构建遗传工具变量
建立GLP1R、GIPR及双重GIPR/GLP1R基因预测效应的工具变量，模拟药物靶点调节的生理效应。
基于MVP GWAS数据，在GLP1R和GIPR基因位点周围±500kb范围内，选择与HbA1c或BMI显著相关的独立SNP作为工具变量；复制数据集从FinnGen和GIANT数据中获取；并合并两个位点的SNP以构建双重工具的联合工具变量。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基因预测的胰高血糖素样肽-1和葡萄糖依赖性促胰岛素多肽受体通路调节与有利的衰老表型相关：一项药物靶点孟德尔随机化研究
Genetically proxied glucagon-like peptide-1 and glucose-dependent insulinotropic polypeptide receptor pathway modulation is associated with favorable aging phenotypes: a drug-target Mendelian randomization study
实验完整度
中研究基于大规模GWAS汇总数据的药物靶点孟德尔随机化分析，包含主数据集和复制数据集，并进行了工具变量有效性验证和多种敏感性分析，但缺乏体外或体内功能实验验证。
主要模型
欧洲裔人群队列（MVP、FinnGen、GIANT） 衰弱指数GWAS队列（n=175,226） UK Biobank队列（PhenoAge加速度、端粒长度） 长寿GWAS队列（n=36,745）
重点核对
GLP1R和GIPR基因位点内与HbA1c或BMI相关的SNP选择标准（P<5×10^-8，LD R^2<0.001，±500kb） 主数据集与复制数据集（MVP、FinnGen、GIANT）的GWAS来源差异 工具变量与衰老表型的因果关联，经阳性对照（T2D、肥胖）验证 敏感性和多效性检验，包括IVW方法、MR-Egger截距、异质性检验、Steiger方向性检验和leave-one-out分析 多重检验校正采用FDR方法，PFDR<0.05视为显著
摘要
背景：胰高血糖素样肽-1受体（GLP1R）激动剂和双重葡萄糖依赖性促胰岛素多肽受体/胰高血糖素样肽-1受体（GIPR/GLP1R）激动剂是糖尿病和肥胖症的既定治疗方法，但它们对生物衰老的潜在影响仍不确定。方法：在这项药物靶点孟德尔随机化研究中，我们评估了基因预测的GLP1R、GIPR和双重GIPR/GLP1R通路调节与四种衰老表型（包括衰弱指数、表型年龄（PhenoAge）加速度、端粒长度和长寿）的关联。结果：通过GIPR降低糖化血红蛋白（HbA1c），模拟GIPR位点变异的降糖效应，与较低的衰弱指数（主数据集：β = −0.10 [95% CI: −0.18, −0.02]；复制数据集：−0.14 [−0.27, −0.01]）、减少的PhenoAge加速度（主：−0.82 [−1.17, −0.48]；复制：−1.04 [−1.81, −0.27]）、更长的端粒长度（主：0.06 [0.003, 0.11]；复制：0.09 [0.002, 0.19]）和更高的长寿几率（主：比值比 [OR] = 2.90 [95% CI: 1.93, 4.36]；复制：6.54 [2.92, 14.65]）一致相关。通过GIPR降低体重指数（BMI），模拟变异的食欲抑制和减重效应，与较低的衰弱指数（主：−0.07 [−0.13, −0.01]；复制：−0.19 [−0.35, −0.04]）和更高的长寿几率（主：2.11 [1.22, 3.66]）相关。相比之下，通过GLP1R降低HbA1c仅与长寿相关（主：OR = 3.72 [2.25, 6.18]；复制：16.53 [4.28, 63.80]），而通过GLP1R降低BMI与任何衰老表型均无关。双重GIPR/GLP1R的分析结果与GIPR大致相似，但衰弱指数无效除外。结论：基因预测的通过GLP1R和GIPR相关通路降低HbA1c和BMI的效应与衰老表型有利相关，其中降低HbA1c的关联更广泛。需要进一步的临床研究来阐明这些通路与健康衰老的相关性。
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
- GLP1R和GIPR相关的HbA1c降低或BMI降低通路是否与生物衰老相关？
- 核心机制
- 通过GIPR或GLP1R通路降低HbA1c可能通过改善葡萄糖稳态、增强胰岛素作用和减少代谢应激与炎症，从而影响衰老表型，而BMI降低的影响相对较弱。
- 主要证据
- 基于药物靶点孟德尔随机化，使用MVP和FinnGen等数据中的遗传工具变量，发现HbA1c降低通过GIPR与所有四种衰老表型（衰弱指数、PhenoAge加速度、端粒长度、长寿）改善相关，通过GLP1R仅与长寿相关；BMI降低的关联较弱。
- 研究意义
- 研究提供了基因层面的证据，支持GLP1R和GIPR相关通路（尤其是GIPR）在健康衰老中的潜在作用，为这些通路在衰老研究中的进一步临床评估提供了依据。
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。
工具变量有效性验证
验证遗传工具变量能否捕获药物靶点的代谢效应。
使用T2D（DIAGRAM）和肥胖（FinnGen R12）作为阳性对照结局，评估HbA1c和BMI相关工具变量对相应结局的关联。
评估衰老表型结局
评估基因预测的GLP1R、GIPR及双重调节与四种衰老表型的关联。
利用IVW作为主要分析方法，对衰弱指数、PhenoAge加速度、端粒长度和长寿进行两样本MR分析，并进行多种敏感性分析。
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。
正对照分析
衰老表型关联分析
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 统计分析 | R | -- | -- |
| TwoSampleMR | -- | -- |
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 |
|---|---|
| 工具变量选择 | GLP1R和GIPR位点内与HbA1c或BMI关联的SNP、P值阈值、LD聚类参数、基因座坐标 阅读提示：Methods: Proxies for GLP1R and GIPR modulation, Genetic instrument construction; Table S4 |
| 数据来源 | 主数据集（MVP）和复制数据集（FinnGen R12、GIANT）的GWAS汇总统计的选择 阅读提示：Methods: Proxies for GLP1R and GIPR modulation; Table 1 |
| 结局定义 | 老龄表型（衰弱指数、PhenoAge加速度、端粒长度、长寿）的GWAS数据来源和样本量 阅读提示：Methods: Outcome; Table 1 |
| 统计分析 | MR方法（IVW等）、敏感性分析（MR-Egger、加权中位数等）、多重检验校正方法 阅读提示：Methods: Statistical analysis |
| 复制分析 | 在复制数据集中重建工具变量并验证关联，特别注意低SNP数导致的置信区间宽泛 阅读提示：Methods: Genetic instrument construction, Results; Table S6 |