Variația secvenței ADN în ACVR1C care codifică kinaza 7 a receptorului activinei influențează grăsimea corporală

Abstract

Introducere

Descoperirea variantelor genetice care protejează împotriva bolii poate identifica mecanisme noi ale bolii și ținte terapeutice noi (1). De exemplu, descoperirea variantelor de codificare cu frecvență joasă în PCSK9, ANGPTL3 și APOC3 care scad nivelul lipidelor din sânge și protejează împotriva bolilor coronariene au catalizat dezvoltarea unor noi terapii pentru boala coronariană (2-10). Inhibitorii PCSK9 sunt acum aprobați pentru tratamentul bolii coronariene (4), în timp ce inhibitorii ANGPTL3 (7) și APOC3 (11) sunt în dezvoltare clinică.

Distribuția grăsimilor corporale influențează puternic dezvoltarea diabetului de tip 2 (12-14). Într-un studiu mendelian de randomizare a 296.291 de persoane, am constatat anterior că o predispoziție genetică la creșterea distribuției grăsimii abdominale a fost asociată cu niveluri crescute de trigliceride, tensiune arterială crescută și un risc crescut de boală coronariană, independent de adipozitatea generală (12). Mai mult, o predispoziție genetică la creșterea distribuției grăsimii abdominale a fost puternic asociată cu dezvoltarea diabetului de tip 2. Pentru fiecare creștere genetică 1 SD a raportului talie-șold ajustat pentru IMC (WHRadjBMI) (o măsură a distribuției grăsimii corporale), riscul de diabet de tip 2 a crescut cu 77% (12). Aceste descoperiri au fost reproduse într-un studiu separat de randomizare mendeliană (14).

Aceste rezultate sugerează ipoteza că variantele genetice care influențează distribuția grăsimii corporale pot influența și riscul de diabet de tip 2 (12). Aici, testăm această ipoteză analizând variația genetică la mai mult de 400.000 de indivizi din Marea Britanie pentru a identifica variante genetice noi care scad WHRadjBMI și protejează împotriva diabetului de tip 2. Mai jos, demonstrăm că variantele prezise pentru a duce la pierderea funcției genei ACVR1C, care codifică kinaza 7 asemănătoare receptorului activinei (ALK7), influențează distribuția grăsimii corporale și protejează împotriva diabetului de tip 2.

Proiectare și metode de cercetare

Design de studiu

În analiza descoperirii noastre, am analizat asocierea a 614.042 variante de codificare cu WHRadjBMI la 405.569 de persoane din Marea Britanie Biobank. Variantele de codificare au fost definite ca variante fără sens sau variante prognozate pentru a duce la pierderea funcției proteinei: 1) mutații fără sens care au dus la încetarea timpurie a unei proteine, 2) mutații framehift datorate inserțiilor sau ștergerilor de ADN sau 2) splice- mutații ale site-ului care au ca rezultat o proteină spliced incorectă. Au fost analizate doar variantele imputate cu un scor de calitate (scor de informații)> 0,3. Pragul pentru semnificație a fost definit ca P-8 (semnificație la nivelul genomului), iar analiza a fost efectuată utilizând software-ul PLINK2 (15). Am raportat variante noi ca fiind situate la mai mult de o megabază distanță de loci identificate anterior în Consorțiul de Investigare genetică a trăsăturilor antropometrice (GIANT) (16). Am raportat variante situate în afara locusului MHC separat de cele din locusul MHC, deoarece variantele din locusul MHC etichetează de obicei alelele de risc HLA și sunt astfel asociate cu fenotipurile datorate dezechilibrului de legătură cu alelele HLA (17). Am încercat să reproducem asocierea de noi variante cu WHRadjBMI folosind datele de la GIANT Consortium, când varianta era disponibilă în GIANT Consortium (16).

După identificarea variantelor în ACVR1C ca asociate semnificativ cu WHRadjBMI, a fost efectuată o analiză condițională pentru a identifica variantele suplimentare asociate semnificativ (P-8). În analiza primară a 95.978 de subiecți cu diabet de tip 2 și 646.985 subiecți martori, am avut 80% putere pentru a detecta un raport minim de probabilități (OR) de 1,05 la P −8. Cu o frecvență alelă minoră de 1%, am avut 80% putere pentru a detecta un efect minim de 0,1 SD pentru WHRadjBMI și un OR de 1,10 pentru diabetul de tip 2 la P-8 .

Pentru a estima asocierea generală a variației ACVR1C cu WHRadjBMI, am combinat toate variantele folosind un scor de risc genetic, ponderat de rădăcina pătrată a frecvenței alelelor (estimând un efect mediu ponderat al variantelor ACVR1C asupra WHRadjBMI) (28). Pentru a estima asocierea globală a variației ACVR1C cu diabetul de tip 2, am combinat toate variantele într-un scor de risc genetic, ponderat de asocierea fiecărei variante cu WHRadjBMI (29).

Pentru analiza datelor de secvențiere a exomei, s-a efectuat regresia logistică cu ajustarea pentru sex, cinci componente principale ale ascendenței și o variabilă inactivă pentru fiecare cohortă pentru a estima asocierea variantelor dăunătoare prevăzute cu diabetul de tip 2. Estimările de la MIGen au fost combinate cu estimările din Consorțiul T2D-GENES folosind varianța inversă - meta-analiză cu efecte fixe ponderate.

Pentru studiul de asociere la nivel de fenom, toate cele patru variante ACVR1C au fost reunite într-un scor de risc genetic în Biobank din Marea Britanie, după cum sa descris anterior (25.30). Pentru fiecare persoană din Marea Britanie Biobancă, variantele ACVR1C asociate cu WHRadjBMI mai mic au fost cântărite prin efectul lor asupra WHRadjBMI și însumate. Asocierea acestui scor de risc genetic cu 31 de boli diferite în Marea Britanie Biobank și trei trăsături metabolice a fost testată folosind regresia logistică cu ajustare pentru vârstă, sex, 10 componente principale ale strămoșilor și o variabilă inactivă pentru tipul de matrice utilizat în genotipare. Deși explorator din cauza numărului redus de subiecți de caz pentru anumite boli (de exemplu, 1.707 subiecți de caz pentru cancer de col uterin), am efectuat această analiză pentru a detecta posibile asociații adverse ale ACVR1C cu boli care ar putea permite predicția efectelor adverse ale inhibiției farmacologice a ACVR1C.

Analizele au fost efectuate folosind versiunea R 3.2.3 (Proiect R pentru calculul statistic).

Rezultate

Exome-Wide Association Study of Body Fat Distribution in UK Biobank

Dintre 405.569 de participanți la Marea Britanie Biobank, 54% erau femei, vârsta mediană a fost de 57 de ani, iar raportul mediu talie-șold, măsurat la înscriere, a fost de 0,87 (Tabelul 1). Un SD în raportul talie-șold a corespuns unei modificări absolute de 0,09. Într-o analiză a 614.012 variante de codificare în Marea Britanie Biobank, nu s-au observat dovezi ale inflației genomice (λ 1,08) (Fig. Suplimentară 1).

Caracteristicile de bază ale participanților la Marea Britanie Biobank

Am identificat 16 variante cu frecvență joasă (5%) asociate cu WHRadjBMI (Tabelul suplimentar 3). Am identificat 94 de variante independente în total, inclusiv variante la loci cunoscute (date suplimentare). Din 59 de variante noi de codificare, 34 de variante au fost disponibile în consorțiul GIANT pentru replicare (16). S-a observat o corelație puternică în dimensiunile efectului asocierii variantelor cu WHRadjBMI în UK Biobank și GIANT (R 2 = 0,87). Un total de 24 de variante au fost asociate în mod independent cu WHRadjBMI în GIANT (P 0,05), doar 3 variante au prezentat dovezi de eterogenitate între estimările din Marea Britanie Biobank și GIANT, restul de 7 variante prezentând estimări similare de asociere în Marea Britanie Biobank și GIANT (deși nu atingerea semnificației în GIANT) (Tabelul suplimentar 4).