکردهای MR.

مواد و روش ها

موضوعات را مطالعه کنید

The study subjects were participants of the Japan Multi-institutional Collaborative Cohort (J-MICC) Study which was conducted in 14 study areas throughout Japan. The purpose of the J-MICC study was to find out the risk factors of cancer and other diseases by examining the relationship between genetic variants, lifestyle habits, blood components, and disease. The eligibility for the J-MICC Study was adults aged 35–69 years living in each study area. The details of the J-MICC Study have been described previously elsewhere and the latest information is available on its website (http:==www.jmicc.com).21,22 The selection process of participants is shown in Figure 1. From the genotyped 14,539 subjects, 26 samples with inconsistent sex information between the questionnaire and an estimate from genotype were excluded. The identity-by-descent method implemented in the PLINK 1.9 software (https:==www.cog-genomics.org=plink2) identified 388 relative pairs (pi-hat >0.1875) and one sample of each pair was excluded. Principal component analysis with a 1,000 Genomes reference panel (phase 3) (http:==www. international genome.org= category=phase-3=) detected 34 subjects whose estimated ancestries were outliers from the Japanese population. The 34 samples were excluded. Among all the remaining 14,091 samples, five subjects withdrew their consent to participate, leaving 14,086 subjects for the final analyses. Of these, the values of serum hs-CRP were available only at three study sites. Therefore, we decided to use a two-sample MR study design, rather than a single sample MR for a smaller dataset. We divided the participants into two groups; 1) 2,503 participants (available for hs-CRP) and 2) 12,501 participants (non-overlapping participants), which are by a basic principle of two-sample MR (nonoverlapping populations with the same ethnicity, similar sex, and age distribution).23 After excluding participants who had an extremely high value for hs-CRP (hs-CRP >3.0 mg=dL, n = 828) and eGFR (eGFR >120 میلی‌لیتر=دقیقه=1.73 متر مربع، n=3،647)، و کمتر از حد تعیین مقدار برای hs-CRP (n=8)، در مجموع 10521 ژاپنی (1667 برای ارتباط ژنتیکی با hs-CRP [به عنوان مجموعه داده CRP نامیده می شود] و 8854 برای ارتباط ژنتیکی با eGFR [به نام مجموعه داده eGFR]) در MR دو نمونه ای این مطالعه تجزیه و تحلیل شدند. رضایت کتبی آگاهانه از همه شرکت کنندگان این مطالعه اخذ شد. مطالعه J-MICC با رعایت دستورالعمل‌های اخلاقی برای تحقیقات ژنوم انسانی و توالی‌یابی ژنتیکی انجام شد. رویه این مطالعه توسط کمیته بازبینی اخلاقی دانشکده پزشکی فارغ التحصیل دانشگاه ناگویا (939-14)، مرکز سرطان آیچی و همه مؤسسات تحقیقاتی تأیید شد. ما تجزیه و تحلیل را با استفاده از مجموعه داده نسخه 20190728 انجام دادیم.

اندازه گیری hs-CRP و eGFR

نمونه های سرم از همه شرکت کنندگان جمع آوری شد. ما hs-CRP را با استفاده از نفرومتری تقویت‌شده با لاتکس اندازه‌گیری کردیم. کراتینین سرم با استفاده از روش آنزیمی اندازه گیری شد. برخی موسسات کراتینین سرم را با استفاده از روش Jaffe اندازه گیری کردند و سپس آن را به مقدار معادل روش آنزیمی تبدیل کردند. eGFR با استفاده از معادله ژاپنی پیشنهاد شده توسط انجمن نفرولوژی ژاپن محاسبه شد: eGFR (mL= min=1.73 m2)=194 × کراتینین سرم (mg=dL) −1.{{10}}94 × سن-0.287 (× 0.739 برای زنان).24

انتخاب متغیرهای ابزاری

لیست SNP های کاندید برای IV ها در جدول 1 نشان داده شده است. ابتدا، ما چهار SNP (rs3093077، rs1205، rs1130864، و rs1800947) را در ژن CRP که به عنوان IV در مطالعات MR قبلی استفاده می شد، انتخاب کردیم.15 در این مطالعه، این SNP ها به عنوان حداقل زیر مجموعه برای به دست آوردن تنوع در ژن CRP در جمعیت های اروپایی انتخاب شدند و IVCRP نامیده شدند. در مرحله بعد، ما در نظر گرفتیم که انتخاب SNPها و توسعه IVهای اصلی در یک جمعیت آسیایی ضروری است زیرا IVCRP بر اساس SNPهای شناسایی شده در افراد اروپایی تبار توسعه یافته است. بنابراین، ما کلمه "CRP" را در کاتالوگ GWAS (https:==www.ebi.ac.uk= gwas=) ​​جستجو کردیم و با توجه به معیارهای زیر: 1) یک مطالعه انجام شده در یک جمعیت آسیایی، و 2) یک مطالعه با هر دو مرحله کشف و تکرار. پس از انتخاب مبتنی بر وب، در نهایت 13 SNP را انتخاب کردیم. برای 151233628، به دلیل کیفیت تلفیق پایین (MAF<0.05 and r2 < 0.3), this SNP was not included in the original J-MICC dataset. Of the remaining 12 SNPs, 6 SNPs (rs12133641, rs9375813, rs2097677, rs79802086, rs2393791, and rs1169284) were excluded because these SNPs were not significantly associated with hs-CRP in our dataset (P > 0.0042 = 0.05=12). Next, rs814295 (GCKR) and rs429358 (APOE) were likely to have pleiotropic effects on kidney function. rs3093059 was excluded due to the high linkage disequilibrium (LD) with rs3093068 in the CRP dataset (r2 > 0.9). Finally, three SNPs (rs30933068, rs7553007, and rs7310409) were included in our analysis and were called as IVAsian (Table 2).

تحلیل آماری

To confirm the cross-sectional association between hs-CRP and eGFR, multiple linear regression analysis was performed with adjustments for sex, age, and study sites. We performed two-sample MR approaches after dividing the participants into two datasets (CRP and eGFR datasets) as described above. Methods for two-sample MR were different from the one-sample MR method, which was described in previous methodological papers.25–27 The inversevariance weighted method (IVW) is a conventional approach to estimating a causal effect on a study outcome from different studies in meta-analysis.25 In the setting of MR analysis, the IVW method can provide a combined estimate weighted using the inverse variances of the causal effect of per-allele. However, this method can be biased when a genetic variant violates the assumptions of MR (eg, pleiotropic effect).27 Therefore, we also performed two other methods (the weighted median (WM) and the MR-Egger method) which can provide consistent estimates even under the weaker assumption.25 The MR-Egger analysis is also useful to detect either both directional pleiotropy or violation of the Instrument Strength Independent of Direct Effect (InSIDE) assumption. Additionally, the F-statistic was calculated for each IV from linear regression analyses to test whether IVs are strongly associated with exposure (referred to as relevance assumption).28 We performed linear regression analyses using the lm function in R and included all SNPs used in each IV in models. An arbitrary threshold of F-statistic >10 برای اجتناب از استفاده از ابزارهای ژنتیکی ضعیف در این مطالعه استفاده شد. تمامی تجزیه و تحلیل های آماری با استفاده از نرم افزار R نسخه 3.5.0 (R Foundation for Statistical Computing، وین، اتریش) انجام شد. به طور خاص، یک بسته R از "تصادفی سازی مندلی" برای تجزیه و تحلیل MR دو نمونه استفاده شد.30