以下文章来源于医工结合科研路 ，作者Cherish老师
抗糖尿病药物靶标的遗传变异与
阿尔茨海默症风险的相关性
药物靶向孟德尔随机化研究揭示抗糖尿病药物靶标的遗传变异与阿尔茨海默症风险的相关性：（1区，11.80分）
既往研究提出抗糖尿病药物是阿尔茨海默症（AD）的再利用候选药物，但影响AD发病的机制尚不清楚。本研究采用2样本孟德尔随机化研究设计，检查了4类抗糖尿病药物靶标的遗传变异与AD风险的相关性，最后发现磺脲类靶标的遗传变异与较低的AD风险有关，未来的研究有必要阐明磺脲类药物干预AD的潜在机制途径。
研究思路梳理图
研究背景
阿尔茨海默症（AD）是一种神经退行性疾病，其特点是蛋白质异常聚集和大脑神经元丧失，导致认知能力下降、记忆丧失，并最终导致死亡。然而，目前只有少数可以改善症状的药剂或药物被批准用于AD，而其神经保护作用仍不确定。开发治疗AD的新药势在必行，但也极具挑战性，最近有400多个候选药物在III期临床试验中失败。
药物再利用或重新定位，即对已批准的药物进行新的适应症测试，被认为是一种更快速和具有成本效益的战略，以确定潜在的AD治疗方法，因为已批准的药物拥有良好的作用机制和全面的安全性信息。一项对1,746,777名参与者的荟萃分析报告显示，T2DM患者患AD的风险高出53%。此外，AD被认为是 "3型糖尿病"，具有胰岛素抵抗和大脑葡萄糖控制受损的特点。由于抗糖尿病药物具有增强胰岛素信号和调节葡萄糖代谢的作用，被认为是AD的再利用候选药物。 一些随机临床试验（RCTs）已经在早期或轻度至中度AD患者中进行，以研究抗糖尿病药物的疾病治疗效果，但迄今为止的证据尚无定论。鉴于AD的前驱期较长，针对早期或轻度至中度AD的临床试验被认为为时已晚，而临床前AD甚至更早的初步干预可能提供治疗成功的最佳机会。然而，这种一级预防试验具有挑战性，因为它们需要相当大的样本量和长期干预。
孟德尔随机化 （MR） 是一种统计工具，使用遗传变异作为工具变量 （IV） 来对暴露和结果进行因果推断。由于遗传变异在受孕时和疾病发作前是随机分配的，因此MR被认为是一种“自然”RCT，可以最大限度地减少混杂和反向因果关系。特别是对于编码药物靶蛋白的基因内的遗传变异，这些变异可能影响基因的表达，调节编码蛋白的功能，从而密切代理药物机制作用。本着自然RCT的精神，利用这种药物变异的MR研究有助于识别药物再利用机会和预测副作用。
一项 MR 研究使用 HMGCR 基因上的变体来代理他汀类药物的使用，发现基因模拟他汀类药物的使用与T2DM风险增高有关，这与129，170名参与者的 RCT 的证据一致。除了控制混杂和反向因果关系外，MR还提供了模拟一级预防试验的可能性，这些试验包括大样本量（最近的基因发现通常基于数十万参与者）和长干预持续时间（基因工具变量暴露发生在结果之前并且是终身的）。
因此，我们进行了一项MR研究，以检查抗糖尿病药物靶点的遗传变异对AD风险的影响。
研究方法
（1）数据来源：
目前的研究采用了2个样本的MR设计，从2个独立的非重叠人群中提取暴露和结果数据。IV-暴露关联是从英国生物银行（UKB）对欧洲血统的参与者的血糖GWAS分析中提取的。（326，885名参与者）。AD汇总统计（IV结局关联）是从先前进行的GWAS中提取的。在第1阶段，对精神病基因组学联盟阿尔茨海默病工作组、阿尔茨海默病国际基因组学项目和阿尔茨海默病测序项目的数据进行了荟萃分析，总共有24，087例临床诊断的晚期AD病例和55，058例对照。在第3阶段，在第1阶段的基础上，对来自UKB的47，793例AD-by-proxy病例和328，320例对照进行了额外的荟萃分析，得出71，880例AD/AD-by-proxy病例和383，378例对照。。我们在初步分析中使用了仅包含临床诊断AD病例的数据集，在敏感性分析中使用了包含AD/AD-by-proxy病例的数据集。
在全基因组关联研究（GWAS）的血糖汇总数据集中，确定了编码抗糖尿病药物蛋白靶点的基因变异（顺式变异），并作为抗糖尿病药物使用的工具变量。（图1）降低血糖是对抗糖尿病药物治疗的既定生理反应，因此，血糖是本研究中关注的生物标志物。
（2）暴露工具变量选择过程：
研究最初确定了七大类抗糖尿病药物，包括二甲双胍、二肽基肽酶4（DPP-4） 抑制剂、钠-葡萄糖共转运蛋白2（SGLT2）抑制剂、胰岛素/胰岛素类似物、胰高血糖素样肽1（GLP-1）类似物、磺脲类药物和噻唑烷二酮类药物（TZD）。有关药理活性蛋白靶标和相应编码基因的信息分别从DrugBank和ChEMBL数据库中检索（表1)。由于二甲双胍的蛋白质靶标在2 个数据库中不同，并且二甲双胍生理作用的潜在分子仍然未知，二甲双胍被排除在进一步分析之外。（表1）
表1降糖药类别、靶点和编码基因摘要信息
接下来，本研究鉴定了每个编码基因内的顺式变异（基因位置的±2，500个碱基对），（图1第一步）并以<0.05的错误发现率（false discovery rate）保留了与血糖相关的变异（图1第二步）。SGLT2抑制剂的遗传变异均未被选择，因此被排除在进一步分析之外。回文单核苷酸变异（SNV [以前称为SNP];排除了正向和反向链上具有相同对嘌呤嘧啶碱基的SNV），以避免在识别效应等位基因时出现歧义。DPP2抑制剂的4种变体都是回文的（未发现高LD代理），因此该药物被排除在进一步分析之外。然后将每个药物类别剩余的变异以0.01的R2和500kB的窗口大小进行聚类，（图1第三步）补充以0.01至0.50的R2进行聚类的敏感性分析，以通过包括大量部分独立的变体获得更高的精确度。（图1）
图1 抗糖尿病药物基因工具变量的选择
（3）阳性对照分析：
为了验证本研究对IV的选择，以T2DM、胰岛素分泌、胰岛素抵抗和肥胖相关性状为结局进行了阳性对照分析。T2DM是抗糖尿病药物的原始适应症，而磺脲类药物和GLP-1类似物促进胰岛素分泌，TZD增加胰岛素敏感性。在编码胰岛素受体的INSR中选择胰岛素/胰岛素类似物的IV，因此有望改变胰岛素受体的功能并降低胰岛素抵抗。肥胖是受抗糖尿病药物影响的另一种表型。一项临床试验的荟萃分析表明，胰岛素类似物、磺脲类药物和 TZD 有助于体重增加，GLP-1 类似物可导致体重减轻。因此，3个肥胖相关特征，包括体重指数（BMI），腰围（WC）和臀围（HIP）作为结果。
由于胰岛素分泌、胰岛素抵抗、WC和HIP（结局数据集）的GWAS数据集比UKB血糖GWAS（暴露数据集）含有更少的SNV，因此保留了两个数据集中可用的非回文SNV，并进行聚集以获得用于阳性对照分析的IV（R2<0.01）。与临床试验证据/药物机制具有方向一致性的遗传预测药物效应被认为通过阳性对照分析。
（4）统计分析：
首先，合并来自血糖GWAS数据集的IV暴露关联和来自结果GWAS数据集的IV结果关联。使用Wald比率检验对单一IV和随机效应逆方差加权（IVW）方法对多个IV估计因果关联。当所有IV都有效或总体多效性平衡为零时，IVW方法提供无偏因果估计。进行Cochran's Q检验以测试IV内的异质性，并检测任何类型的多效性，平衡或不平衡（异质性p<0.05）。为了处理不平衡的多效性，应用了MR-Egger回归。MR-Egger 提供可靠的因果估计，即使所有 IV 都无效，并指示截距 <0.05 时在p处存在不平衡的多效性。
IV的强度通过F统计进行测试，当F统计<11时表明工具变量较弱。所有分析均使用R软件版本3.6.0中的“TwoSampleMR”包进行。为了类似于抗糖尿病药物对血糖的降低作用，所有估计值均按比例调整为血糖每降低1 mmol/L。使用Bonferroni校正的显著性水平p值< 0.012 (0.05/4)来调整5个药物类别的多重测试。对于确认与AD相关的基因工具变量药物类别，使用“coloc”包进一步研究了靶基因区域内血糖和AD之间的共定位。
研究结果
（1）阳性对照分析
TZD、磺脲类药物、胰岛素类似物和GLP-1类似物靶点的遗传变异与T2DM风险降低相关。（图2 A）
磺脲类药物和GLP-1类似物靶标的遗传变异与胰岛素分泌增加有关，而胰岛素/胰岛素类似物和TZD与胰岛素抵抗降低有关，这与药物作用机制一致。（图2 B C）
对于肥胖相关特征，TZD和磺脲类药物的估计值表明身体质量指数、腰围和臀围增加，这与来自临床试验荟萃分析的证据一致。(图2 D E F)然而，胰岛素/胰岛素类似物和GLP-1类似物的估计值在3种肥胖相关性状中是不同的。(图2 D E F)
图2 抗糖尿病药物靶标的遗传变异对葡萄糖代谢相关性状（图A-C）和肥胖相关性状（图D-F）的估计影响
（2）抗糖尿病药物靶点遗传变异对AD风险的影响
首先，使用包含 24，087 例临床诊断的晚期 AD 病例的 GWAS 数据集进行初步分析（图3）。一般来说，在Bonferroni校正阈值下，磺脲类靶标的遗传变异与AD风险降低有关(血糖每下降1 mmol/L，优势比[OR] = 0.38，95% CI 0.19–0.72，p = 0.0034)。在使用有效代理rs757110的分析中，这种相关性是一致的(OR = 0.35，95% CI 0.15–0.82，p = 0.016)。同时，加权中位数法(OR = 0.38，95% CI 0.17–0.84)和MR-Egger回归法(OR = 0.42，95% CI 0.05–3.79) 也证实了磺脲类药物降低了AD患病风险。尽管MR-Egger回归法的置信区间更宽，比传统的IVW法产生更大的标准误差。此外，在不同的MR方法中观察到GLP-1类似物靶标的遗传变异与较低的AD风险之间存在暗示性关联（图3 IVW：OR = 0.32， 95% CI 0.13–0.79， p = 0.014；加权中位数：OR = 0.34，95% CI 0.11–1.07，p = 0.066；MR-Egger：OR = 0.35，95% CI 0.05–2.52，p = 0.49）。对于所有估计值，未检测到IV内的异质性或实质性的多效性（图3， p 表示异质性 >0.05，p 表示多效性 >0.05）。
图3抗糖尿病药物靶点的遗传变异对阿尔茨海默症的估计影响以及使用GWAS数据集进行初步分析的结果
在使用包含 71，880 个 AD/AD 代理案例的 GWAS 数据集进行的敏感性分析中，磺脲类药物和GLP-1类似物靶标的遗传变异显示出保护作用（磺脲类药物：OR = 0.78，95%CI 0.58–1.05;GLP-1类似物：OR = 0.53，95%CI 0.37-0.77），尽管效应大小可能由于AD代理案例的稀释效应而减弱至零。
考虑到用相对较少的IV检测每个药物类别可能产生的不确定性，本研究进行了敏感性分析，通过调整R2保留更多部分独立的IV。磺脲类药物和GLP-1类似物的估计值在整个R2（0.001到0.50）范围中保持稳定；同时，标准误差随着更多IV的加入而降低。然而，胰岛素类似物和TZD的估计值在不同的R中有所不同。（图4）
图4 抗糖尿病药物靶点的遗传变异对阿尔茨海默病的估计影响以及使用GWAS数据集进行敏感性分析的结果，该数据集包括24，087例临床诊断的晚期AD病例，并将R2的顺式变异从0.001聚集到0.50。x 轴下方的数字是 R2值，x轴上方的数字是与相应的R聚集后的IV数。
（3）磺脲类和GLP-1类似物的共定位分析
对编码基因的药物靶标内的磺脲类和GLP-1类似物进行共定位分析（磺脲类药物为±2，500个KCNJ11和ABCC8碱基对，GLP-1类似物为GLP1R）。本研究没有观察到强有力的证据表明血糖和AD在磺脲类药物的2个基因区域内共定位（共享1个常见因果变异的概率：KCNJ2为5.11%，ABCC3为9.8%）；然而，当查看区域关联图时，注意到共定位的趋势。对于GLP-1类似物，没有发现任何证据表明GLP1R中共享共同变异或明显的共定位趋势。
重点结果总结
在阳性对照分析中，磺脲类靶标的遗传变异与较高的胰岛素分泌、较低的T2DM风险以及体重指数、腰围和臀围的增加有关，与药物机制作用和先前的试验证据一致。在主要分析中，磺脲类靶标的遗传变异与较低的AD风险相关。因此，未来的研究应阐明磺脲类药物和AD之间的潜在机制途径。
此外，本研究观察到胰高血糖素样肽 1 （GLP-1） 类似物靶标的遗传变异与较低的 AD 风险之间的关联（OR = 0.32/1 mmol/L 血糖降低，95% CI 0.13–0.79，p = 0.014）。然而，由于GLP-1类似物的阳性对照分析不符合先前临床试验中显示的减肥效果，应谨慎解释这一结果。而关于其他药物类别的结果尚无定论。
研究优势
首先，参与者仅限于欧洲血统的人，这最大限度地减少了人口分层可能产生的偏倚。其次，IVs是从药物靶标编码基因（±2.5 kB）内的顺式变异中选择的，该变异控制了IV标记其他基因的多效性的可能性。
此外，在本研究的MR分析中没有检测到IV内的异质性，进一步证实了不存在会偏向本研究估计的多效性。
第三，本研究进行了一组阳性对照分析，以验证IV的强度。磺脲类药物的结果（通过4个聚集的IV或经过验证的代理rs757110进行检测）与先前临床试验荟萃分析的证据一致。这强烈支持这些IV作为适当的代理。然后，观察到AD风险降低，在这两组IV中一致，这进一步支持磺脲类药物与AD之间的推定因果关系。
局限性
首先，本研究只能预测抗糖尿病药物的靶向效应，因为只有有据可查的蛋白质靶标被纳入本研究的分析中。未通过这些蛋白质靶标施加的药物效应（脱靶效应）无法在本研究的MR模型中捕获。
其次，基因预测的药物效果可能与治疗实践有些不同。由遗传变异引起的暴露从出生起就存在并持续一生。因此，本研究的结果可以解释为评估药物靶蛋白的长期调节作用。此外，鉴于遗传效应是终生的，导致研究无法反映在生命的某个时期接触抗糖尿病药物的影响。
第三，二甲双胍、SGLT2抑制剂和DPP4抑制剂被排除在分析之外，因为作用机制尚不明确或缺乏适当的IV。此外，本研究关于胰岛素/胰岛素类似物，TZD和GLP-1类似物的结果尚无定论，可能是因为少量IV的不确定性。未来的研究有必要在有更多或更强的IV可用时重新检查这些药物类别。
此外，由于本研究仅使用仅限于欧洲血统人群的遗传汇总数据，因此本研究结果的普遍性将仅限于欧洲祖先人群。最后，本研究没有发现磺脲类药物的KCNJ11和ABCC8中血糖和AD的强有力的共定位证据，这可能是由于该区域的变异-AD关联较弱。因此，关于磺脲类药物的发现值得在更大的AD GWAS可用时进行进一步检查。
转自：“SCI科研力”微信公众号
如有侵权，请联系本站删除！
