Przeprowadzono dwupróbkowe analizy jednowymiarowego MR, aby ocenić wpływ między genetycznie przewidywaną insuliną na czczo a IGF-1 na otyłość dziecięcą i dorosłą. Przeprowadziliśmy analizy na 444 345 osobach europejskich z uczestników UK Biobank, które same zgłosiły względną otyłość dziecięcą [13]. Zweryfikowaliśmy wszelkie ustalenia w mniejszej próbie 39 725 uczestników z obiektywnie zmierzonym wskaźnikiem BMI w dzieciństwie z konsorcjum Early Growth Genetics (EGG) [14]Dodatkowo przetestowaliśmy powiązania z BMI dorosłych, wykorzystując dane od 456 426 osób z Europy z brytyjskiego Biobanku [15].

MR wykorzystuje dane statystyczne podsumowujące GWAS do testowania prawdopodobnego związku przyczynowego między ekspozycją a interesującym wynikiem. Opiera się na trzech kluczowych założeniach: (a) warianty instrumentalne są powiązane z ekspozycją; (b) warianty instrumentalne nie są powiązane z czynnikami zakłócającymi; i (c) warianty instrumentalne wpływają na wynik tylko poprzez interesującą ekspozycję. Wybraliśmy jako warianty instrumentalne te polimorfizmy pojedynczego nukleotydu (SNP), które osiągnęły istotny próg w całym genomie (P< 5,0 × 10⁻⁸) dla stężeń insuliny krążącej na czczo lub IGF-1. We wszystkich analizach warianty wyrównano, aby wyznaczyć allel zwiększający ekspozycję jako allel efektowy. W przypadku wariantów, które nie były obecne w danych wynikowych, wybrano wysoce skorelowany proxy (w zakresie 1 Mb i R²> 0,7; Tabela uzupełniająca 1) przy użyciu panelu sprzężeń-nierównowagi z losowej podpróby osób biorących udział w badaniu UK Biobank, które samookreśliły i potwierdziły genetycznie swoje białe pochodzenie europejskie.

MR zakłada spójną i liniową zależność, ale wyższy poziom biomarkera może wskazywać na zwiększone działanie biomarkera lub zwiększoną oporność biomarkera. Aby odróżnić te kontrastujące efekty, zastosowaliśmy filtrowanie „efektu biologicznego” w naszych modelach MR. Ta metoda polegała na filtrowaniu wariantów genetycznych na podstawie ich indywidualnego wpływu na trzeci fenotyp, który służy jako ustalony wskaźnik działania tego biomarkera.

Zmienne instrumentalne

Insulina na czczo

Narzędzia genetyczne do pomiaru stężenia insuliny na czczo (log_N pmol/l, w modelach dostosowanych do BMI) opierały się na europejskiej metaanalizie GWAS obejmującej około 150 000 osób bez cukrzycy, w której zgłoszono 43 niezależne sygnały [16]Ponieważ wyższe stężenia insuliny zwykle odzwierciedlają większą insulinooporność [17]mogą również odzwierciedlać większe wydzielanie insuliny i jej bioaktywność [18]Dlatego też dokonaliśmy stratyfikacji instrumentów genetycznych insuliny na podstawie ich wpływu na stężenie glukozy na czczo, ponieważ ustaloną rolą insuliny jest obniżanie stężenia glukozy we krwi [16] (Ryc. 1). Dane genetyczne dotyczące stężenia glukozy na czczo (skorygowane o BMI) opierały się na europejskiej metaanalizie GWAS obejmującej 200 621 osób [16].

A Narzędzia genetyczne związane z insuliną na czczo filtrowano według kierunku ich wpływu na stężenie glukozy na czczo. B Instrumenty genetyczne związane z IGF-1 filtrowano według kierunku ich wpływu na wzrost w dzieciństwie. IGF-1 insulinopodobny czynnik wzrostu-1, SNPs, polimorfizmy pojedynczego nukleotydu.

Spośród 43 alleli zwiększających insulinę, 35 było również kierunkowo związanych z wyższym poziomem glukozy na czczo (co wskazuje na insulinooporność), podczas gdy 7 było kierunkowo związanych z niższym poziomem glukozy na czczo (co wskazuje na większą sekrecję insuliny i bioaktywność). Dla pozostałego jednego wariantu związanego z insuliną na czczo nie było dostępnego proxy.

IGF-1

Narzędzia genetyczne do pomiaru stężenia krążącego IGF-1 (nmol/l) oparto na europejskim badaniu GWAS obejmującym 428 525 europejskich uczestników z brytyjskiego biobanku, które rozdzieliliśmy na 828 niezależnych sygnałów [19]Wyższe stężenia IGF-1 zazwyczaj odzwierciedlają wyższe wydzielanie IGF-1 i bioaktywność; mogą jednak również odzwierciedlać oporność na IGF-1 (na przykład z powodu szkodliwych mutacji w genie receptora IGF-1, IGF1R [20]). Dlatego też dokonaliśmy stratyfikacji instrumentów genetycznych IGF-1 według ich wpływu na wzrost w dzieciństwie, ponieważ ustaloną rolą IGF-1 jest zwiększanie wzrostu [11] (Ryc. 1). Dane GWAS dotyczące wzrostu dzieci w wieku 7 lat opierały się na 36 102 dzieciach z norweskiego badania kohortowego matek, ojców i dzieci (MoBa) [21].

Spośród 828 alleli zwiększających poziom IGF-1, 351 było również kierunkowo związanych z wyższym wzrostem w dzieciństwie (co wskazuje na większą sekrecję IGF-1 i bioaktywność), podczas gdy 306 było kierunkowo związanych z niższym wzrostem w dzieciństwie (co wskazuje na oporność na IGF-1). W przypadku pozostałych 171 wariantów powiązanych z IGF-1 nie było odpowiednich pełnomocników (R²> 0,7) dla wzrostu w dzieciństwie w danych MoBa.

Zmienne wynikowe

Względna otyłość dziecięca

Dane GWAS dotyczące względnej otyłości dziecięcej w badaniu UK Biobank zostały zmodelowane jako wynik pierwotny. Oceniono je u 444 345 uczestników z Europy w odpowiedzi na pytanie „Gdy miałeś 10 lat, czy w porównaniu do przeciętnego człowieka opisałbyś siebie jako szczuplejszego, grubszego czy przeciętnego?” (UK Biobank pole 1687). Model GWAS traktował odpowiedzi jako zmienną liniową (cieńsza/średnia/grubsza) [13].

Aby potwierdzić wyniki uzyskane przy użyciu względnej otyłości dziecięcej, wykorzystaliśmy również dane dotyczące zmierzonego BMI w dzieciństwie (w jednostkach standaryzowanych) z dużo mniejszej metaanalizy GWAS. Dane te z konsorcjum EGG opierały się na trans-ancestralnej metaanalizie GWAS BMI u 39 620 dzieci w wieku od 2 do 18 lat [14].

Wskaźnik BMI dla dorosłych

Dane GWAS dotyczące wskaźnika BMI u dorosłych oparto na 456 426 uczestnikach pochodzenia europejskiego z brytyjskiego Biobanku, korzystając z danych z pierwszej wizyty w ośrodku oceny (pola brytyjskiego Biobanku 21001) [15].

Analiza statystyczna

Modele MR

Naszą podstawową analizą był model MR ważony odwrotną wariancją (IVW) z efektem biologicznym i filtrem Steigera. Filtr Steigera redukuje odwrotną przyczynowość poprzez usuwanie instrumentalnych SNP zmiennych, jeśli mają one silniejszy wpływ na wynik niż na ekspozycję (Tabela uzupełniająca 2). Przeprowadziliśmy analizy wrażliwości, które kontrolują plejotropię genetyczną, w tym modele MR-Egger, ważonej mediany (WM) i penalizowanej ważonej mediany (PWM) MR. Dodatkowo użyliśmy przecięcia MR-Egger P < 0,05, I² statystyka, Cochrana Q-pochodny Pwykresy wartości, lejka i dawkowania w celu oceny dowodów na zrównoważoną i niezrównoważoną plejotropię. Gdy punkt przecięcia MR-Eggera jest istotny (P< 0,05), uznaliśmy model IVW za nieważny. Wszystkie analizy przeprowadzono przy użyciu R (wersja 3.5.1) i PWartość < 0,0125 uznano za statystycznie istotną (obliczoną jako 0,05 / (2 ekspozycje * 2 wyniki)).