跨性状荟萃分析揭示巨细胞动脉炎中炎症与衰老之间的遗传联系

Cross-Trait Meta-Analysis Reveals a Genetic Link between Inflammation and Aging in Giant Cell Arteritis

作者信息Laura Martínez-Gutiérrez, Inmaculada Rodriguez-Martin, Gonzalo Borrego-Yaniz, Martin Kerick, International GCA Consortium, UK GCA Consortium, Carlo Salvarani, José Hernández-Rodríguez, María Cinta Cid, Miguel Ángel González-Gay, Ann W Morgan, Javier Martín, Lourdes Ortiz-Fernández, Ana Márquez
PMID40901985
期刊Aging Dis
发布时间2025-08-28
DOI10.14336/AD.2025.0609

实验完整度

研究基于已发表GWAS数据和公开转录组数据,进行跨性状荟萃分析、功能注释、基因优先化、表达验证和药物再利用分析,缺乏功能实验验证。

主要模型

GCA GWAS数据集(3,498例病例,15,550例对照) 端粒长度GWAS数据集(472,174例个体) 表观遗传年龄加速GWAS数据集(34,710例个体) 单核细胞和CD4+ T细胞转录组数据

重点核对

GCA GWAS病例数:3,498例,对照数:15,550例 端粒长度GWAS样本量:472,174例 表观遗传年龄加速GWAS样本量:34,710例 显著性阈值:p<5×10-8 用于预测验证的GCA亚组:1,034例病例和1,294例对照

摘要

巨细胞动脉炎(GCA)是一种影响50岁以上个体的复杂炎症性疾病,提示其与衰老相关的免疫和血管变化有密切关联。然而,这种年龄相关易感性的确切机制仍知之甚少。考虑到衰老在GCA中的相关性,影响生物衰老标志物(如端粒缩短和表观遗传年龄加速(EAA))的遗传因素也可能促进其发展。本研究调查了GCA与这些标志物之间的共享遗传基础,以增强对衰老在这种血管炎中作用的理解。来自先前发表的全基因组关联研究(GWASs)的数据,包括GCA(3,498例病例和15,550例对照)、端粒长度(472,174例个体)和EAA(34,710例个体)的约660万个变异,使用ASSET进行了荟萃分析。显著的变异(p<5×10-8)进行了功能注释,并使用FUMA优先考虑了因果基因。通过药物再利用确定了潜在的治疗候选药物。本研究确定了21个在GCA和至少一个衰老标志物之间共享的遗传变异。两个多效性信号被注释到PTPN22和PLG,这些是GCA的已知风险因素,而其余信号则代表了这种血管炎的潜在新易感位点。几个优先考虑的因果基因,如SERPING1、SAR1B、SESN1和SMC4,参与炎症和衰老,揭示了连接衰老和GCA的分子通路。有趣的是,一些优先考虑的基因PDE1B、ATXN2和CNEP1R1的表达水平在活动期患者的免疫细胞中失调。药物再利用分析强调了有前景的GCA治疗候选药物,包括柳氮磺吡啶(一种抗炎剂)和靶向NF-κB等炎症通路的实验性药物。这些发现揭示了GCA与衰老标志物之间显著的遗传重叠,为共享的分子通路和针对炎症和细胞衰老的潜在新疗法提供了见解。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
巨细胞动脉炎(GCA)与生物衰老标志物(端粒长度和表观遗传年龄加速)之间是否存在共享的遗传基础?
核心机制
GCA与衰老标志物共享多个遗传位点,参与炎症和衰老通路,如mTORC1信号、细胞衰老相关分泌表型(SASP)和血管重塑,提示免疫衰老和血管衰老在GCA发病中的作用。
主要证据
跨性状荟萃分析确定了21个共享变异,其中两个位于已知GCA风险位点PTPN22和PLG,其余为潜在新位点;基因优先化识别出SERPING1、SAR1B、SESN1、SMC4等基因,并在转录组数据中验证了PDE1B、ATXN2、CNEP1R1的差异表达。
研究意义
揭示了GCA与生物衰老之间的遗传重叠,为理解衰老在血管炎中的作用提供了新见解,并提出了针对炎症和细胞衰老的潜在新疗法。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

跨性状富集分析

评估GCA与各衰老标志物之间是否存在共享的遗传结构。

使用条件Q-Q图分析GCA的p值分布,并根据与每个衰老标志物(LTL、HannumAA、IEAA、PhenoAA、GrimAA)的关联显著程度进行条件分层。

2

局部遗传相关分析

识别GCA与衰老标志物在特定基因组位点上的遗传相关性。

使用LAVA对2,495个独立基因组位点进行单变量和双变量分析。

3

跨性状荟萃分析

鉴定与GCA和至少一个衰老标志物显著关联的遗传变异。

使用ASSET对GCA、LTL和每个EAA指标(HannumAA、IEAA、PhenoAA、GrimAA)的GWAS汇总统计数据进行四组荟萃分析。

4

多基因风险评分评估

评估新识别的SNPs是否能提高GCA遗传易感性的预测能力。

将21个显著先导SNP中的20个纳入修订的PRS模型,并在原始GWAS中的1,034例病例和1,294例对照组中评估预测性能。

5

功能注释和基因优先化

对多效性位点进行功能注释,并确定最可能的因果基因。

使用FUMA的SNP2GENE功能进行注释和基因映射,并整合pQTL、sQTL和Open Target Genetics的V2G分数。

6

差异表达验证

评估优先考虑的基因在巨细胞动脉炎患者免疫细胞中的表达是否改变。

查询公开转录组数据中单核细胞和CD4+ T细胞中优先基因的差异表达结果。

7

调控元件富集分析

探索多效性变异在组织和细胞类型中的特异性富集。

使用GoShifter分析9种组蛋白标记在血管和免疫组织中的富集。

8

基因集富集分析

评估优先基因是否与已知的衰老相关基因重叠。

使用EnrichR对三个衰老基因集库进行富集分析。

9

药物再利用分析

识别可能用于治疗GCA的现有药物。

基于优先考虑的基因,查询DrugBank数据库中的药物。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
ASSET----
LAVA----
FUMA----
GoShifter----
EnrichR----
DrugBank----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
跨性状荟萃分析
GCA GWAS数据(3,498例病例,15,550例对照);端粒长度GWAS数据(472,174例个体);EAA GWAS数据(34,710例个体);分析软件ASSET;排除HLA区域;MAF>1%;全基因组显著性阈值p<5×10-8。
阅读提示:Materials and Methods - Cross-trait meta-analysis
局部遗传相关分析
使用LAVA软件;分析2,495个独立基因组位点;单变量分析阈值p<2×10-5(Bonferroni校正);双变量分析FDR<0.05。
阅读提示:Materials and Methods - Evaluation of local genetic correlation
功能注释和基因优先化
使用FUMA SNP2GENE功能;整合pQTL、sQTL和V2G分数;优先考虑94个基因;参考GCA相关组织(全血、免疫细胞、血管组织)。
阅读提示:Materials and Methods - Functional annotation of genetic variants
差异表达验证
使用公开转录组数据(单核细胞和CD4+ T细胞);比较活动期GCA、缓解期未治疗、缓解期治疗和健康对照;差异表达阈值FDR<0.05。
阅读提示:Materials and Methods - Differential expressions of prioritized genes
调控元件富集分析
使用GoShifter;分析9种组蛋白标记;仅包括血管和免疫组织或细胞类型的注释。
阅读提示:Materials and Methods - Regulatory elements enrichment analysis
基因集富集分析
使用EnrichR;三个基因集库:GTEx Aging Signatures 2021、Aging_Perturbations_from_GEO_down、Aging_Perturbations_from_GEO_up;p<0.05且至少三个基因重叠。
阅读提示:Materials and Methods - Gene set enrichment analysis
药物再利用分析
使用优先基因查询DrugBank数据库;关注药物作用机制和文献综述。
阅读提示:Materials and Methods - Drug repurposing analysis