长寿遗传易感性、生活方式因素与全因死亡率:一项为期17年的前瞻性队列研究

《GeroScience》:Genetic predisposition to longer lifespan, lifestyle factors, and all-cause mortality: a 17-year prospective cohort study

【字体: 大 中 小 】 时间:2026年07月26日 来源:GeroScience 6.0

编辑推荐:

  研究人员考察了全基因组多基因寿命评分(polygenic lifespan score, PLS)是否与全因死亡率相关,以及该关联与长期生活方式因素和死亡率的关联相比如何。研究人员为年长芬兰双胞胎队列(平均年龄57.4岁;男性占45.2%;N=5575)计算了

  
研究人员考察了全基因组多基因寿命评分(polygenic lifespan score, PLS)是否与全因死亡率相关,以及该关联与长期生活方式因素和死亡率的关联相比如何。研究人员为年长芬兰双胞胎队列(平均年龄57.4岁;男性占45.2%;N=5575)计算了PLS。采用Cox回归估计PLS对全因死亡风险的影响,在此之前和之后分别加入性别、体力活动、体重指数(body mass index, BMI)、饮酒、吸烟行为和教育水平。采用一致性指数(C-index)评估各预测因子对模型判别性能的贡献。在平均17.5±8.3年的随访中,发生1405例死亡(25.2%)。PLS每增加一个标准差,与较低的全因死亡风险显著相关(风险比[hazard ratio, HR]=0.838,95%置信区间[confidence interval, CI]=0.792–0.887)。在加入所有协变量后,该关联相对未变(HR=0.863,95% CI=0.816–0.912)。每日吸烟20支及以上显示出与死亡风险增加的最强关联(HR=3.341,95% CI=2.751–4.056),而女性性别与最大的风险降低相关(HR=0.678,95% CI=0.597–0.770)。吸烟行为对模型性能的影响最大(ΔC-index=0.027);其他协变量贡献较小(ΔC-index<0.006)。总之,长寿的遗传易感性与全因死亡风险的适度降低相关,且独立于生活方式和其他因素。吸烟行为和女性性别是比PLS更强的死亡预测因子。
该研究发表于《GeroScience》。研究背景方面,长寿被视为一种健康正向特质,可能反映健康生活方式的坚持以及对疾病的增强抵抗力。人类寿命受遗传、生活方式相关和环境因素影响,遗传变异也会影响个体采取的生活方式因素。健康生活方式如均衡饮食和规律运动可促进长寿,例如通过降低慢性病风险。遗传因素可能抵御疾病并促进长寿,但其整体影响是否超过生活方式仍不明确。由于人类平均寿命较长,研究遗传如何影响寿命在技术上存在困难;此外生物样本库基础设施相对较新,大多数研究随访期有限,只有少数参与者走到生命终点,因此结合基因型信息、全面生活方式数据和完全观测寿命的数据集仍然稀缺。为解决寿命数据大量右删失的挑战,研究者使用父母寿命作为寿命表型,但通过全基因组关联研究(genome-wide association studies, GWASs)评估父母寿命表型与后代基因型的关联是一种间接关联。GWAS信息已被用于构建多基因评分(polygenic scores, PGSs),使研究者能够研究全基因组对寿命表型的影响。仅有少数研究调查生活方式因素如何影响长寿遗传易感性与全因死亡风险的关联,现有证据提供的性别特异性见解有限,且对遗传和生活方式贡献的绝对效应量量化不足。在此背景下,研究人员开展本研究以探明长寿遗传易感性(多基因寿命评分,PLS)是否与全因死亡风险相关,以及在年长芬兰双胞胎队列(Finnish Twin Cohort, FTC)中,休闲时间体力活动(leisure-time physical activity, LTPA)、体重指数(BMI)、饮酒、吸烟行为、性别和教育水平的调整如何改变这一关联;同时研究人员考察这些因素预测任何原因死亡参与者排序的能力,并假设PLS与较低的全因死亡风险显著相关,但某些生活方式因素尤其是吸烟行为可能比PLS更能预测死亡。
为开展研究,研究人员使用的主要关键技术方法包括:研究基于年长芬兰双胞胎队列样本,最终纳入5576名有基因分型且数据完整的参与者(DNA采样时平均年龄57.4±10.0岁,男性45.2%)。PLS使用SBayesR方法基于Timmers等人的GWAS数据构建,限制为HapMap3变异列表中的1,180,172个常见遗传变异(次要等位基因频率>5%),使用PLINK1.9基于992,782个遗传变异计算PLS,较高遗传评分表示长寿遗传易感性较高。全因死亡结局基于芬兰人口登记中心和芬兰统计局的死亡记录,通过个人身份代码关联研究与遗传和生活方式信息,生存时间计算为DNA采样年龄至终点年龄的间隔,终点定义为移民日期、死亡日期或随访结束(2020年12月31日),敏感性分析使用排除外部死因的自然原因死亡结局。协变量包括性别、LTPA(每周代谢当量任务小时数,MET-h/wk)、BMI(kg/m2)、饮酒(g/d)、吸烟行为(从不、偶尔、曾经、轻度[1–9支/天]、中度[10–19支/天]、重度[≥20支/天])和教育水平(受教育年限),遗传分层使用芬兰祖先的前十个主成分(principal components, PCs)调整,家庭相关性作为随机截距以考虑双胞胎对相关性;敏感性分析额外调整1975年问卷收集的疾病和用药史,并进行SNP层面敏感性分析纳入叉头框O3(FOXO3)单倍型剂量和载脂蛋白E(APOE)基因型。统计分析采用混合效应Cox比例风险模型分析PLS与全因死亡风险的关联,报告每PLS一个标准差(SD)变化的风险比(HR)和95%置信区间(CI);采用Kaplan–Meier分析比较PLS三分位组的生存,对数秩检验比较组间及两两比较;通过依次加入协变量考察其单独和联合效应;使用一致性指数(C-index)差异(ΔC-index)评估各协变量对死亡率的个体贡献;使用双变量线性混合效应模型分析PLS与协变量的关联以考察间接效应;进行多项敏感性分析包括性别特异性分析、完整病例分析、排除PLS和PCs的分析、额外调整疾病和用药史的分析、自然原因死亡分析、吸烟行为跨时间点稳定性交叉列表分析,以及纳入FOXO3和APOE的SNP层面敏感性分析;p值使用错误发现率(false discovery rate, FDR)方法在每個Cox回归模型内调整。
研究结果部分保留小标题并说明研究与结论如下:
Participant characteristics:5576名参与者在1993年至2020年随访中共发生1405例死亡(25.20%),平均随访时间17.50±8.32年;参与者总体LTPA水平较低,受教育年限中位数7年,轻微超重,平均每日饮酒9.56 g,大多数为非吸烟者(从不或曾经,72.76%);PLS值分布详见补充材料。
Kaplan–Meier analysis of the polygenic lifespan score tertiles:Kaplan–Meier分析显示低、中、高PLS组的生存中位数年龄分别为83.70年(95% CI=82.98–84.36)、86.22年(85.38–87.12)和86.97年(86.01–88.13);各组间生存差异显著(对数秩χ2[自由度=2]=39.43,p=2.75·10?9);两两比较显示低与中(χ2[1]=16.03,Bonferroni校正p=1.87·10?4)、低与高(χ2[1]=37.06,Bonferroni校正p=3.44·10?9)PLS组生存差异显著;高PLS组比其他PLS组中值生存长0.76–3.28年。
All-cause mortality risk associated with the polygenic lifespan score and lifestyle factors:PLS每增加一个SD与较低的全因死亡风险显著相关(模型1:HR=0.838,95% CI=0.792–0.887,ΔC-index=0.005),在所有模型中关联均保持显著(最高模型9:HR=0.863,95% CI=0.816–0.912);在控制PLS条件下,性别、所有生活方式因素和教育水平均与全因死亡风险显著相关;女性性别与最大的死亡风险降低相关(最低HR=0.498,95% CI=0.444–0.559;最高HR=0.678,95% CI=0.597–0.770);吸烟强度增加伴随死亡风险上升,重度吸烟与最强的死亡风险增加相关(最低HR=3.341,95% CI=2.751–4.056;最高HR=4.787,95% CI=4.010–5.715);性别和吸烟行为对模型判别能力提升最大(ΔC-index分别为0.006和0.027),其他生活方式因素和教育水平影响较小;PLS与性别、LTPA、BMI、饮酒、偶尔/曾经/轻度/重度吸烟或教育水平无显著交互作用(p>0.05),与中度吸烟有显著交互但在FDR校正后不再显著(p=0.056–0.078)。
Indirect effects of lifestyle factors, sex-specific analyses, and sensitivity analyses:线性与非线性混合效应模型显示PLS与其他固定效应协变量的标准化回归系数(beta)范围为?0.108至0.085,表明间接效应极小;性别特异性分析显示男性和女性的关联与主要分析相似;完整病例分析与主要分析结果一致,表明缺失协变量观察值不影响结果;排除PLS和前十个遗传PCs的分析变化极小;额外调整1975年疾病和用药史未实质性改变结果;自然原因死亡分析未实质改变结果解释,排除外部死因减少约6%死亡数对总体死亡分布影响极小;吸烟行为随时间大致稳定,从不吸烟者稳定性尤高(≈95%),1975至1981年约74%参与者保持同一吸烟类别,1981至1990年为79%,1975至1990年为71%;纳入FOXO3单倍型剂量和APOE基因型未实质改善模型判别,而PLS提供适度改善,表明全基因组多基因信息比单个变异更有效捕捉死亡风险;APOE ε4纯合子在无PLS模型中与死亡风险增加相关,但在纳入PLS后减弱,表明APOE效应与更广泛多基因影响部分重叠;FOXO3单倍型剂量与死亡风险无关联。
讨论部分总结:研究人员考察了PLS是否与全因死亡风险相关,以及性别、生活方式因素(LTPA、BMI、饮酒、吸烟)和教育如何影响该关联。较高长寿遗传易感性与较低死亡风险相关,且在调整协变量后基本不变;性别和吸烟具有最强的独立效应;总体而言PLS和协变量判别能力较低,与先前证据表明寿命遗传度适中、PLS仅解释其微小部分变异一致。长寿的遗传基础复杂,尽管生活方式和环境强烈影响长寿,遗传也有贡献;先前研究将APOE和FOXO3等基因变异与寿命延长联系起来,本研究结果支持遗传负荷与较长寿命的弱关联,可能通过代谢、细胞修复和疾病抵抗等效应实现;虽性别交互不显著,PLS在男性中显示略强的保护作用,可能反映常见变异对男性提供更大保护,而女性可能受益于染色体和线粒体不对称遗传等其他机制,性别生存差异也可能源于随机变异、其他生活方式和环境暴露或DNA提交原因差异;芬兰男性死亡率高出女性10个百分点以上,芬兰战后男性预期寿命略高于60岁而目前近80岁,男女预期寿命差异过去几十年缩小主要归因于芬兰男性吸烟大幅下降。寿命由遗传、生活方式和环境因素复杂相互作用塑造,遗传易感对健康结果的影响可能随生活方式和环境条件变化;Wang等人、Bian等人及Li等人使用类似设计研究发现健康生活方式与死亡风险降低相关,高遗传风险个体获益证据有限,生活方式对寿命的影响强于遗传易感性,与本研究发现一致;大多数先前研究强调综合生活方式评分,对特定因素关注有限,尽管设备测量的体力活动和久坐行为可能显示类似关联,效应量不一致报告但风险比提示小效应,与本研究结果一致。研究人员提供新证据:PLS与全因死亡风险相关且独立于生活方式因素和死亡相关人口统计学;这与先前双胞胎研究表明同卵双胞胎在长寿方面比异卵双胞胎更相似一致,尽管双胞胎研究暗示长寿遗传度高于GWAS研究,但双胞胎研究通常报告寿命遗传度适中估计,跨物种遗传度估计也倾向较低;基于ΔC-index,PLS预测价值低于吸烟和性别,但与饮酒、BMI、LTPA和教育水平相当或更高。本研究优势包括年长FTC提供多时间点广泛验证问卷生活方式和社会经济数据;芬兰死亡原因登记处是自1936年以来全面可靠的死亡率数据源;PLS基于非常大样本的GWAS数据提高遗传关联准确性和PLS计算可靠性;应用综合生存分析和验证模型假设及敏感性分析;C-index比较提供各因素相对预测价值尤其PLS的见解。局限包括PLS是基于父母寿命GWAS数据的间接寿命估计量,可能未完全捕获后代特定基因–环境交互;父母与后代可能经历不同环境暴露与寿命相关基因交互,可能影响遗传关联估计准确性和相关性;寿命表型需要全面生命历程数据,大规模生物样本库目前缺乏;长期随访中将生活方式因素作为固定协变量可能引入暴露错分,但本队列生活方式相对稳定,LTPA、饮酒和吸烟跨数十年仅小到中度波动,且LTPA测量已验证具良好可靠性;基于问卷的1975年疾病和用药史调整可能不全面准确,残存混杂不能排除,但敏感性分析未实质改变结果;使用源自不同祖先群体人群的GWAS数据可能引入偏倚,芬兰人群是相对遗传隔离群体,但PLS主要基于常见欧洲遗传变异,在此水平与其他欧洲人群大体可比,不过等位基因频率和连锁不平衡结构差异仍可能影响PGS转移性和预测性能,复杂性状效应量可能不完全跨人群推广,因此PLS在本队列的准确性和通用性可能有所降低;排除性染色体基因可能遗漏性别特异性遗传效应对寿命的影响;PLS效应量适中可能反映非遗传因素在寿命中的主导作用,且仅使用有限环境变量评估这些效应,ΔC-index仅为0.005表明PLS在基本协变量之外增值极小,目前形式对个体水平风险预测效用有限,不太可能在临床环境中提供信息。结论翻译:总之,长寿的遗传易感性与全因死亡风险的降低相关,尽管效应量较小。在调整生活方式因素和其他已知协变量后,该关联未发生变化。在所有评估变量中,吸烟行为和女性性别是全因死亡率最重要的贡献因素,吸烟增加风险,女性性别降低风险。基于本研究的证据,生活方式、社会和环境因素可能对寿命具有更强和更实质性的影响。然而,较小的效应量表明PLS几乎没有临床效用。为更好理解生活方式因素如何与遗传学相互作用,未来研究应聚焦于开发更精确设计的寿命与长寿GWAS。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号