2型糖尿病遺傳流行病學研究進展

修良昌 覃繼恒 趙小蕾 饒紹奇 丁元林

摘 要：2型糖尿病是糖尿病的主要類型，隨著患病率的逐年升高，已成為嚴重危害人類健康的慢性疾病。2型糖尿病的發生與人們的生活行為方式改變有關，也與遺傳因素及其相互作用有關。研究者們嘗試用多種策略尋找與2型糖尿病關聯的基因，期望為理解2型糖尿病的發病機制以及制訂有效地預防控制措施提供新的線索。

關鍵詞：2型糖尿病 遺傳流行病學 研究進展 關聯研究

中圖分類號：R587.1 文獻標識碼：A 文章編號：1672-3791（2016）03（a）-0149-04

2型糖尿病是以高血糖和脂代謝異常為特征的慢性代謝性疾病，其患病率持續上升，已成為嚴重威脅人類健康的疾病之一[1]。病因學研究認為2型糖尿病是遺傳因素和環境因素共同參與和相互作用導致的復雜疾病[2]。近年來國內外學者進行了大量的遺傳流行病學研究，希望找到2型糖尿病的易感基因，以更好地理解其遺傳學基礎和發病機制。研究者采用了連鎖分析、候選基因關聯分析、全基因組關聯分析和基于通路的分析等研究策略和方法，定位和識別大量與2型糖尿病關聯的基因區域及位點，現綜述如以下幾點。

1 連鎖分析

連鎖分析是較早用于定位2型糖尿病易感基因的方法。目前，已在20多個種族人群中進行全基因組掃描及微衛星標記與2型糖尿病的連鎖分析[3]，結果顯示2型糖尿病的易感位點位于多條染色體上，并且在多個人群中得到驗證（見表1）。

運用全基因組連鎖分析雖然發現了一些可能與2型糖尿病相關的易感區域，但這些連鎖區域通常較大，可能包含很多個基因，進一步定位2型糖尿病的易感基因還存在一定的困難[3-4]。另外，連鎖分析對由多個微效基因和環境因素共同作用所致的復雜疾病或性狀的研究效能較低。（如表1）

2 候選基因關聯研究

候選基因關聯研究是根據某些間接線索（如：連鎖分析的結果或者基因表達產物的功能信息等）選定一個或幾個候選基因，借助于直接測序或等位基因特異性擴增等實驗方法，通過在病例和對照中比較候選基因序列差異，來確定這些候選基因與患病狀態或數量性狀間是否存在關聯。候選基因關聯研究的“關聯”有兩層含義：第一，變異序列即為致病基因序列；第二，變異序列并非致病基因序列，而只是與真正致病變異序列存在著連鎖不平衡關系。

候選基因關聯研究是連鎖分析的有益補充，可以在連鎖分析定位了易感基因的染色體區域后，進一步采用關聯研究對疾病易感區域進行精確定位。除了基于連鎖區域的候選基因，即位置候選基因，還有功能候選基因和表達候選基因[5]。功能候選基因的選擇基于表型和基因潛在功能的先驗知識，這些知識可能來源于臨床觀察、已知的疾病有關過程的研究、疾病動物模型及遺傳藥理學研究等。胰島素抵抗和β細胞功能障礙是2型糖尿病的重要病理生理改變，因此，所有與這兩個進程有關的基因都可以作為2型糖尿病的候選基因。而表達候選基因即應用基因芯片發現的差異表達基因。自從20多年前第一篇胰島素基因與2型糖尿病的關聯研究發表以來，與胰腺發育的分子機制、胰島素信號轉導和胰島素分泌等有關的2型糖尿病的候選基因明顯增多，已報道的部分候選基因關聯分析結果見表2。小型的候選基因關聯研究的結果可重復性較差，僅PPARG和KCNJ11得到較好的重復[3，6]。

3 全基因組關聯研究（Genome-wide association study， GWAS）

人類基因組計劃和國際人類基因組單體型圖計劃的完成以及高通量基因分型技術的迅猛發展，使基于單核苷酸多態性（SNP）的全基因組關聯研究成為可能[7]，它以人類基因組中數以百萬計的SNP為標記進行病例-對照關聯分析，以期發現與復雜疾病相關的遺傳變異[8-9]。與連鎖分析相比，全基因組關聯分析更適合挖掘中等效應的遺傳變異；與候選基因關聯研究相比，基因可以是“未知”的，不需要在研究之前構造任何假設，研究更加全面，更容易發現新的易感基因。

自2007年Sladek等[10]在Nature上發表第一篇關于2型糖尿病的全基因組關聯分析以來，在不同種族、不同人群中開展的2型糖尿病全基因組關聯分析有32項（截至2013年3月，包括meta分析）[11]，報道的關聯位點139個，被不同研究驗證的60多個，陽性位點對應的基因約108個，其中被不同研究驗證的有CDKAL1、CDKN2A、CDKN2B、FTO、HHEX、HMG20A、IGF2BP2、KCNJ11、KCNQ1、PPARG、SLC30A8、TCF7L2等。

2型糖尿病易感基因位點的迅速增加為更好地理解2型糖尿病的遺傳多基因基礎提供了幫助，但這些遺傳變異還不足以全面系統地闡釋2型糖尿病的遺傳機制，它們僅能解釋一小部分遺傳度[12-13]，存在著嚴重的“遺失遺傳度”現象。這可能與全基因組關聯分析的局限性有關。（1）全基因組關聯分析以單個SNP作為分析單位，僅考慮“最顯著的SNP”及其附近的少數基因，忽略了更重要的基因間的互作信息。（2）盡管一些國際組織如WTCCC[14]、FUSION[15]、DGI[16]開展了大規模的全基因組關聯分析，但樣本量相對于數十萬甚至數百萬的SNP來說仍然偏小，統計檢驗效能較低，再加上多重檢驗問題，會使得一些微效基因被遺漏[12]。（3）全基因組關聯分析是建立在“常見疾病，常見變異”的假設基礎上的，它主要尋找與復雜疾病相關的常見變異，常將次等位基因頻率（MAF）小于5%的位點刪除而不進行分析，這將導致一些MAF較低而有相對較大效應的遺傳變異也被忽略掉。（如表2）

2009年NEJM和Nature相繼發表關于全基因組關聯分析的評論文章，研究者開始對全基因組關聯分析進行反思，逐漸將關注的焦點轉移到如何深入分析GWAS數據上來，期待發現更多復雜疾病的易感基因。一些新的策略和方法已經被嘗試應用到復雜疾病GWAS的后續研究中，如開展國際合作和進行Meta分析，易感區域精細定位及測序，多種疾病共同易感基因研究，基因-基因、基因-環境交互作用研究，基于通路的關聯分析等。

4 基因-基因交互作用研究

基因-基因交互作用主要指非等位基因間的相互作用，有的文獻中也稱上位效應，它可能是導致復雜疾病的主要因素之一[17]。復雜疾病大多受到微效基因的影響，這些影響更可能通過交互作用分析被檢測出來。基因-基因交互作用研究不僅可以提高發現基因與疾病關聯的功效，而且有助于對疾病相關生物學通路的理解[18]。

研究者已提出眾多用于檢測基因-基因交互作用的統計學方法或算法，總的來說大致可以分為兩大類，傳統的基于模型的方法（如：logistic回歸模型等）和基于數據挖掘的生物信息學方法（如：決策樹分析、遺傳規劃算法等）[18-19]，并且已在對老年癡呆癥[20]、乳腺癌[21-22]、精神分裂癥[23]等復雜疾病的研究中發現了SNP-SNP交互作用。Cho等[24]用多因子降維的方法對15個候選基因的23個位點進行分析，發現UCP2和PPARγ基因中的兩位點互作與2型糖尿病關聯。Lin等[25]報道肥胖相關候選基因的SNP-SNP互作可以增加患2型糖尿病的風險。Neuman等[26]在德系猶太人中發現HNF4A和WFS1基因中的SNP的交互效應也與2型糖尿病相關。基因-基因交互作用可以彌補單位點分析僅報道最顯著關聯的缺陷，可更好地揭示復雜疾病的遺傳學基礎。

5 基于通路的關聯分析

2型糖尿病是多基因復雜疾病，單基因變異對復雜疾病的作用是有限的，而通路中的基因變異的聯合作用可能在誘發疾病過程中起著更為重要的作用。然而，目前單基因分析方法僅能識別出與疾病顯著關聯或差異表達的少數基因[16，17]，而在復雜疾病研究中還需進一步解析復雜疾病的多基因基礎，特別是這些微效基因構成的但在功能上高度相關的致病基因簇，即復雜疾病遺傳通路。

通路分析是近年來發展的基于先驗知識的下游功能學分析方法，它以已有的先驗通路（如：KEGG、Biocarta和Gene Ontology等數據庫中的通路）中的基因集為分析單元，在基因集水平上尋找疾病關聯的通路及生物學功能，評估通路對疾病風險的貢獻。以功能相關的基因集為分析單元符合復雜疾病的多基因遺傳特性，一方面可以起到降維的目的，減少多重比較的次數，增加了檢驗效能；另一方面考慮了同一功能基因集中基因間的相互作用，并把復雜的基因互作看作一個整體納入分析，能更好地識別互作效應和挖掘出具備功能學意義的互作基因，所得結果也更具有明確的生物學解釋[27]。

Torkamani[28]等對WTCCC收集的GWAS數據進行通路分析，發現脂質代謝調控通路、G蛋白信號通路、Akt通路及Ednra信號通路等4條通路與2型糖尿病關聯，并且這些結果得到了眾多分子生物學功能研究文獻的支持。通路分析有望進一步推動人類對復雜疾病遺傳機制的認識。

參考文獻

[1] Guariguata，L.，D.R.Whiting，I.Hambleton，et al.，Global estimates of diabetes prevalence for 2013 and projections for 2035[J].Diabetes Res Clin Pract，2014，103（2）：137-149.

[2] Kaul，N.and S.Ali，Genes，Genetics，and Environment in Type 2 Diabetes：Implication in Personalized Medicine[J].DNA Cell Biol，2016，35（1）：1-12.

[3] Huang，Q.Y.，M.R.Cheng，and S.L.Ji，Linkage and association studies of the susceptibility genes for type 2 diabetes[J].Yi Chuan Xue Bao，2006，33（7）：573-589.

[4] Guan，W.，A.Pluzhnikov，N.J.Cox，et al.，Meta-analysis of 23 type 2 diabetes linkage studies from the International Type 2 Diabetes Linkage Analysis Consortium[J].Hum Hered，2008，66（1）：35-49.

[5] Weedon，M.N.，K.R.Owen，B.Shields，et al.，Common variants of the hepatocyte nuclear factor-4alpha P2 promoter are associated with type 2 diabetes in the U.K.population[J].Diabetes，2004，53（11）：3002-3006.

[6] Wheeler，E.and I.Barroso，Genome-wide association studies and type 2 diabetes[J].Brief Funct Genomics， 2011，10（2）：52-60.

[7] Carlson，C.S.，M.A.Eberle，L.Kruglyak，et al.，Mapping complex disease loci in whole-genome association studies[J].Nature，2004，429（6990）：446-452.

[8] Staiger，H.，F.Machicao，A.Fritsche，et al.， Pathomechanisms of type 2 diabetes genes[J].Endocr Rev，2009，30（6）：557-585.

[9] Hardy，J.and A.Singleton，Genomewide association studies and human disease[J].N Engl J Med，2009，360（17）： 1759-1768.

[10] Sladek，R.，G.Rocheleau，J.Rung，et al.，A genome-wide association study identifies novel risk loci for type 2 diabetes[J].Nature，2007，445（7130）：881-885.

[11] http：//www.genome.gov/gwastudies/index.cfm？pageid=26525384`#searchForm.

[12] Imamura，M.and S.Maeda，Genetics of type 2 diabetes： the GWAS era and future perspectives[J].Endocr J， 2011，58（9）：723-739.

[13] Voight， B.F.，L.J.Scott，V.Steinthorsdottir，et al.，Twelve type 2 diabetes susceptibility loci identified through large-scale association analysis[J].Nat Genet，2010，42（7）：579-589.

[14] Genome-wide association study of 14，000 cases of seven common diseases and 3，000 shared controls[J].Nature， 2007，447（7145）：661-678.

[15] Scott，L.J.，K.L.Mohlke，L.L.Bonnycastle，et al.，A genome-wide association study of type 2 diabetes in Finns detects multiple susceptibility variants[J].Science， 2007，316（5829）：1341-1315.

[16] Saxena，R.，B.F.Voight，V.Lyssenko，et al.，Genome-wide association analysis identifies loci for type 2 diabetes and triglyceride levels[J].Science，2007，316（5829）：1331-1336.

[17] 沈佳薇，胡曉菡，師詠勇.全基因組基因-基因相互作用研究現狀[J].遺傳，2011，33（8）：820-828.

[18] Cordell，H.J.，Detecting gene-gene interactions that underlie human diseases[J].Nat Rev Genet，2009，10（6）： 392-404.

[19] Garcia-Magarinos，M.，I.Lopez-de-Ullibarri，R.Cao，et al.，Evaluating the ability of tree-based methods and logistic regression for the detection of SNP-SNP interaction[J].Ann Hum Genet，2009，73（3）：360-369.

[20] Zubenko，G.S.，H.B.Hughes，3rd，and J.S.Stiffler，D10S1423 identifies a susceptibility locus for Alzheimer's disease in a prospective，longitudinal，double-blind study of asymptomatic individuals[J].Mol Psychiatry，2001，6（4）：413-419.

[21] Aston，C.E.，D.A.Ralph，D.P.Lalo，et al.，Oligogenic combinations associated with breast cancer risk in women under 53 years of age[J].Hum Genet，2005，116（3）：208-221.

[22] Ritchie，M.D.，L.W.Hahn，N.Roodi，et al.，Multifactor-dimensionality reduction reveals high-order interactions among estrogen-metabolism genes in sporadic breast cancer[J].Am J Hum Genet，2001，69（1）：138-147.

[23] Becker，T.，J.Schumacher，S.Cichon，et al.，Haplotype interaction analysis of unlinked regions[J].Genet Epidemiol，2005，29（4）：313-322.

[24] Cho，Y.M.，M.D.Ritchie，J.H.Moore，et al.，Multifactor-dimensionality reduction shows a two-locus interaction associated with Type 2 diabetes mellitus[J]. Diabetologia，，2004，47（3）：549-554.

[25] Lin，E.，D.Pei，Y.J.Huang，et al.，Gene-gene interactions among genetic variants from obesity candidate genes for nonobese and obese populations in type 2 diabetes[J]. Genet Test Mol Biomarkers，2009，13（4）：485-493.

[26] Neuman，R.J.，J.Wasson，G.Atzmon， et al.，Gene-gene interactions lead to higher risk for development of type 2 diabetes in an Ashkenazi Jewish population[J].PLoS One，2010，5（3）：9903.

[27] Wu，M.C.and X.Lin，Prior biological knowledge-based approaches for the analysis of genome-wide expression profiles using gene sets and pathways[J].Stat Methods Med Res，2009，18（6）：577-593.

[28] Torkamani，A.，E.J.Topol， and N.J.Schork，Pathway analysis of seven common diseases assessed by genome-wide association[J].Genomics，2008，92（5）：265-272.