今天小云要分享的這篇孟德爾隨機化的文章就發(fā)表在了Nature子刊上，僅用7張主圖就搞定了17分+的文章，而且不用做實驗，性價比是相當高了，尤其適合零基礎的小伙伴，所以感興趣的一定要抓住這個快速發(fā)文機會，趕緊吃一波紅利！

題目：系統(tǒng)孟德爾隨機化使用人類血漿蛋白質(zhì)組發(fā)現(xiàn)潛在的中風治療靶點

雜志：nature communications

影響因子：17.694

發(fā)表時間：2022年10月

?

研究方法

為了確定潛在的卒中治療靶點，作者在一個雙樣本孟德爾隨機化中估計了308種血漿蛋白對卒中結(jié)局的因果影響，并評估了卒中危險因素的中介作用。

圖1.流程圖

（1）蛋白質(zhì)組學分析和質(zhì)量控制

納入INTERVAL BioResource的4994名獻血者，使用Olink Proseek?Multiplex平臺，通過四種高通量、多重免疫分析進行蛋白質(zhì)組學分析:炎癥I (INF1)、心血管II (CVD2)、心血管III (CVD3)和神經(jīng)I (NEURO)。

（2）蛋白質(zhì)組GWAS

INTERVAL研究使用UK Biobank Affymetrix Axiom陣列進行基因分型。提取了約5000名參與者的Olink蛋白質(zhì)組學分析的遺傳數(shù)據(jù)，以測試遺傳變異與血漿蛋白的關(guān)聯(lián)。對最終的輸入數(shù)據(jù)集進行了額外的輸入質(zhì)量過濾和Hardy-Weinberg平衡。363個蛋白中約有354個通過了質(zhì)量控制。僅保留至少一個SNP關(guān)聯(lián)值超過全基因組顯著閾值的蛋白，共308個蛋白用于MR分析。

（3）與蛋白質(zhì)相關(guān)的基因變異

對于每個血漿蛋白，使用其對應GWAS的順式和反式pQTL作為遺傳工具。

（4）與中風相關(guān)的基因變異及其危險因素

主要結(jié)果是卒中及其亞型的風險。卒中預后的遺傳關(guān)聯(lián)估計來自MEGASTROKE聯(lián)盟。作者提取了工具變量（IVs）蛋白與中風及其亞型之間的關(guān)聯(lián)，這些關(guān)聯(lián)僅局限于歐洲血統(tǒng)的個體。本研究的主要結(jié)局是任何中風(包括缺血性和出血性中風;AS, N?cases = 40,585)，任何缺血性卒中(IS, N?cases = 34,217)和三種病因缺血性卒中亞型:大動脈卒中(LAS, N?cases = 4373)，心臟栓塞性卒中(CES, N?cases = 7193)和小血管卒中(SVS, N?cases = 5386)。從MEGASTROKE GWAS中獲得了五種卒中結(jié)果相關(guān)性的匯總數(shù)據(jù)(β系數(shù)和標準誤差)。

（5）系統(tǒng)性磁共振篩查腦卒中致病蛋白及腦卒中危險因素

使用兩個樣本MR來估計基因預測蛋白水平與目標結(jié)局(卒中、卒中危險因素和潛在不良反應或其他適應癥)之間的關(guān)聯(lián)。

MR方法:(i)用作工具變量(IV)的遺傳變異與目標暴露(即蛋白質(zhì)水平)相關(guān);(ii)基因變異與結(jié)果之間不存在未測量的混雜因素;(iii)基因變異僅通過暴露變化與結(jié)果相關(guān)，即無多效性。

在提取了變異與暴露或結(jié)果之間的關(guān)聯(lián)估計值后，通過效應等位基因協(xié)調(diào)了估計值的方向，并應用Wald比值法在只有一個IV可用于目標暴露時估計因果效應。如果有多個IV可用，應用逆方差加權(quán)(IVW)方法，無論是在固定效應 (IVs≤3)還是在乘法隨機效應(IVs＜3)中。

采用了雙樣本MR，包括初級MR(蛋白質(zhì)→腦卒中結(jié)局)和兩步MR(第一步MR:腦卒中危險因素→腦卒中結(jié)局;?第2步 MR:蛋白質(zhì)→卒中危險因素)和Phe-MR(蛋白質(zhì)→PheWAS)。

（6）多性狀共定位分析

對與一種或多種中風結(jié)果相關(guān)的六種蛋白質(zhì)進行了共定位分析，以調(diào)查蛋白質(zhì)水平和中風結(jié)果的遺傳關(guān)聯(lián)是否由于相同的因果變異。使用多性狀共定位(HyPrColoc)方法估計了多個性狀同時具有相同因果SNP的后驗概率(PP)。

（7）中介分析

對于與中風和危險因素都有因果關(guān)系的蛋白質(zhì)，進行了中介分析，通過危險因素量化蛋白質(zhì)對中風結(jié)局的影響。

（8）對目標蛋白的784種表型進行全表型MR (Phe-MR)分析

通過對一系列疾病進行Phe-MR分析，擴大了對六種卒中相關(guān)蛋白的副作用的探索，包括非卒中表型。

?

主要研究結(jié)果

1.?中風相關(guān)蛋白的鑒定

作者檢測了308種血漿蛋白與卒中結(jié)局的因果關(guān)系。首先使用順式pQTL作為工具變量進行了MR分析，并確定了6種與至少一種卒中結(jié)局相關(guān)的假定因果蛋白(圖2、3):TFPI(組織因子途徑抑制劑)、TMPRSS5(跨膜絲氨酸蛋白酶5)、CD40 (B細胞表面抗原CD40)、MMP12(基質(zhì)金屬肽酶12)、IL6RA(白細胞介素6受體)和CD6 (T細胞分化抗原CD6)。

圖2. 已確定的中風亞型潛在致病蛋白的韋恩圖

（ps：韋恩圖可以用小云新開發(fā)的零代碼生信分析小工具實現(xiàn)，云生信分析工具平臺包含超多零代碼分析和繪圖小工具，上傳數(shù)據(jù)一鍵出圖，感興趣的小伙伴歡迎來嘗試喲，網(wǎng)址：http://www.biocloudservice.com/home.html?）。

圖3. 六種潛在的致病蛋白對腦卒中結(jié)局的影響

?

2.?確定可能導致中風的危險因素

為了了解血漿蛋白與卒中之間的潛在因果機制，作者對常規(guī)卒中危險因素進行了兩步MR分析。首先，進行了兩樣本MR分析，以表征卒中危險因素與所有卒中結(jié)局的因果關(guān)系。其次，評估了蛋白質(zhì)對突出危險因素的因果影響。心房顫動(AF)、2型糖尿病(T2D)、吸煙、收縮壓升高、舒張壓升高、脈壓、白質(zhì)高強度(WMH)和體重指數(shù)(BMI)均增加卒中發(fā)生風險(圖4)。

圖4. 危險因素對腦卒中結(jié)局的因果影響

3.?卒中危險因素相關(guān)蛋白的鑒定

作者對所有308種血漿蛋白與6個突出的卒中危險因素(不包括酒精攝入，在上述MR分析中酒精攝入與卒中風險增加無關(guān))進行了MR分析。經(jīng)過多次檢測校正，39種蛋白與至少一種卒中危險因素相。在六種卒中相關(guān)蛋白中，發(fā)現(xiàn)有三種蛋白與一種或多種卒中危險因素相關(guān)(圖5)。

圖5. 六種潛在因果蛋白對腦卒中結(jié)局和腦卒中因果危險因素的效應大小(Z-score)

4.?蛋白質(zhì)通過危險因素對腦卒中預后的中介作用

為了研究蛋白質(zhì)通過危險因素對卒中結(jié)局的間接影響，作者使用兩步MR的效應估計和一次MR的總效應進行了中介分析。該分析僅限于三種蛋白質(zhì)，即TFPI、TMPRSS5和IL6RA，這些蛋白質(zhì)顯示了對具有危險因素的MR和卒中結(jié)局的影響。用乘積法估計間接效應，用delta法估計標準誤差(SE)和置信區(qū)間(CI)。TFPI通過WMH的中介效應占比約為五分之一(20.8%)，而BMI的中介效應較弱(3.8%)。TMPRSS5對通過房顫發(fā)生心源性卒中風險的間接影響占總效應的四分之一(24.7%)。同樣，IL6RA通過AF介導卒中的比例為27.6%(圖6)。

圖6. 蛋白質(zhì)通過危險因素對中風的中介作用。

5.?腦卒中相關(guān)蛋白Phe-MR分析

作者評估這六種中風相關(guān)蛋白對其他適應癥是否有有益或有害的影響，發(fā)現(xiàn)較高的血漿TFPI水平不僅與較低的中風風險相關(guān)，而且與涉及循環(huán)系統(tǒng)(腦血管疾病，其他動脈疾病)，代謝特征(高脂血癥和高膽固醇血癥，脂質(zhì)代謝紊亂)和消化系統(tǒng)紊亂(急性胃炎)的其他疾病的較低風險相關(guān)。較高水平的血漿TMPRSS5與心臟栓塞性卒中的高風險以及蛋白質(zhì)-卡路里營養(yǎng)不良(代謝特征)相關(guān)(圖7)。

總結(jié)

這篇文章的研究結(jié)果強調(diào)了中風治療的潛在靶點，并說明了蛋白質(zhì)組學在確定藥物靶點方面的相關(guān)性。

運用MR經(jīng)典分析方法，只需公共數(shù)據(jù)挖掘+分析，就直接發(fā)17分+文章，性價比是相當高啦！如果你有大樣本的分析需求，或者想在臨床、流行病學方向發(fā)高分文章，不妨試試這個省錢省時又省力的思路吧！

如果你還苦惱于生信分析沒有思路，或者嫌分析方法太過簡單、太過老套，想要創(chuàng)新思路的，或者對孟德爾隨機化感興趣的小伙伴快來聯(lián)系小云吧！

?