掃碼聯系客服
主動脈瘤藥靶基因新鑒和靶點擾動預測——如何利用MR分析彎道超車？
今天分享的文章于2022/8發表在EBioMedicine(IF 11.2/Q1)題目為“對主動脈瘤治療靶點的遺傳學見解：孟德爾隨機研究（Genetic insights into therapeutic targets for aortic aneurysms: A Mendelian randomization study）”。
藥靶標孟德爾聯合共定位分析
立即掃碼上車
作者使用孟德爾隨機化(MR)分析，確定與主動脈瘤(AAs)相關的治療靶點，以減緩AAs的進展。藥物靶基因的順式表達數量性狀位點(cis-eQTL)用作遺傳工具變量(IVs)。進行共定位分析以確定與AAs和eQTL相關的單核苷酸多態性(SNPs)共享因果遺傳變異的概率。研究結果支持藥物靶向PLAU和PSMA4抑制可能降低AAs的風險。
以下是原文~
一、背景：
主動脈瘤(AAs)是55歲及以上人群死亡的第15大常見原因，小動脈瘤大多沒有癥狀，大動脈瘤可導致主動脈破裂和猝死。迄今為止發現的有效的治療藥物很少，確定預防AAs的有效藥物至關重要。
孟德爾隨機化(MR)是以遺傳變異作為工具變量（IVs）來代表特定的暴露，以推斷暴露與結果之間的因果關系的一種方法。在藥物靶基因MR分析中，位于藥物靶基因基因組區域的順式表達數量性狀位點 (cis eQTL)常被作為藥物靶基因的代理變量，其作用是影響基因表達的調控因子。這種MR分析已經應用于多種疾病。然而，一系列潛在的AAs藥物靶點的基因組證據尚未被探索。
在這項研究中，作者通過將血液中發現的eQTL與兩個獨立的AAs全基因組關聯研究(GWAS)數據集結合起來進行MR分析，旨在識別潛在的藥物靶點來延緩AAs的進展。研究了遺傳變異代理的藥物靶基因與AAs風險之間的關系，此外，考慮到在藥物開發研究中考慮副作用和其他替代適應癥是很重要的，評估了遺傳變異代理的PSMA4抑制對18個潛在風險因素和13種其他疾病的因果關系。
二、方法
鑒定與可用藥基因相關的cis eQTL數據
鑒定蛋白：共鑒定出4302個有基因HGNC名稱的位于的常染色體上的藥物靶基因，其中包括1375個臨床開發中的蛋白質治療靶點，646個與藥物靶點和化合物相關的蛋白質，以及2281個與關鍵藥物靶點家族成員相關的蛋白質。
鑒定cis eQTL：從eQTLGen Consortium和薈萃分析中獲得了具有統計學意義的cis eQTL，從其基因組位置±100 kb內選擇了順式eQTL作為工具變量（IVs）。
藥物蛋白數據：蛋白酶體20S亞單位alpha 4 (PSMA4)和纖溶酶原激活劑尿激酶(PLAU)，兩種感興趣的藥物蛋白數據來自三個獨立來源的pQTL數據集。
結局數據
1.主動脈瘤（AAs）：AAs的GWAS匯總統計數據來自Pan-UK Biobank ，包括2228例病例和408,565例對照。使用了來自Fingen聯盟的匯總統計數據進行獨立樣本隊列的外部復制。
心臟代謝特征和疾病
心臟代謝危險因素（18個）：包括脂質(總膽固醇、甘油三酯、高密度脂蛋白(HDL-C)、低密度脂蛋白(LDL-C)、載脂蛋白A1和B (ApoA1, ApoB)和脂蛋白α (Lp(a))，血壓性狀(收縮壓、舒張壓和脈壓)，血糖(空腹血糖、空腹胰島素、2小時血糖和HbA1c)，人體測量性狀(體重指數、腰圍、體重指數、血壓、臀圍和腰臀比)。
心臟代謝疾病：4種中風、房顫、冠狀動脈疾病、心力衰竭、1型和2型糖尿病、慢性腎病、顱內動脈瘤以及AAs的2個亞型)。
數據分析
1.孟德爾隨機化分析和共定位：MR分析：根據F統計量的值去除弱工具變量，使用Steiger過濾除去了在AAs性狀中比暴露因素的方差更大的基因(表S3)。每個SNP的MR估計值以Wald值表示，并使用逆方差加權(IVW)、MR- egger和加權中位數模型與多種工具變量進行meta分析。采用MR-Egger回歸來解釋暴露與結果之間的潛在多效性。以Biobank隊列為訓練集，以Fingen隊列為驗證集。共定位分析：對于具有顯著性的MR結果，使用coloc R包對AAs風險進行了共定位分析，將顯著共定位(后驗概率)設為PPH4＞0.80，認為與AAs強共定位的基因為潛在的靶分子。
2.潛在靶向分子與31個心血管特征之間的關系探索：采用“Moloc”R包對所有顯著性狀進行多性狀共定位分析，以區分因果關系和混淆。由于許多遺傳變異具有多效性，使用R中的“MVMR”包進行了多變量MR分析，以探索遺傳變異代理的PSMA4和PLAU與AAs風險的潛在獨立關聯。
3.人類受試者：招募了70名受試者，其中包括35名經影像學診斷為腹主動脈瘤(AAA)患者，以及35名匹配的健康對照受試者。收集所有血液樣本，從主動脈瘤和夾層患者中采集主動脈組織標本(n = 8)，并從器官捐贈者中采集主動脈壁組織標本作為正常對照的(n = 4)。
4.藥物活性和臨床開發活性的評價：為了評估候選靶基因的藥物性，系統地搜索了DrugBank和ChEMBL數據庫，以獲得潛在的小分子化合物信息，搜索ClinicalTrials.gov網站來補充臨床開發活動。
三、結果
1.實驗設計：研究旨在確定與AAs相關的治療靶點，圖1為流程圖。
圖1 流程圖
2.訓練集和驗證集的MR分析結果
利用cis-eQTL數據，通過聚類和MR分析鑒定了2644個的可用藥基因，在訓練隊列中，發現11個基因預測的表達量與AAs風險相關(p＜1.90E?5 )。驗證隊列復制該11個基因的效應估計，其中四個藥物靶點(BTN3A1, FASN, PLAU和PSMA4)的達到了顯著性閾值(p＜0.0045，表1)。另一個基因(FBN1)達到名義顯著性(p＜0.05)。
表1
3.共定位分析
共定位分析進一步確定與AAs和eQTL相關的snp共享因果遺傳變異的概率。結果表明，PSMA4和AA可能共享一個因果變異(PP.H4 = 0.97，圖2a-b)，血液中的PLAU為AAs潛在的風險因素(PP.H4 = 0.93，圖2c-d)。
從MR和共定位分析中鑒定出兩個有證據表明eQTL和AAs風險之間存在共同遺傳效應的潛在藥物基因(表S9)。
圖2
表S9
4.PSMA4
遺傳變異代理的PSMA4抑制與體重指數和臀圍弱相關，與AAs風險獨立相關性(p = 6.6E?3 [IVW])，與心力衰竭、腹主動脈瘤和顱內動脈瘤呈顯著負相關(圖3b)。
蛋白印跡檢測到AAD患者主動脈組織中的PSMA4蛋白表達明顯上調(圖3c)。在單細胞水平上，PSMA4廣泛表達于血液和主動脈組織（圖S1a-d）。
圖3
此外，PSMA4與腹主動脈瘤和顱內動脈瘤的相關性通過共定位得到證實(PPH4＞0.80，表S9)。多特征共定位分析來區分PSMA4、腹主動脈瘤和顱內動脈瘤的eQTL因果關系。結果顯示，PSMA4、主動脈瘤和顱內動脈瘤在eQTL上有很強的證據(PPA = 0.999，表S10)。
表S9
表S10
5.PLAU
利用pQTL數據鑒定出兩個與血漿u-PA相關的cis pQTL(rs222756417和rs2227551)。利用cis pQTL，發現u-PA水平始終與AAs風險呈正相關(圖4a)，這與eQTL結果一致。基因代理的PLAU抑制與ApoA1 (p = 0.005)、ApoB (p = 0.01)和Lp(a) (p = 0.01)弱相關(圖4b)。
多變量MR分析顯示PLAU與AAs風險之間存在顯著相關性(p = 1.3E-04)。基于SNP，未發現PLAU血藥濃度與常見疾病存在相關性(圖4c)，經共定位分析，其因果關系得到加強(PP.H4 = 0.98)。
檢測了主動脈組織和人血漿中的u-PA蛋白水平，發現患者中u-PA蛋白表達較高，表明u-PA水平與AAs風險相關(圖4d-f)。
圖4
在外周血單核細胞中，PLAU主要在CD14陽性單核細胞中表達，而在主動脈組織中，PLAU在巨噬細胞、平滑肌細胞、內皮細胞、成纖維細胞也表達(圖S1d-e)。
四、討論
為了探索可能預防AA的藥物靶基因，作者通過整合GWAS數據集、藥物基因組和基因表達數據（eQTL和pQTL）進行了大規模MR分析。研究結果表明，終身、自然隨機、基因代理的PSMA4和PLAU抑制與AA風險的降低顯著相關，而與其他代謝紊亂和心血管疾病風險相關性較低。
這項研究有幾個優點。首先，眾所周知，新藥物的開發過程總是需要很長時間，非常昂貴，而且失敗率很高。作者將研究重點放在藥物靶基因上，以提高AAs的療效、安全性和藥物開發成功率，并發現了與AAs相關的兩個藥物靶點（PLAU和PSMA4）。此外，列出了目前正在開發的一些靶向小分子抑制劑，為這些靶點的未來藥物開發指明了方向。其次，還進行了廣泛的MR分析，以確定分析其安全性和替代適應癥，這對于將來在臨床上使用非常重要。最后，人類受試者試驗進一步驗證這兩種蛋白也與主動脈瘤的風險相關。
藥靶標孟德爾聯合共定位分析
立即掃碼上車
