壹生大学

壹生身份认证协议书

本项目是由壹生提供的专业性学术分享,仅面向医疗卫生专业人士。我们将收集您是否是医疗卫生专业人士的信息,仅用于资格认证,不会用于其他用途。壹生作为平台及平台数据的运营者和负责方,负责平台和本专区及用户相关信息搜集和使用的合规和保护。
本协议书仅为了向您说明个人相关信息处理目的,向您单独征求的同意,您已签署的壹生平台《壹生用户服务协议》和《壹生隐私政策》,详见链接:
壹生用户服务协议:
https://apps.medtrib.cn/html/serviceAgreement.html
壹生隐私政策:
https://apps.medtrib.cn/html/p.html
如果您是医疗卫生专业人士,且点击了“同意”,表明您作为壹生的注册用户已授权壹生平台收集您是否是医疗卫生专业人士的信息,可以使用本项服务。
如果您不是医疗卫生专业人士或不同意本说明,请勿点击“同意”,因为本项服务仅面向医疗卫生人士,以及专业性、合规性要求等因素,您将无法使用本项服务。

同意

拒绝

同意

拒绝

知情同意书

同意

不同意并跳过

工作人员正在审核中,
请您耐心等待
审核未通过
重新提交
完善信息
{{ item.question }}
确定
收集问题
{{ item.question }}
确定
您已通过HCP身份认证和信息审核
(
5
s)

2025 ISC 华山特约|从遗传学角度识别缺血性卒中的潜在药物靶点

2025-02-10作者:壹生君资讯
原创

微信图片_20250206095156.png

点击图片查看专题↑


复旦大学附属华山医院神经内科血管组 徐非凡 徐佳洁


卒中是全球范围内导致死亡和致残的主要疾病之一,其防治一直是临床研究的重点领域。近年来,缺血性卒中(Ischemic Stroke, IS)的神经保护治疗已取得一定进展,但由于治疗靶点选择受限,仍有相当一部分患者对现有药物反应欠佳。孟德尔随机化(Mendelian Randomization, MR)作为一种基于遗传变异的因果推断方法,通过利用单核苷酸多态性(Single Nucleotide Polymorphism, SNP)作为工具变量,能够模拟随机对照试验(RCT)中的暴露随机分配,从而推断暴露因素(如基因表达)与结局变量(如IS风险)之间的因果关系。这一方法有效避免了观察性研究中常见的混杂因素和反向因果问题,在药物靶点发现方面具有重要应用价值。基于此,首都医科大学附属北京天坛医院的韩如泉教授团队利用MR方法系统评估基因表达对缺血性卒中风险的因果作用,并筛选出潜在的药物靶点,其结果由团队成员王鑫焱在2025 ISC上进行公布。


图片1.png


研究方法



01
研究设计


本研究基于孟德尔随机化方法,结合共定位分析(Colocalization Analysis)、全表型组关联分析(PheWAS)、生物学功能富集分析(GO/KEGG)和蛋白质互作网络(PPI),从遗传学角度系统筛选缺血性卒中的潜在药物靶点。


02
数据来源


暴露变量(Exposure):


  • 选取顺式表达数量性状位点(cis-expression Quantitative trait loci, cis-eQTLs)作为基因调控变量,数据来自eQTLGen联盟(样本量31684)。


结局变量(Outcome):


  • 发现队列(Discovery cohort): MEGASTROKE GWAS 数据库(样本量440328,其中34217 例卒中患者,406111例对照)。


  • 验证队列(Replication cohort): FinnGen Release 8 GWAS 数据库(样本量218792,其中12632 例卒中患者,206160例对照)。


图片2.png


03
统计分析


  • 孟德尔随机化(MR)分析:采用逆方差加权(Inverse Variance Weighted, IVW)作为主要分析方法计算MR估计值;采用MR Egger检验进行多效性评估,并计算Cochrane's Q 统计量评估数据的异质性。

  • 共定位分析:计算后验概率(PPH0-PPH4),用于评估基因表达与卒中风险是否由相同的SNP驱动:PPH4 > 0.80 视为显著共定位,即认为该基因可能是卒中的潜在药物靶点。

  • 全表型组关联分析(PheWAS):评估潜在药物靶点的基因水平多效性,以排除可能的非特异性效应和潜在副作用。

  • 生物学功能富集分析:基因本体(Gene Ontology, GO):分析基因在分子功能(MF)、细胞成分(CC)、生物过程(BP)中的富集情况,以确定其可能的生物学作用;京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)富集分析:探讨候选基因是否参与特定生物通路。

  • 蛋白质互作网络(PPI)分析:评估候选基因是否存在与卒中相关的重要互作蛋白。

  • 药物预测与分子对接:筛选针对候选基因的潜在干预药物,以及评估候选药物与靶蛋白的结合亲和力。


图片3.png


研究结果


本研究的流程图如下。


图片4.png


结果显示,在MEGASTROKE数据库(发现队列)中,采用IVW方法识别出321个基因,随后在FinnGen Release 8数据库(验证队列)中进行验证,最终筛选出23个候选基因。


图片5.png


本研究进一步对筛选出的23个候选基因进行共定位分析。


在共定位分析中,通过计算后验概率(Posterior Probability)来评估以下五个互斥假设模型(H0-H4)的可能性:


H0:该基因组区域内不存在与基因表达或IS风险相关的SNPs。

H1:只有基因表达与该区域的SNPs相关。

H2:只有IS风险与该区域的SNPs相关。

H3:基因表达和IS风险均与该区域的SNPs相关,但由不同的SNPs驱动。

H4:基因表达和IS风险均与该区域的因果变异相关,且由共同的SNPs驱动。


对于每个假设模型,计算其后验概率(PPH0-PPH4),且所有后验概率之和为1。其中,H4模型的后验概率(PPH4)越高,表明基因表达与IS风险由同一因果变异驱动的可能性越大。本研究中,将PPH4 > 0.80设为显著性阈值,满足该条件的基因被视为潜在的药物靶点。如下图所示,研究发现MPO和CENPQ基因的PPH4显著高于阈值,提示它们可能是IS的潜在药物靶点


图片6.png


为进一步评估这23个已识别的潜在药物靶点基因是否对其他表型有影响,以及确认通过MR Egger检验得出的基因水平多效性是否可靠,本研究进行了PheWAS分析,其结果可理解为由遗传决定的蛋白质表达与特定疾病或特征之间的关联。结果显示,在23个候选基因中,只有4个基因(IGFBP3、SWAP70、MPO、WDR5B)在其他表型中表现出显著的多效性,而这些基因大多与心血管疾病有关。


图片7.png


此外,KEGG通路富集分析发现候选基因主要富集于以下关键生物通路:癌症的转录失调、生长激素的合成、分泌和作用以及NOD样受体信号通路。而GO富集分析提示候选基因在分子功能上主要富集于糖苷键水解酶活性、蛋白转运酶活性等功能,在细胞组分上基因产物主要定位于线粒体外膜、细胞器外膜,在生物过程中主要涉及糖代谢、神经肌肉功能调控等过程。


图片8.png

图片9.png


对于蛋白质互作分析,本研究使用GeneMANIA构建了20个相关基因和131个互作关系的PPI网络,其中76.19%为物理互作,进一步支持候选基因的生物学功能。


图片10.png


最后,本研究通过药物预测和分子对接分析,发现Chlorophyllin、Prenylamine、Suloditil 和 Terfenadine 可能作为卒中治疗的潜在候选药物(基于校正后P值 < 0.05),结果如下图。


图片11.png

图片12.png


研究结论


综上,本研究通过孟德尔随机化分析结合共定位分析、PheWAS、生物学富集分析和蛋白质互作网络分析,成功识别出四个潜在的缺血性卒中药物靶点,并通过药物预测和分子对接分析,筛选出具有治疗潜力的化合物,为缺血性卒中的精准治疗提供了新的遗传学证据。此外,针对这些基因设计的药物可能在临床试验中具有更高的成功率,并有望优化IS治疗方案,降低药物研发成本。


END


【原创文章 转载请申请授权】

200 评论

查看更多