2024年3月5日，一篇題為Causal associations between circulating cytokines and risk of sepsis and related outcomes: a two-sample Mendelian randomization study的孟德爾隨機(jī)化研究論文發(fā)表于《l》，作者為中國學(xué)者，文章屬于中科院醫(yī)學(xué)二區(qū)，IF=7.3。

這項研究從歐洲數(shù)據(jù)庫中獲得了細(xì)胞因子循環(huán)水平的全基因組關(guān)聯(lián)統(tǒng)計，用兩樣本MR評估了循環(huán)細(xì)胞因子水平是否在膿毒癥易感性中起因果作用。結(jié)果表明，遺傳預(yù)測的白細(xì)胞介素-10水平降低與膿毒癥風(fēng)險增加有因果關(guān)系。單核細(xì)胞趨化蛋白-1與膿毒癥誘導(dǎo)的死亡率呈負(fù)相關(guān)關(guān)系。相反，巨噬細(xì)胞炎癥蛋白1β濃度升高與膿毒癥發(fā)病率和相關(guān)死亡率呈正相關(guān)。這些發(fā)現(xiàn)強(qiáng)調(diào)了某些循環(huán)細(xì)胞因子對膿毒癥易感性及其預(yù)后的因果影響，暗示了調(diào)節(jié)這些細(xì)胞因子水平的治療潛力。

1.1 摘要

背景: 膿毒癥是一種嚴(yán)重的疾病，由于宿主對感染的反應(yīng)不平衡而引起。其病理生理學(xué)的核心是細(xì)胞因子。然而，探索循環(huán)細(xì)胞因子與膿毒癥易感性之間相互關(guān)系的觀察性研究經(jīng)常遇到與混雜變量和反向因果關(guān)系相關(guān)的挑戰(zhàn)。

方法: 為了闡明細(xì)胞因子對膿毒癥風(fēng)險的潛在因果影響，我們進(jìn)行了雙樣本孟德爾隨機(jī)化 （MR）分析。與循環(huán)細(xì)胞因子濃度相關(guān)的工具變量來自全基因組關(guān)聯(lián)研究，包括8,293名芬蘭參與者。然后，我們使用從英國生物樣本庫獲得的摘要級數(shù)據(jù)評估了它們與膿毒癥和相關(guān)結(jié)果的聯(lián)系，這是一項涉及超過500,000名歐洲參與者的大型多中心隊列研究。具體來說，我們的數(shù)據(jù)涵蓋了11,643例膿毒癥病例和474,841例對照，子集包括特定年齡組、28天死亡率和ICU相關(guān)結(jié)局。

結(jié)果與討論: MR（Mendelian randomization）的結(jié)果表明，降低基因預(yù)測的白細(xì)胞介素-10（IL-10）水平與嚴(yán)重感染風(fēng)險增加存在因果關(guān)系（比值比[OR] 0.68，95％置信區(qū)間[CI] 0.52-0.90，P = 0.006）。單核細(xì)胞趨化蛋白-1（MCP-1）與膿毒癥導(dǎo)致的死亡率呈負(fù)相關(guān)關(guān)系。相反，升高的巨噬細(xì)胞炎性蛋白1β（MIP1B）濃度與膿毒癥發(fā)病率和相關(guān)死亡率呈正相關(guān)。這些發(fā)現(xiàn)強(qiáng)調(diào)了某些循環(huán)細(xì)胞因子對膿毒癥易感性及其預(yù)后的因果影響，并暗示調(diào)節(jié)這些細(xì)胞因子水平具有治療潛力。需要進(jìn)一步的研究來證實(shí)這些關(guān)聯(lián)。

1.2 研究結(jié)果

28個細(xì)胞因子的工具變量的F統(tǒng)計量范圍從28.56到789.2，表明它們中沒有一個受到弱工具偏差的影響。如圖2所示，我們在IVW方法中發(fā)現(xiàn)了與膿毒癥及其相關(guān)特征有關(guān)的六種細(xì)胞因子。

簡而言之，基因預(yù)測的IL-10在IVW方法中降低了32％（OR，0.68；95％CI = 0.52-0.90，P = 0.006）的膿毒癥風(fēng)險。我們還發(fā)現(xiàn)MCP-1水平對膿毒癥（在75以下）特征具有負(fù)效應(yīng)（OR，0.83；95％CI = 0.73-0.96，P = 0.010），并且這種因果關(guān)系在其他方法中也保持一致，如最大似然估計、加權(quán)中位數(shù)和簡單中位數(shù)（圖3）。

異質(zhì)性檢驗(yàn)和多效性檢驗(yàn)表明沒有影響因果效應(yīng)。我們還發(fā)現(xiàn)MCP-1與膿毒癥（重癥監(jiān)護(hù)中的28天死亡）之間存在反向關(guān)系（OR=0.42，95％CI = 0.19-0.95，P = 0.036）。此外，發(fā)現(xiàn)MIP1B與膿毒癥（重癥監(jiān)護(hù)中的28天死亡）（OR=1.30，95％CI = 1.13-1.49，P < 0.001）、膿毒癥（重癥監(jiān)護(hù)）（OR=1.12，95％CI = 1.03-1.23，P = 0.011）和膿毒癥（28天死亡）（OR=1.09，95％CI = 1.02-1.15，P = 0.006）略微增加的風(fēng)險相關(guān)。為了確認(rèn)發(fā)現(xiàn)的因果關(guān)聯(lián)，我們對上述統(tǒng)計顯著結(jié)果進(jìn)行了反向MR分析，但我們沒有發(fā)現(xiàn)任何膿毒癥及其相關(guān)特征會影響細(xì)胞因子水平。

2.1 結(jié)果來源

英國生物庫（UK Biobank）研究在2006年至2010年期間，在英國的各個中心收集了超過50萬名參與者。在這項研究中，膿毒癥數(shù)據(jù)及其子組（包括75歲以下、28天死亡、重癥監(jiān)護(hù)病房（ICU）病例和ICU中的28天死亡病例）是通過使用源自英國生物庫的總結(jié)水平數(shù)據(jù)從IEU Open GWAS中收集的。該數(shù)據(jù)集分別包括11,643、11,568、1,896、1,380和347個膿毒癥病例，以及474,841、451,301、484,588、429,985和431,018個對照組。對GWAS數(shù)據(jù)的分析使用了Regenie 2.2.4版本，并進(jìn)行了年齡、性別、芯片類型和前10個主成分的調(diào)整（https://gwas.mrcieu.ac.uk/datasets/ieu-b-4980/）。

2.2工具變量選擇

如前所述，對于細(xì)胞因子的循環(huán)水平，摘要水平的數(shù)據(jù)來自于芬蘭的Young Finns Study（YFS）和FINRISK（1997年和2002年調(diào)查），總共包括8,293名參與者。FINRISK研究中的參與者年齡較大（60歲），而YFS研究中的參與者年齡較?。?6歲）。細(xì)胞因子定量的血液樣本采集使用了FINRISK研究中的血漿和YFS研究中的血清。在這個GWAS研究中進(jìn)行了48種細(xì)胞因子的全面分析，但由于超過90%的缺失值，其中七種細(xì)胞因子被排除在外。在MR分析中，需要滿足三個假設(shè)。首先，工具變量應(yīng)與暴露因素強(qiáng)相關(guān)。因此，鑒于13種細(xì)胞因子中沒有達(dá)到全基因組顯著性的遺傳變異，我們選擇了613個達(dá)到全基因組顯著性（P < 5×10-8）的SNP來代表這28種細(xì)胞因子。此外，為了避免連鎖不平衡的影響并確保SNP的獨(dú)立性，我們在連鎖不平衡閾值r2 < 0.01時保留具有最低P值的SNP，共得到183個SNP。其次，工具變量不能與影響暴露-結(jié)果關(guān)系的混雜因素有統(tǒng)計學(xué)關(guān)聯(lián)。最后，遺傳變異只能通過暴露因素影響結(jié)果的發(fā)生，因此我們排除了與一種或多種細(xì)胞因子相關(guān)的16個SNP。最終，我們確定了與剩余的28種細(xì)胞因子相關(guān)的167個SNP，隨后在MR分析中使用這些SNP。在排除了19個在結(jié)果摘要水平數(shù)據(jù)中缺失的SNP后，我們使用148個SNP作為主要MR分析的工具變量。

2.3 孟德爾隨機(jī)化

對于每種細(xì)胞因子，我們確定了與之相關(guān)的主要工具變量所解釋的方差比例，并使用F統(tǒng)計量評估所選工具變量的強(qiáng)度。在提取循環(huán)細(xì)胞因子和膿毒癥的效應(yīng)大小和標(biāo)準(zhǔn)誤差估計后，我們使用Wald比和Delta方法計算了個體MR估計值。為了評估遺傳確定的循環(huán)細(xì)胞因子水平與膿毒癥之間的關(guān)聯(lián)，我們使用逆方差加權(quán)（IVW）方法將MR估計結(jié)果匯總到個體SNP上。IVW方法在假設(shè)遺傳變異的多向效應(yīng)平均為零且與遺傳變異-暴露關(guān)聯(lián)無關(guān)的情況下，產(chǎn)生準(zhǔn)確的因果效應(yīng)估計值。Cochran's Q檢驗(yàn)被用來衡量工具變量之間的異質(zhì)性。在IVW分析中，如果在工具變量之間檢測到顯著的異質(zhì)性（Cochran's Q檢驗(yàn)P值<0.05），我們采用隨機(jī)效應(yīng)模型評估因果關(guān)聯(lián)；否則，使用固定效應(yīng)模型。為了確保結(jié)果的穩(wěn)健性，我們進(jìn)行了敏感性分析，包括樣本中位數(shù)法、加權(quán)中位數(shù)法、MR-Egger回歸和最大似然法。值得注意的是，當(dāng)不到50%的信息來自無效工具時，加權(quán)中位數(shù)估計器提供可靠的因果效應(yīng)估計。此外，MR-Egger回歸的截距用于評估定向多向性的存在（截距的P值<0.05表示統(tǒng)計顯著）。此外，最大似然法通過直接最大化似然函數(shù)來估計因果效應(yīng)，假設(shè)暴露和結(jié)果之間存在線性關(guān)系。

所有MR分析均使用R軟件（版本3.6.3）進(jìn)行，使用了TwoSampleMR、MendelianRandomization和MRPRESSO軟件包。