血液系统的恶性肿瘤与炎症因子动态监测
众所周知,炎症反应是一个动态过程,因此在单个时间点观察到的高(或低)值可能无法准确代表炎症因子变化的总体趋势。外周血循环炎症相关生物标志物较易获,便于动态监测,C反应蛋白(CRP)是最常用的生物标志物之一。
观察性研究表明,CRP,炎症调节因子和多发性骨髓瘤(MM)之间有很强的相关性,但因果关系的方向仍不清楚。在这里,作者采用人类细胞因子、CRP和MM的全基因组关联性研究(GWAS)的汇总数据,设计了一个双向孟德尔随机化分析(MR)。这项MR研究表明炎症与MM之间存在因果关系,炎症因子对MM的作用由五种常见炎症因子驱动:单核细胞特异性趋化因子3(MCP3),血管内皮生长因子(VEGF),白介素-10(IL-10),白细胞介素-7(IL-7)和肿瘤坏死因子β(TNF-β)。并且MM的易感性也可能导致的IL-17水平升高。这些发现提示炎症与MM之间存在因果关系,并为MM的病因,预防和预后提供了新的线索。
文章于2022/6/16发表在international journal of cancer (IF 7.2),题目为“炎症因子与多发性骨髓瘤的因果关系:双向孟德尔随机化研究(Causal relationships between inflammatory factors and multiple myeloma: A bidirectional Mendelian randomization Study)”,以下是文章分享~
背景
多发性骨髓瘤(MM)是一种B细胞来源恶性肿瘤,其特征在于单克隆浆细胞的增殖和非功能性免疫球蛋白的过量产生,占所有恶性肿瘤的1%,占血液系统恶性肿瘤的约10%的。MM患者通常会出现复杂的并发症,例如贫血,感染,骨折和疼痛,肾功能不全,神经系统损伤的以及其他症状。
持续的炎症会破坏组织完整性,并可通过促进肿瘤细胞增殖,迁移,侵袭和血管生成来驱动肿瘤发生。根据耶鲁大学癌症中心的早期研究,炎症和脂质对免疫系统的慢性刺激导致了三分之一的MM病例,因此研究人员得出结论,溶血磷脂的长期免疫激活可能是包括MM在内的一些散发性单克隆丙种球蛋白病的基础。
相反,由于MM是B细胞谱系中无法治愈的恶性肿瘤,源自肿瘤微环境的慢性炎症诱导的细胞因子稳态变化是不可逆的,这最终可能导致残留问题或复发。此外,随着对MM生物学认识的提高,白细胞介素,肿瘤坏死因子,生长因子,干扰素和趋化因子的关键作用已得到广泛验证。
许多研究使用已知的炎症生物标志物来推断炎症反应的状态,并将CRP作为最常用的生物标志物之一。因此,作者将研究的重点放在CRP和其他可用的全身炎症调节因子。尽管流行病学,遗传学和生物学研究已经确定了与MM相关的炎症因子,但以前的研究可能无法确切的分析出因果关系和整体情况,并且不同的研究得到的结果也并不一致。众所周知,炎症反应是一个动态过程,因此在单个时间点观察到的高(或低)值可能无法准确代表炎症因子变化的总体趋势。
考虑到观察性研究容易对潜在的混杂因素和反向因果关系缺乏控制偏差,孟德尔随机化(MR)是一种更好的分析方法,通过使用遗传变异作为暴露的工具变量来进行合理的病因推断。MR不太容易出现混杂因素,因为种系遗传变异在减数分裂过程中是随机分配的,因此可以反映暴露,同时不会受到反向因果关系的影响。
作为MR方法的扩展,双向MR可用于确定两种相关表型之间因果关系的方向。
方法
实验设计
双向MR设计流程如图1所示。
图1 MR的三个主要假设
MR基于三个主要假设:(1)选择作为工具变量的遗传变异与暴露密切相关;(2) 遗传变异与混杂因素无关;(3) 遗传变异仅通过暴露而不是其他途径影响结果。
作者使用了的41种全身炎症调节因子、CRP和MM的公开发表的全基因组关联研究(GWAS)研究的汇总水平数据。首先,筛选遗传变异来代理每一种炎症因子,以推断每种炎症因子与MM的因果效应关系。其次,利用与MM相关的遗传变异来推断MM与炎症因子的因果效应关系。
2、炎症因子工具变量的选择
炎症因子包括CRP和炎症调节因子。CRP的遗传变异是从包括206158名欧洲血统个体在内的炎症队列工作组(CIWG)中的GWAS的荟萃分析获取的。使用一个对年龄、性别、体重指数(BMI)和前10个遗传主成分进行调整的遗传模型来测试1070万遗传多态性与41种细胞因子水平之间的单变量关联。
3、MM工具变量的选择
MM的汇总水平数据是从UK Biobank的372617名欧洲血统个体的GWAS中提取的(601例病例与372 016例对照)。作者基于GWAS汇总统计数据,采用两样本MR方法来推断炎症调节因子与MM之间的因果关系。炎症调节因子,CRP和MM的样本之间无重叠。
4、工具变量的筛选
为了满足MR假设(图1),在全基因组水平上(P<5×10-8)筛选强烈且独立地预测暴露的SNP(R2<0.001,在10 Mb内)。由于只有八个全身炎症调节因子和CRP具有达到全基因组意义的三个或更多独立的SNP,并且MM没有基于全基因组水平的显着的SNP,因此还采用了不太严格的阈值5×10-6来获得更多的CRP,炎症调节因子和MM的SNP。MM总是发生在老年人,但老年人的死亡率和MM风险相当,这可能会产生生存偏倚,故排除了生存(被招募时的年龄代表)相关的SNP以减轻生存偏倚。使用F统计量评估了每个SNP的强度,排除了F<10的SNP。
注:F统计量是反应遗传效应对性状影响的大小和精度的函数:F=R2(N-2)/(1-R2),其中R2是SNP解释的性状方差的比例,N是具有该性状的SNP的GWAS的样本量。R2值是使用公式R2=2×EAF×(1-EAF)×β2估计的,其中EAF是SNP的效应等位基因频率(EAF),β是SNP对性状的估计效应量。因为F>10表明SNP解释暴露的效力强度有效。
5、双向双样本的MR分析
双向双样本MR分析需要有关SNP,等位基因,效应大小,SE,P值和EAF的信息。结果数据集中不可用的SNPs被LDlink中R2>0.90的代理变量替代。等位基因一致性分析进行等位基因的SNP协调。在MR初步分析中,计算了每个遗传变异的Wald比,并使用逆方差加权(IVW)法做了总的效应值估计。
敏感性分析
使用包括MR-Egger,加权中位数和孟德尔随机化多效性残差和异常值(MR-PRESSO)在内的一组敏感性分析法。多效性检验:MR Egger对工具变量多效性的进行评估,非零截距表明IVW估计有偏差。对于无效或存在多效性的遗传变异,考虑了选择中值MR估计值作为因果估计值的加权中值方法。MR-PRESSO使用全局检验来检测水平多效性,如果必要的话,可以通过异常值去除来校正潜在的多效性异常值。异质性检验:通过Cochran Q检验和I2指数检查IVW估计值的异质性。
结果
选择38个在全基因组水平上与CRP显著相关的SNP,和70个采用了不太严格的阈值(P<5×10 -6)的SNP,结果显示基因预测的CRP水平与MM风险无关(P=.81,图2A);使用五个SNP(表S3)时,结果表明没有证据提示MM对CRP的因果影响(P=.65,图2B)。
图2
表S3
2、炎症调节因子对MM风险的影响
基于全基因组上的显著SNP预测的八种全身炎症调节因子对MM风险的影响如图3所示。在校正了多次比较之前或之后的任何分析中,没有一个与MM相关。MR-PRESSO全局测试和MR-Egger截距测试未检测到水平多效性,Cochran Q测试未显示异质性证据。
图3
采用不太严格的阈值(P<5×10-6)筛选的所有41种炎症调节因子。其中MCP3[ORIVW:1.24;95%CI:1.03-1.49;P=.02]、VEGF[1.14,1.03-1.27;P=.02]、IL-10[1.33,1.01-1.75;P=.04]、IL-7[1.24,1.03-1.48;P=0.02]与MM风险呈正相关。TNF-β[0.84,0.74-0.92;P<0.001]与MM风险呈强烈负相关(图4)。敏感性分析未发现水平多效性和异常值。
图4
3、MM对全身炎症调节剂水平的因果影响
为了评估反向因果关系,筛选了17个在P<5×10-6的阈值上,与MM强烈且独立相关的SNP。使用IVW方法,基因预测的较高的MM风险与IL-17升高有潜在性关联(βIVW=0.051,95%CI:[0.018,0.085],P=2.7×10-3;图5),但在加权中位数(0.043,[-0.010,0.096];P=0.11)或MR-Egger法(0.013,[-0.085,0.111];P=0.81)中均未观察到因果效应。除IL-17外,未观察到其他显着相关性。
图5
讨论与小结
作者对最新的基于汇总水平的全基因组关联性数据进行了双向MR分析,以评估CRP和全身炎症调节因子与MM的因果关系。通过使用双向分析策略以区分疾病的因果效应。另外采用了多种MR方法,如MR-PRESSO和MR-Egger来评估MR分析的方法,来最大程度的减少多效性和增加检测结果可靠性。
基因预测的较高的MCP-3,VEGF,IL-10和IL-7水平与MM风险增加有关,而基因预测的较高的TNF-β可能与MM风险降低有关。反向MR分析的结果还表明MM与IL-17水平升高有潜在的因果关系,表明MM具有潜在的促炎作用。然而,没有发现CRP或其他炎症调节剂与MM有因果关系的证据。研究结果证实了炎症因子在促进MM发展中起重要作用,并可以作为MM疾病阶段的预后因素。
这篇文章的优势在于遗传变异作为暴露的强工具变量,可以实现在炎症调节因子和MM风险之间的MR分析。对于理解MM的遗传易感性是否会导致外周血中炎症调节因子的变化,以及高或低炎症因子是否会影响MM的风险,具有重要的意义。