引用本文： 殷珂宇, 雙思, 傅道森, 董文浩, 夏鵬, 張國坤, 沈蓉, 王德貴, 王青. 身體基本指數與重癥肌無力的因果關聯：一項兩樣本孟德爾隨機化研究. 中國循證醫學雜志, 2024, 24(6): 673-677. doi: 10.7507/1672-2531.202401020 復制
版權信息： ?四川大學華西醫院華西期刊社《中國循證醫學雜志》版權所有，未經授權不得轉載、改編
重癥肌無力（myasthenia gravis，MG）是一種自身免疫性疾病，由于神經肌肉接頭處突觸后膜受損，進而引發肌無力癥狀[1-3]。據統計，全球MG患者數量已經超過70萬，且患病率仍在不斷上升[4,5]。MG重癥患者可能因呼吸功能衰竭、肌無力危象等危及生命[6-8]。
身體基本指數是一組反映人體健康狀況的指標，主要包括標準體重、身體質量指數（body mass index，BMI）、體脂率和基礎代謝率等。有研究發現，高體脂率、超重和肥胖可能與MG癥狀的嚴重程度有關[9,10]。然而，相關研究仍然較少，身體基本指數和MG之間是否存在因果關聯尚不清楚。
孟德爾隨機化（Mendelian randomization，MR）是一種統計學方法[11]，基于全基因組關聯分析（genome-wide association study，GWAS）數據，利用單核苷酸多態性（single nucleotide polymorphisms，SNP）作為工具變量（instrumental variables，IV）揭示因果關系。本研究采用兩樣本MR分析，研究身體基本指數（體脂率、基礎代謝率、BMI、臀圍）與MG之間的因果關系，以期為相關疾病的預防和治療提供新的方向。
1 資料與方法
1.1 研究設計
本研究選取基礎代謝率、體脂率、BMI及臀圍4項身體基本指標作為暴露因素，MG發生率作為結局，利用GWAS匯總數據，篩選大量符合要求的SNP作為IV，進行兩樣本MR分析。在MR分析中，作為IV的SNP應滿足以下三個假設[12]：① 相關性：遺傳IV與暴露因素強相關；② 獨立性：遺傳IV不受其它混淆因素的干擾[13]；③ 排他性：遺傳IV與結局不相關，僅通過暴露對結局產生效應。
1.2 數據來源
本研究所使用的GWAS匯總數據來自大型公開可檢索的Ieu Open GWAS項目數據庫。4項指標的GWAS數據均來自英國生物銀行（UK Biobank，UKB）。其中，基礎代謝率和體脂率的SNP量均為10 894 596個，樣本量分別為331 307例和331 117例；BMI和臀圍的SNP量均為9 851 867個，樣本量分別為454 884例和462 117例。與結局相關的GWAS數據來自歐洲生物信息研究所（European Bioinformatics Institute，EBI）2022年發表的一項有關MG的研究，其中包含了1 873個病例以及36 370個對照，SNP量為23 679 120個。以上數據均來自歐洲人群。暴露和結局的相關GWAS數據信息見表1。
表表 1
樣本數據集的基本特征
1.3 IV的選擇
與暴露和結局相關的IV應符合以下要求：① 以P<5×10?8為顯著性閾值篩選條件，提取出與暴露強相關的SNP；② 設置連鎖不平衡系數r2=0.001，區域寬度為kb=10 000，去除連鎖不平衡的SNP[14]；③ 使用在線軟件PhenoScanner查詢篩選出的SNP對應相關表型，排除與混雜因素相關的SNP（P<5×10–8）[15]。
1.4 統計分析
本研究的MR分析通過使用TwoSampleMR算法包在基于R Studio分析軟件的R 4.3.1版本中執行。采用逆方差加權法（inverse variance weighted，IVW）作為主要分析方法，通過P值的大小判斷暴露與結局之間的因果關聯是否顯著，以P<0.05為差異有統計學意義[16]。將加權中位數法（weighted median，WM）、MR Egger法作為補充分析，當其余方法與IVW結果方向一致（OR值的正負相同）時，則可以表明暴露與結局之間存在因果關系。通過Cochran’s Q檢驗來評估IV之間的異質性，P<0.05提示具有顯著異質性，存在異質性并不對因果效應造成決定性影響；采用MR Egger回歸和MRPRESSO法來檢驗是否存在水平多效性[17]，并剔除離群值（即異常的SNP）。當MR Egger回歸的截距項趨近于零或無統計學意義時，提示不存在多效性效應[18]。而當MRPRESSO的P值小于0.05，即提示存在離群值和水平多效性，需要在剔除離群值（P<0.05的SNP）后，重新估計因果關聯。敏感性分析采用留一法，將所有SNP進行逐個剔除，計算剩余SNP所產生的效應值并進行分析，若某一SNP去除后對最終結果的影響較大，則說明存在敏感性[19]。
2 結果
2.1 IV信息
篩選出的IV信息結果見表2。
表表 2
工具變量特征
2.2 因果效應的估計結果
IVW分析結果顯示，基礎代謝率［OR=1.39，95%CI（1.00，1.93），P=0.047］、體脂率［OR=1.61，95%CI（1.06，2.44），P=0.024］、臀圍［OR=1.67，95%CI（1.29，2.17），P<0.001］升高均會增加MG發病風險。WM和MR Egger法與IVW結果一致，即基礎代謝率、體脂率及臀圍均與MG成正向因果關系。而BMI與MG沒有顯著的因果關系。兩樣本MR分析結果見圖1，散點圖見圖2。
異質性分析結果顯示，基礎代謝率、體脂率、BMI和臀圍對MG的P值均小于0.05，但由于MRPRESSO法顯示不存在離群值，因此異質性并不對因果關系造成影響。水平多效性檢驗MR Egger回歸顯示，4項身體基本指數的截距項均趨近于零或無統計學意義，MRPRESSO法分析P值均大于0.05，提示不存在離群值和水平多效性。敏感性分析結果顯示，去除任意一個SNP都不會對結果產生影響，提示本研究結果較為可靠。
3 討論
既往研究[20]發現，MG患者普遍存在體重超標問題，可能導致運動量減少、身體壓力增大，進而加劇疾病的嚴重程度。MG患者身體成分的變化，如較高的脂肪含量和較低的肌肉質量，可能是疾病病程和肌肉疲勞導致的體力活動減少等多種因素造成[21]。此外，長期使用糖皮質激素（glucocorticoids，GCs）作為治療手段也可能會導致身體脂肪分布和含量變化，增加肥胖的風險，發生GCs誘導的脂肪營養不良，對其整體健康產生負面影響[22,23]。多個觀察性研究[9,10,24]均表明MG與肥胖可能有密不可分的關系，然而二者之間是否存在明確的因果關聯尚不清楚。
流行病學研究在進行病因推斷時，結果常會受到混雜因素和反向因果的干擾，使得病因解釋可信度降低[25]。MR是基于IV理論框架下發展而來的一種因果推斷方法。采用與混雜因素相互獨立的基因變異位點作為IV，基因變異位點可被視為近似的隨機對照試驗，更符合IV的假設條件[26]。因此，MR方法被越來越多地應用于疾病的因果推斷。本研究結合臨床，選取4項身體基本指數（體脂率、基礎代謝率、BMI、臀圍）作為暴露因素，探究其與MG的因果關聯。通過MR分析，從基因的遺傳變異角度，證實了MG的發生可能與超重或肥胖具有一定的因果關系。因此，對超重或肥胖人群進行體重管理有助于改善健康狀況，減輕和延緩MG的發展。對于已確診的MG患者，確保適當的藥物攝入和運動，達到并保持健康體重可以更好地控制病情，防止疾病惡化。
本研究的局限性：① 研究樣本只選取了歐洲人群的GWAS數據，對于其他人種缺乏外推性；② 僅從因果關系角度探究了身體基本指數對MG的影響，而具體的影響機制未能進一步探究；③ 只選取了4項指標作為暴露因素，對于其他身體指數或能反映身體健康水平的指標與MG的因果關聯尚不清楚。
綜上所述，本研究通過MR分析發現基礎代謝率、體脂率及臀圍與MG存在正向因果關系，但BMI與MG的因果關系尚不確定。
重癥肌無力（myasthenia gravis，MG）是一種自身免疫性疾病，由于神經肌肉接頭處突觸后膜受損，進而引發肌無力癥狀[1-3]。據統計，全球MG患者數量已經超過70萬，且患病率仍在不斷上升[4,5]。MG重癥患者可能因呼吸功能衰竭、肌無力危象等危及生命[6-8]。
身體基本指數是一組反映人體健康狀況的指標，主要包括標準體重、身體質量指數（body mass index，BMI）、體脂率和基礎代謝率等。有研究發現，高體脂率、超重和肥胖可能與MG癥狀的嚴重程度有關[9,10]。然而，相關研究仍然較少，身體基本指數和MG之間是否存在因果關聯尚不清楚。
孟德爾隨機化（Mendelian randomization，MR）是一種統計學方法[11]，基于全基因組關聯分析（genome-wide association study，GWAS）數據，利用單核苷酸多態性（single nucleotide polymorphisms，SNP）作為工具變量（instrumental variables，IV）揭示因果關系。本研究采用兩樣本MR分析，研究身體基本指數（體脂率、基礎代謝率、BMI、臀圍）與MG之間的因果關系，以期為相關疾病的預防和治療提供新的方向。
1 資料與方法
1.1 研究設計
本研究選取基礎代謝率、體脂率、BMI及臀圍4項身體基本指標作為暴露因素，MG發生率作為結局，利用GWAS匯總數據，篩選大量符合要求的SNP作為IV，進行兩樣本MR分析。在MR分析中，作為IV的SNP應滿足以下三個假設[12]：① 相關性：遺傳IV與暴露因素強相關；② 獨立性：遺傳IV不受其它混淆因素的干擾[13]；③ 排他性：遺傳IV與結局不相關，僅通過暴露對結局產生效應。
1.2 數據來源
本研究所使用的GWAS匯總數據來自大型公開可檢索的Ieu Open GWAS項目數據庫。4項指標的GWAS數據均來自英國生物銀行（UK Biobank，UKB）。其中，基礎代謝率和體脂率的SNP量均為10 894 596個，樣本量分別為331 307例和331 117例；BMI和臀圍的SNP量均為9 851 867個，樣本量分別為454 884例和462 117例。與結局相關的GWAS數據來自歐洲生物信息研究所（European Bioinformatics Institute，EBI）2022年發表的一項有關MG的研究，其中包含了1 873個病例以及36 370個對照，SNP量為23 679 120個。以上數據均來自歐洲人群。暴露和結局的相關GWAS數據信息見表1。
表表 1
樣本數據集的基本特征
1.3 IV的選擇
與暴露和結局相關的IV應符合以下要求：① 以P<5×10?8為顯著性閾值篩選條件，提取出與暴露強相關的SNP；② 設置連鎖不平衡系數r2=0.001，區域寬度為kb=10 000，去除連鎖不平衡的SNP[14]；③ 使用在線軟件PhenoScanner查詢篩選出的SNP對應相關表型，排除與混雜因素相關的SNP（P<5×10–8）[15]。
1.4 統計分析
本研究的MR分析通過使用TwoSampleMR算法包在基于R Studio分析軟件的R 4.3.1版本中執行。采用逆方差加權法（inverse variance weighted，IVW）作為主要分析方法，通過P值的大小判斷暴露與結局之間的因果關聯是否顯著，以P<0.05為差異有統計學意義[16]。將加權中位數法（weighted median，WM）、MR Egger法作為補充分析，當其余方法與IVW結果方向一致（OR值的正負相同）時，則可以表明暴露與結局之間存在因果關系。通過Cochran’s Q檢驗來評估IV之間的異質性，P<0.05提示具有顯著異質性，存在異質性并不對因果效應造成決定性影響；采用MR Egger回歸和MRPRESSO法來檢驗是否存在水平多效性[17]，并剔除離群值（即異常的SNP）。當MR Egger回歸的截距項趨近于零或無統計學意義時，提示不存在多效性效應[18]。而當MRPRESSO的P值小于0.05，即提示存在離群值和水平多效性，需要在剔除離群值（P<0.05的SNP）后，重新估計因果關聯。敏感性分析采用留一法，將所有SNP進行逐個剔除，計算剩余SNP所產生的效應值并進行分析，若某一SNP去除后對最終結果的影響較大，則說明存在敏感性[19]。
2 結果
2.1 IV信息
篩選出的IV信息結果見表2。
表表 2
工具變量特征
2.2 因果效應的估計結果
IVW分析結果顯示，基礎代謝率［OR=1.39，95%CI（1.00，1.93），P=0.047］、體脂率［OR=1.61，95%CI（1.06，2.44），P=0.024］、臀圍［OR=1.67，95%CI（1.29，2.17），P<0.001］升高均會增加MG發病風險。WM和MR Egger法與IVW結果一致，即基礎代謝率、體脂率及臀圍均與MG成正向因果關系。而BMI與MG沒有顯著的因果關系。兩樣本MR分析結果見圖1，散點圖見圖2。
異質性分析結果顯示，基礎代謝率、體脂率、BMI和臀圍對MG的P值均小于0.05，但由于MRPRESSO法顯示不存在離群值，因此異質性并不對因果關系造成影響。水平多效性檢驗MR Egger回歸顯示，4項身體基本指數的截距項均趨近于零或無統計學意義，MRPRESSO法分析P值均大于0.05，提示不存在離群值和水平多效性。敏感性分析結果顯示，去除任意一個SNP都不會對結果產生影響，提示本研究結果較為可靠。
3 討論
既往研究[20]發現，MG患者普遍存在體重超標問題，可能導致運動量減少、身體壓力增大，進而加劇疾病的嚴重程度。MG患者身體成分的變化，如較高的脂肪含量和較低的肌肉質量，可能是疾病病程和肌肉疲勞導致的體力活動減少等多種因素造成[21]。此外，長期使用糖皮質激素（glucocorticoids，GCs）作為治療手段也可能會導致身體脂肪分布和含量變化，增加肥胖的風險，發生GCs誘導的脂肪營養不良，對其整體健康產生負面影響[22,23]。多個觀察性研究[9,10,24]均表明MG與肥胖可能有密不可分的關系，然而二者之間是否存在明確的因果關聯尚不清楚。
流行病學研究在進行病因推斷時，結果常會受到混雜因素和反向因果的干擾，使得病因解釋可信度降低[25]。MR是基于IV理論框架下發展而來的一種因果推斷方法。采用與混雜因素相互獨立的基因變異位點作為IV，基因變異位點可被視為近似的隨機對照試驗，更符合IV的假設條件[26]。因此，MR方法被越來越多地應用于疾病的因果推斷。本研究結合臨床，選取4項身體基本指數（體脂率、基礎代謝率、BMI、臀圍）作為暴露因素，探究其與MG的因果關聯。通過MR分析，從基因的遺傳變異角度，證實了MG的發生可能與超重或肥胖具有一定的因果關系。因此，對超重或肥胖人群進行體重管理有助于改善健康狀況，減輕和延緩MG的發展。對于已確診的MG患者，確保適當的藥物攝入和運動，達到并保持健康體重可以更好地控制病情，防止疾病惡化。
本研究的局限性：① 研究樣本只選取了歐洲人群的GWAS數據，對于其他人種缺乏外推性；② 僅從因果關系角度探究了身體基本指數對MG的影響，而具體的影響機制未能進一步探究；③ 只選取了4項指標作為暴露因素，對于其他身體指數或能反映身體健康水平的指標與MG的因果關聯尚不清楚。
綜上所述，本研究通過MR分析發現基礎代謝率、體脂率及臀圍與MG存在正向因果關系，但BMI與MG的因果關系尚不確定。
