MIF基因啟動子區-173多態性與冠狀動脈粥樣硬化性心臟病發病風險關系的meta分析

連 政，于詩然，崔淯夏，李素芳，宋俊賢，李忠佑，陳 紅

(北京大學人民醫院心內科/急性心肌梗死早期預警和干預北京市重點實驗室/心血管轉化醫學研究中心，北京 100044)

冠狀動脈粥樣硬化性心臟病(coronary artery disease,CAD)，簡稱冠心病，是嚴重威脅人類健康的疾病[1]。動脈粥樣硬化斑塊的形成是發生CAD的病理學基礎。炎性反應可以促進動脈粥樣硬化斑塊的形成，同時，炎性反應也與斑塊的穩定性相關[2]。研究發現，在CAD人群中，多種炎癥因子在外周循環的水平明顯升高，且這些炎癥因子對CAD的發生及發展起著重要的作用[3]。越來越多的炎癥因子被發現，如巨噬細胞移動抑制因子(macrophage migration inhibitory factor,MIF)。

MIF是一種由T細胞、巨噬細胞、上皮細胞等多種細胞合成的細胞因子[4]。既往研究發現血清中MIF水平與CAD的發病呈正相關，并且有研究認為血清中的MIF水平可以作為CAD的預測因子[5]。人的MIF基因定位于染色體 21q11.2，可編碼 115個氨基酸[6]。既往研究發現MIF基因啟動子區-173 C/G等位基因具有與激活增強子結合蛋白4(activating enhancer binding protein 4,AP4)應答元件相結合的位點，因此該位點單核苷酸多態性(single nucleotide polymorphisms,SNP)可影響MIF的表達水平[7]。許多研究認為該位點的SNP與CAD發病風險相關[8-15]，但也有一些研究證實兩者并無關聯[16-17]。本研究收集針對MIF 啟動子區-173 C/G SNP與CAD發病風險相關性的病例對照研究，進行系統分析，以了解CAD的發病風險與MIF啟動子區-173 C/G SNP之間的聯系。

1 資料與方法

1.1 文獻檢索策略

從PubMed、EMBASE、Google Scholar、Cochrane Central Register of Controlled Trials (CENTRAL)、中國生物醫學文獻數據庫(Chinese Biomedical Literature Database，CBM)、中國知網、萬方及維普等數據庫中檢索相關文獻。以冠狀動脈粥樣硬化性心臟病、冠心病、心肌梗死、心絞痛、猝死、巨噬細胞遷移抑制因子、MIF、rs755622、-173 G/C、多態性為主題詞檢索中文數據庫，以CAD、coronary artery disease、myocardial infarction、angina、sudden death、polymorphism、SNP、MIF、macrophage migration inhibitory factor、rs755622、-173 G/C為主題詞檢索英文數據庫。同時檢索PROSPERO數據庫(https://www.crd.york.ac.uk/PROSPERO/)，中國臨床試驗注冊中心(http://www.chictr.org.cn/)及美國國立衛生研究院所屬的北美臨床試驗注冊中心(https://clinicaltrials.gov/)，以確定有無目前正在進行的相關臨床研究。在上述的數據庫中對已經發表的學位論文、會議論文等進一步篩選，以找尋未發表的相關數據。以上檢索時限為建庫至2020年5月7日。

1.2 納入與排除標準

納入標準：(1)病例對照研究；(2)文獻研究內容為MIF基因啟動子區-173 SNP與CAD發病風險的相關性；(3)足夠的基因型數據計算比值比(odds ratio，OR)和95%置信區間(confidence interval，CI)。排除標準：(1)無法獲得足夠的基因數據；(2)動物實驗研究；(3)綜述性文獻、病案報道及meta分析；(4)重復數據發表的文獻。

1.3 文獻質量評價

按照既往發表的文獻評價體系對獲取的文獻進行評分，按照評分細則，文獻得分在0～9分[18]。由兩位獨立的研究者根據評分細則嚴格打分。文獻得分大于或等于6分為高質量文獻。

1.4 統計學處理

為了評估MIF基因啟動子區-173 SNP與CAD發病風險的相關性，本研究中將基因模型劃分為等位基因模型(Cvs. G)、隱性基因模型 (CCvs. GC+GG)、顯性基因模型 (GC+CCvs. GG)、純合子基因模型 (CCvs. GG) 及雜合子基因模型 (GCvs.GG)，并分別計算它們的OR值及95%CI。根據人種及Hardy-Weinberg平衡(Hardy-Weinberg equilibrium，HWE)定律進一步行亞組分析。所有數據使用Stata16.0軟件進行分析。通過q檢驗和I2檢驗進行異質性分析，若P>0.10且I2<50%則認為各原始研究間無明顯的異質性，并采用固定效應模型進行合并計算，否則認為存在異質性，則采用隨機效應模型計算。敏感性分析用于評估每一個獨立研究對整體研究的影響及結果的穩定性。通過Egger′s檢驗和Begg′s漏斗圖分析發表偏移。以P<0.05為差異有統計學意義。

2 結 果

2.1 文獻檢索結果

本研究初步檢索到相關文獻112篇，根據納入排除標準逐層篩選，最終納入10篇[8-17]，包括5篇中文文獻和5篇英文文獻，其中8個研究樣本為亞洲人群，2個研究樣本為非亞洲人群。1篇文獻的研究結果未以論著形式發表在國內外期刊中[14]，其余9篇文獻均以論著形式發表在國內外期刊中。在已注冊的臨床研究中未發現與本研究相關且正在進行的臨床研究。研究共納入CAD人群4 245例，對照組5 007例。8項研究的對照組符合HWE定律，2項不符合。文獻篩選流程圖見圖1，納入文獻的基本特征見表1。

圖1 文獻篩選流程

表1 納入文獻基本特征

2.2 MIF基因啟動子區-173 SNP與CAD發病風險的相關性

根據meta分析的結果顯示，除雜合子基因模型外，其余4種基因模型的分析結果均顯示MIF基因啟動子區-173 SNP與CAD的發病相關，是CAD的危險因素(Cvs. G,OR= 1.39,95%CI：1.16～1.68,P=0.001,I2=70%;CCvs. GC+GG,OR=1.82,95%CI：1.22～2.71,P=0.004,I2=74.5%;GC+CCvs. GG,OR= 1.43,95%CI：1.13～1.80,P=0.003,I2=63.6%;CCvs. GG,OR= 1.98,95%CI：1.36～2.87,P=0,I2=56.7%)。見表2。

表2 MIF基因啟動子區-173 SNP與CAD發病風險的meta分析結果

MIF-173(rs755622)GC+CC vs. GGOR(95%CI)PI2(%)CC vs. GGOR(95%CI)PI2(%)GC vs. GGOR(95%CI)PI2(%)總計1.43(1.13～1.80)0.00363.61.98(1.36～2.87)056.71.32(0.99～1.76)0.05971.5種族 亞州1.34(1.03～1.73)0.02866.11.94(1.37～2.76)043.81.19(0.88～1.61)0.26071.7 非亞州1.94(1.27～2.97)0.00203.30(0.28～39.40)0.34686.72.39(1.38～4.13)0.0020HWE 是1.49(1.19～1.88)0.00155.62.24(1.44～3.49)062.71.34(1.04～1.74)0.02660 否0.97(0.27～3.42)0.96288.51.17(0.66～2.11)0.58801.10(0.15～7.82)0.92592.9PCR-Taqman 是0.94(0.58～1.52)0.80267.71.47(1.18～1.83)0.00100.89(0.51～1.56)0.68372.9 否1.70(1.36～2.12)021.62.69(1.50～4.85)0.00160.81.62(1.09～2.40)0.01665.1

亞組分析顯示，在亞洲人群中，除雜合子基因模型以外，其余4種基因模型均顯示MIF基因啟動子區-173 SNP與CAD的發病相關(Cvs. G,OR=1.34,95%CI：1.09～1.64,P=0.005,I2=72%;CCvs. GC+GG,OR=1.84,95%CI：1.20～2.80,P=0.005,I2=74.8%;GC+CCvs. GG，OR=1.34,95%CI：1.03～1.73,P=0.028,I2=66.1%;CCvs. GG，OR= 1.94,95%CI：1.37～2.76,P=0,I2=43.8%)，且該基因SNP為CAD的危險因素。在非亞洲人群中，僅在等位基因模型、顯性基因模型及雜合子基因模型中觀察到MIF基因啟動子區-173 SNP與CAD的發病相關(Cvs. G,OR= 1.72,95%CI：1.01～2.92,P=0.047,I2=58.0%;GC+CCvs. GG，OR= 1.94,95%CI：1.27～2.97,P=0.002,I2=0;GCvs. GG，OR= 2.39,95%CI：1.38～4.13,P=0.002,I2=0)。

當去除HWE不平衡的研究后再次對數據進行meta分析后發現，5種基因模型的分析結果均顯示MIF基因啟動子區-173 SNP與CAD的發病相關，是CAD的危險因素。

由于納入文獻的異質性較大，因此筆者嘗試對納入文獻進行不同的分組分析以找尋異質性來源。筆者發現當去除3項以PCR Taqman為檢測手段的研究后，4種基因模型下，納入文獻的異質性有所下降甚至消失，提示檢測手段不同可能是造成異質性的主要來源。

2.3 敏感性分析

在5種基因模型下，通過逐一剔除每項研究后再分析，發現均不會對總結果產生顯著影響，提示本研究的穩定性較好，見圖2。

圖2 在等位基因模型下的敏感性分析結果

2.4 發表偏倚

Begg′s漏斗圖分析及Egger′s檢驗分析結果顯示，在5種基因模型下均未見明顯的發表偏倚，提示本研究結果可靠。見表3，圖3。

表3 發表偏倚分析結果

圖3 在等位基因模型下的發表偏倚結果

3 討 論

MIF被認為是炎癥瀑布的上游促炎因子，可調控其他促炎因子及炎癥介質的合成與釋放，這種特性使MIF在許多疾病中發揮著重要的作用，并被認為是一個很有潛力的生物標志物[19]。臨床研究發現，CAD患者血清MIF水平明顯升高[20]，因此推測MIF在CAD的發生發展中具有重要作用。研究表明，在有害因素刺激下，MIF可迅速從巨噬細胞、心肌細胞、血管內皮細胞等中釋放[21]。釋放出的MIF可促進巨噬細胞向泡沫細胞轉化，加速動脈粥樣硬化進程[22]。同時MIF還可以促進其他炎癥因子的合成及釋放，如白細胞介素-1(IL-1)、IL-18、腫瘤壞死因子-α(TNF-α)等[23]，通過該途徑可對炎性反應進一步放大，促進動脈粥樣硬化形成。

迄今為止，已報道MIF基因有4個多態位點，其中包括-794位CATT5-8的4個核苷酸重復和3個SNP，它們分別是-173G>C、+254T>C和+656C>G[24]。由于-173G>C位于MIF基因的啟動子，且該位點的基因突變可影響AP4應答元件親和力，因此該位點的SNP對機體中MIF水平有明顯影響[7]。本研究是目前第1篇對該位點SNP與CAD發病關聯性做系統性評價的研究。通過本研究發現僅雜合子基因模型沒有顯示出與CAD明顯的相關性，其余4種模型均提示該SNP與CAD發病風險相關，且該位點SNP中攜帶等位基因C是CAD的危險因素。在不同人群中不同的基因模型表現出不同的結果，對于亞洲人群則在等位基因模型、顯性基因模型、隱性基因模型及純合子基因模型中觀察到該SNP與CAD的發病相關，在非亞洲人群中則在等位基因模型、顯性基因模型及雜合子基因模型中觀察到該SNP與CAD的發病相關。但鑒于亞洲人群的研究中有2篇文章有明顯異質性，且對于非亞洲人群的研究較少，因此該結論仍待較大樣本量的研究結果予以佐證。本研究中可見數據的異質性較大，在納入的原始研究中雖有2項研究不符合HWE定律，但經過矯正分析后發現其對總體研究結果及異質性影響并不明顯，進一步分析發現異質性的主要來源是徐銳[14]、WU等[16]、代傳芬等[17]的3項研究，且這3項研究均以PCR Taqman為檢測手段，將這3項文獻剔除后異質性有所降低甚至消失，因此考慮檢測手段不同可能是造成異質性的主要來源。本研究經過敏感性分析及發表偏倚檢測均提示結果穩固、可靠。

本研究納入的文獻數據大部分來自中國的臨床研究，非亞洲人群的研究數據較少，總體數據十分有限，筆者猜測可能的原因有以下幾點：(1)目前對于MIF的生理機制研究并不十分清楚，導致MIF并未成為眾多研究的焦點；(2)少量研究發現血清中MIF水平與CAD的發病關聯性不強[25]，因此并未進一步對基因多態性進行研究。另外有些非亞洲人群研究由于無法獲得有效的確切數據，因此無法納入本研究中，例如MONICA/KORA研究[25]。該研究為德國的1項臨床研究，共納入363例CAD患者，研究結果顯示女性攜帶該SNP位點的等位基因是CAD的危險因素之一。由于人群的差異可能導致該基因的分布及與疾病的關聯性會受到一定的影響，例如既往對于該位點的SNP研究發現，亞洲人群攜帶等位基因C是罹患結核及炎癥性腸病的危險因素，但對于非亞洲人群來說則不是[26-27]。本研究由于樣本量偏小，且非亞洲人群數據有限，導致本研究結果存在局限性，所以期待更大標本量的非亞洲人群的相關結果發表，以彌補目前meta分析的缺陷。此外，本研究中有2項研究人群不符合HWE定律，以及本文僅檢索了中文及英文數據庫，未納入其他語種的文獻均是本研究存在的局限性。

綜上所述，MIF基因啟動子區-173 SNP與CAD的發病風險相關，且攜帶等位基因C是CAD的危險因素。但仍需大標本量及更多人群的檢測數據進一步驗證。