男性不育症可能与小血管卒中风险降低相关：孟德尔随机化研究的发现

1.1 摘要

背景：中风是一个毁灭性的全球健康问题，死亡率和残疾率很高。育龄男性中男性不育症的患病率日益增加，已成为全世界日益关注的问题。然而，男性不育症与中风发病率之间的关系仍不确定。本研究旨在通过采用孟德尔随机化（MR）方法来解决这一知识差距。

方法：利用来自男性不育症和中风的全基因组关联研究（GWAS）的遗传工具变量，实施了双样本MR设计。采用五种不同的分析方法，以逆方差加权为主要方法，检查男性不育症与各种卒中亚型之间的遗传因果关系。通过异质性分析、多效性检验和留一法验证来评估异质性，评估多效性，并确保研究结果的稳健性。

结果：结果表明，与男性不育相关的小血管卒中风险可能较低（比值比，95% 置信区间：0.82,0.68-0.99，p=0.044），但未观察到对其他卒中亚型的显着影响。该研究表现出低异质性，没有明显的多效性；然而，结果的稳定性并不理想。

结论：男性不育症可能会对小血管卒中风险产生保护作用。由于潜在的混杂因素，需要谨慎。需要更多的研究来证实这些发现并提供进一步的验证。

1.2 男性不育症的遗传工具

经过彻底的筛选过程，从FinnGen项目中共鉴定出24个与男性不育症相关的SNP，并将其纳入本研究。值得注意的是，所有这些SNP都表现出大于20的F统计量，表明排除了弱工具变量偏倚。

1.3 MR分析

采用IVW、MR-Egger、加权中位数、简单模态和加权模态方法估计遗传预测的男性不育症与卒中风险之间的因果关系。我们发现男性不育症与中风或缺血性中风的总体发病率之间没有因果关系。

在缺血性卒中亚型分析中，我们观察到男性不育症与大血管卒中（OR=0.94,95% CI=0.79-1.12，p=0.518）或心源性栓塞性卒中（OR=0.95,95% CI=0.82-1.09，p=0.424）之间没有关联。 然而，存在因果关系，表明与男性不育相关的小血管卒中风险降低（OR=0.82,95% CI=0.68-0.99，p=0.044，IVW 方法）。 使用MR-Egger，我们发现了心源性栓塞性卒中风险降低与男性不育症之间因果关系的证据（OR=0.68,95%CI=0.50-0.91，p=0.018）。

1.4 敏感性分析

漏斗图用于可视化每个SNP的单个Wald比率，根据其精度绘制，从而能够通过观察不对称性来检测潜在的方向水平多效性。当使用 MR-Egger方法时，在心源性栓塞性卒中的漏斗图中观察到明显的不对称性。应该注意的是，当遗传工具的数量有限时，评估漏斗图的对称性可能具有挑战性。脑卒中亚型间异质性差异无统计学意义（Q>0.05），表明本研究的异质性较低。

MR-Egger分析的截距没有提供总体卒中、缺血性卒中、大血管卒中或小血管卒中定向多效性的实质性证据（分别为p=0.964、p=0.667、p=0.368和p=0.688; 附表S4）。然而，在心源性栓塞性卒中中观察到定向多效性的显着证据 （p=0.023）。

为了确定可能使因果关系产生偏差的潜在影响SNP，我们使用IVW方法进行了遗漏分析。我们发现，去除任何单个SNP对总体卒中、缺血性卒中、大血管卒中和心源性栓塞性卒中。

然而，在小血管卒中的情况下，去除几个 SNP，例如 rs3816838、rs73527055、rs10503673 等，可能会导致最终结果没有统计学上的显着差异。

2.1 遗传工具变量

遗传变量来自对不同人群进行的大型公开全基因组关联研究（GWAS）。基于FinnGen R9数据集，我们选择了与男性不育相关的单核苷酸多态性（SNP）来创建我们的遗传工具。FinnGen R9包含从300,000多名芬兰人收集的基因组数据，使其成为同类中最大的遗传数据库之一。从FinnGen R9队列中，我们纳入了13,142名男性不育症患者，而107,564名参与者被选为对照组。我们筛选了SNP，以确定那些与男性不育症有密切关联的SNP。该筛选涉及考虑全基因组显着性水平p <5×10−6，确保分析中仅包含高度显著的SNP。为确保SNPs在MR分析中的独立性，采用连锁不平衡聚集算法来识别彼此之间表现出最小相关性的SNP（r 2<0.001）。此外，F统计量用于评估弱仪器引起的潜在偏差。F统计量值大于10表示存在强遗传工具变量。还进行了分析，以评估遗传仪器与各种类型中风之间的相关性。

2.2中风的数据来源

卒中的遗传数据摘自国际卒中遗传学联盟发起的 MEGASTROKE 项目，该项目的全面描述可在以前的出版物中提供。除了整体卒中（所有卒中，AS）外，MEGASTROKE联盟还将卒中分为四种亚型，即任何缺血性卒中（AIS）、大动脉卒中（LAS）、心源性栓塞性卒中（CES）和小血管卒中（SVS）。这项研究包括67,162例中风病例和454,450例对照。在AS病例中，60,341例被归类为AIS，6,688例被归类为LAS，9,006例被归类为CES，11,710例被归类为SVS。

2.3 统计分析

首先，单核苷酸多态性（SNP）与暴露因子密切相关，选取单核苷酸多态性作为工具变量，滤波MR 研究中的主要分析涉及 IVW 回归分析，假设没有无效的遗传工具。本研究还利用了其他四种MR分析方法，即MR-Egger、加权中位数、简单模和加权模。在 MR 中，通常使用IVW方法，通过根据多个遗传变异的逆方差对它们进行加权来组合来自多个遗传变异的因果估计值，假设仪器有效且没有定向多效性。MR-Egger 回归同时估计因果效应和多效性偏倚，适应违反无多效性假设的变异。加权中位数法采用单个因果估计值的中位数，即使使用无效工具或中等异质性，也能提供来自有效工具的权重超过50%的一致估计值。简单模式方法计算遗传变异中最常见的因果估计值，有效且没有异质性或有偏差的因果估计值。加权模式方法将频繁的因果估计与比例权重相结合，以解决异质性问题。

结果以比值比（OR）和β值报告，从而深入了解卒中风险。OR值大于1表示暴露因子是结果的不利因素，而OR值小于1表示有利因素。同样，β值小于0表示暴露因素是结果的危险因素，而β值大于0表示有利因素。MR 分析使用 R 中的“TwoSampleMR”包（版本 4.21）进行。使用 IVW和MR-Egger检验评估异质性，p值小于0.05表明研究中存在异质性。我们还使用Cochrane的Q统计量来评估SNP特异性因果估计值之间的异质性。进行MR-Egger截距检验以评估数据中多效性的存在并评估结果的稳健性。小于0.05的p值表示数据中存在多效性。此外，对于敏感性分析，我们采用了留一法，系统地单独去除每个SNP并重复IVW分析。这种方法使我们能够评估每个SNP对观察到的因果效应的潜在影响。

根据《Front Endocrinol》上发表的一篇题为"Causal associations of male infertility with stroke: a two-sample Mendelian randomization study"的研究，通过孟德尔随机化分析，发现男性不育症可能会对小血管卒中风险产生保护作用。由于潜在的混杂因素，需要更多的研究来证实这些发现并提供进一步的验证。

本文通过对已发表的孟德尔随机化研究进行系统评价，发表二区文章，IF=5.2，影响因子也比较高，为我们提供了一种新的发文思路，赶快学起来吧！