重庆团队NHANES结合网药发1区，思路少见⭐️

重庆团队NHANES结合网药发1区，思路少见⭐️文献标题：Dyslipidemia and aging: the non-linear association between atherogenic index of plasma (AIP) and aging acceleration

⭐️研究背景
为什么关注AIP？
传统生物年龄指标（如DNA甲基化年龄）成本高、操作复杂。而AIP（血浆动脉粥样硬化指数）作为血脂指标，公式简单（log10(TG/HDL-C)），已被证明与心血管疾病、糖尿病相关。但AIP能否预测衰老加速？此前尚无研究。
本文利用美国NHANES数据库（4471人），首次探索AIP与表型年龄加速（PhenoAgeAccel）的非线性关系，并揭示胰岛素抵抗（HOMA-IR）的中介作用。

⭐️关键统计过程（详见图2、3、4）
1️⃣ 非线性关系分析：
限制性立方样条（RCS）发现AIP与衰老加速呈“倒L型”关系，拐点为AIP=-0.043。
分段回归：拐点前后β值分别为6.55和3.898，提示高AIP时关联减弱（可能因代偿机制）。
2️⃣ 中介效应分析：
HOMA-IR（胰岛素抵抗）介导了39.21%的AIP与衰老加速关联，强调代谢调控的重要性。
3️⃣ 亚组分析：
女性、糖尿病/高血压人群关联更强（β值高达3.6~4.9），提示精准干预方向。

⭐️关键结果
AIP升高显著加速衰老：
AIP每增加1单位，衰老加速1.82年（β=1.82, P<0.0001）。
Q4（最高AIP组）比Q1衰老加速1.58年（P<0.0001）。
核心机制靶点：
网络药理学筛选出INS、APOE、IL6等关键基因，涉及AMPK、FoxO等通路，为抗衰老药物开发提供靶点。

⭐️简要结论
✅ AIP是衰老加速的独立预测因子，尤其适用于女性及代谢异常人群。
✅ 非线性分析+中介效应模型是探索复杂关联的利器，值得借鉴！

⭐️可圈可点
1️⃣ 传统线性回归不够？加入RCS揭示非线性，分段回归找拐点，中介分析挖机制。
2️⃣ 结合网络药理学，从机制层面提升深度（基础+临床融合）。
3️⃣ 图表结合（雨云图、RCS曲线、PPI网络），直观展示非线性关系和核心靶点。

数据收集

1. 数据来源：

使用美国国家健康与营养调查（NHANES）数据库，涵盖2007-2010年的数据。
包括4,471名20岁及以上的美国成年人。

2. 变量选择：

● 主要变量：

AIP：通过公式 AIP = log₁₀(TG/HDL-C) 计算。
PhenoAgeAccel：通过PhenoAge与实际年龄的差值计算。

● 协变量：

人口统计学变量：年龄、性别、种族、教育水平、贫困收入比（PIR）、婚姻状况。
生活方式因素：身体活动、吸烟、饮酒。
健康状况：糖尿病、高血压、心血管疾病（CVD）、体质指数（BMI）。

3. 数据清洗：

排除缺失PhenoAge数据、AIP数据以及关键协变量信息的个体。
最终纳入4,471名参与者。

描述性统计

1. 基线特征：

使用中位数和四分位间距（IQR）描述连续变量（如年龄、PIR、BMI等）。
使用频率和百分比描述分类变量（如性别、种族、教育水平等）。
比较不同AIP四分位组之间的基线特征差异，采用Rao-Scott卡方检验或Kruskal-Wallis检验。

关联性分析

1. 多变量线性回归模型：

模型1：未调整任何协变量。
模型2：调整年龄、性别、种族、教育水平、婚姻状况和贫困收入比。
模型3：在模型2基础上进一步调整BMI、糖尿病、高血压、CVD、吸烟、饮酒和身体活动。

分析AIP（作为连续变量和分类变量）与PhenoAgeAccel之间的关系，计算回归系数（β）和95%置信区间（CI）。

2. 非线性关系分析：

使用限制性立方样条（Restricted Cubic Splines, RCS）分析AIP与PhenoAgeAccel之间的非线性关系。
确定AIP与PhenoAgeAccel关系的拐点（inflection point）。
分段线性回归分析，分别评估拐点两侧的关联性。

亚组分析与交互作用检验

1. 亚组分析：

根据性别、年龄、BMI、教育水平、婚姻状况、贫困收入比、糖尿病、高血压、CVD、吸烟和饮酒等因素进行分层分析。
在每个亚组中重建多变量线性回归分析，评估AIP与PhenoAgeAccel的关联性。

2. 交互作用检验：

检验AIP与上述亚组变量之间的交互作用。
若交互作用显著，则进一步进行分层的RCS分析，评估不同亚组中AIP与PhenoAgeAccel关系的差异。

媒介效应分析

1. HOMA-IR的中介效应：

使用R包“mediation”进行中介效应分析。
评估HOMA-IR在AIP与PhenoAgeAccel关系中的中介作用。
计算中介效应的比例（mediation percentage），并使用Bootstrap方法（1000次重复）进行显著性检验。

网络药理学分析

1. 基因目标识别：

从GeneCards和OMIM数据库中提取与胆固醇代谢、甘油三酯代谢、胰岛素抵抗和生物衰老相关的基因。
使用Venny工具识别四个生物学过程的交集基因。

2. 蛋白-蛋白相互作用（PPI）网络分析：

在STRING数据库中分析交集基因的PPI关系，并使用Cytoscape软件构建PPI网络。
确定前10个核心目标基因，基于节点的介数中心性、接近中心性和度数。

3. 功能富集分析：

使用DAVID数据库进行基因本体（GO）和京都基因与基因组百科全书（KEGG）通路富集分析。
确定与生物衰老相关的信号通路和生物学过程。