经典双样本MR+影像数据=7.4分!四川大学华西医院探究多发性硬化和皮质结构关系=

跟着顶刊学MR，四川大学华西医院一篇MR文章整合影像数据，探究多发性硬化与皮质结构之间的因果关系，为其提供了支持证据，并且介导多发性硬化患者脑形态异常的通路主要与免疫和炎症驱动的通路有关。

这其实给了我们很大的启发和选题思路，既然多发性硬化有这样的因果性，其他的炎症性疾病比如系统性红斑狼疮等会不会有类似的关系呢？？而且是联合了影像数据的双样本，文章完全可借鉴。

课题思路这不就来了么？万层高楼平底起，一起加油呀！

文章题目：Causal relationship between multiple sclerosis and cortical structure: a Mendelian randomization study

DOI：10.1186/S12967-024-04892-7

中文标题：多发性硬化症与皮质结构之间的因果关系：孟德尔随机化研究

发表杂志：Journalof Translational Medicine

影响因子：7.4

发表时间：2024年1月

论文亮点

本研究利用孟德尔随机化（MR）方法，探讨了多发性硬化症（MS）与大脑皮层结构之间的因果关系。研究基于国际多发性硬化症遗传学联盟（IMSGC）的MS数据和ENIGMA联盟的大脑皮层面积（SA）和厚度（TH）的基因组范围关联研究（GWAS）数据。主要分析采用逆方差加权（IVW）方法，并通过敏感性分析来评估异质性和多效性。研究结果表明，MS与六个大脑区域的皮层结构存在因果关联，涉及的基因集主要富集在与免疫和炎症相关的信号通路中，如JAK-STAT信号通路、NF-kappa B信号通路、细胞因子-细胞因子受体相互作用以及催乳素信号通路。这些发现为MS影响大脑皮层结构提供了证据，并指出免疫和炎症驱动的途径可能是介导MS患者大脑形态异常的主要机制。

摘要

背景：观察性研究表明多发性硬化症 （MS） 与皮质结构之间存在关联，但结果并不一致。

目的：采用双样本孟德尔随机化（MR）法评估MS与皮质结构的因果关系。

方法：从国际多发性硬化症遗传学联盟获得以MS为暴露性状的数据，包括14,498例病例和24,091例对照。从 ENIGMA 联盟获得了 51,665 名欧洲血统个体的皮质表面积 （SAw/nw） 和厚度 （THw/nw） 的全基因组关联研究 （GWAS） 数据。采用逆方差加权（inverse-variance weighted， IVW）法作为MR的主要分析方法，进行敏感性分析以评估异质性和多效性。对通过敏感性分析过滤的MR分析进行富集分析。

结果：IVW和敏感性分析滤过后，只有6例幸存的MR结果提供了提示性证据，支持MS与皮质结构之间存在因果关系，包括舌侧SAw （p = .0342，beta （se） = 5.7127 （2.6969））、海马旁SAw （p = .0224，β （se） = 1.5577 （0.6822））、喙中额 SAw （p = .0154， beta （se） = − 9.0301 （3.7281））、楔骨 THw （p = .0418，β （se） = − 0.0020 （0.0010）），外侧眶额叶 THw （p = .0281，β （se） = 0.0025 （0.0010）） 和外侧眶额叶 THnw （p = .0417，β （se） = 0.0029 （0.0014））。富集分析表明，白细胞相关通路、JAK-STAT信号通路、NF-κB 信号通路、细胞分裂细胞因子受体相互作用和催乳素信号通路可能参与MS对皮质形态的影响。

结论：本研究结果为MS与皮质结构之间存在因果关系提供了证据。富集分析表明，介导MS患者脑形态异常的通路主要与免疫和炎症驱动的通路有关。

关键词：多发性硬化症， 皮质结构， 孟德尔随机化

介绍

多发性硬化症（multiple sclerosis， MS）是一种多因素中枢神经系统自身免疫性疾病，可导致脱髓鞘和轴突丢失，男女比例为1：3[1]。MS影响超过200万人，造成严重的全球健康负担[2]。一些研究报道，大约40-70%的MS患者会出现认知功能障碍[3,4]，高达60%的患者会出现神经精神症状[5,6]。这些神经精神异常可能与大脑连接的变化有关。越来越多的证据表明，灰质结构在MS患者中受到广泛影响[7–9]。一项纳入75例复发缓解型MS（repost-remiting MS， RRMS）和11例进展性MS（PMS）患者的1年随访研究显示，RRMS患者额叶和颞叶皮质变薄，而PMS患者皮质厚度（stress thickness， TH）普遍减少[10]。其他几项研究证实，RRMS患者整个大脑的平均TH水平下降[11–13]。Nygaard等人发现，RRMS患者的皮质表面积（SA）与健康对照组相似[14]，但另一项研究提供了证据支持MS患者的中央前部SA降低[15]。

然而，这些关于MS与大脑结构之间关联的报道是观察性的，结论并不一致。此外，这些研究容易受到混杂因素和反向因果关系的影响，这使得使用传统的观察性流行病学难以进行因果推断。更重要的是，多发性硬化症对皮质结构的影响程度及其潜在机制尚不清楚。因此，探索多发性硬化症与大脑皮质结构之间因果关系的定制方法至关重要。

孟德尔随机化（Mendelian randomization， MR）是神经系统疾病研究中广泛使用的方法，它采用单核苷酸多态性（SNP）作为工具变量（IV）来探索暴露与结局之间的因果关系[16\u201219]。MR可最大限度地减少混杂因素并避免反向因果关系[17]。在MR研究中减轻混杂因素的基本原则植根于减数分裂过程中遗传变异的随机分配，确保一个性状通常与其他性状无关。这种方法有助于避免反向因果关系，因为用于表示暴露影响的遗传变异不会因结局的发生和进展而改变[17]。MR分析中有三个关键假设。首先，用作静脉注射的遗传变异应与感兴趣的危险因素相关。其次，使用的遗传变异不应与潜在的混杂因素相关联。第三，选择的遗传变异应仅通过危险因素影响结局[20]。在这里，我们使用公开的全基因组关联研究 （GWAS） 数据进行了一项双样本 MR 研究，以确定 MS 与大脑结构之间的因果关系。

方法

数据来源和遗传仪器

4.讨论

我们从国际多发性硬化症遗传学联盟（IMSGC）获得了MS GWAS数据。该数据集包括 38,589 名欧洲血统的个体，包括 14,498 例病例和 24,091 名健康对照者。疾病诊断由熟悉MS的神经科医生按照广泛认可的诊断标准进行[21–23]。使用扩展残疾状态评分（EDSS）[24]和多发性硬化症严重程度评分（MSSS）[25]评估疾病严重程度。多发性硬化症的总发病年龄为 33.1 岁。该研究确定了 48 个新的 MS 易感位点，突出了 NF-κ B 在疾病病理生物学中的作用。此外，使用免疫芯片分析计算了MS与其他自身免疫性疾病之间的重叠。约22%的MS信号与至少一种其他自身免疫性疾病重叠，主要包括炎症性肠病（~9.1%）、原发性胆汁性肝硬化（~9.1%）、克罗恩病（~9.1%）、溃疡性结肠炎（~7.3%）、乳糜泻（~4.5%）、类风湿性关节炎（~4.5%）和自身免疫性甲状腺疾病（~2.7%）[26]。有关这项研究的更多细节，请参阅原始出版物[26]。

大脑皮质结构

皮质结构的摘要级数据来自通过荟萃分析联盟 （ENIGMA） 增强神经影像遗传学-遗传学工作组的工作。Grasby等人利用来自51,665个体的磁共振成像数据来研究皮质SA和TH[27]。GWAS 荟萃分析确定了影响参与 Wnt 信号通路的区域 SA 近基因的位点。具体来说，该研究根据 DesikanKilliany 图谱将皮质结构分为 34 个功能特化区域，并在有和没有全脑加权的情况下分析区域 SA 和 TH（w 表示加权区域，而 nw 表示未加权区域地区）[27]。更多细节可以在原始研究中找到[27]。因此，我们利用这些GWAS数据分析了MS对全脑和34个功能区皮质SA和TH的因果影响，共得出了138项分析。

工具变量的选择

基于MR的基本假设，我们首先提取了阈值为P<5E−8的MS相关IV。其次，我们根据欧洲 1000 基因组计划（聚集的 R2 < 0.001，窗口大小 = 10 Mb）对 IV 进行聚类。第三，当没有相应的SNP可用时，使用代理遗传变异（LD R2阈值设置为0.8）。第四，我们对SNPs进行均质化，并去除了回文SNP。为了确保 IV 具有很强的统计功效，我们选择了 F 统计量大于 10 的 SNP。我们使用公式 R2 * （N−k−1）/[ （1−R2） * k] 来计算 F 统计量，其中 N 是 MS 的样本量，k 是 SNP 的数量，R 2 是每个 SNP 解释的 MS 变异比例。R 2的计算公式为：2* b eta2* （1-eaf） * eaf，其中eaf是效应的等位基因频率，beta是变异对MS遗传效应的估计值[28,29]。我们的 MR 研究遵循 STROBE-MR 声明指南。

MR分析和灵敏度分析

采用随机效应的逆方差加权（IVW）方法作为MR分析的主要方法。IVW 方法结合了每个 SNP 的 Wald 比率估计值，以获得因果效应的总体估计值。尽管IVW允许异质性[20,31]，但它容易受到多效性偏倚的影响[32,33]。MR-Egger、加权中位数、简单模态和加权模态方法依赖于与IVW不同的假设，并且对水平多效性相对稳健，可以补充IVW，使MR估计更可靠[34]。Cochran 的 Q 检验用于检测异质性。MR-Egger截距检验产生非零截距，表明存在定向多效性[35]。MR多效性残差和异常值（MR-PRESSO）检验用于检测潜在的异常值，并在去除此类异常值后提供MR的校正估计值，以解释水平多效性[36]。排除一例分析检查MR估计值是否由单个SNP驱动。

此外，我们采用Steiger检验来减轻反向因果关系的影响[37,38]。对于通过IVW确定的显著结果（p < 0.05），我们使用PhenoScanner在线工具搜索遗传变异的第二种表型，包括体重指数、肥胖、吸烟、饮酒、神经精神疾病、高血压和高脂血症，以评估这些MR估计值是否被潜在的混杂因素推翻[39,40 ].这些检验有不同的假设，但可用于解释假设途径以外的其他因果途径[34]。通过Bonferroni方法校正多重比较。在进行的 138 次测试中，有意义和名义上显着的阈值分别设定为 p < 0.05/138 = 0.0004 和 p < 0.05。使用 TwoSampleMR 包（版本0.5.6） 在 R 软件（版本 4.2.1）中。因果基因组位点和富集分析 为了进一步探索 MS 介导的皮质结构变化的潜在机制，我们研究了对皮质结构具有明显因果效应（增加或减少 TH 和 SA）的基因集。通过一系列灵敏度测试和过滤的MR分析结果，确定了这些组。然后，我们对这些基因集进行了基因本体论（GO）和京都基因和基因组百科全书（KEGG）通路富集分析。使用 R 软件（版本 4.2.1）中的 clusterProfiler 包（版本 v4.4.4）和 biomaRt 包（版本 2.52.0）完成分析。

结果

MR分析和灵敏度分析

在总共 138 项 MR 分析中，我们使用 IVW 方法初步确定了 9 个大脑区域的 MS 与皮质结构之间的名义因果关联。这些区域包括舌侧 SAw、海马旁 SAw、后中央 SAw、喙中额 SAw、舌侧 SAnw、楔叶 THw、外侧眶额 THw、上颞 THw 和外侧眶额叶 THnw（图 1）。  1,2）。

敏感性分析表明，由于检测到定向多效性（截距 = − 2.51，se = 1.19，p = 0.04），舌侧 SAnw 中的 MR-Egger 截距被移除  。在剩余的 MR 估计值中未检测到定向多效性（MR-Egger 截距  p值> 0.05，附加文件 1：表 S1）。尽管在上颚THw中检测到异质性（Cochran’s Q = 68.52，p  = 0.01），但随机效应IVW方法接受了异质性的存在。MR-PRESSO分析证实了上颞THw区域存在潜在的异常值，但其识别不可行（p = 0.004）。然而，在其他MR结果中未检测到异常值（MRPRESSO  >值为0.05，附加文件1：表S1）。其余四种MR估计补充方法如表S2所示。留一分析表明，没有一个MR估计值是由单个SNP驱动的（附加文件1：图S1-S9）。所有MR估计均通过了Steiger检验，与之前的结果保持一致。

此外，我们进一步使用 PhenoScanner 工具对剩余的 MR 估计值进行了敏感性分析。我们发现 rs7923837 和 rs11554159 与体重指数相关，rs8070345 与饮酒频率相关，rs11154801 与精神分裂症相关，rs2857700 与帕金森病、总胆固醇和自我报告的高血压相关。在去除与这些危险因素相关的 SNP 后，MR 估计了中央后 SAw 和上颞区THw 不再与以前的一致（pvalue > 0.05，附加文件 1：表 S3）。

因此，经过一系列敏感性分析，只有 6 个幸存的 MR 结果表明 MS 与皮质结构之间存在因果关系，包括舌侧 SAw （p = 0.0342，β （se） = 5.7127 （2.6969））、海马旁 SAw （p = 0.0224，beta （se） = 1.5577 （0.6822））、喙中额 SAw （p = 0.0154，beta （se） = − 9.0301 （3.7281））、楔骨 THw （p = 0.0418，β （se） = − 0.0020 （0.0010）），外侧眶额叶 THw （p = 0.0281，β （se） = 0.0025 （0.0010）） 和外侧眶额叶 THnw （p = 0.0417， β （se） = 0.0029 （0.0014）） （图 1）。2）.值得注意的是，这些MR估计仅限于区域功能水平，并且没有证据支持MS与整体皮质TH或SA之间存在潜在的因果关系（图1）。1）. 因果位点和富集分析

尽管MS对大脑皮层的TH和SA有不同的影响，但我们发现MS与大脑形态之间因果关系的基因集是完全重叠的。共有 41 个基因与 MS 与皮质结构之间的因果关系有关（附加文件 1：表 S4）。值得注意的是，ELMO1、SOCS1、STAT3、STAT4、IL7R、IL22RA2、TNFRSF1A、TNFSF14、IL2RA、TNFAIP3、BCL10、MAPK3、CD86、CXCR5和LTBR等13个关键基因被发现调节由以下原因引起的皮质结构变化MS（附加文件 1：图 S10）。GO分析显示，这些通路主要富集于白细胞增殖、T细胞活化正调控、白细胞-细胞粘附正调控以及受体信号通路（图1）。KEGG分析表明，这些通路主要参与JAKSTAT信号传导、NF-κB信号传导、细胞因子-细胞因子受体相互作用和催乳素信号通路（图3B）。

讨论

据我们所知，这是第一项调查MS与大脑结构之间因果关系的MR研究。我们对MS和大脑结构进行了大规模的GWAS汇总数据分析，最终发现了MS与6个皮质结构之间的名义关联，包括喙中额SAw降低，楔骨THw降低，舌侧SAw增加，海马旁SAw，外侧眶额THw和外侧眶额THnw。 敏感性分析增强了MR估计的稳健性。

我们的 MR 分析表明，MS 主要影响集中在额叶和颞叶的皮质结构，与之前的观察性研究部分重叠，尽管效果并不完全一致。先前的研究表明，MS患者的楔前叶和楔叶区域萎缩[41,42]，我们的研究结果表明楔叶区域的TH具有相当的下降。此外，我们确定了 MS 与舌侧 SA 增加之间的因果关系。虽然MS患者的大多数视力障碍是由视神经炎引起的[43]，但这些区域位于枕叶，与视力密切相关，这可能解释了MS患者视力障碍的一些机制。不幸的是，Grasby等人的大脑结构GWAS不包括视神经[27]，因此我们无法确定MS对视神经的因果关系。

此外，我们提供了令人信服的证据，支持 MS 与海马旁回 SA 增加、外侧眶额叶皮层 TH 升高和喙中额叶区域 SA 降低之间存在因果关系。越来越多的证据表明，海马旁回与嗅觉和认知障碍密切相关[44–46]，据报道，20%-45%的MS患者出现嗅觉功能障碍[47]。此外，与额下回和颞回损伤相关的海马旁与颞叶的多个区域直接相关[48]。Steenwijk等观察到，在MS患者中，前额叶皮层[44]和嗅觉功能障碍可能是皮质厚度变化的原因。

主要累及双侧颞极和岛叶皮层[9]。几项观察性研究报道了MS患者额叶和颞叶的皮质变薄[10,49–51]。我们的 MR 估计同样表明颞叶和额叶受损，尤其是喙中额叶 SA 的减少。因此，可以合理推测，从颞叶到额叶皮层的嗅觉通路受损，尤其是眶额叶皮层，可能导致MS患者的嗅觉下降[46,47]。值得注意的是，海马旁皮层与各种认知过程有关，包括视觉空间处理和情景记忆[44,45]。尽管我们的研究结果表明多发性硬化症与海马旁皮层之间存在关联，但需要进一步的研究来确定多发性硬化症患者是否通过对海马旁回的影响而出现神经行为症状。

我们发现某些地区皮质 SA 或 TH 增加，虽然出乎意料，但得到了有限的观察性研究的支持。一项磁共振影像学检查纳入了2年内提示MS的临床孤立综合征患者，结果显示，3个月时额叶、顶叶、颞叶和小脑灰质区域的体积增加[52]。另一项针对轻度残疾RRMS患者的研究表明，两个视觉皮质区域（左半球枕下回和右半球楔叶）的TH增加[53]。研究人员推测，相邻大脑区域的皮质重组和皮质网络增加的代偿机制可以减少疾病活动，甚至导致代偿性肥大或脑水肿，导致皮质体积增加[40,53]。此外，在其他神经系统疾病中也观察到非常规皮质变化，例如与对照组相比，早期帕金森病患者的皮质SA更大[54]。一项ENIGMA研究显示，吸烟与脑结构变化增加之间存在相关性[55]。因此，MS可能不仅限于灰质萎缩的模式。然而，其基本机制尚未得到充分理解，需要进一步澄清。此外，我们注意到皮质SA和TH形态的趋势不一致，这可能归因于它们不同的解剖发育模式[40]。

研究证实，调节性 T 细胞和/或效应 B 细胞和 T 细胞功能的改变会破坏 MS 患者的外周耐受机制，从而促进促炎介质（如细胞因子）的产生。在细胞因子等信使分子的促进下，外周免疫系统和中枢神经系统之间的通讯导致大脑和脊髓区域的神经炎症和免疫反应[56]。通过因果基因富集分析，我们确定了介导MS皮质变化的通路，这些通路主要集中在白细胞相关通路、细胞因子-细胞因子受体相互作用、JAK-STAT信号通路和NF-κB信号通路中。这些通路与各种免疫和炎症过程有着千丝万缕的联系[56\u201259]。同时，灰质损伤与外周诱导的神经炎症和免疫应答密切相关[60–62]。鉴于这些发现，我们推测MS患者大脑的结构异常主要是由免疫和炎症途径驱动的。我们的研究结果表明，目前的疾病修饰治疗策略[56]主要集中在抗炎方法上，是有充分依据的。某些药物进一步支持这一点，如选择性1-磷酸鞘氨醇受体亚型1[61]。此外，考虑到Janus激酶抑制剂（Jakinibs）在风湿性疾病治疗中的成功应用[59]，我们建议Jakinibs可以作为治疗MS皮质变化的候选药物，有待进一步研究证实这一假设。

本研究应根据其优点和局限性加以考虑。我们的研究有几个优势。首先，我们采用了双样本MR设计，该设计最大限度地减少了混杂因素并逆转了观察性研究中不可避免的因果关系。其次，我们通过使用严格的P值阈值和F统计量来增强统计功效。第三，敏感性分析没有提供水平多效性的证据，加强了我们的MR估计的稳健性。然而，我们的研究有几个局限性。首先，我们的研究人群仅限于欧洲血统的个体，这限制了我们的结果对其他人群的普遍性。有必要进一步在其他人群中进行研究。其次，大量的研究集中在RRMS和PMS患者身上，而我们的MR估计是基于摘要级数据，没有提供更具体的亚型信息。这意味着分层分析可能导致不一致的结论。然而，研究人员越来越认识到，MS的不同表型可能代表同一疾病的不同病程[63]，因此从这个角度来看，我们的MR分析是合适的。第三，尽管MS与皮质结构之间的因果关系具有提示性，但Bonferroni校正被认为是保守的[64]。

总之，我们提供了强有力的证据支持MS的遗传代理与皮质结构之间的因果关系。富集分析表明，介导MS患者脑形态异常的通路主要与免疫和炎症驱动的通路有关。需要进一步的研究来验证这些发现。