类风湿关节炎与2型糖尿病风险的两样本孟德尔随机化研究

郭浩阳 汪 伟 常 鑫 金岳龙 袁 慧

皖南医学院公共卫生学院，安徽芜湖 241000

全世界有4.15亿人患有糖尿病，估计有1.93亿人患有未确诊的糖尿病［1］。2 型糖尿病（type 2 diabetes，T2D）占糖尿病患者的90%以上，其特征是由胰腺β细胞功能障碍和靶器官胰岛素抵抗引起的相对胰岛素缺乏［1-2］。我国由于人口老龄化和生活方式的改变，糖尿病患病率从1980年的0.67%迅速上升到2013 年的10.4%［3］。此外，年轻人中糖尿病的患病率相对较高且不断增加［4］。环境因素包括肥胖、衰老、含有更多精制食品和脂肪的饮食模式、久坐不动的生活方式和遗传因素都促进T2D流行［5-6］。

类风湿关节炎（rheumatoid arthritis，RA）被定义为与慢性炎症过程相关的全身性自身免疫性疾病，可损害关节和关节外器官［7］。既往流行病学研究表明，RA与T2D之间的关联具有争议性。Su等［8］的回顾性队列研究中、Solomon等［9］的队列研究中和Han等［10］的横断面研究中均发现，RA与T2D之间存在关联。然而Simard等［11］的一项包含5 302名60岁以上患者的横断面研究中，未发现RA 与T2D 之间存在关联。

由于反向因果关联和混杂因素，观察性研究获得的结果往往容易出现争议［12］，从而减弱了关于RA对T2D 影响的理解。两样本孟德尔随机化法（twosample Mendelian randomization，TSMR）是一种利用遗传变异作为工具变量（instrumental variable，IV）来评估暴露因素与结局之间的观察性关联是否与因果效应一致的技术［13］。本研究收集已发表的数据，使用TSMR分析RA是否与T2D风险增加存在因果相关。

1 资料与方法

1.1 资料来源

单核苷酸多态性（single nucleotide polymorphism，SNP）作为工具变量，RA作为暴露因素，T2D为结局变量。通过网站（https：//gwas. mrcieu. ac. uk）收集相关的全基因组关联研究（genome-wide association study，GWAS）数据集。对于暴露数据集，RA 来自一项GWAS 分析，包括13 838例病例和33 742例具有欧洲血统的对照组［14］。结局数据集T2D的GWAS数据来自另一项独立的GWAS分析，包括61 714例病例和1 178例具有欧洲血统的对照组［15］。

1.2 工具变量的筛选

设置P值（P＜5.0 × 10-8），为避免连锁不平衡（linkage disequilibrium，LD）偏倚，与RA 相关的显著SNP的LD须满足以下条件：r2＜0.001、遗传距离为10 000 kb。最后，选择了9 个SNP 作为IV。从9 个选定的SNP 中，记录效应等位基因（effect allele，EA）、其他等位基因（other allele，OA）、等位基因效应大小（β）、标准误（SE）和P值信息。

1.3 研究设计

为更好的估计因果效应，MR 分析中SNP 做为IV应满足3个关键假设［16］：①选定的IV须与暴露因素紧密相关；②IV 应独立于混杂因素；③IV 只能通过暴露因素影响结局，不通过其他途径。

1.4 统计学分析

协调有关暴露和结果数据集的汇总统计数据，使得SNP 对暴露的影响和SNP 对结果的影响分别对应相同的等位基因。采用逆方差加权法（inverse variance weighted，IVW）、加权中位数法、MR-Egger回归法、简单模式和加权模式进行TSMR分析，以推断因果关系。当每个遗传变异满足IV假设时，IVW将不同SNP因果效应的Wald ratio估计值相结合，对暴露对结局的因果效应提供一致的估计［17］；当至少一半的SNP是有效的IV时，加权中位数法可以获得对因果效应的一致估计［18］；MR-Egger回归法用于确认IV的水平多效性是否存在，其截距代表水平多效性的效应估计值［19］。统计分析采用R 4.1.0 进行，检验水准α=0.05。

2 结 果

2.1 SNPs基本信息

最终经筛选确定9 个SNPs 作为IV，详见表1。MR-Egger 回归的截距可以作为一个指标，表明IV的水平多效性是否影响了MR分析的结果。截距接近0，P ＞0.05（Egger_intercept = -0.005，P=0.368），表明IV 不存在水平多效性，影响MR 分析结果的可能性不大。见图1A。

表1 与类风湿关节炎与2型糖尿病相关的工具变量的基本信息

2.2 TSMR分析

5 种方法得到的结果均支持RA 与T2D 风险增加的因果关系。IVW 方法结果：OR= 1.10，95%CI：1.07 ～1.12，P＜0.001；MR-Egger：OR= 1.11，95%CI：1.08 ～1.14，P＜0.001；加权中位数法：OR=1.10，95%CI：1.08 ～1.12，P＜0.001；Simple mode：OR=1.12，95%CI：1.06 ～1.18，P=0.003；Weighted mode：OR= 1.10，95%CI：1.08 ～1.13，P＜0.001。详见表2，图1A、1B。

2.3 异质性检验和敏感性分析

使用Cochran’s Q检验和漏斗图来检验IV间的异质性。MR-Egger 回归法结果为Cochran’s Q =10.30，P=0.172；IVW结果为Cochran’s Q=11.67，P=0.167，P ＞0.05，可认为IV间不存在异质性，因果相关受到IV之间差异影响的可能性不大。漏斗图表明，单个SNP作为IV产生的因果相关的点，基本呈对称分布，表明IV之间差异小，见图1C。敏感性分析使用“留一法”（leave-one-out）逐个去除SNP，剩余SNPs的因果效应与全部SNPs的MR分析结果比较，以确定因果关联是否由单个IV导致，结果均在“0”的右侧，表明去除任意一个SNP都不会对因果相关估计产生较大影响，MR分析结果稳健，见图1D。

图1 类风湿关节炎与2型糖尿病风险的两样本孟德尔随机化分析结果

表2 类风湿关节炎与2型糖尿病风险的两样本孟德尔随机化分析

3 讨 论

本研究使用公开的GWAS 数据集，运用TSMR分析，IVW（OR= 1.10，95%CI：1.07 ～1.12，P＜0.001）结果支持RA与T2D风险增加存在因果相关。

流行病学证据表明，RA 与T2D 之间存在关联。多项流行病学调查显示，RA患者胰岛素抵抗的发生高于一般人群［20］，RA 患者中T2D 的患病率增加［21］。一项对11项病例对照研究和8项队列研究进行的荟萃分析显示，RA 患者患T2D 的风险增加［22］。RA 和糖尿病有共同的炎症病理基础［23］，可作为解释RA和T2D 之间关联的可能机制。近年来多项研究显示，T2D 是一种慢性炎症疾病，炎症在胰岛素抵抗和胰腺β 细胞功能损伤的过程中发挥了重要作用［24-25］。大量研究也证实，RA的相关炎症介质，如白细胞介素-1β（interleukin-1β，IL-1β）、白细胞介素-6（interleukin-6，IL-6）和肿瘤坏死因子α（tumor necrosis factor α，TNF-α）与胰岛素抵抗密切相关［24，26］。

糖皮质激素是治疗RA 的常用免疫抑制剂，尽管小剂量和短期使用糖皮质激素在RA的治疗中极为有效，但也可能产生一系列不良反应，其中包括促进血糖升高诱发糖尿病，因此专家建议尽早停用糖皮质激素，将风险降至最低［24，27］。研究表明，接受甲氨蝶呤和羟氯喹（HCQ）等抗风湿药物治疗的RA患者患T2D 的风险降低，且高血糖得到有效控制［28-30］。用于治疗RA的生物制剂，如IL-1β拮抗剂、IL-6拮抗剂和TNF-α拮抗剂对血糖控制也有一定的作用［24］。然而也有部分观察性研究表明，RA 不会增加患T2D 的风险［31-32］。因此，仅靠观察性研究很难明确RA与T2D的因果关系。

MR分析使用遗传变异来估计受这些遗传变异影响的表型的健康后果［33］。这是一种相对新颖的流行病学研究方法，用遗传变异来推断暴露因素与结局变量之间的因果效应。MR分析为研究关联提供了一种方法，而没有传统流行病学研究固有的偏差，如反向因果关联、潜在混杂因素。本研究不足之处在于结果基于欧洲人群，获得的因果关系可能存在种族偏差，还需要在其他人群中进一步研究来证实。

综上所述，使用IVW、加权中位数法和MR-Egger回归法、简单模式、加权模式的结果估计是一致的。TSMR分析结果支持RA与T2D风险增加的因果关系。

利益冲突所有作者均声明不存在利益冲突