Genoma mēroga asociācijas pētījums identificē jaunus lokusus ar 2. tipa diabētu saistītai beigu stadijas nieru slimībai afroamerikāņiem
Mar 04, 2022
Meiji Guan1,2, Džeikobs M. Kītons1,2, Latčezars Dimitrovs1,2, Pamela J. Hiksa 1,2, Jianzhao Xu1,2, Nicholet D. Palmer1,2,3, Lijun Ma4, Swapan K. Das5, Yii-Der I . Čens6, Jozefs Korešs7, Mairiams Fornēžs8, Nora Frančešini9, Holija Krāmere10,11, Kārlis D. Langefelds 12,13, Josifs K. Maikelkijs14, Rulans S. Parekhs15, Vendija S. Posts7, Laura J. Rasmusena-Torvika16, Riša 1. , Džeroms I. Roters6,17, Džons R. Sedors18,19, Denisa Tornlija-Brauna20, Adrienna Tīna7, Džeimss Vilsons21, Berijs I. Frīdmens4, Donalds V. Boudens1,2,3, Megija CY Ng1,2,3* un ATRAST konsorciju
Abstrakts
Priekšvēsture: beigu posmsnieresslimība(ESKD) ir nozīmīga sabiedrības veselības problēma, kas nesamērīgi ietekmē afroamerikāņus (AA). tipa diabēts (T2D) ir galvenais ESKD cēlonis ASV, un centieni atklāt ģenētisko uzņēmību pret diabētisko nieru slimību (DKD) ir bijuši ierobežoti. Iepriekšējais genoma mēroga asociācijas pētījums (GWAS) AA ar T2D-ESKD tika paplašināts ar papildu AA gadījumiem un kontrolēm un genotipiem, kas attiecināti uz augstāka blīvuma 1000 genomu atsauces paneli. Atklāšanas analīzē tika iekļauti 3432 T2D-ESKD gadījumi un 6977 nediabētiskas nefropātijas kontroles (N = 10,409), kam sekoja diskriminācijas analīze 2756 T2D nefropātijas kontrolē, lai izslēgtu ar T2D saistītus variantus.
Rezultāti:Seši neatkarīgi varianti, kas atrodas vai tuvuRND3/RBM43, SLITRK3, ENPP7, GNG7, unAPOL1panākta genoma mēroga nozīmīga asociācija (P <5×>−8) ar T2D-ESKD. Pēc paplašinājuma analīzēm 1910. gadānav diabētsESKD gadījumi un 908 ne-diabētiskās nefropātijas kontroles, 5342 AA visu cēloņu ESKD gadījumu un 6977 AA nediabētiskās nefropātijas kontroles metaanalīze atklāja papildu jaunu visu cēloņu ESKD lokusu plkst.EFNB2(rs77113398;P = 9.84 × 10–9; VAI=1.94). Izslēgšana noAPOL1nieru riska genotipa nesēji identificēja divus papildu genoma mēroga nozīmīgus ar T2D-ESKD saistītus lokususGRAMD3unMGAT4C. Otrs variants plkstGNG7(rs373971520;P = 2.17 × 10–8, VAI=1.46) palika saistīts ar visu iemeslu ESKDAPOL1- negatīva analīze.
Secinājumi:Rezultāti sniedz papildu pierādījumus par ģenētiskiem faktoriem, kas saistīti ar progresējošu nieru slimību AA ar T2D.
Atslēgvārdi:Afroamerikāņi, genoma mēroga asociācijas pētījums, 2. tipa diabēts, cukura diabēta nieru slimība,Nieru slimība beigu stadijā
Lai iegūtu vairāk informācijas, lūdzu, sazinieties ar:emily.li@wecistanche.com
Ievads
Arvien vairāk pierādījumu liecina, ka ģenētiskajiem faktoriem ir liela nozīme uzņēmībā pret beigu stadijunieresslimība(ESKD). Tas jo īpaši attiecas uz afroamerikāņiem (AA), kur ESKD sastopamība ir vairāk nekā trīs reizes lielāka nekā Eiropas amerikāņiem (EA) [1]. ESKD, dialīzes un transplantācijas pacientu mirstības rādītāji ir attiecīgi 136, 166 un 30 uz 1000 pacientgadiem, un tie veido 7,2 procentus no Medicare apmaksātajām atlīdzību izmaksām [1]. Cukura diabēts, no kura 95 procentiem pacientu ir 2. tipa diabēts (T2D), joprojām ir galvenais ESKD cēlonis ASV, kas veido > 44 procentus gadījumu [1]. Glikēmijas, lipīdu līmeņa un asinsspiediena kontroles uzlabojumi nav būtiski samazinājuši diabēta izplatību.nieresslimība(DKD) [1, 2]. Turklāt DKD ģimenes agregācija nav atkarīga no sociālekonomiskā stāvokļa un konstatētajiem vides riska faktoriem [3, 4]. Lai gan G1 un G2 alēles apolipoproteīna L1 gēnā (APOL1) veicina 50–70 procentus no nediabēta ESKD AA, tās pilnībā neizskaidro ar T2D saistīto ESKD (T2D-ESKD) pārmērīgo risku šajā populācijā. 5–7].
Genoma mēroga asociācijas pētījumi (GWAS) ir identificējuši vairāk nekā 70 genoma mēroga nozīmīgus variantus, kas saistīti ar hroniskunieresslimība(CKD), albuminūrija vai nieru darbība Eiropas senču populācijās [8–11]. Tomēr daži loki bija saistīti ar DKD dažādās populācijās, un tie konsekventi neatkārtojas, daļēji ierobežotā izlases lieluma dēļ [12–18]. Nieru komplikāciju etioloģija pacientiem ar T2D, visticamāk, ir daudz neviendabīgāka nekā pacientiem ar 1. tipa cukura diabētu [16]. Tāpēc, lai uzlabotu statistisko jaudu, ir nepieciešama rūpīga fenotipu noteikšana un lielāki paraugu izmēri. Lai izpētītu progresējošas nieru slimības ģenētisko arhitektūru T2D gadījumā, mēs paplašinājām savus iepriekšējos GWAS (2890 ESKD pacienti un 1719 nediabētiskās nefropātijas kontroles) centienus, iekļaujot lielāku AA paraugu ar smagiem.nieresslimība. Asociāciju analīzes tika veiktas sešās neatkarīgās AA kohortās (Wake Forest School of Medicine, WFSM; Family Investigation of Nephropathy and Diabetes, FIND; Atherosclerosis Risk in Communities Study, ARIC; Multi-Etnic Study of Atherosclerosis, MESA; Jackson Heart Study, JHS; un koronāro artēriju riska attīstība jauniem pieaugušajiem, CARDIA) T2D-ESKD vai nediabēta ESKD, izmantojot daudzpakāpju pētījuma plānu (1. att.). Tas ietvēra 15 075 AA, kas klasificētas četrās fenotipiskās grupās: T2D-ESKD gadījumi (N=3432), ne-diabētiskās nefropātijas kontroles (N=6977), T2D trūkuma nefropātijas kontroles (N {{16}). }), un ESKD bezdiabēta gadījumi (N=1910).
Atklāšanas stadijā GWAS tika veikta 3432 T2D-ESKD gadījumos un 6977 ne-diabētiskās nefropātijas kontrolēs, kam sekoja diskriminācijas analīze, lai izslēgtu ar T2D saistītus lokusus 2756 T2D nefropātijas kontrolēs. Paplašinājuma analīzes tika veiktas 1910 AA ar nediabētisku ESKD un 908 nefropātijas kontrolēm, lai novērtētu ar T2D-ESKD saistīto lokusu ietekmi uz nediabētisku.nieresslimība. Diabētiskā un bezdiabētiskā ESKD gadījumu metaanalīze novērtēja ģenētiskās asociācijas visu cēloņu ESKD. ar APOL1-saistītas nediabēta formasnieresslimībaun T2D pacientiem bieži vien pastāv līdzās. Tādējādi daudzi diabēta pacienti arnieresslimībavar tikt nepareizi klasificēts kā ar DKD kopš diagnostikasnieresbiopsijas parasti netiek veiktas. Šeit tika veikta otrā GWAS analīze, izņemot personas ar APOL1 nieru riska genotipiem, lai samazinātu T2D-ESKD nepareizu klasifikāciju.
Rezultāti
Pētījuma pārskats
Šim pētījumam ir > 80 procentu jauda, lai noteiktu izplatītus variantus (MAF, kas ir lielāks par vai vienāds ar 0,10) ar mērenu efektu (VAI lielāks vai vienāds ar 1,3) ar nozīmīguma līmeni 5 × 10–8 (http: //csg.sph.umich.edu/abecasis/ cats/). Kopumā septiņi genoma mēroga nozīmīgi loki (P<5× 10−8="" )="" associated="" with="" t2d-eskd="" were="" identified="" in="" either="" the="" baseline="" model="" (rnd3/rbm43,="" slitrk3,="" enpp7,="" gng7,="" and="" apol1)="" or="" apol1-negative="" model="" (enpp7,="" gramd3,="" and="" mgat4c).="" in="" addition="" to="" apol1,="" two="" loci,="" efnb2="" and="" gng7,="" also="" reached="" genome-wide="" significance="" in="" the="" all-cause="" eskd="" meta-analysis="" under="" either="" the="" baseline="" or="" apol1-negative="">
Pētījuma dalībnieku klīniskais raksturojums
1. un 2. tabulā ir iekļauti detalizēti pētījuma dalībnieku raksturojumi. ESKD gadījumi tika piesaistīti no WFSM (Affy6.0, Axiom un MEGA), FIND un ARIC pētījumiem. Personas ar T2D-ESKD vai T2D trūkuma nefropātiju darbā pieņemšanas brīdī bija vecākas (vai līdzīga vecuma), salīdzinot ar ne-diabētiskās nefropātijas kontroles grupām. Tomēr vidējais vecums, kad tika diagnosticēts T2D T2D-ESKD gadījumos un T2D trūkuma nefropātijas kontroles grupās, darbā pieņemšanas brīdī bija jaunāks par nediabētisku nefropātijas kontroli. Visām T2D nefropātijas kontrolēm un ne-diabētiskām, ne-nefropātijas kontroles grupām normāls eGFR bija lielāks vai vienāds ar 60 ml/min/1,73 m2. Turklāt ne-diabētiskās nefropātijas kontroles grupās glikozes līmenis tukšā dūšā bija < 126="" mg/dl.="" kontroles="" ar="" nefropātiju,="" kurai="" trūkst="" t2d,="" bija="" vairāk="" aptaukošanās="" nekā="" t2d-eskd="" vai="" nediabēta="" eskd="" gadījumi="" un="" ne-diabētiskas="" nefropātijas="" kontroles,="" izņemot="" to,="" ka="" t2d-eskd="" gadījumi="" aric="" bija="" vairāk="" aptaukojušies="" nekā="" pārējās="">
1. un 2. stadijas T2D-ESKD asociācijas analīze
1. atklāšanas posmā GWAS tika veikta atsevišķi trīs datu kopās: (1) 1513 T2D-ESKD gadījumi un 5299 nediabētiskas nefropātijas kontroles, kuru genotips tika noteikts uz Affy6.0, ko sniedza WFSM, FIND, ARIC, JHS, MESA un CARDIA (1.a stadija); (2) 1700 T2D-ESKD gadījumi un 770 nediabētiskas nefropātijas kontroles no WFSM genotipiem ar Axiom Biobank genotipēšanas masīvu (1.b stadija); un (3) 219 T2D-ESKD gadījumi un 908 nediabētiskas nefropātijas kontroles no WFSM genotipiem, izmantojot MEGA (1.c stadija). Tika veikta metaanalīze (2. stadija), lai apvienotu asociācijas rezultātus 3432 T2D-ESKD gadījumiem un 6977 ne-diabētisku, ne-nefropātijas kontroli no 1.a, 1.b un 1.c posma. Pēc genoma kontroles korekcijas tika novērots inflācijas koeficients λ 1, 013 (papildu fails 1: S1 attēls), kas liecina, ka populācijas struktūra un slepenā saistība ir pietiekami pielāgota. No variantiem, kas demonstrēja suģestējošas asociācijas (P < 1="" ×="" 10–5),="" tika="" izslēgti="" 59="" varianti="" ar="" i2,="" kas="" ir="" lielāks="" par="" vai="" vienāds="" ar="" 80="" procentiem,="" jo="" pētījumos="" bija="" liela="" ietekmes="" lieluma="" neviendabība.="" pavisam="" 478="" atlikušie="" varianti="" tika="" novērtēti="" diskriminācijas="" analīzē="" (81="" no="" tiem="" sasniedza="" genoma="" mēroga="" nozīmi;="" 1.="" papildu="" fails:="" s2="">
3. stadijas diskriminācijas analīze
Lai noteiktu, vai 1. posma metaanalīzē identificētās T2D-ESKD asociācijas izraisīja saistība ar T2D per se, tika veikta diskriminācijas analīze T2D, kontrastējot 2756 AA ar nefropaātiju, kam nav T2D, ar 6977 nediabētisku nefropātijas kontroli. no 1. posma (Affy6.{14}}, Axiom, MEGA; 1. papildu fails: S3 tabula). Pēc tam mēs izslēdzām 174 no 478 T2D-ESK D saistītajiem variantiem, kas nomināli saistīti ar T2D, ja nebija nefropātijas. Starp atlikušajām T2D-ESKD asociācijām populārākie varianti, kas pārstāv 6 neatkarīgas asociācijas, sasniedza genoma mēroga nozīmi (3. tabula, 2.a attēls). Spēcīgākā saistība tika novērota rs9622363, kas atrodas APOL1 (P=1.42 × 10−10, VAI=0.77, EAF=0.45). Šis variants bija mērenā saiknes nelīdzsvarotībā (r2=0.33 un 0,34 attiecīgi YRI) ar APOL1 G1 alēlēm (rs60910145, rs73885319), kas saistītas ar nediabēta ESKD [6]. Otra spēcīgākā asociācija bija rs58627064, starpgēnu variantu, kas atrodas netālu no SLITRK3, (P=6.81 × 10−10, VAI=1.62, EAF=0.06). Divi neatkarīgi signāli: rs142563193 (P=1.24 × 10–8, VAI=0.74, EAF=0.23) un rs142671759 (P=5.53 × 10) −9 , VAI=2.26, EAF=0.02) 17. hromosomā, kas atrodas netālu no ENPP7, arī bija genoma mērogā nozīmīgas. Turklāt divas saistības ar T2D-ESKD, rs4807299 (P=3.21 × 10−8, VAI=1.67, EAF=0.05), kas atrodas GNG7 un rs72858591 (P Tika identificēti=4.54 × 10−8, VAI=1.43, EAF=0.10), kas atrodas RND3/RBM43 (1.a att.).
4. posma nediabēta ESKD analīze un 5. stadijas visu cēloņu ESKD metaanalīze
Pēc diskriminācijas stadijas tika pārbaudīti 304 varianti, kuriem bija suģestējoša saistība ar T2D-ESKD (P < 1="" ×="" 10-5="" )="" 1910="" neatkarīgos="" eskd="" bez="" diabēta="" gadījumos="" un="" 908="" kontrolēs="" no="" 1.c="" stadijas.="" 4.="" posma="" analīzes="" mērķis="" bija="" novērtēt="" ar="" t2d-eskd="" saistīto="" lokusu="" devumu="" nediabēta="">nieresslimība. Izslēdzot variantus ar neviendabīgumu I2, kas ir lielāks vai vienāds ar 80 procentiem, 25 varianti bija nomināli saistīti ar nediabētisku ESKD (P <0,05). spēcīgas="" asociācijas="" (1,27="" ×="" 10–29="">< p="">< 8.86="" ×="" 10–15)="" tika="" novērotas="" apol1-myh9="" reģionā,="" apstiprinot="" to="" lomu="" diabēta="">nieres slimība. Tika veikta visu cēloņu ESKD metaanalīze, tostarp 5342 visu cēloņu ESKD un 6977 ne-diabētiskās nefropātijas kontroles, lai novērtētu 25 T2D-ESKD saistīto variantu vispārināmību ar plašākām ESKD formām (5. stadija). Tika konstatēts, ka trīsdesmit pieci genoma mēroga nozīmīgi varianti divos lokos ir saistīti ar visu iemeslu izraisītu ESKD, tostarp 15 varianti EFNB2 ietvaros vai tuvu tam un 20 varianti APOL1 (1.b attēls). Galvenā saistība APOL1 bija rs9622363 (P=1.96 × 10−25, VAI=0.68, EAF=0.43), un galvenais signāls pie EFNB2 bija rs77113398 (P=9.84 × 10−9, VAI=1.94, EAF=0.023) (4. tabula, 2.b att.). Četri papildu neatkarīgi loki uzrādīja ierosinošu saistību (P < 5="" ×="" 10-6)="" ar="" visu="" iemeslu="" izraisītu="" eskd="" pie="" lpp,="" fstl5,="" oprk1/atpv1h="" un="" sybu/kcnv1="" (4.="" tabula,="" 2.b="">
Asociācijas analīze, izņemot APOL1 nieru riska genotipa nesējus
Tika veikta sekundārā analīze, izslēdzot APOL1 nieru riska genotipa nesējus T2D-ESKD gadījumos un ne-diabētiskās nefropātijas kontroles (APOL1-negatīvs modelis), lai bagātinātu ar T2D saistītu ESKD. Sākotnējais modelis uzrādīja spēcīgu APOL1 un MYH9 saistību ar T2D-ESKD (3. tabula, 1.a attēls), kas liecina, ka daži gadījumi varēja būt nepareizi klasificēti un, visticamāk, tiem bija nediabēta ESKD. Kopumā no 1. stadijas analīzes tika izslēgti 664 T2D-ESKD gadījumi un 918 ne-diabētiskas nefropātijas kontroles, atstājot 2768 T2D-ESKD gadījumus un 6059 kontroles APOL{28}}negatīvajā modelī. Nominālās asociācijas ar T2D-ESKD (P < 1="" ×="" 10–5="" )="" tika="" novērotas="" ar="" 522="" variantiem="" (66="" no="" tiem="" sasniedza="" genoma="" mēroga="" nozīmi;="" 1.="" papildu="" fails:="" s2="" tabula),="" un="" tie="" tika="" atlasīti="" 3.="" posma="" diskriminācijas="" analīzei.="" tika="" noņemti="" divi="" simti="" divdesmit="" trīs="" varianti,="" kuriem="" bija="" pierādījumi="" par="" saistību="" ar="" t2d="" per="" se="" (papildu="" fails="" 1:="" s4="" tabula)="" un="" 24="" varianti,="" kas="" metaanalīzē="" uzrāda="" spēcīgu="" neviendabīgumu="" (i2,="" kas="" ir="" lielāks="" par="" vai="" vienāds="" ar="" 80).="" starp="" genoma="" mēroga="" nozīmīgajiem="" variantiem,="" kas="" identificēti="" bāzes="" modelī,="" rs142671759="" enpp7="" (p="4.10" ×="" 10−8,="" vai="2.30," eaf="0.024)" uzrādīja="" konsekventa="" saistība="" ar="" t2d-eskd="" apol{61}}negatīvajā="" modelī.="" divi="" papildu="" varianti="" sasniedza="" genoma="" mēroga="" nozīmi:="" rs75029938="" gramd3="" (p="2.02" ×="" 10–9,="" vai="1.89," eaf="0.042)" un="" rs17577888="" mgat4c="" reģionā.="" (p="3.87" ×="" 10−8,="" vai="0.67," eaf="0.087)" (5. tabula,="">
Tālāk mēs pārbaudījām 275 ierosinošas T2D-ESKD asociācijas, kas izturēja diskrimināciju un kurām I2 < 80="" 1019="" papildu="" aa="" bezdiabēta="" eskd="" gadījumos,="" kas="" izslēdza="" apol1="" nieru="" riska="" genotipa="" nesējus.="" piecpadsmit="" varianti="" uzrādīja="" nominālus="" pierādījumus="" par="" saistību="" ar="" nediabētisku="" eskd.="" pēc="" tam="" tie="" tika="" pārbaudīti="" visu="" cēloņu="" eskd="" metaanalīzē,="" ieskaitot="" 3787="" visu="" cēloņu="" eskd="" gadījumus="" un="" 6059="" ne-diabētiskas="" nefropātijas="" kontroles,="" no="" kurām="" tika="" izslēgti="" apol1="" nieru="" riska="" genotipa="" nesēji.="" 2-bāzes="" pāra="" dzēšana="" gng7,="" rs373971520="" (p="2.17" ×="" 10−8,="" vai="1.46," eaf="0.11)," panākta="" visā="" genomā="" nozīmīga="" saistība="" ar="" visu="" iemeslu="" eskd="" (3.b="" att.).="" septiņos="" papildu="" lokusos="" tika="" parādīta="" nominālā="" saistība="" ar="" visu="" iemeslu="" eskd="" (p="">< 5="" ×="" 10–6),="" tostarp="" lpp,="" alk/ypel5,="" mnx1-as1/ube3c,="" nup98,="" linc01075/linc00448,="" tmco5a="" un="" sulf2/linc015522.="" (6.="" tabula).="" lielākajām="" asociācijām="" no="" bāzes="" modeļa="" bija="" mērena="" vājināšanās="" nenozīmīga,="" neskatoties="" uz="" līdzīgo="" efektu="" lielumu,="" daļēji="" samazināta="" izlases="" lieluma="" dēļ="" (1.="" papildu="" fails:="" s5="" tabula).="" turklāt="" tika="" veikts="" trešais="" gwas="" ar="" apol1,="" kas="" iekļauts="" kā="" kovariāts="" modelī="" (apo="" l{53}}pielāgots="" modelis)="" un="" salīdzinot="" −log="" (p)="" vērtības="" ar="" bāzes="" un="" apol{54}}negatīvajiem="" modeļiem.="" augsta="" korelācija="" (persona="" korelācijas="" koeficients="" r="0.95)" tika="" novērota="" starp="" apol1-koriģētajiem="" un="" apol1--="" negatīvajiem="" modeļiem.="" visu="" trīs="" salīdzinājumu="" rezultāti="" ir="" iekļauti="" papildu="" dokumentācijā="" (1.="" papildu="" fails:="" s2="">
Diskusija
Mēs ziņojam par augsta blīvuma GWAS rezultātiem, pētot ģenētisko jutību pret T2D-ESKD 15 075 AA. Pēc tam tika novērtēti labākie varianti, kas saistīti ar T2D-ESKD, saistībā ar ESKD, kas nav diabēts, un tika veikta metaanalīze, lai pārbaudītu to vispārināmību attiecībā uz parastajām ESKD formām. Astoņas neatkarīgas asociācijas septiņos ģenētiskajos lokos uzrādīja genoma mēroga nozīmīgu saistību ar T2D-ESKD bāzes līnijas vai APOL{12}}negatīvajos modeļos, tostarp RND 3/RBM43, SLITRK3, ENPP7, GNG7, APOL1, GRAMD3 un MGAT4C. Papildus APOL1 divi nozīmīgi genoma loki bija saistīti ar visu iemeslu ESKD, EFNB2 un GNG7. Turklāt 10 ģenētiskie loki uzrādīja nominālu saistību ar visu cēloņu ESKD (P < 5="" ×="" 10–6),="" tostarp="" lpp,="" fstl5,="" oprk1/atp6v1h,="" sybu/kcnv1,="" alk/ypel5,="" mnx1-as1/ube3c,="" nup="" 98,="" linc01075/linc00448,="" tmco5a="" un="" sulf2/lin="">
Nozīmīgākā saistība starp T2D-ESKD (VAI=0.77, P=1.42 × 10−10) un visu iemeslu ESKD (OR=0.69, P {{11) }}.96 × 10-25) bāzes modelī bija intronisks variants rs9622363 APOL1 reģionā, kas saistīts ar nediabēta slimnieku.nieres slimībaindivīdiem ar afrikāņu senčiem. Kondicionēšana uz APOL1 G1 un G2 alēlēm dramatiski samazina tā nozīmi [6]. Tiek ziņots, ka rs9622363 maina transkripcijas faktora (TF) saistošos motīvus (1. papildu fails: S6 tabula). Nesenā pētījumā rs9622363 un APOL1 G1 alēles veidoja haplotipu, kas sasniedza visspēcīgāko saistību ar CKD nigēriešiem [19]. Atšķirībā no G1 vai G2 galvenā alēle rs9622363 (G, EAF=0.57) ir saistīta ar HNS risku. Pēc APOL1 nieru riska genotipa nesēju izslēgšanas saistība ar rs9622363 tika novājināta. Tas apstiprināja, ka rs9622363 un APOL1 G1 un G2 alēles veicina to pašu signālu. Rs9622363 identifikācija bāzes modelī var liecināt par dažu gadījumu nepareizu klasifikāciju kā T2D-ESKD.
Starpgēnu variants (rs72858591), kas atrodas starp GTPāzes proteīna gēnu RND3 un RBM43, kas kodē RNS saistošo motīvu proteīnu 43, atklāja genoma mēroga nozīmīgu saistību ar T2D-ESKD. Tas ir saistīts ar TF saistošo motīvu izmaiņām un pārklājas gan ar promotora, gan pastiprinātāja reģioniem (1. papildu fails: S6 tabula). Neatkarīgs starpgēnu variants (rs7560163, r2=0.01, YRI) šajā reģionā iepriekš bija saistīts ar T2D AAs [20]. Turpretim rs72858591 šajā pētījumā nebija saistīts ar T2D (P=0.073). Tas var likt domāt, ka divas dažādas variācijas šajā lokusā neatkarīgi veicina T2D un T2D-ESKD, iespējamu pleiotropu efektu. Divi neatkarīgi varianti (rs142563193 un rs142671759), kas visā genomā bija būtiski saistīti ar T2D-ESKD, atrodas netālu no ENPP7. Šie varianti pārklājas ar pastiprinātāja un promotora reģioniem, DNāzes paaugstinātas jutības pīķiem un/vai TF saistošiem motīviem (1. papildu fails: S6 tabula). ENPP7 kodētais proteīns ir zarnu sārmaina sfingomielīna fosfodiesterāze, kas pārvērš sfingomielīnu par keramīdu un fosfoholīnu. Tiek ziņots, ka ENPP7 ietekmē holesterīna uzsūkšanos [21], un daudzi pētījumi liecina, ka augsta blīvuma lipoproteīnu holesterīna līmenis ir HNS riska faktori pacientiem ar cukura diabētu [22–24].
Divi varianti, kas atrodas GNG7, bija saistīti vai nu ar T2D-ESKD (rs4807299; P=3.21 × 10-8, bāzes modelis) vai visu iemeslu ESKD (rs373971520; P=2.17 × 10-8). 8; APOL{14}}negatīvs modelis). Rs4807299 ir saistīts ar TF saistošo motīvu izmaiņām un pārklājas gan ar promotora, gan pastiprinātāja reģioniem (1. papildu fails: S6 tabula). GNG7 kodē G proteīna apakšvienību Gamma 7, kas ir iesaistīta centrālās nervu sistēmas funkcijās [25] un vēža riskā [26, 27].
Tā kā afroamerikāņiem ar cukura diabētu un proteīnūriju bieži netiek veikta diagnostiskā nieru biopsija, parasti tiek uzskatīts, ka viņu ESKD ir izraisījis DKD. Tomēr ar APOL{0}}saistītu diabētunieresslimībavar būt patiesais nieru slimības cēlonis daudziem šādiem pacientiem. Analīzes, izņemot APOL1 nieru riska genotipa nesējus, radīja viendabīgāku gadījumu grupu un sniedza iespēju atklāt T2D-ESKD ģenētisko arhitektūru, kas nav atkarīga no APOL1 efekta. APOL1-negatīvajā modelī papildus ENPP7 replikācijai, kas identificēta bāzes modelī, divi jauni loki
panāca genoma mēroga nozīmīgu saistību ar T2D ESKD: GRAMD3 (rs75029938; P=2.02 × 10-9 ) un MGA T4C (rs17577888; P=3.87 × 10-8 ). Funkcionālā anotācija liecināja, ka abi varianti atrodas kopā ar TF saistošiem motīviem. Rs75029938 var iedalīties pastiprinātāja un promotora reģionos, un rs17577888 bija saistīts ar FLVCR1 gēna transkripta pārpilnību perifēro asiņu monocītos (P=6.41 × 10-6; 1. papildu fails: S6 tabula). GRAMD3 ģenētiskā variācija ir saistīta ar aptaukošanos daudznacionālā genoma mēroga metaanalīzē [28]. Iepriekšējie pētījumi liecina, ka aptaukošanās ir galvenais DKD riska faktors [29]. MGAT4C kodē mannozila (alfa-1,3-)-glikoproteīna beta-1, 4-N-acetilglikozaminiltransferāzi, izozīmu C, kas piedalās N-acetilglikozamīna (GlcNAc) pārnesē. uz N-saistīto glikānu kodola mannozes atlikumiem. Nepieciešama turpmāka izpēte par iespējamo MGAT4C iesaistīšanos DKD.
Šajā analīzē tika iekļauta AA grupa ar nediabētisku ESKD, lai novērtētu ar T2D-ESKD saistīto lokusu vispārināmību kopējās CKD formās. Metaanalīze, kurā tika apvienoti gadījumi ar T2D-ESKD un ESKD bez diabēta, papildus APOL1 identificēja divus jaunus genoma mēroga nozīmīgus lokusus, kas saistīti ar visu iemeslu ESKD; rs77113398 netālu no EFNB2 (P=9.84 × 10–9; bāzes modelis) un rs373971520 GNG7 (2,17 × 10–8; APOL1-negatīvs modelis). Rs77113398 pārklājas ar pastiprinātāja, promotora reģioniem un DNāzes virsotnēm (1. papildu fails: S6 tabula). Iepriekšējie genoma skenējumi AA identificēja nozīmīgus pierādījumus par saistību ar ESKD hromosomā 13q33, ieskaitot EFNB2 reģionu gan diabēta ESKD, gan ESKD bez diabēta [30, 31]. Pēcpārbaudes pētījumā tika pārbaudīti 28 marķēšanas varianti, kas aptver 39 kilobāzes (kb) no EFNB2 kodēšanas reģiona, parādīja nominālas asociācijas starp diviem variantiem un visu iemeslu ESKD [32]. Tomēr šie ziņotie varianti nebija saistīti ar rs77113398. Efrīns-B2 (EFNB2) tiek izteikts jaunattīstības nefronā; efrīna-B2 un tā receptoru mijiedarbībai ir svarīga loma glomerulārās mikrovaskulārās montāžas procesā [33]. Turklāt efrīna-B2 reversā signalizācija aizsargā pret peritubulāro kapilāru retināšanu, regulējot angioģenēzi un asinsvadu stabilitāti laikā.nieresievainojums[34]. Efrīns-B1 arī lokalizējas kopā ar CD2-saistīto proteīnu (CD2AP) un nefrīnu podocītu spraugas diafragmā, un tam ir svarīga loma barjeras funkcijas uzturēšanā pie spraugas diafragmas [35]. Efrīna B4 receptoru kināzes transgēnām pelēm attīstās glomerulopātija, kas izpaužas kā sapludinātas aferentās un eferentās arteriolas, kas apejot glomerulus [36]. Tādējādi vairākas pierādījumu līnijas atbalsta iespējamo EFNB2 saistību ar CKD, un tas ir visdaudzsološākais cēloņsakarības gēns, kas ir rs77113398 asociācijas pamatā.
Šim pētījumam ir stiprās puses un ierobežojumi. Lai gan daudzpakāpju pētījuma dizains bija labi jaudīgs, ieskaitot 15 075 AA, tam trūka T2D-ESKD asociāciju replikācijas, īpaši retiem variantiem. Turklāt vairāki genoma mēroga nozīmīgi signāli uzrādīja ievērojami atšķirīgus efektu lielumus pa posmiem, kas, iespējams, bija saistīts ar izlases lieluma atšķirībām pa posmiem un "uzvarētāja lāsta" sekas, kas apraksta, ka patiesais ģenētiskā efekta lielums ir pārvērtēts, jo sākotnējais pozitīvais atradums. Lai apstiprinātu šos konstatējumus, ir nepieciešama turpmāka replikācija. AA ir dažas citas esošās kolekcijas ar atbilstošiem paraugiem; šie ierobežotie replikācijas centieni. Turklāt ir grūti izslēgt visas personas, kas nepareizi klasificētas ar DKD, jo bieži trūkst nieru biopsijas. Tāpēc mēs rūpīgi izslēdzām paraugus ar ESKD, kas tika attiecināti uz ne-diabētisku etioloģiju, pamatojoties uz klīniskajiem fenotipiem, un pēc tam izslēdzām APOL1 nieru riska genotipa nesējus, kuriem ir augsts ESKD bez diabēta risks. Tam vajadzētu samazināt nepareizu klasifikāciju.
Secinājums
Visbeidzot, GWAS tika veikts AA ar T2D-ESKD, un septiņi ģenētiskie loki uzrādīja genoma mēroga nozīmīgus asociācijas pierādījumus, tostarp RND3 / RBM43, SLITRK3, ENPP7, GNG7, APOL1, GRAMD3 un MGAT4C. Papildus APOL1, EFNB2 un GNG7 bija saistīti arī ar ESKD bez diabēta un atklāja genoma mēroga nozīmīgu saistību ar visu iemeslu ESKD. Ir nepieciešami turpmāki pētījumi, tostarp šo jaunatklāto asociāciju ģenētiskā replikācija un eksperimentālā validācija, lai novērtētu to iespējamo ietekmi uz bioloģiskajiem procesiem, kas izraisa progresējošu DKD populācijās ar neseniem Āfrikas senčiem.
Metodes
Pētījuma dalībnieki
Pētījuma dalībniekus pieņēma darbā Veik Forestas Medicīnas skola (WFSM; N=8052), Nefropātijas un diabēta ģimenes izmeklēšana (FIND; N=926), Džeka sona sirds pētījums (JHS; N {{2). }}), aterosklerozes riska kopienu pētījums (ARIC; N=2221), koronāro artēriju riska attīstība jauniem pieaugušajiem (CARDIA; N=912) un multietniskais aterosklerozes pētījums (MESA; N { {6}}). Analīzes apstiprināja vietējās iestāžu pārskata padomes, un visi dalībnieki sniedza rakstisku informētu piekrišanu. Tika uzskatīts, ka gadījumi ar T2D-ESKD, ieskaitot smagu DKD, tika diagnosticēti vairāk nekā 5 gadus pirms ESKD sākuma vai ar diabētisku retinopātiju, lai nodrošinātu atbilstošu T2D ilgumu, ar nieru aizstājterapiju, aptuveno glomerulārās filtrācijas ātrumu ( eGFR) Mazāks vai vienāds ar 30 ml/min/1,73 m2 (CKD4) vai urīna albumīna un kreatinīna attiecība (UACR) Lielāka vai vienāda ar 300 mg/g (makroalbuminūrija). Dalībnieki ar CKD4 vai makroalbuminūriju (N=138) tika iekļauti kā gadījumi, ņemot vērā viņu augsto ESKD attīstības risku. T2D tika diagnosticēts saskaņā ar Amerikas Diabēta asociācijas kritērijiem ar glikozes līmeni tukšā dūšā, kas ir lielāks vai vienāds ar 126 mg/dl, 2-h perorālais glikozes tolerances tests glikoze ir lielāks vai vienāds ar 200 mg/dl, nejauša glikoze Lielāka vai vienāda ar vienāds ar 200 mg/dl, diabēta medikamentu lietošana vai ārsta diagnosticēts diabēts. Nediabēta ESKD gadījumos nieru aizstājterapijas sākumā nebija cukura diabēta (vai T2D bija < 5="" gadus),="" un="" eskd="" tika="" attiecināta="" uz="" hronisku="" glomerulāru="" slimību="" (piemēram,="" fokālu="" segmentālo="" glomerulosklerozi),="" ar="" hiv="" saistītu="" nefropātiju,="" hipertensiju="" vai="" nezināmu="" iemeslu.="" cēlonis.="" pacienti="" ar="" eskd,="" kas="" saistīts="" ar="" ķirurģiskiem="" vai="" uroloģiskiem="" cēloņiem,="">nieru slimība, autoimūna slimība, hepatīts, IgA nefropātija, membranozs glomerulonefrīts, membranoproliferatīvs glomerulonefrīts vai monogēnsnieresslimībastika izslēgti. Nediabētiskās nefropātijas kontroles grupās bija dalībnieki bez diabēta vainieres slimība(eGFR lielāks vai vienāds ar 60 ml/min/1,73 m2 un UACR < 30="" mg/g).="" personām="" ar="" nefropātiju,="" kurai="" trūkst="" t2d,="" egfr="" bija="" lielāks="" vai="" vienāds="" ar="" 60="" ml/min/1,73="" m2="" un="" uacr="">< 30="">
Paraugu sagatavošana, genotipa noteikšana, imputācija un kvalitātes kontrole
Pētījuma dalībnieki tika genotipizēti visā genomā, izmantojot trīs dažādas platformas: (1) 8704 paraugi, kas tika pieņemti no WFSM, ARIC, CARDIA, JHS, MESA un FIND, tika genotipizēti, izmantojot Affymetrix genoma mēroga cilvēka viena nukleotīda polimorfismu. (SNP) masīvs 6.0 (Affy6.0); (2) Affymetrix Axiom Biobank genotipēšanas masīvā (Axiom) tika genotipizēti 3133 paraugi no WFSM; un (3) 3238 paraugi, kas tika pieņemti darbā no WFSM, tika genotipizēti Illumina Multi-Ethnic Genotyping Array (MEGA). Kvalitātes kontrole un imputācija tika veikta atsevišķi katrā genotipēšanas platformā, kā aprakstīts tālāk.
Varianti, kas izturēja kvalitātes kontroli (QC), tika piedēvēti kombinētajam haplotipa atsauces panelim, tostarp 1000 genomu 3. fāzes kosmopolītiskajam atsauces panelim (2014. gada oktobra versija) [37] un Āfrikas genoma variācijas projekta (AGVP) atsauces paneļa versijai, tostarp 640. Āfrikas senču haplotipi, kurus laipni nodrošina Āfrikas partnerībaHronisku slimību izpēteun Wellcome Trust Sanger Institute [38]. Iepriekšēja fāze tika veikta, izmantojot SHAPEIT2 [39], un imputācija tika veikta, izmantojot IMPUTE2 [40]. Pēcimputācijas QC tika veikta, lai izslēgtu variantus ar alēļu neatbilstību vai ar lielu frekvenču neatbilstību (lielāka par vai vienāda ar 0.2) ar atsauces paneli (0.2 × biežums EUR plus {{ 13}},8 × biežums AFR) un imputācijas informācijas rādītājs < 0,4.="" paraugu="" apakškopa="" tika="" tieši="" genotipizēta="" apol1="" g1="" un="" g2="" variantiem,="" izmantojot="" sequenom="" (sequenom,="" sandjego,="" ca).="" atbilstība="" bija="" 95="" procenti="" ar="" imputētajiem="">
Affy6.{1}} datu kopas
Kā aprakstīts iepriekš [41], 1513 T2D-ESKD gadījumi, 5299 ne-diabētiskās nefropātijas kontroles un 1892 T2D nefropātijas kontroles no WFSM, FIND, JHS, ARIC, CARDIA un MESA grupām tika genotipizēti, izmantojot Affy6.{{{ 11}} (1. tabula). Katrā pētījumā tika piemēroti standarta kvalitātes kontroles pasākumi, lai izslēgtu variantus ar izsaukuma biežumu < 95="" procentiem,="" mazo="" alēļu="" biežumu="" (maf)="">< 0.01="" vai="" uzrādīja="" novirzi="" no="" hārdija-veinberga="" līdzsvara="" (hwe)="" (p="">< 0,0001).="" paraugs="" qc="" tika="" veikts,="" lai="" izslēgtu="" subjektus="" ar="" zvanu="" biežumu="">< 95="" procentiem,="" dns="" piesārņojumu,="" dublikātus="" vai="" populācijas="" novirzes.="" ņemot="" vērā,="" ka="" cardia,="" jhs="" un="" mesa="" trūka="" gadījumu="" ar="" t2d-eskd,="" šo="" pētījumu="" paraugi="" tika="" apvienoti="" imputācijas="" un="" asociācijas="" analīzēm="" kopā="" ar="" wfsm,="" find="" un="">
Aksiomas datu kopa
WFSM 1700 AA gadījumiem ar T2D-ESKD, 770 AA kontrolēm bez cukura diabēta vai nefropātijas un 663 AA kontrolēm ar T2D, kurām nebija nefropātijas, tika genotipizēti pielāgotā Axiom genotipēšanas masīvā (2. tabula). Iepriekš tika ziņots par detalizētu informāciju par variantiem, pielāgotu satura dizainu, tostarp precīzu kandidātreģionu kartēšanu, genotipēšanas metodēm un QC [42]. Īsāk sakot, šajā masīvā bija aptuveni 264 000 kodēšanas variantu un ievietošanas/dzēšanas (indeles), 70 000 funkciju zaudēšanas variantu, 2 K farmakogenomisku variantu, 23 000 eQTL marķieru, 246 000 daudznacionālu populāciju genoma mēroga tagu marķieru un 115 000 pielāgotu marķieru. satura marķieri. Tika izslēgti varianti ar zvanu tarifiem < 95="" procentiem,="" atkāpšanos="" no="" hwe="" (p="">< 0,0001)="" un="" monomorfiskie="" varianti.="" pakārtotajai="" kvalitātes="" kontrolei,="" imputācijai="" un="" analīzēm="" tika="" veiksmīgi="" izsaukti="" 724="" 530="" varianti.="" kvalitātes="" kontroles="" paraugs="" tika="" veikts,="" lai="" izslēgtu="" personas="" ar="" zemu="" zvanu="" ātrumu="">< 95%),="" gender="" discordance,="" dna="" contamination,="" duplication,="" or="" population="">
MEGA datu kopa
WFSM 1910 nediabēta ESKD gadījumiem, 219 T2D ESKD gadījumiem, 201 kontrolei ar T2D bez nefropātijas un 908 nediabētiskām nefropātijas kontrolēm tika genotipizēti MEGA masīvā (tabula). 2). Šis masīvs tika izstrādāts, lai uzlabotu precīzu kartēšanu un funkcionālo atklāšanu, palielinot variantu pārklājumu vairākās etniskajās grupās. Masīvā ietilpst (1) mugurkaula saturs, kas satur ļoti informatīvus variantus GWAS un eksomu analīzēm senču dažādās populācijās un (2) pielāgots saturs, ko izmanto, lai replicētu vai vispārinātu indeksa GWAS asociācijas, papildinātu GWAS marķēšanas variantus prioritārajos reģionos, uzlabotu eksome saturu prioritārajos reģionos. , precīzi kartējiet GWAS lokusus, identificējiet funkcionālos regulējošos variantus, izpētiet medicīniski svarīgus variantus un identificējiet jaunus variantu lokusus kandidātu ceļos [43]. Genotipēšana tika veikta WFSM. DNS no gadījumiem un kontroles tika vienādi ievietotas 96-iedobju plāksnēs, lai samazinātu artefaktu kļūdas parauga apstrādes laikā. Kopumā 48 paraugi, kas tika sekvencēti Koriela Medicīnas pētījumu institūta 1000 genomu projekta [44] ietvaros, tika iekļauti genotipā, un to atbilstības līmenis bija 98,57 procenti. Genotipa izsaukšana tika veikta, izmantojot Genome Studio (Illumina, CA, ASV). Tika noņemti varianti ar trūkstošu pozīciju, trūkstošu alēli, alēļu neatbilstību, zvanu biežumu < 95="" procenti,="" atkāpšanos="" no="" hwe="" (p="">< 0,0001),="" frekvences="" starpību=""> 0,2, salīdzinot ar 1000 Genome Project 3. fāzes atsauces paneli, un monomorfie varianti. Tika salīdzinātas vairākas zondes kopas, un tika saglabāta tikai tā, kurai bija visaugstākais izsaukuma ātrums. Pakārtotajai kvalitātes kontrolei, imputācijai un analīzēm tika veiksmīgi izsaukti pavisam 1 705 970 varianti. Kvalitātes kontroles paraugs tika veikts, lai izslēgtu personas ar zemu zvanu ātrumu (< 95%),="" gender="" discordance,="" dna="" contamination,="" duplication,="" or="" population="" outliers.="" dna="" swapping="" was="" identified="" and="">
Statistiskā analīze
Atklāšanas posms
Mēs izmantojām daudzpakāpju pētījuma plānu, lai identificētu variantus, kas saistīti ar T2D-ESKD, un to iespējamo lomu visu iemeslu dēļ ESKD. Atklāšanas stadijā tika iekļauti 3432 T2D-ESKD gadījumi un 6977 ne-diabētiskas nefropātijas kontroles no visām trim datu kopām (1. att.). Asociācijas analīze tika veikta katrai datu kopai, izmantojot loģistikas jaukta modeļa metodi, kas ieviesta programmā GMMAT [45] saskaņā ar aditīvu ģenētisko modeli. Šī metode kontrolē populācijas struktūru un noslēpumaino saistību, iekļaujot ģenētisko attiecību matricu (GRM), kas aprēķināta no augstas kvalitātes autosomālu variantu kopas kā nejaušu efektu. Galveno komponentu analīze tika veikta, izmantojot EIGENSOFT [46] katrai genotipēšanas platformai. Kā kovarianti tika izmantots pirmais īpašvektors (PC1) kopā ar vecumu un dzimumu. Metaanalīze tika veikta trijās datu kopās, izmantojot fiksēta efekta apgrieztās dispersijas svēršanas metodi, kas ieviesta METAL [47]. Diskriminācijas analīzei tika atlasītas suģestējošas asociācijas attiecībā uz T2D-ESKD ar P < 1="" ×="" 10-5="" ,="" nelielu="" alēļu="" skaitu="" (mac)=""> 400 un neviendabīgumu I2 <>
Diskriminācijas posms
Lai noteiktu, vai iespējamos ar T2D-ESKD saistītos lokusus atklāšanas stadijā izraisīja asociācijas ar T2D per se, tika veikta metaanalīze, kurā tika apvienoti 2756 AA ar nefropātiju, kam trūkst T2D, un 6977 nediabētiskas nefropātiju kontroles no trim datu kopām (Affy6 .0, Aksioma un MEGA) tika veikta (3. posms, 1. att.). Varianti, kuriem bija nominālā saistība (P < 0.05)="" ar="" t2d,="" tika="" izslēgti,="" lai="" noņemtu="" ar="" t2d="" saistītos="">
Nediabētiskā ESKD paplašināšanas analīze un visu cēloņu ESKD metaanalīze
Ģenētiskie varianti, kas uzrāda suģestējošu saistību ar T2D-ESKD (P < 1 × 10-5), bet nav saistīti ar T2D, tika pārbaudīti ESKD bezdiabētiskā kohortā, ieskaitot 1910 nediabētisku ESKD gadījumus un 908 nediabētisku nefropātijas kontroli no WFSM-MEGA datu kopa saistībā ar nediabētisku etioloģijunieru slimība(4. posms). Varianti, kas uzrāda nominālo saistību (P < 0.05)="" tika="" pārbaudīti="" visu="" cēloņu="" eskd="" metaanalīzē,="" izmantojot="" visus="" t2d-eskd,="" nediabēta="" eskd="" un="" kontroles="" no="" trim="" datu="" kopām="" (="" n="12,319," affy6.0,="" aksioma,="" mega)="" (1.="" att.).="" šajā="" metaanalīzē="" tika="" novērtēts,="" vai="" t2d-eskd="" asociācijas="" veicināja="" visu="" iemeslu="" eskd="" risku.="" mēs="" arī="" meklējām="" mūsu="" populārākos="" ar="" nieru="" slimību="" saistītos="" variantus,="" lai="" noteiktu="" iespējamo="" saistību="" ar="" t2d="" aa="" no="" media="" konsorcija="" (n="15," 043="" gadījumi="" un="" 22="" 318="" kontroles);="" pēc="" vairākām="" salīdzināšanas="" korekcijām="" tika="" noņemti="" snp="" ar="" p=""><0,>
APOL1 riska genotipa nesēju izslēgšana
APOL1 G1 un G2 alēles veicina riskunediabēta nieru slimība[6, 48]. Lai samazinātu T2D-ESKD nepareizu klasifikāciju, tika veikta otrā analīze, izslēdzot APOL1 divu nieru riska variantu nesējus un tos, kuriem trūkst APOL1 genotipu, no T2D ESKD gadījumiem un nediabētiskās nefropātijas kontroles (APOL{12}}negatīvs modelis ). Šī analīze samazināja populācijas neviendabīgumu, neskatoties uz to, ka tika samazināts izlases lielums un mazāka statistiskā jauda. Konkrēti, 308 T2D-ESKD gadījumi un 630 vadīklas no Affy6.0 datu kopām, 323 T2D-ESKD gadījumi un 113 vadīklas no Axiom datu kopas un 33 T2D-ESKD gadījumi un 175 vadīklas no MEGA datu kopas. tika noņemti. Turklāt mēs noņēmām 891 no 1910. gada visu iemeslu ESKD gadījumiem. Šī analīze var atklāt citu nediabētisku ESKD lokusu ietekmi, kas pārsniedz APOL1. Personas tika uzskatītas par APOL1 nieru riska varianta nesējiem, ja tām bija divas G1 alēles (rs60910145 G alēle, rs73885319 G alēle), divas G2 alēles (rs143830837, 6 bāzes pāru dzēšana kadrā) vai bija saliktas heterozigotas (viena G1 un viena G1 alēle). G2 alēle) [6].
Funkcionālais raksturojums
Visā genomā nozīmīgu ar T2D-ESKD saistītu variantu (r2 lielāks vai vienāds ar 0.7 1000 genomu AFR populācijā) aizstājēji no bāzes līnijas un APOL{8}}negatīvajiem modeļiem tika atlasīti, izmantojot LDlink [49]. ]. Pēc tam vadošajiem variantiem un starpniekserveriem tika vaicātas funkcionālās anotācijas no HaploReg [50], kas ietvēra hromatīna stāvokli un proteīnu saistīšanās anotāciju no Roadmap Epigenomics [51] un ENCODE projektiem [52], secību saglabāšanu zīdītājiem, variantu ietekmi uz regulējumu. motīvi un gēnu ekspresija no QTL pētījumiem.
Cistanche deserticola novērš nieru slimību, noklikšķiniet šeit, lai iegūtu paraugu
Atsauces
1. Amerikas Savienoto Valstu nieru datu sistēma. 2016. gada USRDS gada datu ziņojums: Nieru slimību epidemioloģija Amerikas Savienotajās Valstīs. Nacionālie veselības institūti, Nacionālais diabēta un gremošanas un nieru slimību institūts, Bethesda, MD, 2016.
2. de Boer IH, Rue TC, Hall YN u.c. Diabētiskās nieru slimības izplatības laika tendences Amerikas Savienotajās Valstīs. JAMA. 2011;305:2532–9.
3. Spray BJ, Atassi NG, Tuttle AB u.c. Ģimenes risks, vecums sākumā un beigu stadijas nieru slimības cēlonis baltajiem amerikāņiem. J Am Soc Nephrol. 1995;5: 1806–10.
4. Freedman BI, Tuttle AB, Spray BJ. Ģimenes nosliece uz nefropātiju afroamerikāņiem ar insulīnneatkarīgu cukura diabētu. Esmu J Nieres Dis. 1995;25:710–3.
5. Tzur S, Rosset S, Shemer R u.c. Missense mutācijas APOL1. Hum Ženē. 2010; 128:345–50.
6. Genovese G, Friedman DJ, Ross MD u.c. Tripanolītisko ApoL1 variantu asociācija ar nieru slimību afroamerikāņiem. Zinātne. 2010;329:841–5.
7. Kopp JB, Nelson GW, Sampath K u.c. APOL1 ģenētiskie varianti fokālās segmentālās glomerulosklerozes un ar HIV saistītās nefropātijā. JASON. 2011. gads; 22:2129–37.
8. Kottgen A, Pattaro C, Boger CA u.c. Vairāki jauni loki, kas saistīti ar nieru darbību un hronisku nieru slimību: CKDGen konsorcijs. Nats Ženē. 2010; 42:376–84.
9. Pattaro C, Kottgen A, Teumer A u.c. Genoma mēroga asociācija un funkcionālā novērošana atklāj jaunus nieru darbības lokus. PLoS Genet; 8. Epub pirms drukāšanas 2012. gada martā. https://doi.org/10.1371/journal.pgen. 1002584.
10. Pattaro C, Teumer A, Gorski M u.c. Ģenētiskās asociācijas 53 lokos izceļ šūnu tipus un bioloģiskos ceļus, kas attiecas uz nieru darbību. Nat Commun. 2016; 7:10023.
11. Tin A, Colantuoni E, Boerwinkle E u.c. Vairāku pasākumu izmantošana kvantitatīvās īpašību asociācijas analīzēs: pielietojums aprēķinātajam glomerulārās filtrācijas ātrumam (eGFR). J Hum Genet. 2013;58:461–6.
12. Maeda S. Genoma mēroga jutīguma gēna meklēšana pret diabētisko nefropātiju, izmantojot gēnu SNP. Diabetes Res Clin prakse. 2004;66:S45–7.
13. Pezzolesi MG, Poznik GD, Mychaleckyj JC u.c. Genoma mēroga asociācijas skenēšana diabētiskās nefropātijas jutības gēniem 1. tipa diabēta gadījumā. Diabēts. 2009;58:1403–10.
14. McDonough CW, Palmer ND, Hicks PJ u.c. Genoma mēroga asociācijas pētījums par diabētiskās nefropātijas gēniem afroamerikāņiem. Kidney Int. 2011;79:563–72.
15. Sandholm N, Salem RM, McKnight AJ u.c. Jauni jutības loki, kas saistīti ar nieru slimību 1. tipa diabēta gadījumā. PLoS Genet. 8. Epub pirms drukāšanas 2012. gada septembrī. https://doi.org/10.1371/journal.pgen. 1002921.
16. Sandholm N, Zuydam NV, Ahlqvist E u.c. Nieru komplikāciju ģenētiskā ainava 1. tipa diabēta gadījumā. JASN. 2017; 28:557–74.
17. Iyengar SK, Sedor JR, Freedman BI u.c. Genoma mēroga asociācija un transetniskā metaanalīze progresējošai diabētiskai nieru slimībai: nefropātijas un diabēta ģimenes izmeklēšana (FIND). PLoS Genet. 2015;11:e1005352.
18. Mahajan A, Rodan AR, Le TH u.c. Transetniskā smalkā kartēšana izceļ nieru darbības gēnus, kas saistīti ar jutību pret sāli. Am J Hum Genet. 2016;99:636–46.
19. Tayo BO, Kramer H, Salako BL u.c. APOL1 un MYH9 gēnu ģenētiskās variācijas ir saistītas ar hronisku nieru slimību nigēriešu vidū. Int Urol Nephrol. 2013; 45:485–94.
20. Palmer ND, McDonough CW, Hicks PJ u.c. Genoma mēroga asociācija, kas meklē 2. tipa diabēta gēnus afroamerikāņiem. PLoS One. 2012. gads; 7:e29202.
21. Zhang P, Chen Y, Cheng Y u.c. Sārmaina sfingomielināze (NPP7) veicina holesterīna uzsūkšanos, ietekmējot sfingomielīna līmeni zarnās: pētījums ar NPP7 nokautām pelēm. Am J Physiol Gastrointest Liver Physiol. 2014;306:G903–8.
22. Chang YH, Chang DM, Lin KC u.c. Augsta blīvuma lipoproteīnu holesterīns un nefropātijas risks 2. tipa diabēta pacientiem. Nutr Metab Cardiovasc Dis. 2013;23:751–7.
23. Williams AN, Conway BN. Augsta blīvuma lipoproteīnu holesterīna ietekme uz seruma dzelzs un hemoglobīna saistību ar nieru darbību diabēta gadījumā. J Diabetes Complicat Epub pirms drukāšanas 2017. gada 29. martā.
24. Ceriello A, De Cosmo S, Rossi MC u.c. HbA1c, asinsspiediena, lipīdu parametru un seruma urīnskābes mainīgums un hroniskas nieru slimības attīstības risks 2. tipa cukura diabēta gadījumā. Diabetes Obes Metab Epub pirms drukāšanas 2017. gada 21. aprīlī.
25. Schwindinger WF, Betz KS, Giger KE u.c. G proteīna gamma 7 zudums maina uzvedību un samazina striatālā alfa (olf) līmeni un cAMP veidošanos. J Biol Chem. 2003;278:6575–9.
26. Ohta M, Mimori K, Fukuyoshi Y u.c. G proteīna gamma 7 (GNG7) samazinātas ekspresijas klīniskā nozīme barības vada vēža gadījumā. Br J Vēzis. 2008; 98:410–7.
27. Demokan S, Chuang AY, Chang X u.c. Guanīna nukleotīdus saistošā proteīna -7 identificēšana kā epiģenētiski klusināta gēna galvas un kakla vēža gadījumā, izmantojot gēnu ekspresijas profilēšanu. Int J Oncol. 2013; 42:1427–36.
28. Chu AY, Deng X, Fisher VA u.c. Ārpusdzemdes tauku depo daudznacionālā genoma mēroga metaanalīze identificē lokusus, kas saistīti ar adipocītu attīstību un diferenciāciju. Nats Ženē. 2017;49:125–30.
29. Zoppini G, Targher G, Chonchol M u.c. Paredzamā GFR samazināšanās prognozētāji pacientiem ar 2. tipa cukura diabētu un saglabātu nieru darbību. CJASN. 2012;7:401–8.
30. Bowden DW, Colicigno CJ, Langefeld CD u.c. Diabētiskās nefropātijas genoma skenēšana afroamerikāņiem. Kidney Int. 2004;66:1517–26.
31. Freedman BI, Bowden DW, Rich SS u.c. Genoma skenēšana visu cēloņu beigu stadijas nieru slimībai afroamerikāņiem. Nephrol Dial transplantācija. 2005;20:712–8.
32. Hicks PJ, Staten JL, Palmer ND u.c. Efrīna-B2 gēna asociācijas analīze afroamerikāņiem ar beigu stadijas nieru slimību. Esmu J. Nefrols. 2008;28:914–20.
33. Takahashi T, Takahashi K, Gerety S u.c. Īslaicīgi sadalīta efrīna-B2 ekspresija nieru glomerulu attīstības laikā. JASN. 2001. gads; 12:2673–82.
34. Kida Y, Ieronimakis N, Schrimpf C, et al. EphrinB2 reversā signalizācija aizsargā pret kapilāru retināšanu un fibrozi pēc nieru traumas. J Am Soc Nephrol. 2013; 24:559–72.
35. Hashimoto T, Karasawa T, Saito A u.c. Efrīns-B1 lokalizējas glomerulārā podocīta diafragmas spraugā. Kidney Int. 2007;72:954–64.
36. Andress AC, Munarini N, Džonovs V u.c. EphB4 receptoru tirozīna kināzes transgēnām pelēm attīstās glomerulopātijas, kas atgādina glomerulāru asinsvadu šuntus. Mehāniskais izstrādātājs 2003;120:511–6.
37. 1000 genomu projektu konsorcijs. Globāla atsauce uz cilvēka ģenētiskajām variācijām. Daba. 2015;526:68–74.
38. Gurdasani D, Carstensen T, Tekola-Ayele F u.c. Āfrikas genoma variācijas projekts veido medicīnisko ģenētiku Āfrikā. Daba. 2015;517:327–32.
39. Delaneau O, Markīni J, Zagury JF. Lineāras sarežģītības fāzēšanas metode tūkstošiem genomu. Nat metodes. 2011; 9:179–81.
40. Marchini J, Howie B, Myers S u.c. Jauna daudzpunktu metode genoma mēroga asociācijas pētījumiem, imputējot genotipus. Nats Ženē. 2007;39:906–13.
41. Ng MCY, Saxena R, Li J u.c. 2. tipa diabēta lokusu pārnesamība un precīza kartēšana afroamerikāņiem: kandidātu gēnu asociācijas resursu plus pētījums. Diabēts. 2013; 62:965–76.
42. Guan M, Ma J, Keaton JM u.c. Ar nieru struktūru saistītu gēnu variantu asociācija ar 2. tipa cukura diabētu saistītu beigu stadijas nieru slimību afroamerikāņiem. Hum Ženē. 2016; 135:1251–62.
43. Bien SA, Wojcik GL, Zubair N u.c. Stratēģijas variantu pārklājuma bagātināšanai kandidātu slimības lokusos daudzetniskā genotipēšanas masīvā. PLoS One. 2016;11:e0167758.
44. 1000 genomu projektu konsorcijs. Cilvēka genoma variāciju karte no populācijas mēroga sekvencēšanas. Daba. 2010;467:1061–73.
45. Chen H, Wang C, Conomos MP u.c. populācijas struktūras un bināro pazīmju saistības kontrole ģenētiskās asociācijas pētījumos, izmantojot jauktos loģistikas modeļus. Am J Hum Genet. 2016; 98:653–66.
46. Patterson N, Price AL, Reich D. Iedzīvotāju struktūra un eigenanalīze. PLoS Genet. 2006;2:e190.
47. Willer CJ, Li Y, Abecasis GR. METĀLS: ātra un efektīva genoma mēroga asociācijas skenēšanas metaanalīze. Bioinformātika. 2010;26:2190–1.
48. Freedman BI, Langefeld CD, Lu L u.c. MYH9 un APOL1 riska variantu atšķirīgā ietekme uz FRMD3 saistību ar diabēta ESRD afroamerikāņiem. PLoS Genet. 2011;7:e1002150.
49. Machiela MJ, Chanock SJ. LDlink: tīmekļa lietojumprogramma, lai izpētītu populācijai raksturīgo haplotipu struktūru un saistītu iespējamo funkcionālo variantu korelētās alēles. Bioinformātika. 2015;31:3555–7.
50. Ward LD, Kellis M. HaploReg: resurss hromatīna stāvokļu, saglabāšanas un regulējošo motīvu izmaiņu izpētei ģenētiski saistītu variantu komplektos. Nucleic Acids Res. 2012;40:D930–4.
51. Ceļvežu epigenomikas konsorcijs. Kundaje a, Meuleman W, et al. 111 atsauces cilvēka epigenomu integratīva analīze. Daba. 2015;518:317–30.
52. ENCODE projektu konsorcijs. Integrēta DNS elementu enciklopēdija cilvēka genomā. Daba. 2012; 489:57–74.
