以全基因组关联分析大数据为基础的孟德尔随机化方法探索出生体重与儿童肥胖的关联

摘要

目的 利用全基因组关联分析(GWAS)大数据,通过孟德尔随机化(MR)方法,探讨出生体重与儿童肥胖之间的关联.方法 本研究采用MR研究方法,以基因工具变量探讨出生体重与儿童肥胖的因果关联.以早期生长遗传学联盟(EGG)公开发表的基因数据为参考依据(数据获取时间为2018年10月20日),借助MR-base平台,筛选出与出生体重关联有统计学意义的SNP作为工具变量(筛选参数为P<5×10-8、连锁不平衡r2<0.1),通过逆方差加权分析法(IVW)、加权中值法和MR-Egger法分别判断出生体重与儿童肥胖(儿童肥胖定义:0～18岁按不同性别年龄别BMI≥P 95)的因果关联.绘制SNP相关的出生体重与儿童肥胖风险的森林图及散点图.结果 共筛选到33个与出生体重相关的SNP.共纳入5530例肥胖儿童和8318名正常儿童.IVW分析:OR=1.79,95％CI:1.29～2.47,P=4.24×10-4;加权中值法:OR=1.30,95％CI:0.81～2.08,P=0.27;MR-Egger法:OR=1.73,95％CI:0.58～5.20,P=0.36.森林图IVW结果显示,儿童肥胖的遗传易感性与出生体重水平有关,rs7964361、rs11765649、rs3780573和rs1351394的分析均表明出生体重与儿童肥胖的关联差异有统计学意义.与出生体重相关的SNP及其儿童肥胖风险的散点图显示,IVW法、MR-Egger法和加权中值法的因果关联估计相近.结论 IVW法分析显示出生体重与儿童肥胖具有较强的相关性,但其他两种统计方法分析均差异无统计学意义,故二者的关联尚待进一步的证据支撑.