MRI衍生的区域与异位脂肪分布揭示心脏代谢疾病差异遗传风险模式：多尺度基因组共享结构解析

《Journal of the American Heart Association》：Regional Adipose Distribution Reveals Differential Genetic Risk Patterns for Cardiometabolic Diseases

　　

背景：与肥胖相关的心脏代谢风险日益被认为受到脂肪组织解剖分布和异位沉积的强烈影响，但连接脂肪库与心脏代谢疾病（cardiometabolic diseases, CMDs）的遗传机制仍未完全阐明。

方法：研究人员采用大规模全基因组关联研究（genome-wide association studies, GWAS）汇总统计，系统刻画了7个磁共振成像（magnetic resonance imaging, MRI）衍生的区域性和异位脂肪性状与20种CMDs（包括主要心血管结局和2型糖尿病（T₂D））之间的共享遗传结构。研究人员在全基因组、区域和变异水平评估遗传重叠，随后进行功能注释、细胞类型富集和表型富集分析。进一步应用蛋白质-蛋白质相互作用（protein–protein interaction, PPI）网络和分子对接分析，以优先排序疾病相关基因和潜在治疗化合物。

结果：研究人员识别出广泛但异质的遗传重叠，包括109个具有全基因组重叠的脂肪-CMDs配对、92个在423个基因组区域中显示区域一致性的配对，以及146个由共定位支持的多效性位点。共享变异富集于调控元件，并与参与代谢和炎症通路（包括胰岛素信号、离子稳态和细胞应激反应）的多效性基因相连。细胞类型富集分析突出免疫细胞、内皮细胞和代谢活跃的实质细胞为关键贡献细胞类型。网络和对接分析进一步优先排序了CMDs相关基因，如MMP9、PPARG和TM6SF2，以及具有良好结合特性的候选化合物。

结论：本研究描绘了连接脂肪分布与多种CMDs的差异遗传风险模式，并揭示了相互关联的代谢、免疫和血管机制，为心脏代谢和心血管风险评估以及潜在治疗靶点优先排序提供了遗传框架。

一、研究背景与目的

心脏代谢疾病（cardiometabolic diseases, CMDs）包括冠状动脉疾病（coronary artery disease, CAD）、2型糖尿病（type 2 diabetes, T₂D）、心力衰竭（heart failure, HF）及心房颤动和扑动等，仍是全球发病率和死亡率的主要原因。肥胖是CMDs的重要可调控危险因素，但越来越多证据表明，心脏代谢风险不仅受总体肥胖影响，还受脂肪解剖分布和异位沉积影响。较高的内脏脂肪和心外膜脂肪与CAD、HF及主要不良心血管事件风险升高相关；肝脏、胰腺和骨骼肌异位脂肪与T₂D、代谢综合征及较差心血管结局相关，且独立于体重指数（body mass index, BMI）和传统危险因素。因此，需要超越传统人体测量指标，从遗传和生物学角度理解区域性和异位脂肪库如何参与CMD发病机制。

MRI衍生表型可精确量化多个解剖区域的脂肪分布，包括内脏脂肪组织（visceral adipose tissue, VAT）、腹部皮下脂肪组织（abdominal subcutaneous adipose tissue, ASAT）、心外膜和心包脂肪组织（epicardial and pericardial adipose tissue, EPAT）、肝脏和胰腺质子密度脂肪分数（liver/pancreas proton density fat fraction, Liver_PDFF/Pancreas_PDFF）以及大腿前/后肌肉脂肪浸润（anterior/posterior thigh muscle fat infiltration, ATMFI/PTMFI）。GWAS已发现许多与这些脂肪表型和主要CMDs相关的位点，提示二者均高度多基因。但既往证据较碎片化，多数研究仅考察少数脂肪库或依赖全基因组遗传相关性，未明确共同影响脂肪生物学和CMD风险的具体基因组区域或位点；共享遗传结构的作用通路、调控程序和细胞类型也未阐明，转化相关性尚未充分探索。因此，研究人员开展了多水平整合基因组研究。

二、主要关键技术方法

脂肪性状GWAS汇总统计来自UK Biobank队列，包括EPAT（N=41 494）、ASAT（N=32 860）、VAT（N=32 860）、Liver_PDFF（N=32 858）、Pancreas_PDFF（N=25 617）、ATMFI（N=32 911）和PTMFI（N=32 956）。CMDs主要来自FinnGen R11，T₂D来自Diabetes Genetics Replication and Meta-analysis consortium（55 005例病例和400 308例对照），BMI来自Genetic Investigation of Anthropometric Traits consortium（N=681 275）。方法包括：GPA分析全基因组多效性，GWAS配对分析（GWAS-PW）识别区域共享，联合错误发现率（conjunctional false discovery rate, conjFDR）识别变异水平多效性，贝叶斯共定位，功能注释与基因映射，GO、WebCSEA和GENE2FUNC富集，STRING/Cytoscape PPI网络与cytoHubba枢纽基因识别，分子对接，以及BMI比较和共定位阈值敏感性分析。

三、研究结果

1. 全基因组水平脂肪性状与CMDs的多效性

通过GPA分析，研究人员发现7个脂肪性状与20种CMDs存在广泛全基因组遗传重叠，共109个显著配对。PTMFI多效性关联最多（N=19），其次为Liver_PDFF（N=17）；ASAT、VAT和ATMFI各16，EPAT为14，Pancreas_PDFF为11。T₂D与所有7个脂肪性状均显示最强全基因组重叠，BH-FDR q值范围从PTMFI的5.56×10^?72到EPAT的2.86×10^?36。高血压、心房颤动和扑动、心律失常、CAD、HF、缺血性心脏病、非缺血性心肌病和静脉血栓栓塞等也与所有7个脂肪性状显著重叠。蛛网膜下腔出血仅与PTMFI达到显著。

2. 区域多效性结构

对109个显著配对进行GWAS-PW分析，以PP.A3或PP.A4>0.8为阈值，识别出92个脂肪-CMD配对，跨越423个多效性基因组区域。PTMFI有138个区域，ATMFI为108，Liver_PDFF为48，EPAT为38，Pancreas_PDFF为36，ASAT为28，VAT为27。染色体16上chr16:53,383,142–55,903,640区域在6个脂肪性状中共享，涉及32个脂肪-CMD配对。疾病层面，T₂D区域共享最多（N=78），其次为高血压（N=66）、缺血性心脏病（N=32）和CAD（N=31）；蛛网膜下腔出血未识别到此类区域。

3. 共定位支持的共享多效性位点

条件Q-Q图在77个配对中显示跨性状富集。conjFDR识别出491个潜在多效性位点，PTMFI最多（N=139），ATMFI为112，ASAT为75，Liver_PDFF为61，EPAT为42，Pancreas_PDFF为37，VAT为25。贝叶斯共定位发现267个位点具有共定位证据（PP.H₄>0.5），涉及76个配对；EPAT-心律失常配对无共定位信号。效应方向一致比例为53.85%至78.26%，Pancreas_PDFF和VAT较高，Liver_PDFF和EPAT较低。合并后得到146个最终多效性位点，包括染色体20上rs12626122位点连接ATMFI/PTMFI与CAD、冠心病、心肌梗死、非缺血性心肌病，以及FTO位点与ASAT最显著关联。146个共定位位点中75个与GWAS-PW区域重叠；205个PP.A3>0.8区域中170个与共定位位点重叠。疾病层面，T₂D和高血压分别贡献39和34个最终位点。

4. 多效性位点的功能注释和基因映射

146个最终多效性位点产生5535个候选单核苷酸变异（single nucleotide variant, SNV）。多数位于内含子或基因间区，仅少数位于外显子区。3.7%至6.2%变异具有较高有害性评分（CADD>12.37），最高6.7%具有强调控证据（RDB≤2），超过90%与转录活跃染色质状态1–7重叠。这些变异映射到1263个蛋白编码基因。24个蛋白编码基因至少在5个脂肪性状中共享，包括CES1、FTO、IRX3、IRX6及MT1家族成员（MT1B、MT1F、MT1G、MT1H、MT1X）。CMD层面，176个最终位点产生5687个候选SNV，映射1585个蛋白编码基因，T₂D和高血压合计占映射基因集>40%。

5. 多效性基因的功能富集

GO富集在7个脂肪性状中保留90个显著条目。EPAT主要涉及激素反应和运输/分泌；ASAT和VAT以锌相关通路为主；Liver_PDFF以脂质相关通路为主；Pancreas_PDFF涉及锌稳态及凋亡/免疫过程；ATMFI/PTMFI涉及胰岛素相关、代谢和运输相关通路。重复出现的通路包括锌和阳离子相关、胰岛素相关及运输/分泌过程。细胞类型富集显示，多效性基因在成纤维细胞、巨噬细胞、内皮细胞和免疫相关细胞中富集，也富集于肝细胞和胰腺腺泡细胞等代谢实质细胞，以及少突胶质细胞和星形胶质细胞。表型富集显示，EPAT和Liver_PDFF相关基因富集于脂质和胰岛素相关表型；ASAT和VAT相关基因富集于体型、肥胖和血压性状；Liver_PDFF还富集于肝病表型；Pancreas_PDFF富集于胰腺癌等癌症表型；ATMFI和PTMFI富集于脂肪分布、脂质和脂肪酸代谢及免疫表型。

6. 多效性基因的网络优先排序和药物重定位潜力

在11个具有足够映射基因的CMDs中构建PPI网络并识别枢纽基因。MMP9、PPARG和TM6SF2在多个CMDs中反复作为枢纽基因；T₂D的疾病特异性枢纽包括INSIG1，冠心病包括AHCY。药物-靶点相互作用分析共预测6780个药物-蛋白相互作用。T₂D相互作用最多，涉及10个枢纽蛋白和334个独特化合物。INSIG1、DHCR24和FDFT1相互作用化合物最多，其次为SREBF2和ABCA1。磺脲类药物glimepiride和gliquidone显示多靶点高亲和力；imatinib和zafirlukast等非主要针对心脏代谢适应症的药物也对关键枢纽显示强预测结合。分子对接显示INSIG1蛋白与glimepiride、gliquidone、imatinib和zafirlukast的预测结合构象。

7. 与BMI相关位点的探索性比较

以BMI作为总体肥胖代理，使用相同conjFDR流程比较BMI-CMD位点与脂肪性状-CMD位点。16个CMDs中识别1353个BMI-CMD位点，其中238个与脂肪性状-CMD位点重叠，占脂肪性状-CMD多效性位点的48.5%。重叠比例因脂肪性状而异：ASAT为78.7%，VAT为76.0%，Liver_PDFF为54.1%，EPAT为42.9%，ATMFI为40.2%，PTMFI为40.3%，Pancreas_PDFF为21.6%。研究人员指出，GWAS样本量和统计功效差异也可能影响该模式。

8. 共定位阈值敏感性分析

主要分析采用PP.H₄>0.5，识别146个多效性位点和1263个映射基因。采用更严格阈值PP.H₄>0.8时，87个位点（59.6%）满足标准，且均与主要分析位点重叠；这些位点映射790个基因，其中783个也在主要分析中识别，占1263个映射基因的62.0%。

四、讨论总结与结论翻译

讨论部分指出，本研究系统解析了区域性和异位脂肪库与广泛CMDs之间的共享遗传结构。通过整合全基因组、局部和变异水平多效性分析，研究人员证明脂肪性状与CMDs具有广泛且高度结构化的遗传基础。相当一部分多效性位点获共定位支持，提示共同因果变异可能 underlie 共享关联。这些位点偏好调控注释，并映射到参与代谢控制、脂质处理、免疫信号和细胞应激反应的基因。细胞类型和表型富集进一步提示免疫、内皮和代谢活跃实质细胞及相关表型在共享遗传关联中优先富集。分子对接揭示11个CMDs中潜在蛋白-药物相互作用，为治疗靶点识别提供资源。GPA补充了主要估计全基因组遗传相关性的连锁不平衡分数回归。局部分析显示共享信号集中于离散区域，而非弥漫分布，例如染色体16的FTO-IRX基因簇热点。BMI比较显示近一半信号重叠，但其余信号可能反映BMI未捕捉的机制。FTO位点rs1421085与ASAT强关联，APOH附近信号与Liver_PDFF相关，ATMFI和PTMFI多效性变异高度一致。CES1、FTO和IRX3涉及甘油三酯周转、能量平衡和脂肪细胞分化；MT1金属硫蛋白簇涉及锌铜稳态和氧化还原平衡。富集分析显示不同脂肪库具有差异和共享通路。细胞类型富集涉及成纤维细胞、脂肪细胞、巨噬细胞、肝细胞、胰腺腺泡细胞、内皮细胞和T细胞等。表型富集将不同脂肪库连接至脂质、代谢、肥胖、血压、肝病、胰腺癌、脂肪分布和免疫表型。PPI分析优先排序MMP9、PPARG、TM6SF2等共享枢纽，以及INSIG1和AHCY等疾病特异性枢纽。分子对接结果中glimepiride、gliquidone及imatinib、zafirlukast具有较强预测结合。局限性包括不同GWAS样本量和遗传力差异、仅限欧洲祖先、EPAT为心外膜和心包脂肪联合测量、PPI和对接分析为计算推导并需实验验证。

研究结论翻译：总之，本研究在多个基因组尺度上描绘了连接区域性和异位脂肪性状与CMDs的共享遗传结构。通过整合全基因组、局部和变异水平分析，研究人员证明脂肪分布通过涉及代谢、炎症和血管过程的多效性位点和调控通路与心脏代谢风险遗传耦合。这些见解拓宽了当前脂肪生物学框架，并提供了遗传和机制基础，可能为心脏代谢健康中的风险分层和治疗开发未来努力提供信息。