孟德爾隨機化分析在骨質疏松癥病因學研究中的應用

魏曉偉 張曉梅

北京大學國際醫院，北京 102206

骨質疏松癥 (osteoporosis，OP)是一種以骨量低，骨組織微結構損壞，導致骨脆性增加，易發生骨折為特征的全身性骨病。作為一種與增齡相關的骨骼疾病，骨質疏松癥患病率隨著人口老齡化程度的加劇，成為重要的公共衛生問題[1]。發現導致骨質疏松的可控因素，從而采取積極的措施防治骨質疏松具有重大意義。

既往的觀察性研究發現，雌激素水平低、體重指數低、體力活動缺乏、吸煙、酗酒以及鈣和維生素D的攝入不足與骨質疏松癥的發病風險相關，但因無法避免混雜干擾、因果倒置、回歸稀釋等影響，觀察性研究成果無法為防治策略的制定提供強有力的證據。隨機對照研究是得到因果關系的金標準，但受到費用、倫理等方面的限制，難以大量開展。孟德爾隨機化分析能夠克服上述兩者的不足，協助明確骨質疏松的致病因素，成為近幾年炙手可熱的研究手段，使骨質疏松致病因素的研究有了質和量的突破。

1 孟德爾隨機化分析

1.1 原理

孟德爾隨機化分析是工具變量法和孟德爾遺傳定律的結合。工具變量法是指，所要研究的暴露因素的差異由某基因型的差異決定或與該基因型的差異高度吻合，則選擇該基因型為工具變量，通過研究工具變量與結局之間的關系，來推斷暴露因素與結局的關系。孟德爾遺傳定律中的自由組合定律決定了在根據工作變量分組的同時，與其他混雜因素的基因自由組合，實現了隨機化分配。

1.2 優點

孟德爾隨機化分析無需人為干預，突破了隨機對照研究費用和有害因素暴露的倫理限制，與觀察性分析比較具有以下優點：(1)保證暴露與結局的先后順序，避免因果倒置；(2)減少混雜因素對結果的影響；(3)可進行長時間暴露與結局的研究(工具變量終生有效)；(4)基因型檢測的高準確性可有效避免檢測誤差導致的回歸稀釋。

1.3 工具變量的必備條件

為了得到可靠的研究結果，必須保證工具變量的有效性。工具變量的必備條件包括：(1)與暴露因素高度相關；(2)與可能影響暴露-結局的混雜因素無關；(3)僅通過所研究的暴露因素與結局相關。

1.4 局限性

孟德爾隨機化極大程度克服了傳統研究的缺點，卻仍存在一定的局限性：(1)連鎖不平衡。工具變量如果與代表其他與結局具有因果關系的等位基因存在連鎖不平衡，則結果可能出現假陽性;(2)人群分層。工具變量和結局在不同種族人群中分布有明顯種族差異性;(3)基因多效性。該工具變量可同時控制多個可能與結局相關的暴露因素，從而影響結果判讀，應盡量避免，但無法完全避免;(4)其他。工具變量對暴露因素的微效性、社會壓力干擾基因型控制行為、發育中的代償機制等均可導致假陰性結果的出現。

2 孟德爾隨機化分析與骨質疏松癥

2009年一項研究兒童體脂對骨量影響的孟德爾隨機化分析最早將孟德爾隨機化應用于骨代謝研究[2]。自2014年開始，應用孟德爾隨機化研究骨質疏松致病因素的文章大量發表，對既往觀察性研究發現的骨質疏松危險因素進行探討，為防治骨質疏松提供高質量的證據(表1)。

表1 常見骨質疏松相關因素與骨質疏松因果關系的孟德爾隨機化分析結果Table 1 Mendel's randomized analysis of common osteoporosis risk factors of osteoporosis

2.1 維生素D

維生素D因其在鈣磷代謝中的重要作用被廣泛應用于骨質疏松的預防和治療。然而，多項隨機對照研究[3]提示，健康人群補充維生素D并不能降低骨質疏松或脆性骨折的發生風險。由于受到干預時間短、干預人群與普通人群區別較大的限制，上述研究結果并未被國內外膳食指南和骨質疏松診療指南采納應用。李珊珊等對1 824名絕經后中國婦女進行孟德爾隨機化分析，并未發現血清25羥維生素D濃度和骨代謝存在關聯[4]。2018年的一項孟德爾隨機化分析囊括了32 965個來自骨質疏松癥聯合會(GEFOS)和142 487個英國生物銀行的歐裔個體，也未發現兩者的關聯[5]。2019年一項對歐裔人群的研究得到了相同的結論[6]。

2.2 奶制品攝入

奶制品可以提供骨骼形成所必須的鈣和蛋白質，是公認的防治骨質疏松的理想食物，但奶制品攝入量與骨質疏松的發生是否存在關聯仍存在爭論。一項涉及53 236個歐裔個體的孟德爾隨機化分析發現，奶制品攝入與骨密度無相關性[7]。Bergholdt等[8]對3個丹麥隊列里共97 811個白人個體進行分析，同樣否定了奶制品攝入與腰椎和髖部骨密度(bone mineral density, BMD)的因果關系，但發現奶制品攝入增加與股骨頸BMD升高存在相關性。

2.3 糖尿病與空腹血糖

在觀察性研究中發現，2型糖尿病患者及高空腹血糖可能與高BMD相關[9]，但由于2型糖尿病患者體質量指數(body mass index, BMI)均值高于普通人群，BMI對BMD的影響作為混雜因素難以避免，而降糖藥物的干預使空腹血糖水平與BMD相關性的研究變得困難。Omar S Ahmad等學者[10]通過排除與肥胖相關的2型糖尿病工作變量，消除BMI對BMD的影響，在樣本量十余萬的歐裔人群中發現了與觀察性研究一致的結果：T2DM和空腹血糖對BMD有弱的正向影響。Katerina Trajanoska等學者[11]對來自23個歐裔隊列分析得到類似的結論，同時他們還發現，1型糖尿病與BMD并不存在因果關系。

2.4 體脂含量

眾所周知，體重與BMD呈正相關，而體脂含量(脂肪組織所占體重比例)對BMD的作用存在爭議。為了解決這個問題，Timpson等學者[2]首次將孟德爾隨機化分析應用于骨質疏松方面的研究，在平均年齡9.9歲的7 470名兒童中證實了高體脂含量可導致BMD升高。2016年，該課題組考慮到上述研究選取的工具變量存在多效性，即可通過影響肌肉含量影響結果的準確性，所以應用相同隊列的兒童進一步完善該研究，選取更特異的工具變量探討兩者的關系，再次證實體脂可提高BMD，并提示這種作用主要存在于承重部位的骨骼中[12]。泰國研究團隊[13]在2 154個成人中進行體脂含量對BMD作用的孟德爾隨機分析，發現體脂含量僅影響股骨BMD，椎體BMD水平與體脂含量并無相關性。

2.5 炎癥因子

越來越多的研究揭示了炎癥因子在糖尿病、肥胖等慢性疾病中的致病作用，骨質疏松與炎癥因子的關系也備受矚目。多個觀察性研究[14-17]分析了C反應蛋白(CRP)、白介素-6(IL-6)、單核細胞趨化蛋白-1(MCP-1)等炎癥因子與骨質疏松的相關性，結論并不一致。一項研究[18]運用孟德爾隨機化方法分析歐洲人群中CRP、MCP-1等炎癥因子與骨質疏松的關系，并未發現炎癥因子對骨質疏松的致病作用。

2.6 尿酸

觀察性研究發現，尿酸水平和骨密度呈正相關，尿酸水平升高，脆性骨折發生率減少[19- 20]。如果尿酸與骨密度存在因果關系，就意味著目前被廣泛采納的對于痛風患者的強化降尿酸治療可能增加骨質疏松的風險。Nicola Dalbeth等[21]為了消除與尿酸相關的體重、利尿劑、激素等混雜因素的影響，運用孟德爾隨機化探究尿酸與骨密度的因果關系。通過對Framingham心血管研究中的第3代隊列中的2 501個體進行分析，并未發現尿酸與骨密度的相關性。

2.7 其他

隨著孟德爾隨機化分析在骨質疏松發病機制領域的廣泛應用，對于雌激素[5]、青春期延遲[11]、促甲狀腺素[22]、吸煙[23]、飲酒[23]、自身免疫疾病[11]等可能影響骨質疏松發生發展的危險因素的孟德爾隨機化分析也在近幾年陸續開展。上述研究中證實了雌激素水平下降、青春期延遲、吸煙等因素對骨質疏松的促進作用，否定了促甲狀腺素、飲酒、類風濕關節炎及炎癥性腸病等自身免疫病參與骨質疏松發病的過程。

3 小結

孟德爾隨機化分析雖然在流行病學病因推斷方面的應用仍處于起步期，但由于和傳統研究相比具有其獨特優勢，得到了國內外學者迅速廣泛的認可和應用，推動了疾病發病因素的研究。在骨質疏松癥方面，應用孟德爾隨機化分析，探討了維生素D、奶制品攝入、糖尿病等多種傳統認為與骨質疏松密切相關，而觀察性研究結果卻充滿爭議的因素與骨質疏松的因果關系，為骨質疏松發病機制的探討提供了思路，為骨質疏松防治策略提供了證據。然而，不可忽略的是，目前研究仍存在以下問題有待解決：基因微效性、研究人群數量相對較少，可能導致假陰性結果；已發表研究主要集中于歐洲人群，缺乏亞洲等其他人群相關研究報道；缺乏因果關系證實后發病機制的進一步探索等，要求需要更大樣本量、多人種驗證及后續基礎研究的跟進。未來一段時間，孟德爾隨機化研究將得到更廣闊地應用和發展，在疾病病因的研究中發揮更為顯著的作用。