掃碼聯(lián)系客服
沒有臨床數(shù)據(jù)也不做試驗，還可以上4分？——巧利用孟德爾隨機化揭示惡性腫瘤危險因素
在上一期，我們介紹了孟德爾隨機化分析（MR），以及如何基于現(xiàn)有的臨床研究中存在的惡性腫瘤的預后問題相關(guān)爭議，挖掘新的研究空白，與MR結(jié)合，撰寫出高分文章。那么，涉及惡性腫瘤的危險因素、診斷和治療等等其他熱點問題也可以通過類似的思路解決嗎？當感興趣的方向已經(jīng)有類似的MR文章的時候，是放棄還是補救？
今天分享的文章，作者在飲酒與罹患結(jié)直腸癌（CRC）的風險的相關(guān)性已經(jīng)有MR文章的前提下，提出人種差異可能導致不同結(jié)果的問題。通過MR分析，進一步討論在亞洲人群中，飲酒與CRC風險之間存在潛在的因果關(guān)系，并發(fā)現(xiàn)減少飲酒可能有利于CRC的預防和管理。文章于2022/09/23發(fā)表在Frontiers in Genetics（IF 4.7）雜志，題為“Alcohol consumption and colorectal cancer risk: A mendelian randomization study”
以下是內(nèi)容，快來借鑒吧~
一、背景
結(jié)直腸癌（CRC）是一種常見的消化系統(tǒng)疾病，CRC在癌癥中排名第三，死亡率位居全球第二。CRC的五年患病率居世界首位，全球CRC病例數(shù)和死亡人數(shù)的一半以上位于亞洲。盡管CRC的病因尚不清楚，但肥胖和吸煙等幾種可改變的生活方式已被證明與CRC的發(fā)展有關(guān)，是CRC的危險因素之一。作為一種常見的生活方式，飲酒與CRC發(fā)病率升高的相關(guān)性及其機制引起了廣泛關(guān)注。
一項對22項臨床研究（共包括728128名參與者）的薈萃分析表明，大量飲酒（每天飲酒超過50克或每天飲酒大于4次）的個體患CRC的風險增加（OR=1.44，95%CI：1.13-1.82，p=0.003）。另一項基于英國生物庫的前瞻性研究也得到了類似結(jié)果。然而，中國的一項包括了64100名參與者的前瞻性觀察性隊列研究報道，飲酒與CRC之間不存在顯著的相關(guān)性。先前已經(jīng)有兩項MR研究，進一步評估了飲酒與CRC風險的因果關(guān)系，在其中一項研究中發(fā)現(xiàn)了兩者存在正相關(guān)性，但另一項研究并未發(fā)現(xiàn)飲酒與CRC風險相關(guān)。此外，這兩項研究都是在歐洲人群中進行的。
考慮到先前的關(guān)于飲酒與結(jié)直腸癌（CRC）風險之間的觀察性研究得出了不一致的結(jié)論，亞洲人飲酒與CRC之間的相關(guān)性存在爭議，且目前尚無此類MR研究在亞洲進行。為了評估這種潛在的因果關(guān)系，作者進行了雙向孟德爾隨機化（MR）分析。
材料和方法
數(shù)據(jù)來源
飲酒量數(shù)據(jù)來源：在日本參與者中進行的全基因組關(guān)聯(lián)研究（GWAS）確定了與飲酒相關(guān)的單核苷酸多態(tài)性（SNP）。CRC的數(shù)據(jù)：結(jié)直腸癌的匯總統(tǒng)計數(shù)據(jù)來自GWAS，其中包括6692例患例和27178例對照。
2、MR隨機分析：
共鑒定出六個與飲酒量相關(guān)的獨立的SNP（r2<0.1，p<5×10-8）；與每周飲酒量相關(guān)的兩個獨立SNP（r2＜0.1，p＜5×10-8）。飲酒的總結(jié)數(shù)據(jù)也用于反向MR分析。從東亞人的GWAS中選擇了14個與CRC風險相關(guān)的獨立SNP（r2<0.1，p<5×10-8）。納入了來自中國，日本和韓國的22775例病例和47731例對照。最后，將12個SNP用作IVs進行反向MR分析（飲酒量匯總數(shù)據(jù)中缺少另外兩個SNP的信息）。
注：r2是0~1之間的數(shù)據(jù)，越小則表示兩個SNP間越是完全連鎖平衡的，即這兩個SNP的分配是完全隨機的；kb：指考慮連鎖不平衡的區(qū)域長度。
兩種MR隨機分析法中，均使用pruning[一種基于SNP兩兩之間的LD，來抽取出一個不含互相關(guān)聯(lián)SNP的子集的方法]去掉連鎖不平衡(linkage disequilibrium，LD)的SNPs（r2= 0.1 在10000KB范圍內(nèi))，選出獨立的SNPs作為IVs。使用逆方差加權(quán)（IVW）方法作為主要分析來估計潛在的因果效應，Cochran’s Q檢驗評估數(shù)據(jù)異質(zhì)性，P＞0.05，則使用固定效應模式IVW；P＜0.05，則使用隨機效應模式IVW。評估弱工具變量偏倚采用F統(tǒng)計量。
注：在孟德爾隨機化研究中，有一個很重要的問題就是弱工具變量偏倚（weak instrument bias）。弱工具變量是指解釋暴露的效力較低的遺傳變異，它和暴露有關(guān)聯(lián)，但是這種關(guān)聯(lián)強度不是很高，因此它與無效工具變量有本質(zhì)區(qū)別。一般情況下，產(chǎn)生弱工具變量偏倚的主要原因是樣本量不足。弱工具變量偏倚用F統(tǒng)計量來評估，F(xiàn)統(tǒng)計量均>10，表明不太可能弱工具變量偏倚。
3、敏感性分析：
使用了包括加權(quán)中值、最大似然、MR多效性殘差和和異常值（MR-PRESSO）和MR Egger等方法。MR-PRESSO檢驗以檢測潛在的異常值并獲得校正后的估計；MR-Egger方法用于測試遺傳變異是否具有定向多效性；使用匯總效應估計（CAUSE）和基于約束最大似然模型平均以及貝葉斯信息量（cML-MA-BIC），以進行因果效應分析以及相關(guān)和不相關(guān)的水平多效性分析，CAUSE法和cML-MA-BIC的P的閾值分別為1 × 10–3和5×10–5。當擬合優(yōu)度檢驗（GOF）的P值>0.05時，選擇cML-MA-BIC法，當P值＜0.05時，選擇cML-MA-BIC-DP (data perturbation)。
注：水平多效性，分為相關(guān)和不相關(guān)兩種。其存在使得MR研究可能假陽性率偏高，不相干的水平多效性可以用“MR-Egger回歸”和“MR-PRESSO”來分析。
留一法（Leave one out analysis）逐個剔除SNP， 并用IVW法計算剩余的SNPs的效應量。
多變量的孟德爾隨機分析（MMR）以調(diào)整潛在的混雜因素。包括飲用咖啡，牛奶，茶，酸奶，飲食魚，納豆，豆腐等飲食習慣。為了避免反向因果關(guān)系，進行了反向MR分析。實驗設計流程圖見圖1。
圖1
結(jié)果
1、基因預測的飲酒量與CRC風險呈正相關(guān)
IVW方法的隨機效應模型顯示IVs預測的飲酒量與CRC風險呈正相關(guān)（OR=1.08，95%CI:1.05-1.12，p=1.51×10-5）（圖2）。
加權(quán)中位數(shù)法（OR=1.08，95%CI:1.06-1.11，p=6.58×10-13）和基于最大似然的方法（OR=1.08，95%CI:1.05-1.12，p=1.52×10-5）產(chǎn)生類似結(jié)果。MR-PRESSO檢驗未發(fā)現(xiàn)任何異常SNP（OR=1.08，95%CI:1.04-1.12，p=0.008）；MR-Egger回歸沒有顯示水平多效性的證據(jù)（截距的p值=0.427）；CAUSE（OR=1.82，95%CI:1.60-2.08，p=4.80×10-5）和cML-MA-BIC（OR=1.84，95%CI:1.71-1.98，p=9.82×10-60）方法的結(jié)果也一致。
由于X染色體上的rs150096不在擬常染色體區(qū)域，我們通過刪除rs150096重新進行MR分析。將分析限制在其余五個SNP上，發(fā)現(xiàn)有飲酒史者的OR為1.08（95%CI:1.06-1.11；p=1.88×10-13），沒有水平多效性的證據(jù)（截距的p值=0.834）（表S4)
留一法分析表明，除去rs671以外的任何一個SNP后，結(jié)果仍然穩(wěn)?。▓D S1）。
MMR在調(diào)整了幾種飲食習慣后，飲酒與CRC風險的估計以及每周飲酒量與CRC風險仍然具有統(tǒng)計學顯著相關(guān)性（p＜0.05）（表S5）
圖2
圖S1
Supplementary Table 4. Sensitivity analyses of removing rs150096.
| Methods | Number of SNPs | OR | 95%CI | P for association | P for MR-Egger intercept |
| Inverse-variance weighted | 5 | 1.08 | 1.06-1.11 | 1.88×10-13 | |
| MR-Egger | 5 | 1.08 | 1.04-1.12 | 1.12×10-5 | 0.834 |
| Weighted median | 5 | 1.08 | 1.06-1.11 | 5.11×10-13 | |
| Maximum likelihood | 5 | 1.08 | 1.06-1.11 | 3.43×10-9 | |
| MR-PRESSO | 5 | 1.08 | 1.06-1.11 | 0.004 |
表S4
Supplementary Table 5. The multivariable MR estimates of alcohol consumption on CRC risk.
| Exposure | OR | 95%CI | P |
| Ever versus never drinkers | |||
| Adjusted for consumption of coffee | 1.10 | 1.07-1.13 | 2.85×10-13 |
| Adjusted for consumption of fish | 1.21 | 1.10-1.34 | 1.55×10-4 |
| Adjusted for consumption of milk | 1.14 | 1.08-1.20 | 8.35×10-7 |
| Adjusted for consumption of natto | 1.14 | 1.09-1.20 | 1.63×10-7 |
| Adjusted for consumption of tea | 1.09 | 1.01-1.18 | 0.030 |
| Adjusted for consumption of tofu | 1.16 | 1.07-1.26 | 3.45×10-4 |
| Adjusted for consumption of yoghurt | 1.12 | 1.01-1.24 | 0.029 |
| Number of drinks per week | |||
| Adjusted for consumption of coffee | 1.43 | 1.28-1.59 | 1.52×10-10 |
| Adjusted for consumption of fish | 0.09 | 0.00-2.84 | 0.170 |
| Adjusted for consumption of milk | 2.08 | 1.26-3.43 | 0.004 |
| Adjusted for consumption of natto | 0.13 | 0.01-2.57 | 0.180 |
| Adjusted for consumption of tea | 2.09 | 1.26-3.48 | 0.004 |
| Adjusted for consumption of tofu | 0.04 | 0.00-3.46 | 0.158 |
| Adjusted for consumption of yoghurt | 3.07 | 1.14-8.26 | 0.026 |
表S5
每周飲酒量與CRC風險之間存在統(tǒng)計學顯著相關(guān)性。
IVW方法顯示，每周增加飲酒量的遺傳傾向與CRC風險增加有關(guān)（OR=1.39，95%CI:1.27-1.52，p=5.29×10-13）。
基于最大似然的方法顯示出一致的結(jié)果（OR=1.39，95%CI:1.27-1.52，p=9.34×10-13）。CAUSE法也顯示每周飲酒量與CRC風險呈正相關(guān)（OR=1.65，95%CI:1.38-1.97，p=0.001）。cML-MA-BIC-DP 法也顯示每周飲酒量與CRC風險呈正相關(guān) (OR = 1.62, 95%CI: 1.41–1.85, p = 2.21 × 10–12
留一法分析顯示，在剔除了rs671后，估計值變得不穩(wěn)定。
MMR分析中，在調(diào)整咖啡，牛奶，茶和酸奶的飲用量后，每周飲酒量對CRC風險的估計顯示出類似的因果趨勢。然而，調(diào)整魚（p=0.170），納豆（p=0.180）和豆腐（p=0.158）的食用量后，沒有觀察到統(tǒng)計學上顯著的相關(guān)性（圖S1，表 S5）
3、反向MR分析CRC和飲酒量的潛在因果關(guān)系
IVW法顯示沒有證據(jù)表明CRC會對飲酒史（OR=1.00，95%CI:0.99-1.00，p=0.339）和每周飲酒量（OR=1.01，95%CI:0.98-1.05，p=0.545）產(chǎn)生影響。
敏感性分析（MR-Egger檢驗）未顯示IVs具有基因多效性的證據(jù)。這表明，IVW對因果效應產(chǎn)生無偏估計（表S6）
Supplementary Table 6. The results of reverse MR analyses.
| Methods | Number of SNPs | OR | 95%CI | P for association | P for MR-Egger intercept |
| CRC-ever versus never drinkers | |||||
| Inverse-variance weighted | 12 | 1.00 | 0.99-1.00 | 0.339 | |
| MR-Egger | 12 | 0.98 | 0.94-1.03 | 0.473 | 0.590 |
| Weighted median | 12 | 0.99 | 0.98-1.01 | 0.317 | |
| Maximum likelihood | 12 | 1.00 | 0.99-1.00 | 0.341 | |
| MR-PRESSO | 12 | 1.00 | 0.99-1.00 | 0.350 | |
| CRC-drinks per week | |||||
| Inverse-variance weighted | 12 | 1.01 | 0.98-1.05 | 0.545 | |
| MR-Egger | 12 | 1.14 | 0.94-1.37 | 0.177 | 0.210 |
| Weighted median | 12 | 1.03 | 0.98-1.08 | 0.303 | |
| Maximum likelihood | 12 | 1.01 | 0.97-1.05 | 0.538 | |
| MR-PRESSO | 12 | 1.01 | 0.98-1.05 | 0.536 |
表S6
討論與小結(jié)
在這項研究中，確定了遺傳預測的飲酒與CRC風險之間的關(guān)聯(lián)。這將有利于制定臨床和公共衛(wèi)生戰(zhàn)略，以減少未來CRC預防和管理的酒精消費。
作者將研究人群限制在日本血統(tǒng)的人群中，這減少了由于人口分層而產(chǎn)生的潛在偏倚。使用弱工具變量分析，SNP的F統(tǒng)計量均>10，表明不太可能具有弱工具變量偏倚。最后，作者還利用了多種敏感性分析的方法來估計潛在的多效性，并獲得了類似的結(jié)果，進一步證明結(jié)果的穩(wěn)健性。
惡性腫瘤相關(guān)的問題涉及面極其廣泛，現(xiàn)有文獻中，MR分析多從有關(guān)的人體生理代謝、內(nèi)分泌、免疫、生活飲食習慣、合并的其他疾病等方面入手作為暴露因素，分析涉及惡性腫瘤發(fā)生、發(fā)展過程的危險因素及其與預后的關(guān)系，為臨床的診斷和治療提供線索。小編整理了近兩年的高分MR分析300余篇，惡性腫瘤最常用的暴露因素如下（附表1）。
| category | exposure |
| cause | metabolize |
| dietary /lifestyle | |
| relationship | complex |
| biomarker | |
| other | |
| prognosis | survival/mortality |
| diagnosis/treatment | valuable criteria |
附表1
當然，想要寫出有價值的文章，首先要找到有價值的臨床問題！分析其現(xiàn)有的研究的不足，才有機會結(jié)合這些常用的暴露因素，制定研究方案。小編已經(jīng)將N種不同類型的惡性腫瘤熱門的臨床爭議做好了調(diào)查，想要獲取MR分析方案，請快快聯(lián)系我們，開啟寫作之旅吧~
