使用孟德尔随机化、共定位、基于汇总数据的孟德尔随机化和药物预测探索心力衰竭的靶点

Huiling Zhu; Suxin Luo

doi:10.3791/71544

Method Article

使用孟德尔随机化、共定位、基于汇总数据的孟德尔随机化和药物预测探索心力衰竭的靶点

DOI:

10.3791/71544

⸱

July 10th, 2026

Huiling Zhu¹ , Suxin Luo¹

¹Department of Cardiovascular Medicine, Cardiovascular Research Center, The First Affiliated Hospital of Chongqing Medical University

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究通过基因分析确定了心力衰竭的八个潜在药物靶点，并探索了与这些确定的靶点相关的候选治疗化合物。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

心力衰竭（HF）是一种常见的心血管疾病，在其晚期会显著损害生活质量。尽管有各种现行的治疗策略，但HF的疾病负担仍然很重。因此，迫切需要探索新的治疗靶点。本研究利用孟德尔随机化（MR）评估了可药物基因与HF之间的因果关系。进一步利用共定位分析和基于总结数据的孟德尔随机化（SMR）来验证它们之间的关系。最终，确定了8个HF的潜在治疗靶点，包括4个风险因素（CYP11A1、GALT、KCNH2和METRN）和4个保护因素（APOM、CHD4、IL11RA和LPAR5）。GO富集、KEGG富集和蛋白质-蛋白质相互作用（PPI）网络分析表明，这些基因主要参与代谢调节和心脏电生理过程。此外，通过药物预测和分子对接确定了针对这些靶点的潜在药物，包括米托坦、Adehl、苯并呋喃、1,3-Di-o-tolylguanidine、96-69-5和溴烯醇内酯。此外，PCR结果还表明米托坦可能与CYP11A1和KCNH2相关。基于这些潜在治疗靶点设计的药物可能提供更高的成功率并改善临床结果。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

心力衰竭（HF）是一种常见的心血管综合征，其特征是心室充盈或心肌收缩功能受损，导致心输出量不足以满足代谢需求¹^,²^,³。在临床上，HF表现为肺部和全身充血、组织灌流不足，以及症状如呼吸困难、疲劳和外周水肿¹^,⁴^,⁵。尽管治疗方法有所进步，HF仍是全球发病率和死亡率的主要原因之一，根据全球疾病负担（GBD）研究，影响了超过6400万人⁶^,⁷^,⁸。巨大的疾病负担凸显了迫切需要开发新的治疗策略。

目前，HF的药物和设备干预方法因疗效不佳和不良反应而受到限制，导致再入院率持续高涨和生活质量受损⁹^,¹⁰^,¹¹^,¹²。因此，确定与HF发病机制相关的新分子靶点对于改善临床结果至关重要。将基因组学整合到药物发现中是一种高效的策略，因为经过基因验证的治疗方法在临床试验中表现出更高的成功率¹³^,¹⁴^,¹⁵。此外，这些可行基因编码的蛋白质成为小分子和单克隆抗体的首要治疗靶点¹⁶^,¹⁷。

近期在人类遗传学领域的进展通过对基因组关联研究（GWAS）和表达数量性状位点（eQTL）数据的综合分析，促进了药物靶点的优先排序。门德尔随机化（MR）利用遗传变异作为工具变量来估计因果效应，最大限度地减少了观察性研究中固有的混淆和反向因果关系¹³^,¹⁴。当与定位和基于汇总的MR（SMR）结合时，这种方法能够对可能影响疾病风险的基因进行稳健的优先排序，为目标发现提供了一个基于基因的策略¹⁸^,¹⁹^,²⁰。与传统的关联研究相比，整合MR、SMR和定位克服了混淆和反向因果关系，建立了稳健的因果推断。此外，这一框架通过确保基因表达和心力衰竭风险共享相同的潜在因果变异，从连锁不平衡中过滤出假阳性信号，优化了目标优先排序。值得注意的是，虽然心血管组织表现出高度特异性，但这项研究主要利用大规模血液顺遗传eQTL数据以最大化统计效力。虽然这种方法可能无法完全捕捉HF固有的组织特异性机制，但血液源变异作为可访问的生物标志物，为疾病的系统遗传驱动因素提供了稳健的见解。

在本研究中，利用大规模GWAS和eQTL数据集评估了可药物基因对HF风险的因果效应。通过定位和SMR分析进一步验证了显著关联。为阐明优先靶点的生物学功能，进行了基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析，以及蛋白质-蛋白质相互作用（PPI）网络分析。随后，通过药物预测和分子对接评估了治疗潜力。最后，通过体外实验验证了所选可药物基因和候选药物之间的关联。

总之，本研究为HF新的治疗靶点的发现提供了重要见解。通过采用MR、SMR、定位分析、基因富集分析、PPI网络构建、药物预测、分子对接和体外实验，这些发现可能有助于开发更有效的HF治疗策略。

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究使用的所有数据集均来自先前发表的具有伦理批准的研究。使用的试剂和设备列在材料表中。

1. 研究设计

本研究的工作流程如图1所示。首先，从可药物基因的顺邻eQTL中获取暴露数据。其次，进行MR分析以研究可药物基因与HF之间的因果关系。随后，通过共定位和SMR分析确定HF的候选治疗靶点。然后进行基因富集分析和PPI网络构建。最后，进行药物预测和分子对接以探索药物与基因的亲和性。

2. 数据来源

总共从两个来源识别出6,888个可药物基因。一个数据集包含4,463个基因，来自一个先前发表的综合多个数据源的研究¹⁷。另一个数据集包含5,012个基因，来自药物-基因相互作用数据库（DGIdb）²¹。详细信息可在网站上查看（https://www.dgidb.org/）。合并并去除重复后，保留6,888个唯一的可药物基因用于分析。

顺邻eQTL数据来自eQTLGen联盟（https://eqtlgen.org/cis-eqtls.html），包括31,684个血样的表达谱，涵盖16,987个基因²²。

HF的汇总统计数据来自FinnGen数据库的R12版本²³，包括37,653例病例和462,695例对照。HF的诊断基于国际疾病分类（ICD），包括ICD-10—I11.0, I13.0, I13.2, I50, ICD-9—4029B|428, 和ICD-8—42700|42710|428|7824。所有参与者均为欧洲血统。详细信息可在FinnGen网站和原始文章上查看（https://www.finngen.fi/en/access_results）。

3. 门德尔随机化分析

工具变量（IV）的选择基于三个核心MR假设²⁴。首先，IV与暴露因子直接相关。其次，IV与混杂因子无关。最后，IV仅通过暴露影响结果。考虑到近端eQTL对目标基因的调控更加直接和稳定，MR仅使用基因100 kb区域内的SNP以最大化生物学接近性。SNP选择采用严格标准。所有选择的SNP都位于每个可药物基因的转录起始位点上游100 kb以及转录终止位点下游100 kb内。仅包含具有全基因组显著性（p < 5×10^-8）的SNP²⁵。为了最小化连锁不平衡（LD），使用r²阈值0.001和聚类距离10,000 kb进行LD聚类²⁶。保留F统计量>10的SNP，计算公式为：F = [R²(N-k-1)]/[k(1-R²)]²⁷。SNP信息见补充表1。

主要分析方法是逆方差加权（IVW）和Wald比率。p值<0.05被认为具有统计学意义²⁸^,²⁹。应用假阳性发现率（FDR）来调整p值以最小化假阳性结果³⁰。当只有一个SNP时，使用Wald比率法；否则，使用IVW。分析包括MR-Egger、加权中位数、加权模式和简单模式（当有足够的SNP时）。

采用Cochran的Q检验和MR-Egger截距分析来检验异质性和多效性。Q-p值>0.05表明不存在异质性³¹。MR-Egger截距的p值<0.05表明存在方向性多效性¹⁸。最后，进行留一法测试以检验结果是否可能受到单个SNP的影响。使用R中的TwoSampleMR包（版本0.6.11）进行MR分析（版本4.4.2）。

4. 共定位分析

使用coloc R包（版本6.0.1）进行共定位分析，以确定共享的遗传变异是否影响基因表达和HF风险³²。SNP与某个性状或两个性状相关的先验概率分别设为1 × 10^-4和1 × 10^-5。可以计算五个假设的后验概率：(1) PPH0：SNP与两个性状无关。 (2) PPH1/PPH2：SNP与基因表达或HF相关。 (3) PPH3：SNP与HF和基因表达相关，但由不同SNP驱动。 (4) PPH4：SNP与HF和基因表达相关，且由共同SNP驱动。 PPH4 > 0.8被认为是共定位的证据。

5. SMR分析

使用SMR软件（版本1.3.1）进行SMR分析，以探索基因与HF之间的关系³³。进行依赖工具变量的异质性（HEIDI）测试，以确定观察到的关联是否由于连锁。显著的SMR p值（< 0.05）加上HEIDI p值> 0.05被解释为支持真实因果关系而非连锁情景下的关联证据。

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

孟德尔随机化
在补充表3中展示了评估药物基因表达与心力衰竭之间因果效应的MR结果。以FDR调整后的P值小于0.05为统计学意义。共鉴定出11个与心力衰竭存在显著因果关联的基因（图2）。其中，6个基因与心力衰竭的风险增加相关，包括CDKN1A（P_FDR：0.03，OR：1.293）,CYP11A1（P_FDR：0.034，OR：1.494）,GALT（P_FDR：0.042，OR：1.074）,KCNH2（P_FDR：0.018，OR：1.163）,LST1（P_FDR：0.03，OR：1.112）和METRN（P_FDR：0.018，OR：1.115）。另外5个基因与心力衰竭风险降低相关，包括APOM（P_FDR：0.03，OR：0.773）,CAMK2G（P_FDR：0.018，OR：0.699）,CHD4（P_FDR：0.018，OR：0.811）,IL11RA（P_FDR：0.018，OR：0.947）和LPAR5（P_FDR：0.021，OR：0.915）。

本研究进行了敏感性分析，结果显示未检测到显著的异质性或水平多效性（表1），且MR估计值不受任何单一SNP的影响（补充图1）。

共定位分析
对11个已鉴定基因进行了共定位分析（图3和表2）。9个基因显示了与心力衰竭共享因果变异的强证据，包括APOM（PP.H4：0.923）,CHD4（PP.H4：0.942）,CYP11A1（PP.H4：0.91）,GALT（PP.H4：0.967）,IL11RA（PP.H4：0.967）,KCNH2（PP.H4：0.815）,LPAR5（PP.H4：0.938）,LST1（PP.H4：0.913）和METRN（PP.H4：0.907）。由于PP.H4小于0.8，因此CDKN1A和CAMK2G被排除在进一步分析之外。

SMR分析
为了进一步验证基因-疾病关联，对9个共定位基因进行了SMR分析（表2）。SMR分析表明，8个基因仍与心力衰竭显著相关。其中，4个基因与心力衰竭负相关，包括APOM（P_SMR：0.018，P_HEIDI：0.115，OR：0.838）,CHD4（P_SMR：5.45E-05，P_HEIDI：0.458，OR：0.732）,IL11RA（P_SMR：1.00E-04，P_HEIDI：0.388，OR：0.938）和LPAR5（P_SMR：3.71E-05，P_HEIDI：0.168，OR：0.889）。另外4个基因与心力衰竭正相关，包括CYP11A1（P_SMR：5.68E-04，P_HEIDI：0.056，OR：1.81）,GALT（P_SMR：1.02E-04，P_HEIDI：0.726，OR：1.085）,KCNH2（P_SMR：2.76E-04，P_HEIDI：0.162，OR：1.236）和METRN（P_SMR：1.55E-05，P_HEIDI：0.068，OR：1.103）。尽管LST1（P_SMR：4.61E-05，P_HEIDI：0.025，OR：1.135）显示了与心力衰竭风险增加的关联，但HEIDI检验表明该关联可能是由连锁不平衡引起的。因此，LST1被排除。

富集分析
通过MR、共定位和SMR分析鉴定的8个基因被用于GO富集和KEGG富集分析（图4A—E）。在BP类别中，基因在代谢过程解体（皮质醇代谢过程、半乳糖代谢过程、糖皮质激素生物合成过程和逆胆固醇转运）中富集，在脂蛋白颗粒相关过程（高密度脂蛋白颗粒组装、高密度脂蛋白颗粒重塑和高密度脂蛋白颗粒清除）中富集，以及在心室心肌细胞动作电位期间膜复极化中富集。在CC类别中，基因在脂蛋白颗粒（低密度脂蛋白颗粒、极低密度脂蛋白颗粒、富含甘油三酯的血浆脂蛋白颗粒、高密度脂蛋白颗粒、血浆脂蛋白颗粒和脂蛋白颗粒）和蛋白复合物（NuRD复合物、CHD型复合物和蛋白-脂质复合物）中富集。在MF类别中，基因在电生理过程（涉及心室心肌细胞动作电位复极的电压门控钾通道活性、涉及心肌细胞动作电位复极的电压门控钾通道活性、延迟整流�

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究通过使用MR系统地评估了可药物化基因对HF风险的因果效应，确定了八个潜在的治疗靶点。这些包括四个保护因素（APOM、CHD4、IL11RA和LPAR5）和四个风险因素（CYP11A1、GALT、KCNH2和METRN）。这些关联进一步得到了共定位分析和SMR的支持。通过GO、KEGG富集和PPI网络分析的功能注释表明，这些基因可能主要通过与代谢和电生理相关的通路影响HF。此外，药物预测和分子对接研究突出了这些靶点的转化潜力。

APOM被确定为HF的保护因素。APOM与神经酰胺-1-磷酸（S1P）结合，通过减少TNF-α表达、限制单核细胞-内皮黏附和维持内皮屏障完整性发挥抗炎作用，从而减轻炎症诱导的心肌损伤⁴²^,⁴³^,⁴⁴。此外，APOM支持心肌细胞存活和增殖，同时减少细胞凋亡，从而保护心脏结构和功能。其缺乏与不良心脏预后相关，与这一发现一致⁴²^,⁴⁵。然而，将APOM与HF联系起来的潜在机制需要进一步研究。

CHD4是另一个被确定的保护基因，是核小体重塑和去乙酰化（NuRD）复合物的核心成分，在心脏发育和心肌生长中起着重要作用⁴⁶^,⁴⁷^,⁴⁸。CHD4的丢失导致不适当的肌原纤维蛋白进入心肌细胞的肌节，导致结构和功能异常，包括心腔扩张和心室发育受损。这一结果强调了CHD4在维持正常心脏功能中的关键作用。

研究还显示IL11RA可以降低HF风险。IL11RA是IL-11受体复合物的主要配体结合亚基。虽然IL-11已被证明会驱动心脏纤维化反应，但IL11RA的具体作用仍不明确⁴⁹。这项研究观察到的保护作用表明，IL11RA可能在某些条件下发挥上下文依赖的功能或与其他信号组分相互作用以限制纤维化⁵⁰。这种明显的差异突出了需要进一步的机制研究以阐明IL11RA在HF发病机制中的功能作用。

这项研究表明LPAR5与HF风险降低相关。LPAR5是溶磷脂酸（LPA）的受体。尽管LPA通常被认为是促炎的，并已被证实与心脏不良重塑有关，但个别LPA受体可能具有不同的作用⁵¹^,⁵²。例如，LPA信号通过Gα12/13和Gαq/11通路调节细胞骨架应力纤维的形成，在维持心肌细胞形态、收缩功能和信号传导中发挥重要作用⁵³^,⁵⁴。然而，LPAR5在HF病理生理学中的确切作用仍需进一步研究。

这项研究表明CYP11A1是HF的风险因素。CYP11A1编码类固醇激素生物合成中的限速酶⁵⁵^,⁵⁶。类固醇激素，特别是醛固酮的产生升高，会导致钠潴留和心脏负荷增加，这是HF进展的关键特征⁵⁷^,⁵⁸。此外，CYP11A1在其代谢活动中产生活性氧，可能会加重心肌损伤⁵⁹。在体外观察到CYP11A1和米托坦之间的真实相关性，提供了米托坦可能具有治疗HF的潜在价值的证据。然而，需要进一步的实验来探索米托坦与HF之间的关系。

在这项研究中，GALT可能会增加HF风险。GALT是半乳糖代谢的关键酶，显示与HF风险呈正相关⁶⁰^,⁶¹。GALT表达升高被提议为心脏纤维化和重塑的生物标志物，较高水平与较差的临床结果相关，可能是由于其与促纤维化代谢通路的关联⁶²^,⁶³。这一发现表明，针对GALT可能改善HF预后；然而，这是否通过减轻纤维化来实现需要进一步研究。

这项研究表明KCNH2是HF的风险因素。KCNH2编码电压门控钾通道的一个亚基，参与心脏复极⁶⁴。KCNH2的突变已知会导致心律失常，增加心肌应激和HF风险⁶⁵^,⁶⁶。新兴证据也表明KCNH2可能影响线粒体功能。考虑到线粒体功能障碍在HF发病机制中的确立作用，KCNH2在HF背景下对线粒体功能的潜在影响代表了未来研究的重要方向⁶⁷^,⁶⁸。RT-PCR的结果表明KCNH2与米托坦相关；需要进一步研究来探索米托

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明他们没有任何利益冲突。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

感谢FinnGen研究的参与者和调查员。同时也感谢eQTLGen联盟、DGIdb以及为本次分析提供公开数据的其他研究人员。本研究得到了重庆医科大学第一临床医学院硕士研究创新项目（CYYY-SSCX202516）和心力衰竭标准化诊疗（2025cyjstg006）的支持。

作者贡献
朱慧玲负责概念设计、资金获取、调查、方法论、资源、软件、监督、验证、原始草稿撰写以及稿件的审阅和编辑。罗素欣负责资金获取、方法论、监督以及稿件的审阅和编辑。

Materials

List of materials used in this article
Name	Company	Catalog Number
2× Universal SYBR Green Fast qPCR Mix	Abclonal	RK21203
AC16	HyCyte	TCH-C119
AC16细胞特异性培养基	HyCyte	TCH-G119
cDNA逆转录kit	Abclonal	RK20400
CFX96™实时系统	Bio-Rad Laboratories
米托坦	TargetMol	T1199
棕榈酸	TargetMol	T2908
RNA提取kit	Abclonal	RK30120

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

使用孟德尔随机化、共定位、基于汇总数据的孟德尔随机化和药物预测探索心力衰竭的靶点

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

Reprints and Permissions

Tags

Related Articles