掃碼聯系客服
血液系統的惡性腫瘤與炎癥因子動態監測
眾所周知，炎癥反應是一個動態過程，因此在單個時間點觀察到的高（或低）值可能無法準確代表炎癥因子變化的總體趨勢。外周血循環炎癥相關生物標志物較易獲，便于動態監測，C反應蛋白（CRP）是最常用的生物標志物之一。
觀察性研究表明，CRP，炎癥調節因子和多發性骨髓瘤（MM）之間有很強的相關性，但因果關系的方向仍不清楚。在這里，作者采用人類細胞因子、CRP和MM的全基因組關聯性研究（GWAS）的匯總數據，設計了一個雙向孟德爾隨機化分析(MR)。這項MR研究表明炎癥與MM之間存在因果關系，炎癥因子對MM的作用由五種常見炎癥因子驅動：單核細胞特異性趨化因子3（MCP3），血管內皮生長因子（VEGF），白介素-10（IL-10），白細胞介素-7（IL-7）和腫瘤壞死因子β（TNF-β）。并且MM的易感性也可能導致的IL-17水平升高。這些發現提示炎癥與MM之間存在因果關系，并為MM的病因，預防和預后提供了新的線索。
文章于2022/6/16發表在international journal of cancer (IF 7.2)，題目為“炎癥因子與多發性骨髓瘤的因果關系:雙向孟德爾隨機化研究（Causal relationships between inflammatory factors and multiple myeloma: A bidirectional Mendelian randomization Study）”，以下是文章分享~
背景
多發性骨髓瘤（MM）是一種B細胞來源惡性腫瘤，其特征在于單克隆漿細胞的增殖和非功能性免疫球蛋白的過量產生，占所有惡性腫瘤的1%，占血液系統惡性腫瘤的約10%的。MM患者通常會出現復雜的并發癥，例如貧血，感染，骨折和疼痛，腎功能不全，神經系統損傷的以及其他癥狀。
持續的炎癥會破壞組織完整性，并可通過促進腫瘤細胞增殖，遷移，侵襲和血管生成來驅動腫瘤發生。根據耶魯大學癌癥中心的早期研究，炎癥和脂質對免疫系統的慢性刺激導致了三分之一的MM病例，因此研究人員得出結論，溶血磷脂的長期免疫激活可能是包括MM在內的一些散發性單克隆丙種球蛋白病的基礎。
相反，由于MM是B細胞譜系中無法治愈的惡性腫瘤，源自腫瘤微環境的慢性炎癥誘導的細胞因子穩態變化是不可逆的，這最終可能導致殘留問題或復發。此外，隨著對MM生物學認識的提高，白細胞介素，腫瘤壞死因子，生長因子，干擾素和趨化因子的關鍵作用已得到廣泛驗證。
許多研究使用已知的炎癥生物標志物來推斷炎癥反應的狀態，并將CRP作為最常用的生物標志物之一。因此，作者將研究的重點放在CRP和其他可用的全身炎癥調節因子。---盡管流行病學，遺傳學和生物學研究已經確定了與MM相關的炎癥因子，但以前的研究可能無法確切的分析出因果關系和整體情況，并且不同的研究得到的結果也并不一致。眾所周知，炎癥反應是一個動態過程，因此在單個時間點觀察到的高（或低）值可能無法準確代表炎癥因子變化的總體趨勢。--
考慮到觀察性研究容易對潛在的混雜因素和反向因果關系缺乏控制偏差，孟德爾隨機化（MR）是一種更好的分析方法，通過使用遺傳變異作為暴露的工具變量來進行合理的病因推斷。MR不太容易出現混雜因素，因為種系遺傳變異在減數分裂過程中是隨機分配的，因此可以反映暴露，同時不會受到反向因果關系的影響。
作為MR方法的擴展，雙向MR可用于確定兩種相關表型之間因果關系的方向。
方法
實驗設計
雙向MR設計流程如圖1所示。
圖1 MR的三個主要假設
MR基于三個主要假設：（1）選擇作為工具變量的遺傳變異與暴露密切相關；（2） 遺傳變異與混雜因素無關；（3） 遺傳變異僅通過暴露而不是其他途徑影響結果。
作者使用了的41種全身炎癥調節因子、CRP和MM的公開發表的全基因組關聯研究（GWAS）研究的匯總水平數據。首先，篩選遺傳變異來代理每一種炎癥因子，以推斷每種炎癥因子與MM的因果效應關系。其次，利用與MM相關的遺傳變異來推斷MM與炎癥因子的因果效應關系。
2、炎癥因子工具變量的選擇
炎癥因子包括CRP和炎癥調節因子。CRP的遺傳變異是從包括206158名歐洲血統個體在內的炎癥隊列工作組（CIWG）中的GWAS的薈萃分析獲取的。使用一個對年齡、性別、體重指數（BMI）和前10個遺傳主成分進行調整的遺傳模型來測試1070萬遺傳多態性與41種細胞因子水平之間的單變量關聯。
3、MM工具變量的選擇
MM的匯總水平數據是從UK Biobank的372617名歐洲血統個體的GWAS中提取的（601例病例與372 016例對照）。作者基于GWAS匯總統計數據，采用兩樣本MR方法來推斷炎癥調節因子與MM之間的因果關系。炎癥調節因子，CRP和MM的樣本之間無重疊。
4、工具變量的篩選
為了滿足MR假設（圖1），在全基因組水平上（P<5×10-8）篩選強烈且獨立地預測暴露的SNP（R2<0.001，在10 Mb內）。由于只有八個全身炎癥調節因子和CRP具有達到全基因組意義的三個或更多獨立的SNP，并且MM沒有基于全基因組水平的顯著的SNP，因此還采用了不太嚴格的閾值5×10-6來獲得更多的CRP，炎癥調節因子和MM的SNP。MM總是發生在老年人，但老年人的死亡率和MM風險相當，這可能會產生生存偏倚，故排除了生存(被招募時的年齡代表)相關的SNP以減輕生存偏倚。使用F統計量評估了每個SNP的強度，排除了F<10的SNP。
注：F統計量是反應遺傳效應對性狀影響的大小和精度的函數：F=R2（N-2）/（1-R2），其中R2是SNP解釋的性狀方差的比例，N是具有該性狀的SNP的GWAS的樣本量。R2值是使用公式R2=2×EAF×（1-EAF）×β2估計的，其中EAF是SNP的效應等位基因頻率（EAF），β是SNP對性狀的估計效應量。因為F>10表明SNP解釋暴露的效力強度有效。
5、雙向雙樣本的MR分析
雙向雙樣本MR分析需要有關SNP，等位基因，效應大小，SE，P值和EAF的信息。結果數據集中不可用的SNPs被LDlink中R2>0.90的代理變量替代。等位基因一致性分析進行等位基因的SNP協調。在MR初步分析中，計算了每個遺傳變異的Wald比，并使用逆方差加權（IVW）法做了總的效應值估計。
敏感性分析
使用包括MR-Egger，加權中位數和孟德爾隨機化多效性殘差和異常值（MR-PRESSO）在內的一組敏感性分析法。多效性檢驗：MR Egger對工具變量多效性的進行評估，非零截距表明IVW估計有偏差。對于無效或存在多效性的遺傳變異，考慮了選擇中值MR估計值作為因果估計值的加權中值方法。MR-PRESSO使用全局檢驗來檢測水平多效性，如果必要的話，可以通過異常值去除來校正潛在的多效性異常值。異質性檢驗：通過Cochran Q檢驗和I2指數檢查IVW估計值的異質性。
結果
選擇38個在全基因組水平上與CRP顯著相關的SNP，和70個采用了不太嚴格的閾值（P<5×10 -6）的SNP，結果顯示基因預測的CRP水平與MM風險無關（P=.81，圖2A）；使用五個SNP（表S3）時，結果表明沒有證據提示MM對CRP的因果影響（P=.65，圖2B）。
圖2
表S3
2、炎癥調節因子對MM風險的影響
基于全基因組上的顯著SNP預測的八種全身炎癥調節因子對MM風險的影響如圖3所示。在校正了多次比較之前或之后的任何分析中，沒有一個與MM相關。MR-PRESSO全局測試和MR-Egger截距測試未檢測到水平多效性，Cochran Q測試未顯示異質性證據。
圖3
采用不太嚴格的閾值（P<5×10-6）篩選的所有41種炎癥調節因子。其中MCP3[ORIVW：1.24；95%CI：1.03-1.49；P=.02]、VEGF[1.14，1.03-1.27；P=.02]、IL-10[1.33，1.01-1.75；P=.04]、IL-7[1.24，1.03-1.48；P=0.02]與MM風險呈正相關。TNF-β[0.84，0.74-0.92；P<0.001]與MM風險呈強烈負相關（圖4）。敏感性分析未發現水平多效性和異常值。
圖4
3、MM對全身炎癥調節劑水平的因果影響
為了評估反向因果關系，篩選了17個在P<5×10-6的閾值上，與MM強烈且獨立相關的SNP。使用IVW方法，基因預測的較高的MM風險與IL-17升高有潛在性關聯（βIVW=0.051，95%CI:[0.018，0.085]，P=2.7×10-3；圖5），但在加權中位數（0.043，[-0.010，0.096]；P=0.11）或MR-Egger法（0.013，[-0.085，0.111]；P=0.81）中均未觀察到因果效應。除IL-17外，未觀察到其他顯著相關性。
圖5
討論與小結
作者對最新的基于匯總水平的全基因組關聯性數據進行了雙向MR分析，以評估CRP和全身炎癥調節因子與MM的因果關系。通過使用雙向分析策略以區分疾病的因果效應。另外采用了多種MR方法，如MR-PRESSO和MR-Egger來評估MR分析的方法，來最大程度的減少多效性和增加檢測結果可靠性。
-基因預測的較高的MCP-3，VEGF，IL-10和IL-7水平與MM風險增加有關，而基因預測的較高的TNF-β可能與MM風險降低有關。反向MR分析的結果還表明MM與IL-17水平升高有潛在的因果關系，表明MM具有潛在的促炎作用。然而，沒有發現CRP或其他炎癥調節劑與MM有因果關系的證據。研究結果證實了炎癥因子在促進MM發展中起重要作用，并可以作為MM疾病階段的預后因素。
這篇文章的優勢在于遺傳變異作為暴露的強工具變量，可以實現在炎癥調節因子和MM風險之間的MR分析。對于理解MM的遺傳易感性是否會導致外周血中炎癥調節因子的變化，以及高或低炎癥因子是否會影響MM的風險，具有重要的意義。
