语言 ▾
中文EN

出生体重、尿酸水平与痛风风险之间的因果关系:来自双向双样本孟德尔随机化研究的新见解

发布时间:  2026-06-17 13:35:19

2026年6月5日,Yin等在《Medicine》发表题为《Causal relationship between birth weight, uric acid levels, and risk of gout: New insights from a bidirectional two-sample Mendelian randomization study》的研究。该研究采用双向双样本孟德尔随机化(MR)方法,评估出生体重、尿酸水平与痛风风险之间的潜在因果关系。





摘要


本研究将出生体重和尿酸水平作为暴露因素,将痛风作为结局变量,利用欧洲人群来源的全基因组关联研究(GWAS)汇总数据构建遗传工具变量,分析三者之间的因果关联。出生体重数据包含261932个样本和9851867个单核苷酸多态性(SNP);尿酸水平数据包含110347个样本和4865122个SNP;痛风数据包含337159个样本,其中4807例为病例,332352例为对照,并纳入10894596个SNP。

研究主要采用逆方差加权法(IVW)估计因果效应,并进行多种敏感性分析以评估结果稳健性。结果显示,出生体重与尿酸水平呈负向关联(OR=0.849,95%CI0.786–0.917,P<0.001),同时出生体重与痛风风险也呈负向关联(OR=0.997,95%CI0.994–0.9997,P=0.032)。在反向MR分析中,痛风遗传易感性与较低出生体重显著相关(OR=0.380,95%CI0.222–0.650,P<0.001),提示痛风遗传倾向较高者具有较高出生体重的可能性降低约62%。但出生体重与尿酸水平的反向MR分析受到水平多效性影响,未能提供进一步可靠证据。

总体来看,遗传预测的较高出生体重对血清尿酸水平具有保护性因果效应。具体而言,出生体重每增加1个标准差,高尿酸血症风险降低15.1%(OR=0.849,95%CI0.786–0.917,P<0.001)。该结果在加权中位数法和MR-Egger等敏感性分析中保持稳健,且未见方向性多效性证据(Egger截距P>0.05)。逐一剔除分析也显示,该结果并非由单个强影响遗传变异驱动。



结果


SNP筛选流程显示,所有纳入分析的工具变量均经过显著性、LD和弱工具变量筛查。IVW分析结果显示,遗传预测的出生体重与血清尿酸水平呈显著负相关(OR=0.849,95%CI0.786–0.917,P=3.03E−5)。这表明较高出生体重可能降低血清尿酸水平。类似地,遗传预测的出生体重与痛风风险也呈负向关联(OR=0.997,95%CI0.994–0.9997,P=0.032),提示较高出生体重可能对痛风风险具有一定保护作用,但该结果属于提示性显著。

反向MR分析显示,痛风遗传易感性与较低出生体重显著相关(OR=0.380,95%CI0.222–0.650,P<0.001)。换言之,具有较高痛风遗传倾向的个体,拥有较高出生体重的可能性降低约62%。不过,出生体重与血清尿酸水平之间的反向MR分析存在多效性(P<0.05),因此该方向的结果解释受到限制,不能作为可靠因果证据。

敏感性分析方面,除出生体重与血清尿酸的反向MR分析外,其余MR分析均未发现明显水平多效性(Egger截距P>0.05)。Cochran Q和Rucker Q检验用于评估异质性;如存在异质性,则进一步采用MR-PRESSO方法识别并剔除异常值。逐一剔除分析显示,主要结果未受到单个SNP的明显影响,提示整体结论具有一定稳健性。



研究方法


本研究的MR分析基于3项核心假设:第一,遗传变异需与暴露因素强相关;第二,遗传变异仅通过暴露因素影响结局,而不应直接或经其他路径影响结局;第三,遗传变异不应与影响暴露-结局关系的混杂因素相关。为降低连锁不平衡(LD)的影响,研究选择达到全基因组显著性水平的SNP作为工具变量(IV),筛选标准为P<5×10⁻⁸、r²≤0.001、符合Hardy–Weinberg平衡,且遗传距离<10000kb。研究进一步计算每个IV的F统计量,仅纳入F>10的IV,以减少弱工具变量偏倚。

在正向MR分析中,研究分别选择156个SNP和139个SNP,用于评估出生体重、血清尿酸水平与痛风之间的因果关系。在反向MR分析中,研究选择27个与血清尿酸相关的SNP和21个与痛风相关的SNP。出生体重GWAS数据来自欧洲血统人群,包含261932个样本和9851867个SNP;血清尿酸GWAS数据包含110347个样本和4865122个SNP;痛风GWAS数据包含337159个样本,其中4807例为病例、332352例为对照,并包含10894596个SNP。出生体重、血清尿酸和痛风的GWAS汇总统计数据均来自OpenGWAS数据库。

统计分析基于GWAS汇总层面数据,而非个体层面数据。研究以IVW作为主要MR分析方法,并使用MR-Egger和IVW进行Cochran Q及Rucker Q异质性检验。多效性通过Egger截距检验评估,敏感性分析采用逐一剔除法。为增强证据可靠性,研究还利用PhenoScanner数据库排除可能受到暴露-结局混杂关联影响的多效性SNP。效应量以调整后的比值比(OR)和95%置信区间(CI)表示。多重检验方面,Bonferroni校正后α=0.0125,P<0.0125视为具有统计学意义,P≥0.0125且<0.05视为提示性显著。所有分析使用R4.3.2、MR分析网站、OpenGWAS和PhenoScanner完成,并遵循STROBE-MR报告规范。



小结


本研究提示,较高出生体重可能与较低血清尿酸水平及较低痛风风险存在因果关联。其中,出生体重每增加1个标准差,高尿酸血症风险下降约15.1%,该结果在多种敏感性分析中保持稳定。痛风遗传易感性则与较低出生体重显著相关,提示出生早期发育特征、尿酸代谢和痛风风险之间可能存在双向或更复杂的遗传联系。

不过,出生体重与血清尿酸水平的反向分析受到水平多效性影响,因此不能据此得出明确反向因果结论。总体而言,该研究为出生体重、尿酸代谢和痛风风险之间的关系提供了遗传学证据,提示早期生命阶段因素可能参与成年后高尿酸血症和痛风发生风险的形成。




上一篇:血浆代谢物介导免疫细胞与心肌梗死之间的因果关联:一项孟德尔随机化研究

下一篇:基于正念的自助式网络压力管理疗法治疗广泛性焦虑障碍:随机对照试验纵向网络分析



邮编:400000
联系电话:13651835632
电子邮件:zhoubaihao910@126.com
地址:重庆市沙坪坝区龙湖光年4号楼
Copyright © 2022 重庆嘉舟生物科技有限公司 All Rights Reserved 渝ICP备2022013225号