参与者筛选与数据收集
确定研究样本并收集遗传、生活方式和表型数据。
从UK Biobank中筛选220,703名白人英国参与者,排除基线T2D、BMI<18.5、自我报告从不饮酒者等,收集基线问卷、体格测量和基因分型数据。
Genetic predisposition to adiposity, and type 2 diabetes: the role of lifestyle and phenotypic adiposity
该研究为前瞻性队列分析,基于UK Biobank数据,包含遗传风险评分、生活方式和表型测量,但缺乏干预性实验或机制验证,主要依赖统计建模(Cox回归、四向分解)。
220,703名英国白人参与者(UK Biobank)
BMI-PRS和WHR-PRS的计算方法(LDpred) 生活方式因素的定义阈值(如低体力活动<600 MET-min/周,低饮食质量评分<5,高酒精摄入>14单位/周等) 表型肥胖定义(BMI≥30 kg/m²,中心性肥胖WHR≥0.85女性/≥0.90男性) 协变量调整(年龄、性别、 deprivation、合并症数量、10个遗传主成分、基因分型芯片) 结局定义(ICD-10 E11,随访时间至2022年)
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。
确定研究样本并收集遗传、生活方式和表型数据。
从UK Biobank中筛选220,703名白人英国参与者,排除基线T2D、BMI<18.5、自我报告从不饮酒者等,收集基线问卷、体格测量和基因分型数据。
量化肥胖的遗传易感性。
使用LDpred方法基于全基因组SNP构建加权BMI-PRS和WHR-PRS,并通过1000个UK Biobank参与者进行LD校正。
评估遗传风险与T2D风险的关联。
使用Cox比例风险模型,调整年龄、性别、剥夺指数、合并症数量、10个遗传主成分和基因分型芯片,分析BMI-PRS/WHR-PRS与偶发T2D的关联。
检验遗传风险与生活方式/表型肥胖因素之间的交互作用。
在Cox模型中纳入遗传风险与各生活方式/表型肥胖因素的交互项,基于加性和乘性交互作用检验,计算相对超额风险(RERI)。
分解遗传风险与T2D关联中通过生活方式和表型肥胖的中介、交互及直接效应。
采用四向分解方法,量化纯中介效应、纯交互效应、中介与交互并存效应及直接效应,分别纳入生活方式因素和表型肥胖因素。
验证结果的稳健性。
将所有生活方式和表型肥胖因素同时纳入模型,提供保守估计。
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 |
|---|---|---|---|
| 基因分型 | Affymetrix UK Biobank Axiom 芯片 | Affymetrix | -- |
| Affymetrix UK BiLEVE Axiom 芯片 | Affymetrix | -- | |
| 体格测量 | Seca 202 身高计 | Seca | -- |
| Bc-418 MA 身体成分分析仪 | Tanita Corp | -- | |
| Wessex 非弹性弹簧卷尺 | Wessex | -- |
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 |
|---|---|
| 参与者筛选 | 纳入标准:白人英国裔,年龄40-70岁,BMI≥18.5 kg/m²,排除基线T2D、从不饮酒者等;最终样本n=220,703 阅读提示:Methods - Population |
| 遗传风险评分 | BMI-PRS和WHR-PRS的构建方法(LDpred),LD参考面板(1000名UK Biobank参与者) 阅读提示:Methods - Exposures |
| 结局定义 | T2D定义为ICD-10代码E11,随访至2022年(英格兰、苏格兰、威尔士具体日期) 阅读提示:Methods - Outcomes |
| 生活方式因素定义 | 低体力活动:<600 MET-min/周;低饮食质量:评分<5;高总能量摄入:女性>2000 kcal/天,男性>2500 kcal/天;睡眠异常:<7或>9 h/天;高酒精摄入:>14单位/周;吸烟:曾经吸烟(当前或既往);表型肥胖:BMI≥30,中心性肥胖:WHR≥0.85(女)/≥0.90(男) 阅读提示:Methods - Covariates |
| 统计分析 | Cox模型调整年龄、性别、剥夺指数、合并症数量、10个遗传主成分、芯片;交互作用检验(RERI);四向分解分析 阅读提示:Methods - Statistical analyses |