队列建立与MVPA评估
建立无糖尿病前瞻性队列并量化MVPA暴露
从UK Biobank中筛选28,842名有基线蛋白质组学数据的无糖尿病参与者,使用IPAQ问卷评估MVPA,以≥600 MET-分钟/周定义符合指南。
Integrative plasma proteomic network analysis identifies physical activity-associated protein modules potentially mediating type 2 diabetes risk
队列中介分析与共表达网络,结合MR、GWAS及胰岛scRNA-seq验证,但无体外或动物功能实验。
28,842名无糖尿病英国生物银行参与者队列 人类胰岛单细胞RNA测序数据(17例T2D和17例正常血糖对照) 血浆蛋白质组学(2910种蛋白)
MVPA定义:≥600 MET-分钟/周为符合指南,<600为不足 队列样本量:28,842名无糖尿病参与者,中位随访13.60年,1225例 incident T2D 中介分析:Cox比例风险回归和线性回归调整年龄、性别、 ethnicity、教育、TDI、吸烟饮酒、睡眠、饮食、癌症史、蛋白批次和前十遗传主成分 MEGENA模块识别:171个显著模块,Bonferroni校正P<0.05/171 MR分析:使用WGS-based GWAS的213个工具变量,FDR校正,M42和M120显著
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立无糖尿病前瞻性队列并量化MVPA暴露
从UK Biobank中筛选28,842名有基线蛋白质组学数据的无糖尿病参与者,使用IPAQ问卷评估MVPA,以≥600 MET-分钟/周定义符合指南。
评估单个血浆蛋白是否介导MVPA与T2D的关联
对2910种蛋白进行线性回归和Cox中介分析,调整协变量,计算TNIE和中介比例。
识别协调蛋白模块并测试其介导作用
使用MEGENA构建共表达网络,识别171个显著模块,对模块特征蛋白进行中介分析,筛选67个显著中介模块,进一步通过超几何检验选出12个终端模块。
提供遗传证据支持模块与T2D的关联
对12个终端模块进行WGS-based GWAS,选择工具变量,使用固定效应或随机效应模型进行MR,FDR校正。
评估模块基因在T2D胰岛细胞类型中的富集
使用人类胰岛scRNA-seq数据(17 T2D,17对照),进行拟 Bulk 差异表达和GSEA,评估M42和M120在11种胰岛细胞类型中的富集。
阐明模块的生物学功能和遗传结构
对模块蛋白进行KEGG、GO、WikiPathways、Reactome富集分析;使用MAGMA对GWAS summary statistics进行基因集富集。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 蛋白质组学测量 | Olink生物标志物面板 | -- | -- |
| 全基因组测序 | Illumina Novaseq6000测序仪 | Illumina | -- |
| 数据分析 | missRanger (v2.6.1) | -- | -- |
| regmedint (v1.0.2) | -- | -- | |
| Seurat (v5.4.0) | -- | -- | |
| DESeq2 (v1.50.2) | -- | -- | |
| gprofiler2 (v0.2.4) | -- | -- | |
| msigdbr (v26.1.0) | -- | -- | |
| TwoSampleMR (v0.6.29) | -- | -- |
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 |
|---|---|
| 队列与MVPA评估 | MVPA阈值:≥600 MET-分钟/周;样本量:28,842;随访时间:中位13.60年 阅读提示:Methods: Study cohort and population; Assessment of MVPA and ascertainment of T2D |
| 蛋白质组学测量与插补 | 蛋白数量:2910;插补方法:链式随机森林;缺失率阈值:<20% 阅读提示:Methods: Proteomic measurements and imputation |
| 单个蛋白中介分析 | 协变量调整:年龄、性别、 ethnicity、教育、TDI、吸烟饮酒、睡眠、饮食、癌症史、蛋白批次、前十遗传主成分;Bonferroni阈值:P<0.05/2910 阅读提示:Methods: Mediation analyses of individual plasma proteins |
| MEGENA网络构建与模块中介 | MEGENA参数:经验置换检验P<0.05;模块显著性:P<0.05/171;终端模块选择标准:PC1中介显著且超几何检验富集 阅读提示:Methods: Protein co-expression network construction and mediation analyses; Supplementary Notes |
| 孟德尔随机化 | 工具变量选择:MAF>0.01, P<5×10−8, LD clumping r2<0.001;MR方法:固定效应或随机效应,敏感分析MR-Egger、加权中位数、MR-RAPS 阅读提示:Methods: Mendelian randomization |
| 胰岛scRNA-seq分析 | 数据集:17 T2D和17对照;细胞类型:11种;GSEA方法:DESeq2和GSEA 阅读提示:Methods: Single-cell RNA sequencing data in human pancreatic islets; Sensitivity and exploratory analyses for terminal protein modules |