掃碼聯(lián)系客服
代謝組與基因組的碰撞——不懂生信也可以復(fù)制的MR分析思路
代謝產(chǎn)物在表型調(diào)節(jié)中發(fā)揮重要作用，但代謝產(chǎn)物與腫瘤之間的因果關(guān)系尚未得到充分研究，作者通過孟德爾隨機(jī)化（MR）研究來研究代謝產(chǎn)物與各種癌癥之間的因果關(guān)系。整合了代謝組學(xué)和基因組學(xué)，以探索癌癥發(fā)生的危險(xiǎn)因素。在臨床實(shí)踐中，是否可以將具有因果關(guān)系的代謝物作為生物標(biāo)志物來區(qū)分癌癥高風(fēng)險(xiǎn)患者，這一點(diǎn)值得探討。需要更詳細(xì)的研究來闡明機(jī)制途徑。
今天再分享一篇在前人研究的基礎(chǔ)上，推陳出新的文章“（遺傳決定的代謝產(chǎn)物對(duì)肺癌、乳腺癌、卵巢癌和膠質(zhì)瘤等癌癥的因果影響：一項(xiàng)孟德爾隨機(jī)化研究Causal effects of genetically determined metabolites on cancers included lung, breast, ovarian cancer, and glioma: a Mendelian randomization study ）”，于2022/7/11發(fā)表在Transl Lung Cancer Res上~
這一類的文章，均為思路簡(jiǎn)潔，可復(fù)制性強(qiáng)，新手小白也可以學(xué)！只要緊追熱點(diǎn)，跟緊數(shù)據(jù)庫中的更新數(shù)據(jù)，打開思路，聯(lián)系臨床即可！同時(shí)，作者和的研究結(jié)果也可以作為我們研究其他癌癥研究的基礎(chǔ)，可以結(jié)合轉(zhuǎn)化和臨床研究來解釋代謝產(chǎn)物如何誘導(dǎo)癌癥的發(fā)展以及它們?cè)谙嚓P(guān)疾病發(fā)病機(jī)制中的作用。
下面是原文，學(xué)習(xí)起來吧~
一、背景
代謝產(chǎn)物是影響腫瘤發(fā)生的關(guān)鍵因素之一。例如，肝激酶B1（LKB1）突變型肺癌具有核苷酸代謝缺陷，導(dǎo)致對(duì)脫氧胸苷酸激酶抑制的超敏反應(yīng)。N-乙酰天門冬氨酸在促進(jìn)腫瘤生長中起著重要作用。2-羥基戊二酸在膠質(zhì)瘤中異常升高。然而，關(guān)于代謝產(chǎn)物與腫瘤之間的因果關(guān)系的研究并不全面。
由于代謝組學(xué)的敏感性，可以檢測(cè)到生物行為的細(xì)微變化，從而深入了解各種生理狀態(tài)和異常過程以及合并疾病的機(jī)制。但生物標(biāo)志物驗(yàn)證的最大挑戰(zhàn)之一是克服由于遺傳因素和環(huán)境暴露的差異導(dǎo)致的個(gè)體間代謝物差異。鑒定代謝產(chǎn)物及其生物學(xué)作用是至關(guān)重要的一步。在這些條件下，許多研究表明代謝組學(xué)在癌癥研究中具有巨大潛力。
孟德爾隨機(jī)化（MR）是一種基于GWAS匯總數(shù)據(jù)的通用方法，以遺傳變異作為工具變量（IV）評(píng)估暴露與結(jié)果之間的因果關(guān)系。換句話說，GWAS的基因變異可用于模擬隨機(jī)對(duì)照比較，以驗(yàn)證各種因素之間的因果關(guān)系。此外，GWAS已擴(kuò)展到代謝概況。
作者使用雙樣本MR方法來檢測(cè)基因決定的代謝型（GDMs）對(duì)肺癌（LC）、乳腺癌（BC）、卵巢癌（OC）和膠質(zhì)瘤的因果效應(yīng)影響。
二、方法
1.代謝產(chǎn)物GWAS的遺傳變異
經(jīng)過嚴(yán)格的質(zhì)量控制，486種代謝產(chǎn)物被用于遺傳分析，其中309種已知代謝產(chǎn)物和177種未知代謝產(chǎn)物。309種已知代謝產(chǎn)物被進(jìn)一步分為8個(gè)廣泛的代謝類別（氨基酸、碳水化合物、輔因子和維生素、能量、脂質(zhì)、核苷酸、肽和異種代謝）。流程圖如圖1。
圖1流程圖
2.工具變量的選擇標(biāo)準(zhǔn)
一開始，從486種血清代謝物中選擇SNP采用統(tǒng)一標(biāo)準(zhǔn)。我們選擇了匯總統(tǒng)計(jì)中列出的SNPs，這些SNPs通過了質(zhì)量控制，P＜1×10-5，該松弛統(tǒng)計(jì)閾值通常在MR研究中實(shí)施，以說明當(dāng)少數(shù)全基因組顯著SNPs可用于暴露時(shí)的更大變化。
聚類程序通過連鎖不平衡（LD）分析完成，以較低的P值作為獨(dú)立的工具。此外，接下來的步驟是評(píng)估這些工具變量是否足夠強(qiáng)大，以通過兩個(gè)參數(shù)預(yù)測(cè)因果效應(yīng)：解釋的遺傳變異（R2）和F統(tǒng)計(jì)。根據(jù)公式F=R2（n?k?1）/（1?R2）k（n是樣本量，k代表SNPs的數(shù)量），計(jì)算與相應(yīng)代謝產(chǎn)物暴露相關(guān)的前者和F統(tǒng)計(jì)，以避免儀器偏倚（表S1）。
廣泛地說，F(xiàn)統(tǒng)計(jì)量大于10被作為選擇強(qiáng)工具變量的典型閾值。將篩選出每種小于10的代謝物的F統(tǒng)計(jì)。
癌癥GWAS的遺傳變異
為了評(píng)估代謝產(chǎn)物與四種癌癥之間的潛在因果關(guān)系，納入了來自不同聯(lián)合體的四種癌癥GWAS匯總統(tǒng)計(jì)數(shù)據(jù)。根據(jù)癌癥類型對(duì)不同人群的整合源自以下聯(lián)合體：國際肺癌協(xié)會(huì)聯(lián)合會(huì)（ILCCO），肺癌[包括11348例病例和15861例對(duì)照，組織學(xué)上可分為肺腺癌（LAC）和鱗狀細(xì)胞癌]，乳腺癌協(xié)會(huì)聯(lián)合會(huì)（BCAC），針對(duì)乳腺癌（包括122977例病例和105974例對(duì)照，分為ER陽性乳腺癌和ER陰性乳腺癌），卵巢癌協(xié)會(huì)聯(lián)合（OCAC）針對(duì)卵巢癌（包括25509例病例和40941例對(duì)照）。關(guān)于膠質(zhì)瘤的GWAS包括14個(gè)隊(duì)列、3個(gè)病例對(duì)照研究和1個(gè)基于人群的病例研究（包括6811例病例）（表S2）。
表S2
3.MR統(tǒng)計(jì)分析
MR的原理如圖S1所示。使用逆方差加權(quán)（IVW）方法估計(jì)代謝物與四種原發(fā)性癌癥之間的因果關(guān)系。然后，我們使用Bonferroni校正，使用P<1.02×10?4（0.05/486）的多重測(cè)試調(diào)整閾值。敏感性分析：采用加權(quán)中值、MR Egger和留一法進(jìn)行敏感性分析，并檢驗(yàn)第二種假設(shè)。通過MR Egger回歸和MR-PRESSO全局檢驗(yàn)檢測(cè)到水平多效性的存在。最后，利用可用數(shù)據(jù)進(jìn)一步探討了亞組分析。
圖S1 MR分析流程
4.代謝途徑分析
使用基于web的MetaboAnalyst 5.0軟件對(duì)識(shí)別的代謝產(chǎn)物進(jìn)行代謝途徑分析。所有代謝產(chǎn)物在PIFW<0.05時(shí)通過IVW鑒定。當(dāng)使用途徑分析模塊來探測(cè)可能參與四種主要癌癥生物學(xué)過程的潛在途徑時(shí)，共有49條來自兩個(gè)代謝產(chǎn)物集合庫的人血清代謝途徑，包括來自小分子途徑數(shù)據(jù)庫（SMPDB）和KEGG數(shù)據(jù)庫的44個(gè)代謝產(chǎn)物集，僅來自KEGG庫的4個(gè)代謝產(chǎn)物。
三、結(jié)果
1.研究概況
使用GWAS匯總統(tǒng)計(jì)數(shù)據(jù)進(jìn)行了兩樣本MR分析，以評(píng)估人類血清代謝物對(duì)四種原發(fā)性癌癥的因果影響。流程圖如圖1。工具變量在其各自表型中的解釋率為0.01%至9.37%。遺傳預(yù)測(cè)因子有效性檢驗(yàn)的最小F統(tǒng)計(jì)量為17.21，這說明486個(gè)代謝型的所有工具變量都足夠可信（F統(tǒng)計(jì)量>10）。
2.代謝產(chǎn)物對(duì)癌癥的因果效應(yīng)
通過使用遺傳變異作為代理變量，鑒定出202個(gè)顯著的致病關(guān)系特征。7-α-羥基-3-氧代-4-膽甾醇酸酯、γ-谷氨酰異亮氨酸、1-油?；视土姿崮憠A、γ-Gutamylyleucine是肺癌卵巢癌、乳腺癌和膠質(zhì)瘤危險(xiǎn)因素；假尿苷、2-甲基丁?；鈮A、2-甲酰丁?；鈮A、甘氨酰纈氨酸是對(duì)肺癌、卵巢癌、乳腺癌的保護(hù)因素，和膠質(zhì)瘤（表1）。
表1
不同類型癌癥的已知和未知代謝產(chǎn)物之間的所有重要致病關(guān)系特征如圖2所示。結(jié)果顯示，2-甲基丁酰肉堿降低了肺癌、乳腺癌和卵巢癌的發(fā)病率，但與膠質(zhì)瘤的較高死亡率相關(guān)（表2）。
表2
圖S2
3.敏感性和多效性分析
為了避免MR研究的水平多效性，進(jìn)行了敏感性和多效性分析（表3）。
甲基丁?；鈮A對(duì)乳腺癌和肺癌具有多效性（圖3）。通過所有敏感分析（P<0.05）的四個(gè)提示性關(guān)聯(lián)特征：亮氨酸對(duì)肺癌的影響、3-脫氫肉堿對(duì)乳腺癌的影響、布洛芬對(duì)卵巢癌的影響，亮氨酸對(duì)卵巢癌的影響。
表3敏感性和多效性分析
圖3
圖2 不同類型癌癥的代謝產(chǎn)物之間的致病關(guān)系
表2
4.肺癌和乳腺癌的亞組分析
在ILCCO和BCAC獲得的暴露中，肺癌分為腺癌和鱗狀細(xì)胞癌；乳腺癌分為ER陽性癌和ER陰性癌。在Bonferroni校正下，2-甲基丁酰肉堿對(duì)LAC（ORIVW=0.60；95%可信區(qū)間：0.48–0.70；PIFW=1.14×，但在ER陰性乳腺癌（ORIVW=1.06；95%CI:0.88–1.26；PIFW=0.55）和鱗狀細(xì)胞肺癌（SCLC）（ORIVW=0.78；95%CI=0.63–0.98；PIFW=0.03）中，這些結(jié)果可能為不同腫瘤的生物發(fā)生機(jī)制提供潛在證據(jù)。值得注意的是，當(dāng)進(jìn)行兩次額外的MR測(cè)試時(shí)，2-甲基丁?；鈮A和LAC之間的因果關(guān)系是可靠的（加權(quán)中值=0.007，PMR Egger=0.019）。表S20和S21中列出了解釋2-甲基丁酰肉堿與兩種癌癥之間關(guān)系的這些遺傳變異。敏感性分析結(jié)果一致，見表S22-S24。
5.代謝途徑分析
代謝途徑分析確定了四種癌癥中的四種代謝途徑（P<0.05）。結(jié)果表明，“維生素B6代謝（P=0.028）和丁酸代謝（P=0.047）”通路可能參與肺癌的發(fā)生?！鞍滨RNA生物合成（P=0.006）和苯丙氨酸、酪氨酸和色氨酸生物合成（P=0.033）”途徑可能與LAC相關(guān)（表S25）。
四、討論和小結(jié)
這項(xiàng)MR研究使用標(biāo)準(zhǔn)IVW和替代加權(quán)中值MR Egger方法提供了人類血清代謝物對(duì)四種原發(fā)性癌癥的潛在因果影響。使用遺傳變異作為工具變量，觀察到137種與癌癥風(fēng)險(xiǎn)相關(guān)的代謝產(chǎn)物。
這篇文章可以學(xué)習(xí)的優(yōu)勢(shì)之處在于，這項(xiàng)研究是第一項(xiàng)將代謝組學(xué)與基因組學(xué)相結(jié)合的MR研究，以檢測(cè)血清代謝產(chǎn)物與癌癥的因果關(guān)系。其次，作者所選擇代謝產(chǎn)物與癌癥之間因果關(guān)系的方法是值得借鑒的！全文清晰且嚴(yán)謹(jǐn)，用了包括IVW、加權(quán)中值和MR Egger在內(nèi)的多種方法，并且，實(shí)施了嚴(yán)格的Bonferroni校正。
總之，這一項(xiàng)MR研究確定了132種可能對(duì)癌癥進(jìn)展有因果影響的代謝物。有趣的是，38種代謝產(chǎn)物對(duì)不止一種癌癥有因果影響，這意味著不同癌癥之間存在一些重疊的代謝途徑。作者和的研究結(jié)果也可以作為其他癌癥研究的基礎(chǔ)，并結(jié)合轉(zhuǎn)化和臨床研究來解釋代謝產(chǎn)物如何誘導(dǎo)癌癥的發(fā)展以及它們?cè)谙嚓P(guān)疾病發(fā)病機(jī)制中的作用。
思路擴(kuò)展
小編認(rèn)為泛癌是孟德爾分析較為高階的應(yīng)用，但是思路簡(jiǎn)單，不需要設(shè)計(jì)過于復(fù)雜的研究方案，完全可以用臨床醫(yī)生的思路來尋找問題！解決方案也類似于前瞻性隊(duì)列研究的思維方式,簡(jiǎn)直不要太方便！
近期，涌現(xiàn)了非常多的癌癥相關(guān)的孟德爾分析的高分文章，范圍廣泛，創(chuàng)新點(diǎn)多，但大多沒有特別深入！新手小白只需要抓住某一具體的研究熱點(diǎn)，使用已經(jīng)整理好的數(shù)據(jù)，做進(jìn)一步的探究，即可輕松搞定一篇質(zhì)量中上等的文章！常用的暴露因素和泛癌結(jié)局指標(biāo)已經(jīng)在上一篇文章中做好了總結(jié)!
熱點(diǎn)寫一篇，就少一篇！趁著新鮮，抓緊時(shí)間，趁著現(xiàn)在快速上車吧~
