论文部分内容阅读
目的:脉压增高是心脑血管疾病如冠心病、心肌梗死等发生的独立危险因素,并受到遗传与多种环境因素的共同影响。本研究拟选择磷酸酶和肌动蛋白调节因子1(phosphatase and actin regulator 1,PHACTR1)基因为目标基因,深入研究中国汉族人群PHACTR1基因变异与脉压增高之间的关系,及其与环境因素的交互作用对脉压增高的影响。研究结果可以为阐明脉压变化机制、控制理想脉压并减少心脑血管疾病的发生提供科学依据。方法:本研究采用病例对照研究设计。随机抽取30岁及以上的青岛市社区人群为研究对象并知情同意。脉压≥65mmHg定义为脉压增高,30≤脉压≤45mmHg且收缩压/舒张压≤120/80mmHg定义为脉压正常。选择PHACTR1基因rs475543、rs9472419、rs2026458、rs9349379、rs1223397、rs693758和rs499818位点为标签SNP。采用Logistic回归分析方法,探讨共显性、加性、显性、隐性和超显性五种遗传模型下PHACTR1基因变异与脉压增高的关系,并以比值比(odd ratio,OR)及其95%可信区间(confidence interval,CI)表示。通过连锁不平衡分析定义单体型域,并采用χ~2检验比较脉压增高组与对照组间单体型频率的分布。采用加权基因得分的方法,以每个风险等位基因的β系数为权重,对PHACTR1基因rs475543,rs9472419,rs2026458,rs9349379,rs1223397,rs693758和rs499818位点计算基因得分,探讨PHACTR1基因总的遗传风险与脉压增高的关系,并采用相乘和相加交互作用模型评估PHACTR1基因得分与环境因素(如年龄、肥胖和高脂血症等)对脉压增高的影响。采用优势分析方法探讨PHACTR1基因得分及其它因素对脉压增高影响的相对重要性。结果:本文共纳入研究对象706例,其中脉压增高者(病例组)347例,脉压正常者(对照组)359例。1.PHACTR1基因单个SNP位点与脉压增高的关系调整年龄、性别、肥胖、高脂血症、糖尿病、饮酒状态和休闲体力活动后,多因素Logistic回归分析结果显示,(1)rs9349379位点:共显性模型(AA vs GG)下,相对于GG基因型,携带AA基因型的个体脉压增高的危险性增加(OR=2.255,95%CI:1.132-4.492);加性模型(AA vs GA vs GG)下,该位点也与脉压增高有关(OR=1.368,95%CI:1.049-1.783);隐性模型[AA vs(GA+GG)]下,相对于(GA+GG)基因型,携带AA基因型的个体脉压增高的危险性增加(OR=2.062,95%CI:1.051-4.045),关联均有统计学意义(P<0.05);共显性(GA vs GG)、显性[(GA+AA)vs GG]和超显性[GA vs(GG+AA)]模型下,该位点与脉压增高之间的关联均无统计学意义(P>0.05)。(2)rs499818位点:共显性模型(AA vs GG)下,相对于GG基因型,携带AA基因型的个体脉压增高的危险性增加(OR=3.483,95%CI:1.044-11.613);隐性模型[AA vs(GG+GA)]下,相对于(GG+GA)基因型,携带AA基因型的个体脉压增高的危险性增加(OR=3.716,95%CI:1.119-12.339),关联均有统计学意义(P<0.05);共显性(GA vs GG)、加性(AA vs GA vs GG)、显性[(GA+AA)vs GG]和超显性[GA vs(GG+AA)]模型下,该位点与脉压增高之间的关联均无统计学意义(P>0.05)。(3)rs475543、rs9472419、rs2026458、rs1223397和rs693758位点:共显性、加性、显性、隐性和超显性五种遗传模型下,5个位点与脉压增高之间的关联均无统计学意义(P>0.05)。根据赤池信息量准则(Akaike Information Criterion,AIC)判断,rs9349379和rs499818位点的最佳遗传模型均为共显性模型。2.单体型分析根据Haploview软件共定义了1个单体型域,涵盖rs475543和rs9472419两个位点。构建的总频率≥5%的单体型包括了GC、GT和AC三类。GC、GT和AC单体型频率在脉压增高组分别为0.568、0.321和0.111,在对照组分别为0.547、0.347和0.106,组间GC、GT和AC单体型频率分布差异均无统计学意义(χ~2=0.594,1.029,0.095,P>0.05)。3.PHACTR1基因得分与脉压增高的关系调整年龄、性别、肥胖、高脂血症、糖尿病、饮酒状态和休闲体力活动后,多因素Logistic回归分析结果显示,PHACTR1基因得分与脉压增高之间的关联有统计学意义(OR=1.702,95%CI:1.055-2.746,P=0.029),表明PHACTR1基因得分越高,脉压增高的危险性越大。4.PHACTR1基因得分与年龄、肥胖和高脂血症的交互作用对脉压增高的影响(1)多因素相乘交互作用模型显示,PHACTR1基因得分与年龄、肥胖和高脂血症可能不存在相乘交互作用(P>0.05);(2)多因素相加交互作用模型显示,PHACTR1基因得分与年龄的相加交互作用分析中,超额相对危险度(relative excess risk due to interaction,RERI)=0.738,95%CI:0.004-17.772,归因交互效应百分比(attributable proportion due to interaction,AP)=0.031,95%CI:0.003-0.067,交互作用指数(synergy index,S)=1.033,95%CI:1.001-1.072,表明PHACTR1基因得分与年龄对脉压增高可能存在正相加交互作用,提示随着年龄的增加,PHACTR1基因变异对脉压增高的影响增加。PHACTR1基因得分与肥胖和高脂血症可能不存在相加交互作用。5.优势分析优势分析结果显示,脉压增高的影响因素按标准化优势权重由大到小依次为糖尿病(34.41%)、肥胖(34.33%)、休闲体力活动(10.83%)、饮酒状态(6.30%)、高脂血症(4.57%)、PHACTR1基因得分(3.95%)、年龄(3.51%)和性别(2.10%)。结论:PHACTR1基因rs9349379和rs499818位点影响脉压增高的遗传易感性,提示PHACTR1基因变异与脉压增高有关。PHACTR1基因得分与脉压增高有关,得分越高,脉压增高的危险性越大。PHACTR1基因得分与年龄对脉压增高存在正相加交互作用,提示随着年龄的增加,PHACTR1基因变异对脉压增高的影响增加。此外,与其它因素相比糖尿病和肥胖是影响脉压增高的主要因素。