Abstract
目的
利用北京房山家系队列研究的基线调查数据，探索基因-环境交互作用对动脉僵硬度的影响。
方法
选取来自北京市房山区9个乡镇的先证者及其亲属作为研究对象，以吸烟、饮酒、体重指数(body mass index，BMI)、膳食评分和体力活动作为行为生活方式因素，以肱-踝脉搏波传导速度(brachial-ankle pulse wave velocity，baPWV)和踝肱指数(ankle-brachial index，ABI)作为动脉僵硬度评价指标，采用方差组分模型估计动脉僵硬度的遗传度，利用极大似然法进行基因型-环境交互作用分析。基于基因型-环境交互作用分析识别的阳性环境因素，进一步选取糖脂代谢通路上的45个基因位点作为候选基因位点，利用广义估计方程模型，探索基因位点与生活方式间的交互作用对动脉僵硬度的影响。
结果
共纳入了来自3 225个家系的6 302名研究对象，研究对象的平均年龄为56.9岁，男性占比45.1%。估计得到baPWV和ABI的遗传度分别为0.360(95%CI：0.302~0.418)和0.243(95%CI：0.175~0.311)。基因型-环境交互作用结果显示，总体加性遗传效应与年龄、性别、膳食评分和BMI间存在交互作用，分别影响baPWV和ABI水平。以baPWV作为结局评价指标时，ADAMTS9-AS2基因上和CDH13基因上的2个单核苷酸多态性(single nucleotide polymorphism, SNP)位点均与膳食评分存在交互作用。高遗传风险的个体遵循健康的生活方式能够降低其动脉僵硬程度。以ABI作为研究终点时，CDKAL1、ATP8B2和SLC30A8基因上的3个SNP位点与BMI存在交互作用，影响动脉僵硬度水平。对于高遗传风险的个体，保持健康的BMI水平能够有效降低动脉僵硬度水平。
结论
本研究利用家系关系观察了基因型-健康膳食模式和基因型-BMI交互作用影响动脉僵硬度水平，发现5个SNP位点与二者存在交互作用；维持健康的生活方式和健康的BMI水平能够降低遗传因素对动脉僵硬度的影响，为识别动脉僵硬度的环境危险因素、制定人群精准预防控制策略提供了一定的研究基础和思路。
Keywords: 血管硬化程度, 基因-环境相互作用, 生活方式, 系谱
Abstract
Objective
To utilized the baseline data of the Beijing Fangshan Family Cohort Study, and to estimate whether the association between a healthy lifestyle and arterial stiffness might be modified by genetic effects.
Methods
Probands and their relatives from 9 rural areas in Fangshan district, Beijing were included in this study. We developed a healthy lifestyle score based on five lifestyle behaviors: smoking, alcohol consumption, body mass index (BMI), dietary pattern, and physical activity. The measurements of arterial stiffness were brachial-ankle pulse wave velocity (baPWV) and ankle-brachial index (ABI). A variance component model was used to determine the heritability of arterial stiffness. Genotype-environment interaction effects were performed by the maximum likelihood methods. Subsequently, 45 candidate single nucleotide polymorphisms (SNPs) located in the glycolipid metabolism pathway were selected, and generalized estimated equations were used to assess the gene-environment interaction effects between particular genetic loci and healthy lifestyles.
Results
A total of 6 302 study subjects across 3 225 pedigrees were enrolled in this study, with a mean age of 56.9 years and 45.1% male. Heritability of baPWV and ABI was 0.360 (95%CI: 0.302-0.418) and 0.243 (95%CI: 0.175-0.311), respectively. Significant genotype-healthy diet interaction on baPWV and genotype-BMI interaction on ABI were observed. Following the findings of genotype-environment interaction analysis, we further identified two SNPs located in ADAMTS9-AS2 and CDH13 might modify the association between healthy dietary pattern and arterial stiffness, indicating that adherence to a healthy dietary pattern might attenuate the genetic risk on arterial stiffness. Three SNPs in CDKAL1, ATP8B2 and SLC30A8 were shown to interact with BMI, implying that maintaining BMI within a healthy range might decrease the genetic risk of arterial stiffness.
Conclusion
The current study discovered that genotype-healthy dietary pattern and genotype-BMI interactions might affect the risk of arterial stiffness. Furthermore, we identified five genetic loci that might modify the relationship between healthy dietary pattern and BMI with arterial stiffness. Our findings suggested that a healthy lifestyle may reduce the genetic risk of arterial stiffness. This study has laid the groundwork for future research exploring mechanisms of arterial stiffness.
Keywords: Arterial stiffness, Gene-environment interaction, Lifestyle, Pedigree
动脉僵硬度是反映动脉弹性及功能的指标之一[1]。伴随年龄增长以及在遗传因素和环境危险因素的共同作用下，动脉内层弹力纤维会发生退变、断裂，胶原纤维含量增加，导致动脉内膜变厚、变硬，进而出现动脉僵硬度增加，顺应性下降[2]。既往多项研究指出[3-4]，动脉僵硬度增加能够反映血管功能的改变，并会增加高血压、糖尿病、冠心病等多种心血管疾病(cardiovascular disease，CVD)的发病风险，是CVD的独立风险预测因子。因此，尽早检测动脉僵硬度水平有助于早发现、早识别CVD高风险人群，起到早期预警作用，具有重要的公共卫生学意义。
动脉僵硬度是受到遗传和环境因素共同影响的复杂表型。颈-股脉搏波传导速度[1]是目前动脉僵硬度评价的“金标准”，但由于其操作复杂，目前多采用肱-踝脉搏波传导速度(brachial-ankle pulse wave velocity，baPWV)来反映大动脉和中动脉的动脉僵硬程度。除此之外，踝肱指数(ankle-brachial index，ABI)、增强指数以及脉压差等指标也可用于评价血管结构和功能以反映动脉僵硬度。既往研究表明，遗传因素与肥胖[5]、膳食[6]等行为生活方式间存在交互作用，影响动脉僵硬程度。但是，目前针对动脉僵硬度开展的交互作用研究较为有限，现有研究证据仍未能被进一步验证，且在中国人群中开展的研究证据较为匮乏，因此，有待开展相关研究以深入探索交互作用在动脉僵硬中的作用机制。
基因型-环境交互作用(genotype-environment interaction，GenoXE)是指总体加性遗传效应与环境的交互作用，指不同环境下总体遗传效应对个体发病/性状的作用不同。GenoXE分析通过统计学分析方法，基于有亲缘关系的亲属样本，能够在不检测遗传信息的情况下，利用亲属信息的结局指标将遗传因素作为整体来评估交互作用的效应大小。探索GenoXE交互作用可为定位具有基因-环境交互作用的基因位点提供线索。基于GenoXE所发现的阳性环境因素来进一步识别具有基因-环境交互作用效应的基因位点，能重点聚焦于与遗传因素存在交互作用的环境效应，避免了因严格的全基因组关联分析(genome wide association study，GWAS)多重检验校正阈值而丢失的潜在阳性信号，增加了阳性单核苷酸多态性(single nucleotide polymorphism, SNP)位点发现的可能，能够进一步提高统计学检验效能和研究效率，并能帮助识别交互作用在动脉硬化等病变中的作用模式。因此，本研究将利用北京房山家系队列，从GenoXE入手探索基因型-生活方式交互作用对动脉僵硬度的影响，并在此基础上进一步挖掘可能与生活方式存在交互作用的基因位点对动脉僵硬度的影响。
1. 资料与方法
1.1. 研究对象
研究资料来源于“北方农村地区居民常见慢性非传染性疾病家系队列研究”项目，项目选取了北京市房山区具有北方地区典型人口、经济和地理特征的9个乡镇的各行政村作为研究现场。研究采用家系队列的研究设计，以家系为单位募集研究对象，于2005年6月至2017年8月对研究对象展开了基线资料收集，并于2019年7月至2020年12月完成了第一次随访调查。
本研究基于北京房山家系队列研究中的基线调查数据开展，纳入了所有符合标准的研究对象及其所在家系。研究对象的纳入标准为：(1)年龄≥18周岁；(2)家系成员≥2人；(3)不患有脑卒中、冠心病等心血管疾病；(4)自愿参加并完成问卷调查、体格检查和血生化检测；(5)无重大躯体或精神性疾病，可以配合调查。北京房山家系队列研究获得北京大学生物医学伦理委员会批准(IRB00001052-13027)，所有研究对象均签署了知情同意书。
1.2. 相关指标及定义
研究的基线调查主要包括问卷调查、体格检查、临床检查、血生化指标检测和基因多态性检测。其中，问卷调查包括研究对象的一般人口学资料、生活方式危险因素、个人疾病史、家族疾病史、服药史等信息。体格检查包括研究对象的身高、体质量、臀围、腰围等指标，身高和体质量采用标准的身高体重计进行测量，身高读取精准至0.1 cm，体质量读取精准至0.1 kg。本研究纳入的行为生活方式因素包括吸烟、饮酒、体重指数(body mass index，BMI)、膳食情况[7]和体力活动，并基于以上5种生活方式建立了健康生活方式评分[8]，其中，从不吸烟、从不饮酒、健康膳食评分高于中位数、每周中/高强度体力活动时间高于中位数、BMI位于18.5~24.9范围内的研究对象被认为遵循健康生活方式。若研究对象各项行为生活方式属于健康生活方式则赋1分，否则记为0分。将各条目评分相加得到健康生活方式评分，总分越高则生活方式越健康(最低0分，最高5分)[8]。
动脉僵硬度以baPWV和ABI作为检测指标。baPWV和ABI的测量采用日本欧姆龙公司的BP-203RPE Ⅲ全自动动脉硬化检测仪进行，以身体左侧和右侧的平均值作为最终测量值纳入统计分析。按照《血管衰老临床评估与干预中国专家共识》[9]的参考标准，baPWV < 1 400 cm/s认为是动脉僵硬程度的正常范围，baPWV≥1 400 cm/s且≤1 800 cm/s被认为出现动脉僵硬度的可疑升高，baPWV>1 800 cm/s被认为出现动脉僵硬度的病理性升高。除此之外，本研究还以ABI作为动脉硬化的另一评价指标，据欧洲心脏病学会(European Society of Cardiology，ESC)的相关指南[10]定义：1.0≤ABI≤1.39为动脉僵硬的正常范围，0.91≤ABI≤0.99提示出现动脉僵硬度的可疑性升高，ABI≤0.9为出现动脉僵硬度的病理性升高。
本研究收集了研究对象的静脉血样，提取DNA进行基因多态性检测，并按以下标准对检测位点进行质量控制：(1)剔除弱势等位基因频率小于1%的SNP；(2)剔除哈迪-温伯格(Hardy-Weinberg)平衡检验P < 1.0×10-5的SNP位点。
本研究共纳入了来自29个基因上的45个候选SNP位点，开展基因-环境交互作用分析。首先选取了既往GWAS研究[11-13]报道的与动脉僵硬度存在关联的8个SNP位点，分别位于APOE、CDKN2B-AS1、BCL11B 3个基因上；此外，还纳入了既往基因-环境交互作用研究[5-6]提示的位于糖脂代谢通路的CDH13、ADIPOQ、CXCL12、FER、GCKR、ADAMTS9-AS2、ASB3、ATP8B2、BCL11A、CCDC85A、CDKAL1、CMIP、HNF4A、GLIS3、HHEX、HNF4A、INAFM2、KCNQ1、KLF14、MTNR1B、PEPD、PROX1、RASGRP1、SLC30A8、UBE2E2、CDKN2A/B共26个基因上的37个SNP位点开展分析。
1.3. 统计学分析
采用R 4.2.2软件对研究对象的一般人口学特征、体格检查指标、心血管代谢疾病指标进行描述性分析，其中，连续变量中正态分布的数据采用平均值±标准差进行描述，组间比较采用t检验或方差分析；非正态分布的数据则以中位数(四分位数间距)描述，组间比较采用Wilcoxon秩和检验；分类变量采用频数(百分比)描述，组间比较采用Pearson χ2检验。
采用SOLAR 8.1.1软件进行连续变量的单表型遗传度估计和基因型-环境交互作用计算[14-15]。GenoXE是描述总体遗传变异在不同水平环境因素间的差异。GenoXE的无效假设为遗传效应独立于环境暴露水平，则遗传效应与环境水平无关。GenoXE的无效检验也可以分为以下两部分：Ⅰ型GenoXE(Ⅰ-GenoXE)无效假设为遗传方差在各环境暴露水平间是一致的，即遗传因素的作用强度与环境因素无关；Ⅱ型GenoXE(Ⅱ-GenoXE)无效假设为不同环境暴露水平且有相同水平性状的个体间，影响性状的基因完全相同。拒绝Ⅰ-GenoXE无效假设则提示，不同环境水平下，遗传因素对性状的作用强度不一致，即不同环境水平下，性状的遗传度不同。拒绝Ⅱ-GenoXE无效假设则提示，不同环境水平下，决定性状的基因/基因集间存在差异。本研究中所有假设检验的统计学显著性水平均取0.05。
基因-环境交互作用分析也在R 4.2.2软件中进行，以家系编码为分组变量，采用嵌入家系结构的广义估计方程模型分析基因位点与生活方式危险因素的交互作用。在调整年龄、性别、健康生活方式及教育水平的模型中引入生活方式危险因素与基因位点的相乘交互作用项，通过交互作用项P值判断因素之间是否存在交互作用。为避免假阳性结果，进一步采用Bonferroni进行多重检验校正，研究共纳入45个基因位点，因此假设检验显著性阈值为1.11×10-3。
2. 结果
2.1. 基本人口学特征
按健康生活方式对研究对象的基线特征进行了描述(表 1)。本研究共纳入了来自3 225个家系的6 302名研究对象，平均年龄为(56.89±10.54)岁，男性占比45.1%。健康生活方式评分为0~1分、2~3分和4~5分的研究对象分别为887、3 886和1 529名，构成比分别为14.1%、61.7%和24.3%。健康生活方式评分为4~5分的研究对象的教育水平显著高于评分为0~1分的研究对象。另外，健康生活方式评分为4~5分的研究对象中，服用降压药、降糖药、降脂药的患者比例均高于评分为0~1分的研究对象。
表 1.
研究对象的基线特征
Baseline characteristics of participants
| Items | Low-risk lifestyle factors | P | ||
| 0-1 | 2-3 | 4-5 | ||
| baPWV, brachial-ankle pulse wave velocity; SBP, systolic blood pressure; DBP, diastolic blood pressure; ABI, ankle-brachial index. | ||||
| Total, n (%) | 887 (14.1) | 3 886 (61.7) | 1 529 (24.3) | |
| Male, n (%) | 762 (85.9) | 1 799 (46.3) | 281 (18.4) | < 0.01 |
| Age/years, x±s | 55.28±11.30 | 56.88±10.71 | 57.84±9.48 | < 0.01 |
| baPWV/(cm/s), x±s | 1 675.20±350.82 | 1 690.77±381.67 | 1 687.54±386.26 | 0.54 |
| SBP/mmHg, x±s | 138.17±19.33 | 136.65±20.37 | 135.39±19.53 | < 0.01 |
| DBP/mmHg, x±s | 84.78±15.79 | 81.20±14.68 | 79.34±10.90 | < 0.01 |
| ABI, x±s | 1.09±0.10 | 1.08±0.11 | 1.08±0.11 | 0.07 |
| Educational levels, n (%) | < 0.01 | |||
| Primary school or less | 323 (36.4) | 1 549 (39.9) | 614 (40.1) | |
| Middle school | 426 (48.0) | 1 693 (43.6) | 635 (41.5) | |
| High school or above | 138 (15.6) | 644 (16.6) | 280 (18.3) | |
| Hypertension, n (%) | 635 (71.6) | 2 558 (65.8) | 1002 (65.5) | < 0.01 |
| Diabetes, n (%) | 314 (35.4) | 1 643 (42.3) | 854 (55.9) | < 0.01 |
| Antihypertensive treatment, n (%) | 350 (39.5) | 1 704 (43.8) | 751 (49.1) | < 0.01 |
| Diabetes mellitus treatment, n (%) | 187 (21.1) | 1 156 (29.7) | 687 (44.9) | < 0.01 |
| Lipid-lowering treatment, n (%) | 92 (10.4) | 505 (13.0) | 255 (16.7) | < 0.01 |
2.2. 动脉僵硬度评价指标的遗传度估计
基于研究对象的家系结构，利用极大似然法估计的方差组分模型对baPWV及ABI的遗传度进行估计，估计得到baPWV的遗传度为0.360(95%CI：0.302~0.418，P < 0.001)，ABI的遗传度为0.243(95%CI：0.175~0.311，P < 0.001)，验证了总体遗传效应会对baPWV和ABI水平产生影响，同时，本研究还发现协变量对二者遗传度的贡献均较小。
2.3. 基因型-生活方式交互作用研究
我们进一步探索了基因型-环境交互作用对动脉僵硬度的影响，结果如图 1所示。其中，Ⅰ-GenoXE显示基因型-性别(P1=0.01)和基因型-年龄(P1=0.03)交互作用分别影响baPWV和ABI水平；同时，基因型-体力活动交互作用影响baPWV的大小(P1=0.04)，提示不同体力活动状态的研究对象，遗传因素对baPWV的影响程度差异有统计学意义；此外，Ⅰ-GenoXE研究还显示，基因型-BMI交互作用对ABI的影响有统计学意义(P1=0.03)。
图 1.
基因型-环境交互作用研究对动脉僵硬度的影响
Effect of genotype-environment interaction on arterial stiffness
Ⅰ-GenoXE, type Ⅰ genotype-environment interaction; Ⅱ-GenoXE, type Ⅱ genotype-environment interaction; BMI, body mass index; baPWV, brachial-ankle pulse wave velocity; ABI, ankle-brachial index.
Ⅱ-GenoXE结果显示，基因型-性别交互作用对baPWV(P2=0.01)及ABI(P2 < 0.01)的影响有统计学意义；基因型-年龄交互作用(P2=0.01)对ABI的影响有统计学意义。对于生活方式危险因素，本研究结果显示基因型-健康膳食评分(P2 < 0.01)间的交互作用会影响baPWV水平，而基因型-BMI交互作用(P2=0.02)会影响ABI的水平，提示随着研究对象健康膳食评分和BMI间的差异增加，影响baPWV和ABI的基因或基因集间存在显著差异。
2.4. 糖脂代谢通路候选基因位点与健康膳食模式和BMI间的交互作用
GenoXE分析提示，遗传因素与膳食模式和BMI间存在Ⅱ-GenoXE交互作用，分别影响baPWV和ABI水平，提示随着研究对象健康膳食评分或BMI间差异的增加，影响baPWV或ABI的基因或基因集间存在差异，因此本研究进一步探索了可能与健康膳食模式和BMI间存在交互作用的基因位点。
本研究中，纳入基因-环境交互作用分析的45个SNP位点均符合基因位点的质量控制标准。基因-环境交互作用分析后，我们首先发现了2个与膳食模式间存在交互作用的基因位点(表 2)。在调整年龄、性别模型后，结果显示在不遵循健康膳食模式的研究对象中，位于ADAMTS9-AS2基因的rs4607103和位于CDH13基因上的rs7193788位点每增加一个风险等位基因，动脉僵硬度出现可疑性升高的风险将分别增加30%(交互作用P=0.002)和23%(交互作用P=0.01)，但上述两个位点并未通过Bonferroni多重检验校正。
表 2.
基因位点与健康膳食模式交互作用对baPWV的影响
Effect of gene-healthy diet interaction on baPWV
| Variants | Reference/Effect allele | EAF | Adherence to a healthy dietary pattern* | P for interaction | |
| No | Yes | ||||
| * Model adjusted for age, gender, smoking, alcohol consumption, physical activity, body mass index, and educational level. Showing as odds ratio (95%CI), representing the effects for each additional risk allele. baPWV, brachial-ankle pulse wave velocity; EAF, effect allele frequency. | |||||
| ADAMTS9-AS2 rs4607103 | T/C | 0.58 | 1.30 (1.06-1.60) | 0.89 (0.78-1.03) | 0.002 |
| CDH13 rs7193788 | G/A | 0.53 | 1.23 (1.00-1.52) | 0.90 (0.79-1.04) | 0.01 |
当以ABI作为结局评价指标时，本研究结果显示3个SNP位点与BMI间存在交互作用，改变动脉僵硬度出现可疑性升高的风险(表 3)。其中，CDKAL1基因上的rs7756992位点、ATP8B2基因上的rs67156297，以及SLC30A8基因上的rs3802177位点与BMI间存在交互作用。按研究对象BMI水平的三分位数，将个体的BMI水平分为低三分位数(Q1)、中三分位数(Q2)及高三分位数(Q3)三组。研究结果显示，在BMI低、中、高三分位数组中，上述位点每增加一个风险等位基因，动脉僵硬度出现可疑性升高的风险将会增加，其中CDKAL1基因的rs7756992位点通过了多重检验校正。
表 3.
基因位点与BMI交互作用对ABI的影响
Effect of gene-BMI interaction on ABI
| Variants | Reference/Effect allele | EAF | BMI group* | P for interaction | ||
| Q1 | Q2 | Q3 | ||||
| * BMI groups were classified according to the tertiles of individual’s BMI levels, defined as Q1, Q2 and Q3, model was adjusted for age, gender, smoking, alcohol consumption, physical activity, healthy diet pattern, and educational level. Showing as odds ratio (95%CI), representing the effects for each additional risk allele. BMI, body mass index; ABI, ankle-brachial index; EAF, effect allele frequency. | ||||||
| CDKAL1 rs7756992 | A/G | 0.53 | 0.71 (0.55-0.92) | 1.27 (1.03-1.57) | 1.01 (0.78-1.32) | < 0.001 |
| ATP8B2 rs67156297 | A/G | 0.89 | 0.74 (0.50-1.09) | 0.99 (0.69-1.41) | 1.60 (0.91-2.80) | 0.002 |
| SLC30A8 rs3802177 | T/C | 0.64 | 0.73 (0.56-0.95) | 0.97 (0.77-1.21) | 0.99 (0.76-1.30) | 0.01 |
3. 讨论
本研究基于北京房山家系队列设计，充分发挥了家系研究的设计优势，利用家系人群的亲缘关系和表型信息，估计了总体加性遗传效应与年龄、性别以及生活方式间的交互作用对动脉僵硬度的影响，并进一步探索性挖掘了可能与生活方式存在交互作用的基因位点对动脉僵硬程度的影响。
在GenoXE分析中，对于年龄、性别在内的环境因素，本研究探讨了总体加性遗传效应与年龄、性别间的交互作用对动脉僵硬程度的影响，其中，Ⅰ型基因型-性别和基因型-年龄交互作用分别影响个体的baPWV和ABI水平，提示不同性别或不同年龄差距的研究对象间，baPWV和ABI的遗传度存在差异。Ⅱ型交互作用的结果显示，基因型-性别和基因型-年龄交互作用会对baPWV和ABI水平产生影响，提示不同性别、年龄差距的研究对象中，影响baPWV和ABI的基因/基因集间存在差异。既往研究显示，基因型-性别和基因型-年龄的交互作用会影响个体的血压、血糖及血脂水平，但尚未有研究发现类似的交互作用会影响个体动脉的僵硬程度[14]。尽管本研究基于家系人群样本有上述发现，但相关结果仍有待更多的家系研究进一步验证。
对于行为生活方式危险因素，本研究结果发现，Ⅰ型基因型-体力活动交互作用会影响baPWV水平，提示在不同体力活动水平人群中，动脉僵硬度的遗传度存在差异。然而，目前少有研究进一步印证二者间的交互作用，还有待未来进一步的探索。除此之外，本研究还发现Ⅱ型基因型-膳食模式会影响baPWV水平。Choi等[6]的队列研究发现，女性ZNF618基因中的rs10817542位点与钙摄入量间存在显著的剂量依赖关系，影响baPWV的大小。中国人群证据研究发现，SIRT6基因中的rs107251与大豆摄入量存在交互作用，会影响baPWV的水平[16]。本研究以ABI作为动脉僵硬度评价指标，分别观察了Ⅰ型和Ⅱ型基因型-BMI交互作用对ABI的影响。既往有研究报道了类似的基因-环境交互作用影响baPWV水平，该研究报道APOA5基因上rs662799位点的基因多态性和肥胖间存在相互作用，并会加速与年龄相关的动脉僵硬程度[5]。APOA5基因编码蛋白apoA5，是心血管疾病的主要危险因素，因此，遗传因素与肥胖间的相互作用可能通过调节脂蛋白水平来介导，进而导致动脉僵硬的进程加快。然而，由于GenoXE需要基于家系设计进行分析，因此目前针对动脉僵硬度相关的GenoXE研究仍较为有限，后续仍待进一步研究来印证本研究的发现。
在探索GenoXE的基础上，本研究针对存在阳性GenoXE的行为生活方式因素进一步开展了基因-环境交互作用分析。以baPWV作为动脉僵硬度的评价指标，本研究结果显示ADAMTS9-AS2基因的rs4607103位点和CDH13基因的rs7193788位点与健康膳食模式间存在交互作用，影响动脉僵硬度的可疑性升高。rs4607103位点所在基因编码一种基质蛋白金属酶，在心脏和骨骼肌等组织大量表达[17]。有研究发现，在暴露于高脂肪摄入的Ⅱ型糖尿病患者的细胞外基质水平升高，导致其毛细血管密度和细胞骨架水平发生改变[18]，影响血管内皮功能，而类似机制也同样被发现于动脉僵硬度增加的病因模型中[19]。还有研究指出，该位点与膳食纤维间可能存在交互作用影响糖尿病的发生。CDH13基因的rs7193788位点在亚洲人群GWAS研究中被发现与体内脂代谢水平相关[20]，是调节体内脂联素水平的关键基因。有动物实验证据表明，脂联素能够通过刺激一氧化氮的形成来抵抗体内炎性反应[21]，而该机制也与动脉僵硬度增加的病因机制间存在一定重叠。Jo等[22]的研究指出，具有CDH13基因rs3865188位点多态性风险的肥胖吸烟者患低脂联素血症的风险高6.2倍。
基于本研究发现的基因型-BMI交互作用对ABI的影响，我们还进一步探讨了CDKAL1基因上的rs7756992位点、ATP8B2基因上的rs67156297位点和SLC30A8基因上的rs3802177位点与BMI间存在交互作用，均对动脉僵硬度的可疑性升高产生影响。上述3个位点在既往的GWAS研究中被发现与Ⅱ型糖尿病发病有关，且均在亚洲人群中被证实[23-25]。还有研究发现，ATP8B2基因上的rs67156297位点与体内C-反应蛋白水平有关，是慢性低度炎症的潜在主要调节因子，对脂质和其他心脏代谢途径存在基因多效性作用，并进一步印证了该位点与总胆固醇及高密度脂蛋白等脂质代谢物间的关联[26]。推测该位点可能通过影响脂质水平进而诱发动脉僵硬程度改变，而其具体作用机制尚不清晰。此外，由于本研究发现的上述位点与健康膳食模式和BMI间的交互作用以及其对动脉僵硬度的影响尚无直接证据证明，因此还待后续研究的挖掘和探索来进一步证实本研究的相关结果。
北京房山家系队列研究是宝贵的家系资源，家系研究设计是探索复杂疾病的遗传病因及其与环境的复杂交互作用的可靠样本。家系成员之间的亲缘关系为病因研究提供了均一的遗传背景，不会因人群分层影响而出现易感基因与疾病表型的假阳性关联。同时，家系研究对象提供了更为丰富的遗传信息，更容易估计候选基因对疾病表型变异的贡献。此外，家系样本在评估基因对环境的效应修饰方面也更加可靠。本研究利用家系设计，基于研究对象的亲缘关系和表型信息，估计了总体加性遗传效应与性别、年龄以及行为生活方式危险因素的交互作用，同时也发现了多个与健康生活方式存在交互作用的基因位点，探索性挖掘了基因位点-健康生活方式危险因素-动脉僵硬度间的关联，为识别CVD的早期风险、制定相关精准预防策略提供了一定的研究证据。
综上所述，本研究发现遗传因素与膳食模式和BMI间存在交互作用，影响动脉僵硬度的水平，并进一步发现了多个存在阳性交互作用的基因位点，未来还有待在更大人群的样本中验证本研究结果，并深入探索影响动脉僵硬度的可能交互作用机制。
Funding Statement
国家自然科学基金(82204135)、北京市自然科学基金(7232237)和中国博士后科学基金(BX2021021、2022M710249)
Supported by the National Natural Science Foundation of China (82204135), the Beijing Natural Science Foundation (7232237), and the China Postdoctoral Science Foundation (BX2021021, 2022M710249)
References
- 1.Chirinos JA, Segers P, Hughes T, et al. Large-artery stiffness in health and disease: JACC state-of-the-art review. J Am Coll Cardiol. 2019;74(9):1237–1263. doi: 10.1016/j.jacc.2019.07.012. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 2.Boutouyrie P, Chowienczyk P, Humphrey JD, et al. Arterial stiffness and cardiovascular risk in hypertension. Circ Res. 2021;128(7):864–886. doi: 10.1161/CIRCRESAHA.121.318061. [DOI] [PubMed] [Google Scholar]
- 3.Willum-Hansen T, Staessen JA, Torp-Pedersen C, et al. Prognostic value of aortic pulse wave velocity as index of arterial stiffness in the general population. Circulation. 2006;113(5):664–670. doi: 10.1161/CIRCULATIONAHA.105.579342. [DOI] [PubMed] [Google Scholar]
- 4.Mitchell GF, Hwang SJ, Vasan RS, et al. Arterial stiffness and cardiovascular events. Circulation. 2010;121(4):505–511. doi: 10.1161/CIRCULATIONAHA.109.886655. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 5.Kim M, Yoo HJ, Lee HJ, et al. Longitudinal interaction between APOA-1131T>C and overweight in the acceleration of age-related increase in arterial stiffness through the regulation of circulating triglycerides. Hypertens Res. 2019;42(2):241–248. doi: 10.1038/s41440-018-0137-y. [DOI] [PubMed] [Google Scholar]
- 6.Choi S, Jung S, Kim MK, et al. Gene and dietary calcium interaction effects on brachial-ankle pulse wave velocity. Clin Nutr. 2016;35(5):1127–1134. doi: 10.1016/j.clnu.2015.08.009. [DOI] [PubMed] [Google Scholar]
- 7.Fung TT, Chiuve SE, McCullough ML, et al. Adherence to a DASH-style diet and risk of coronary heart disease and stroke in women. Arch Intern Med. 2008;168(7):713–720. doi: 10.1001/archinte.168.7.713. [DOI] [PubMed] [Google Scholar]
- 8.Li Y, Schoufour J, Wang DD, et al. Healthy lifestyle and life expectancy free of cancer, cardiovascular disease, and type 2 diabetes: Prospective cohort study. BMJ. 2020;368:l6669. doi: 10.1136/bmj.l6669. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 9.张 存泰, 陶 军, 田 小利, et al. 血管衰老临床评估与干预中国专家共识(2018) 中华老年病研究电子杂志. 2019;6(1):1–8. doi: 10.3877/cma.j.issn.2095-8757.2019.01.001. [DOI] [Google Scholar]
- 10.Arnett DK, Blumenthal RS, Albert MA, et al. 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease: A report of the American College of Cardiology/American Heart Association Task Force on clinical practice guidelines. J Am Coll Cardiol. 2019;74(10):e177–e232. doi: 10.1016/j.jacc.2019.03.010. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 11.Mitchell GF, Verwoert GC, Tarasov KV, et al. Common genetic variation in the 3'-BCL11B gene desert is associated with carotid-femoral pulse wave velocity and excess cardiovascular disease risk: The AortaGen Consortium. Circ Cardiovasc Genet. 2012;5(1):81–90. doi: 10.1161/CIRCGENETICS.111.959817. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 12.Fung K, Ramirez J, Warren HR, et al. Genome-wide association study identifies loci for arterial stiffness index in 127, 121 UK Biobank participants. Sci Rep. 2019;9(1):9143. doi: 10.1038/s41598-019-45703-0. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 13.Rode M, Teren A, Wirkner K, et al. Genome-wide association analysis of pulse wave velocity traits provide new insights into the causal relationship between arterial stiffness and blood pressure. PLoS One. 2020;15(8):e0237237. doi: 10.1371/journal.pone.0237237. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.Poveda A, Chen Y, Brändström A, et al. The heritable basis of gene-environment interactions in cardiometabolic traits. Diabetologia. 2017;60(3):442–452. doi: 10.1007/s00125-016-4184-0. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 15.Martin LJ, Kissebah AH, Sonnenberg GE, et al. Genotype-by-smoking interaction for leptin levels in the metabolic risk complications of obesity genes project. Int J Obes Relat Metab Disord. 2003;27(3):334–340. doi: 10.1038/sj.ijo.0802232. [DOI] [PubMed] [Google Scholar]
- 16.Sun K, Xiang X, Li N, et al. Gene-diet interaction between SIRT6 and soybean intake for different levels of pulse wave velocity. Int J Mol Sci. 2015;16(7):14338–14352. doi: 10.3390/ijms160714338. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 17.Boesgaard TW, Gjesing AP, Grarup N, et al. Variant near ADAMTS9 known to associate with type 2 diabetes is related to insulin resistance in offspring of type 2 diabetes patients: EUGENE2 study. PLoS One. 2009;4(9):e7236. doi: 10.1371/journal.pone.0007236. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 18.Berria R, Wang L, Richardson DK, et al. Increased collagen content in insulin-resistant skeletal muscle. Am J Physiol Endocrinol Metab. 2006;290(3):E560–565. doi: 10.1152/ajpendo.00202.2005. [DOI] [PubMed] [Google Scholar]
- 19.Hwang CL, Muchira J, Hibner BA, et al. Alcohol consumption: A new risk factor for arterial stiffness? Cardiovasc Toxicol. 2022;22(3):236–245. doi: 10.1007/s12012-022-09728-8. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 20.Chung CM, Lin TH, Chen JW, et al. A genome-wide association study reveals a quantitative trait locus of adiponectin on CDH13 that predicts cardiometabolic outcomes. Diabetes. 2011;60(9):2417–2423. doi: 10.2337/db10-1321. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 21.Antoniades C, Antonopoulos AS, Tousoulis D, et al. Adiponectin: From obesity to cardiovascular disease. Obes Rev. 2009;10(3):269–279. doi: 10.1111/j.1467-789X.2009.00571.x. [DOI] [PubMed] [Google Scholar]
- 22.Jo J, Sull JW, Park EJ, et al. Effects of smoking and obesity on the association between CDH13 (rs3865188) and adiponectin among Korean men: The KARE study. Obesity. 2012;20(8):1683–1687. doi: 10.1038/oby.2011.128. [DOI] [PubMed] [Google Scholar]
- 23.Li YY, Wang LS, Lu XZ, et al. CDKAL1 gene rs7756992 A/G polymorphism and type 2 diabetes mellitus: A meta-analysis of 62, 567 subjects. Sci Rep. 2013;3(1):3131. doi: 10.1038/srep03131. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 24.Imamura M, Takahashi A, Yamauchi T, et al. Genome-wide association studies in the Japanese population identify seven novel loci for type 2 diabetes. Nature Communications. 2016;7(1):10531. doi: 10.1038/ncomms10531. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 25.Lin Y, Li P, Cai L, et al. Association study of genetic variants in eight genes/loci with type 2 diabetes in a Han Chinese population. BMC Med Genet. 2010;11(1):97. doi: 10.1186/1471-2350-11-97. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 26.Koskeridis F, Evangelou E, Said S, et al. Pleiotropic genetic architecture and novel loci for C-reactive protein levels. Nat Commun. 2022;13(1):6939. doi: 10.1038/s41467-022-34688-6. [DOI] [PMC free article] [PubMed] [Google Scholar]