骨质疏松症(osteoporosis,OP)是一种由多种危险因素导致的复杂疾病,其影响因素主要包括遗传因素和非遗传因素两方面。在遗传因素方面,目前全基因组扫描研究(genome-wide association scan studies,GWASs)已经发现了许多与骨质疏松症相关的遗传位点,其中,骨保护素(osteoprotegerin,OPG)作为研究热点与骨密度(bone mineral density,BMD)显著相关,但相关的作用机制非常复杂且很少被探索。此外,骨质疏松症还会受非遗传因素影响,如其他疾病和身体状态。其中,肥胖和骨质疏松症的关系十分密切,但肥胖与骨质疏松症的相关性尚不明朗,以前的流行病学分析结果存在争议。我们发现这种争议可能来自于校正的机械负荷的选择不同。此外,我们还发现在研究肥胖与骨质疏松症关系的时候,使用的肥胖相关指标都是较常规的,而一些新提出且有肥胖诊断价值的指标未被研究过。由此,本研究通过三个章节分别探索OPG基因、不同类型肥胖、新型肥胖相关指标脂质蓄积指数(lipid accumulation product,LAP)与骨质疏松症的相关性,从而进一步揭示骨质疏松症的影响因素。第一章:通过整合分析确定热点基因OPG对骨质疏松症的重要性。第二章:控制体重和除脂体重(fat free mass,FFM)的机械负荷,探究不同类型肥胖对BMD产生的影响。第三章:探究LAP与骨质疏松症的相关性、该相关性在不同性别中的差异,以及LAP在预测骨质疏松症风险方面的能力。第一章研究目的进行整合分析确定OPG对骨质疏松症的重要性。研究方法首先,该整合分析利用公开可用的数据集(The GEnetic Factors for OSteoporosis consortium,GEFOS-2)以基于基因的关联分析来评估OPG基因对骨质疏松症的整体影响,然后进行表达数量性状位点(expression quantitative trait locus,eQTLs)分析测试研究的变异对mRNA表达的调节作用,并结合现有的关联研究结果进行了待研究的单核苷酸多态性(single nucleotide polymorphism,SNP)的Meta分析,最后,采用双荧光素报告酶基因系统在293T细胞中验证待研究的SNP在体外的功能。研究结果在基于基因的关联分析中,基于基因的P值在股骨颈(femoral neck,FN)为6.24×10-13,在腰椎(lumbar spine,LS)为7.37×10-17,证实OPG对骨质疏松症的重要性。eQTL结果证实了 5个具有eQTL效应的SNP,其在FN和LS都对OPG存在顺式调控影响。进一步的分析发现,rs2073617(也称为T950C,位于启动子区)是热门SNP,除了 GEFOS提供的研究外,还发现13个与其相关的研究。其中7项研究被纳入Meta分析,其结果表明,在FN(P=0.047)和LS(P=0.025)部位,TT、TC和CC基因型的BMD存在显著差异。TT基因型个体的LS-BMD和FN-BMD显著低于TC和CC基因型。CC基因型个体的LS-BMD和FN-BMD显著高于TC基因型(P<0.001)。在LS和FN部位,TT纯合子的个体较其他人有较低的BMD,CC纯合子较其他人有较高的BMD(P<0.001)。此外,在293T细胞中,当C等位基因存在时,荧光素酶基因的表达明显较高。研究结论本研究以OPG为例,通过整合分析提供了额外的证据支持OPG和变异(T950C)对骨质疏松症的重要性。结果将进一步增加我们对OPG和骨质疏松症之间的复杂关系的理解,更可能为其他基因研究提供了有用的示范。第二章研究目的通过控制机械负荷,探讨全身性、中心性和下肢肥胖对骨质疏松症的影响。研究方法共3749例年龄大于或等于65岁的社区居民被纳入本章研究。对每位研究对象使用双能 X 射线吸收法(dual-energy X-ray absorptiometry,DEXA)测定 BMD,用生物电阻抗分析仪测定人体成分。在三种状况下(不校正负荷、校正体重和校正FFM)进行线性回归分析。研究结果在不校正负荷的情况下,三项全身性肥胖指标,身体质量指数(body mass index,BMI)、脂肪量(fat mass,FM)和体脂百分比(percentage fat mass,PFM),与 3 个骨骼部位的BMD均呈显著的正相关。但校正体重后,除了 BMI与全髋(total hip,TH)的BMD,上述相关性仍具有显著性,但方向相反,即呈负相关(如PFM,β=-0.185,P<0.001)。校正FFM后,这三个参数与骨密度仍呈显著正相关(P<0.001),但与不加校正时的关联性相比,回归系数变小。中心性肥胖指标(躯干PFM和躯干FM)与下肢肥胖指标(下肢PFM和下肢FM)的分析中观察到了相似的相关性。研究结论本研究第一次全面探索不同类型肥胖和骨质疏松症之间的复杂关系,评估了不同机械负荷的选择对它们之间关系的总体影响。这些结果将提高我们对肥胖与骨质疏松之间关系的认识,并为肥胖与骨质疏松相关性研究中机械负荷的校正提供有益的指导。第三章研究目的上一章研究了几种常规肥胖相关指标与骨质疏松症,本章的目的是分析新型指标LAP与骨质疏松症的相关性,以及其在不同性别中的差异。比较LAP与常规肥胖相关指标同骨质疏松症相关程度的高低。评估新加入的指标LAP在是否提高了预测骨质疏松症风险的能力及其程度。研究方法研究对象分别来自2017年和2018年在苏州市两个社区卫生服务中心实施的骨质疏松症预防项目。两样本分别纳入2128名和3384名年龄≥65岁的常住居民,且进行了人体测量、问卷调查、BMD测量、身体成分测量和血液生化检查。在两样本中分别进行回归和相关分析、多重线性回归分析和聚类分析,评估相关程度高低;计算受试者工作特征曲线下面积(area under the curve,AUC)、净重分类改善度(net reclassification improvement,NRI)、综合区分改善度(integrated discrimination improvement,IDI),评估风险预测能力。在两样本中分别对男性人群和女性人群也进行了上述分析。研究结果在两样本中,多重线性回归分析显示,LAP和所有常规肥胖相关指标均与三个部位的BMD呈显著正相关(P<0.001),在不同性别人群中分析的结果相同。聚类分析显示LAP和PFM归为一类。校正PFM后,LAP与三个部位BMD的正相关仍然都有统计学意义(P<0.01)。在男性样本中得到相同的结果,而女性样本中,2017-LS和2018-FN无意义(P>0.05)。将LAP加入包括PFM的预测模型形成新模型,所有BMD测量部位在新加LAP前后AUC差值无统计学意义,IDI和NRI均有统计学意义(除了 2017-FN的IDI,P<0.05),两样本结果一致。在男性样本中,2017-TH、2017-FN、2018-TH和2018-LS的AUC差值有统计学意义(P<0.05),所有部位的IDI和NRI均有统计学意义(P<0.05)。女性样本的分析结果一致性弱。研究结论与其他常规肥胖相关指标一致,新指标LAP也证明了肥胖与骨质疏松症的正相关。LAP与骨质疏松症的相关程度并不高于其他常规肥胖相关指标,但其相关性独立于PFM。此外,LAP的加入提高了骨质疏松症风险预测的准确性,且对男性样本预测准确性的提高更有价值。