Forschungsartikel

Aufnahme von Vitamin B12 und diabetische Nierenerkrankung: Eine querschnittsbezogene Studie basierend auf NHANES mit transkriptomischer Identifizierung von P2RY14

6 Aufrufe

⸱

DOI:

10.3791/73687

⸱

21. Oktober 2026

 ,  ,  , 
1Department of Emergency Medicine, Zibo Central Hospital

In diesem Artikel

Zusammenfassung

Diese Studie untersucht den Zusammenhang zwischen der Aufnahme von Vitamin B12 über die Ernährung und diabetischer Nierenerkrankung anhand von NHANES-Daten und transkriptomischen Analysen. Eine höhere Aufnahme von Vitamin B12 war mit geringeren Chancen für eine diabetische Nierenerkrankung verbunden, und P2RY14 wurde als hypothetisch begründeter Kandidat identifiziert.

Zusammenfassung

Diabetische Nierenerkrankung (DKD) ist eine schwerwiegende Komplikation des Diabetes, und der Zusammenhang zwischen der Aufnahme von Vitamin B12 und DKD ist weiterhin unklar. Diese Querschnittsstudie umfasste 8.218 Teilnehmer der National Health and Nutrition Examination Survey (NHANES) 2011–2018. Multivariable logistische Regression ergab, dass Teilnehmer im höchsten Quartil der Vitamin-B12-Aufnahme niedrigere Chancen (Odds) für eine DKD hatten als jene im niedrigsten Quartil (Odds Ratio (OR): 0,70; 95 % Konfidenzintervall (KI): 0,50–0,97). Die Analyse mit eingeschränkten kubischen Splines zeigte einen signifikanten nichtlinearen Zusammenhang zwischen der Vitamin-B12-Aufnahme und DKD. Die transkriptomische Analyse identifizierte 493 differentiell exprimierte Gene (DEGs), von denen 20 mit Cobalamin-bezogenen Genen überlappten. P2RY14 war bei DKD signifikant hochreguliert und zeigte vorläufige Unterscheidungsfähigkeit in den Datensätzen GSE30528, GSE30529 und GSE142025. Funktionelle Anreicherungsanalysen legten Zusammenhänge zwischen P2RY14 und der Interaktion zwischen extrazellulärer Matrix und Rezeptor, fokaler Adhäsion sowie der Nierenentwicklung nahe. Eine explorative molekulare Docking-Analyse prognostizierte einen möglichen Bindungsmodus zwischen MC-1 und P2RY14 mit einem Vina-Score von −6,0 kcal/mol. Insgesamt stützen diese Ergebnisse einen Zusammenhang zwischen der Aufnahme von Vitamin B12 und DKD und identifizieren P2RY14 als hypothetischen Kandidaten für zukünftige Untersuchungen.

Einleitung

Diabetes mellitus (DM) ist eine Stoffwechselstörung, die durch eine chronische Hyperglykämie gekennzeichnet ist und auf absoluten oder relativen Defiziten der Insulinsekretion und/oder Insulinwirkung beruht. Weltweit sind etwa 537 Millionen Menschen davon betroffen1. In den letzten drei Jahrzehnten hat die globale Prävalenz von DM sich nahezu vervierfacht, wobei etwa jeder elfte Erwachsene diagnostiziert wird, von denen 90 % an einem Typ-2-Diabetes mellitus (T2DM) leiden2. Der T2DM führt häufig zu zahlreichen mikrovaskulären und makrovaskulären Komplikationen, darunter Herz-Kreislauf-Erkrankungen, Schlaganfall, Nephropathie, Neuropathie und Retinopathie3. Diese Komplikationen tragen erheblich zu steigenden Behinderungsraten, verminderten Lebensqualität und verkürzter Lebenserwartung bei4,5. Besonders besorgniserregend ist die diabetische Nierenerkrankung (DKD), eine häufige mikrovaskuläre Komplikation des Diabetes, die sich bei etwa 20 % der Patienten mit DM entwickelt6. Die DKD zeichnet sich durch persistierende Albuminurie und einen progressiven Rückgang der glomerulären Filtrationsrate (GFR) aus. Wenn sie unbehandelt bleibt, kann die DKD letztendlich zur terminalen Niereninsuffizienz (ESKD) führen, bei der die Nierenfunktion stark beeinträchtigt ist und eine Dialyse oder Nierentransplantation zur Überlebenssicherung erforderlich wird7,8. Darüber hinaus weisen Patienten mit DKD bereits in frühen Stadien ein erhöhtes Risiko für Herz-Kreislauf-Erkrankungen auf, und diese Komorbidität ist mit einem erhöhten Sterblichkeitsrisiko verbunden, was eine erhebliche Belastung für das Gesundheitssystem darstellt9,10,11. Daher ist es entscheidend, die Faktoren, die zum Fortschreiten der DKD beitragen, gründlich zu untersuchen. Ein tieferes Verständnis dieser Faktoren ist unerlässlich, um wirksame therapeutische Strategien zu entwickeln, die sowohl das Auftreten als auch das Fortschreiten der DKD in der klinischen Praxis verhindern.

Die Vitamine der B-Gruppe, eine Gruppe wasserlöslicher Vitamine, spielen eine entscheidende Rolle im zellulären Stoffwechsel und in der Homöostase, wodurch sie das physiologische Gleichgewicht, die antioxidative Abwehr und die Synthese roter Blutkörperchen aufrechterhalten12. Die primäre Quelle für Vitamin B ist die Nahrungsaufnahme. Aufgrund ihrer Wasserlöslichkeit lassen sich diese Vitamine im menschlichen Körper normalerweise nur schwer speichern12. Überschüssiges Vitamin B wird rasch über den Urin ausgeschieden; die individuelle Aufnahme, Verwertung und der Stoffwechsel können jedoch erheblich variieren13. Ein Mangel an Vitamin B kann die zelluläre Funktion und das Immunsystem stark beeinträchtigen und zu Entzündungen im Zusammenhang mit Hyperhomocysteinämie führen14. Faktoren wie ein Vitamin-B-Mangel können durch Einfluss auf entzündliche und oxidativen Stress betreffende Prozesse, die mit einer eingeschränkten Nierenfunktion und Nierengewebepathologie assoziiert sind, zur Progression einer chronischen Nierenerkrankung (CKD) beitragen15. Unter den B-Vitaminen ist Vitamin B12, auch bekannt als Cobalamin, ein essentielles, wasserlösliches Vitamin, das eine bedeutende Rolle im Stoffwechsel spielt, insbesondere bei der DNA-Synthese, Methylierung und im mitochondrialen Stoffwechsel15. Bei Patienten mit CKD und Niereninsuffizienz im Endstadium können verschiedene Stoffwechselveränderungen – einschließlich Azidose, systemischer Entzündung und hormoneller Ungleichgewichte – sowie Komorbiditäten und Polypharmazie zu Mangelernährung führen, was anschließend zu einem Vitamin-B12-Mangel resultieren kann16. Zahlreiche Studien haben eine Korrelation zwischen niedrigen serumgebundenen Vitamin-B12-Konzentrationen und Zuständen wie erhöhtem Body-Mass-Index (BMI), Insulinresistenz, T2DM, Dyslipidämie und kardiovaskulären Erkrankungen nachgewiesen17. Umgekehrt könnte eine potenzielle Toxizität im Zusammenhang mit übermäßiger Zufuhr von Vitamin B12 die Erkrankung bei CKD-Patienten verschlimmern18. Darüber hinaus zeigte eine aktuelle Studie, dass höhere Konzentrationen von Vitamin B12 mit einer erhöhten Gesamtmortalität bei Patienten in Hämodialyse assoziiert sind19. Der Zusammenhang zwischen der Zufuhr von Vitamin B12 und dem Auftreten von DKD wurde jedoch bisher nicht umfassend untersucht. Zudem sind die molekularen Merkmale, die biologische Prozesse im Zusammenhang mit Vitamin B12 möglicherweise mit DKD verbinden, bisher unzureichend charakterisiert. Die Integration populationsbasierter epidemiologischer Daten mit transkriptomischen Informationen könnte daher eine ergänzende Strategie darstellen, um relevante molekulare Kandidatenmerkmale für die beobachtete Assoziation zu identifizieren und Ziele für nachfolgende experimentelle Untersuchungen zu priorisieren.

Angesichts des derzeitigen Mangels an Verständnis führten wir eine Querschnittsstudie unter Verwendung von Daten der NHANES-Datenbank durch, um den Zusammenhang zwischen der Aufnahme von Vitamin B12 und diabetischer Nierenerkrankung (DKD) zu untersuchen, wobei eine breite Palette möglicher Störfaktoren berücksichtigt wurde. Parallel dazu wurden transkriptomische Datensätze von DKD analysiert, um differentiell exprimierte Gene zu identifizieren, die anschließend mit vitamin B12-bezogenen Genen geschnitten wurden, um potenziell für DKD relevante Kandidatenmoleküle zu筛选en. Dieser integrierte Ansatz könnte weitere Einblicke in den Zusammenhang zwischen Vitamin B12 und DKD liefern.

Protokoll

Die vorliegende Studie war eine sekundäre Analyse öffentlich zugänglicher und anonymisierter NHANES-Daten und beinhaltete keine neue Rekrutierung von Teilnehmern, keine Interventionen und keine Erhebung personenbezogener Daten. Daher war für die vorliegende Analyse keine zusätzliche informierte Einwilligung erforderlich.

Studienpopulation und Auswahl der Teilnehmer

Die National Health and Nutrition Examination Survey (NHANES) verwendet ein komplexes, mehrstufiges Wahrscheinlichkeitsstichproben-Design, um nationale repräsentative Gesundheits- und Ernährungsdaten aus der US-Bevölkerung zu sammeln.

Daten von 39.156 Teilnehmern aus vier NHANES-Zyklen (2011–2012, 2013–2014, 2015–2016 und 2017–2018) wurden zunächst berücksichtigt. Teilnehmer wurden ausgeschlossen, wenn sie eines der folgenden Kriterien erfüllten: (1) Alter < 18 Jahre; (2) fehlende Angaben zur vitamin-B12-Zufuhr über die Ernährung; (3) unvollständige Informationen für die Beurteilung von Diabetes, einschließlich anamnestisch berichteter Diabetesgeschichte, glykierter Hämoglobin (HbA1c) oder nüchternem Plasma-Glukose (FPG); oder (4) unvollständige Informationen für die Beurteilung einer Nierenerkrankung, einschließlich Verhältnis von Albumin zu Kreatinin im Urin (ACR) oder geschätzte glomeruläre Filtrationsrate (eGFR) (Abbildung 1). Nach diesen Ausschlüssen wurden 8.218 Teilnehmer mit vollständigen Daten, die für die vorliegende Analyse erforderlich waren, eingeschlossen.

Definition von DM, CKD und DKD

Gemäß den Kriterien der American Diabetes Association und früheren Studien wurde DM anhand der folgenden Kriterien diagnostiziert: (1) einer vorherigen medizinischen Diagnose, (2) nüchternen Plasma-Glukosewerten (FPG) von ≥ 7,0 mmol/L, (3) HbA1c-Werten von ≥ 6,5 % oder (4) eigenberichteter Insulin- oder Antidiabetika-Einnahme. CKD wurde20,21 bei Teilnehmenden mit einem ACR ≥ 30 mg/g oder einer eGFR (eGFR = 175 × (Serumkreatinin in mg/dL)-1.154 × (Alter in Jahren)-0.203 × (0,742 bei Frauen) × (1,21 bei Schwarzen)) < 60 mL/min/1,73 m2 festgestellt. DKD wurde definiert als das gleichzeitige Vorliegen von DM und CKD20. Teilnehmende, die sowohl die DM- als auch die CKD-Kriterien erfüllten, wurden der DKD-Gruppe zugeordnet, während jene, die nicht gleichzeitig beide Kriterien erfüllten, der Nicht-DKD-Gruppe zugeordnet wurden. Die Nicht-DKD-Gruppe umfasste somit Teilnehmende mit DM, aber ohne CKD, Teilnehmende mit CKD, aber ohne DM sowie Teilnehmende, die weder DM noch CKD aufwiesen.

Kovariaten

Diese Studie berücksichtigte Kovariaten, die die Assoziation zwischen Vitamin B12 und DKD. Zu den demografischen Variablen gehörten Alter, Geschlecht, Rasse/Ethnizität, Bildungsabschluss, Verhältnis von Armut zu Einkommen (PIR), Familienstand, Alkoholkonsum, Rauchverhalten, BMI, körperliche Aktivität (PA) sowie das Vorliegen von Hypertonie und Hyperlipidämie. In die Analyse eingeschlossen wurden Teilnehmer ab 18 Jahren, die in zwei Altersgruppen unterteilt wurden: Erwachsene im jüngeren bis mittleren Alter (18– < 60 Jahre) und ältere Erwachsene (≥ 60 Jahre). Das Geschlecht wurde als männlich oder weiblich eingeteilt. Zu den ethnischen Klassifizierungen gehörten mexikanisch-amerikanisch, sonstige hispanische Bevölkerung, nicht-hispanische Weiße, nicht-hispanische Schwarze sowie sonstige/mehrheitlich-rassische Gruppen. Der Bildungsabschluss wurde in drei Stufen unterteilt: weniger als Hochschulreife, Hochschulreife oder Abschluss einer weiterführenden Schule sowie Studium oder höherer Abschluss. Das PIR wurde in drei Kategorien eingeteilt: < 1,5, 1,5–3,49 und ≥ 3,521Der Familienstand wurde als verheiratet/lebte mit einem Partner, ledig oder verwitwet/geschieden angegeben. Der Raucherstatus wurde in drei Gruppen eingeteilt: aktuelle Raucher (tägliche und gelegentliche Raucher), ehemalige Raucher (Personen, die geraucht hatten) > 100 Zigaretten in ihrem Leben, aber nicht mehr rauchen) sowie Nichtraucher (Personen, die noch nie geraucht hatten) < 100 Zigaretten im Laufe ihres Lebens). Der Trinkstatus wurde in drei Kategorien eingeteilt: Schwere Alkoholkonsum (Frauen: > 3 Getränke pro Tag; Männer: > 4 Getränke pro Tag), mäßiger Alkoholkonsum (Frauen: 2 Getränke pro Tag; Männer: 3 Getränke pro Tag), leichter Alkoholkonsum (Frauen: < 2 Getränke pro Tag; Männer: < 3 Getränke pro Tag)22. Der BMI wurde wie folgt zugeordnet: < 25 kg/m2, 25–29,9 kg/m2und ≥ 30 kg/m2. PA-Stufen wurden als niedrig kategorisiert (< 600 MET-Minuten/Woche), moderat (600 bis < 3000 MET-Minuten/Woche) und hoch (≥ 3000 MET-Minuten/Woche). Hyperlipidämie wurde anhand der folgenden Kriterien bestätigt (mindestens eines der folgenden Kriterien erfüllt): (1) Gesamtcholesterin (TC) ≥ 200 mg/dL; (2) Gesamttriglyceride (TG) ≥ 150 mg/dL; (3) Männer: HDL-Cholesterin (HDL) ≤ 40 mg/dL; (4) Frauen: HDL-Cholesterin (HDL) ≤ 50 mg/dL; (5) bereits bestehende Diagnose einer Hyperlipidämie oder Einnahme lipid-senkender Medikamente. < 40 mg/dL; Frauen: HDL-Spiegel < 50 mg/dL; (4) LDL-Cholesterin (low density lipoprotein, LDL) ≥ 130 mg/dL; oder (5) Einnahme von Antihyperlipidämika.

Zusätzlich wurden auch biochemische Indikatoren und Ernährungsaufnahmen berücksichtigt, darunter das Albumin-Kreatinin-Verhältnis im Urin (ACR), Harnsäure im Serum (μmol/L), eGFR (mL/min/1.73m2), Kreatinin im Serum (Scr), Blutharnstoffstickstoff (BUN), serumgesamtkohlenstoff (TC), Triglyceride (TG), serumgebundene Alaninaminotransferase (ALT), serumgebundene Aspartataminotransferase (AST) sowie die Aufnahme von Nährstoffen wie Energiezufuhr (kcal), Eiweiß (g), Kohlenhydrate (g), Gesamtfett (g), Natrium (mg), Kalium (mg) usw.

Unabhängige Variable

Die aufgenommene mengen an vitamin B12 über die Ernährung wurden als primäre Expositionvariable verwendet. Die Daten zur Nährstoffaufnahme stammten aus den NHANES-Dateien zur Gesamtnährstoffaufnahme, in denen die tägliche Nährstoffaufnahme aus Lebensmitteln und Getränken zusammengefasst ist. Die Zufuhr von vitamin B12 aus Nahrungsergänzungsmitteln wurde nicht einbezogen. Nur Teilnehmer mit gültigen Daten aus der Ernährungserhebung für beide Tage wurden berücksichtigt, und die mittlere Zufuhr von vitamin B12 über die beiden Erhebungstage wurde berechnet und in μg/Tag angegeben. Die resultierende Aufnahme von vitamin B12 über die Ernährung wurde für die primären multivariablen Analysen in Quartile (Q1–Q4) eingeteilt.

Datenquellen und Gensatz-Sammlung

Die DKD-Expressionsdatensätze GSE30528 und GSE30529 wurden aus der Gene Expression Omnibus (GEO)-Datenbank bezogen. Beide Datensätze wurden auf der GPL571-Plattform generiert. GSE30528 umfasste 9 DKD-Glomerulusproben und 13 normale Kontroll-Glomerulusproben, während GSE30529 10 DKD-tubuläre Proben und 12 normale Kontroll-tubuläre Proben enthielt. Für beide Microarray-Datensätze wurden RMA-normalisierte, log2-transformierte Expressionsdaten direkt aus GEO bezogen. Die Probens IDs wurden gemäß der Annotationsdatei der GPL571-Plattform Gene-Symbolen zugeordnet. Wenn mehrere Proben demselben Gen zugeordnet waren, wurde der mittlere Expressionswert verwendet, um die Genexpressionsebene darzustellen.

Zur Validierung der Kandidatengene wurde zusätzlich der RNA-seq-Datensatz GSE142025 einbezogen. Die TPM-Expressionsdaten wurden aus dem GEO-Datenbank abgerufen und vor der anschließenden Analyse log2-transformiert. Die Genanreicherung erfolgte mithilfe der Referenzgenomannotation hg19. Da jeder Datensatz unabhängig analysiert wurde und Expressionsmatrizen aus verschiedenen Datensätzen nicht direkt kombiniert wurden, erfolgte keine Korrektur für Batch-Effekte über die Datensätze hinweg.

Insgesamt wurden am 13. März 2026 mithilfe des Stichworts „COBALAMIN“ 716 cobalaminbezogene (Vitamin-B12-bezogene) Gene aus der GeneCards-Datenbank abgerufen. Es wurde kein Relevanzschwellenwert oder zusätzliches Filterkriterium angewendet, und alle 716 abgerufenen Gene wurden als Vitamin-B12-bezogene Genmenge beibehalten.

Differenzielle Expressions- und funktionelle Anreicherungsanalyse

Die Analyse der differentiellen Expression zwischen DKD- und Normalproben wurde mit dem R-Paket „limma“ (Version 3.56.2)23 durchgeführt, wobei differentiell exprimierte Gene (DEGs) anhand eines |log2FC| > 1 und einer falschen Entdeckungsrate (FDR) < 0,05 identifiziert wurden. Um Kandidatengene im Zusammenhang mit dem Vitamin-B12-Stoffwechsel zu identifizieren, wurde mit dem R-Paket ggvenn (Version 0.1.19) eine Schnittmengenanalyse zwischen den identifizierten DEGs und dem aus der GeneCards-Datenbank gewonnenen Satz vitamin-B12-bezogener Gene durchgeführt. Die überlappenden Gene wurden mittels eines Venn-Diagramms dargestellt und als Kandidatengene für nachfolgende Analysen beibehalten. Anschließend erfolgte die funktionelle Anreicherungsanalyse der DEGs unter Verwendung des R-Pakets „clusterProfiler“ (Version 4.8.3)24, die Gene Ontology (GO)-Terme (biologischer Prozess, molekulare Funktion und zelluläre Komponente) sowie Kyoto Encyclopedia of Genes and Genomes (KEGG)-Signalwege umfasste. Anreicherungsterme mit einem adjustierten p-Wert < 0,05 wurden als statistisch signifikant betrachtet.

Analysen zur Anreicherung von Genen (GSEA)

Im GSE30528-Datensatz wurden die Proben basierend auf dem medianen P2RY14-Expressionsniveau in P2RY14-hohe und P2RY14-niedrige Gruppen unterteilt. Anschließend wurde eine differentielle Expressionsanalyse zwischen den beiden Gruppen durchgeführt, und alle Gene wurden gemäß den resultierenden logFC-Werten in absteigender Reihenfolge sortiert. Im weiteren Verlauf wurde eine GSEA mithilfe des R-Pakets clusterProfiler (Version 4.8.3)24 durchgeführt. GO- und KEGG-Gen-Sets wurden unter Verwendung des msigdbr-Pakets aus der MSigDB-Datenbank (Version v2025.1.Hs) bezogen. Anreicherungen von Gen-Sets mit einem adjustierten p-Wert < 0,05 wurden als statistisch signifikant betrachtet.

Netzwerke von Protein-Protein-Wechselwirkungen (PPI)

Funktionelle Assoziationen von Proteinen und PPI-Netzwerke wurden mit der STRING-Datenbank (Version 11.0) analysiert (https://string-db.org/)25, wobei Homo sapiens als Organismus ausgewählt wurde und eine minimale Interaktionsvertrauensschwelle von 0,4 festgelegt wurde. Das resultierende PPI-Netzwerk wurde mit Cytoscape visualisiert26Darüber hinaus wurden dieselben 20 überlappenden Kandidatengene der Online-Plattform GeneMANIA übermittelt, um ihre funktionellen Assoziationen weiter zu charakterisieren. GeneMANIA integrierte mehrere Arten von Beweisen, einschließlich Gen-Koexpression, physikalischer Interaktionen, genetischer Interaktionen, gemeinsamer Protein-Domänen und Pfadinformationen, wobei Homo sapiens als Organismus ausgewählt und die übrigen Parameter auf die Standardeinstellungen belassen wurden.

Arzneimittel-Wirkstoff-Screening

Um potenzielle Verbindungen, die mit P2RY14 assoziiert sind, zu identifizieren, wurde die Arzneimittel-Wirkstoff-Information aus der GeneCards-Datenbank abgerufen, wodurch fünf Kandidatenverbindungen ermittelt wurden. Diese Kandidaten wurden anschließend mit der DGIdb-Datenbank abgeglichen. MC-1 (DrugBank ID: DB05315; PubChem CID: 1051) wurde in beiden Datenbanken gefunden und daher für die anschließende explorative molekulare Docking-Analyse ausgewählt.

Molekulare Docking-Analyse

Um den möglichen Bindungsmodus zwischen MC-1 und P2RY14 zu untersuchen, wurde eine molekulare Docking-Analyse mit der Online-Plattform CB-Dock2 durchgeführt, die die Hohlräumeerkennung mit der AutoDock Vina-Docking-Engine kombiniert. Die dreidimensionale Struktur von MC-1 (PubChem CID: 1051) wurde aus PubChem bezogen, und das vorhergesagte dreidimensionale Modell von P2RY14 stammte aus der AlphaFold Protein Structure Database (AF-Q15391-F1-model_v4). Der durchschnittliche pLDDT-Wert des P2RY14-Modells betrug 87,12, während der lokale pLDDT-Wert der vorhergesagten Bindetaschenregion > 90 betrug, was auf ein hohes Maß an Zuverlässigkeit der lokalen Strukturvorhersage hinweist. Es wurde eine hohlräumegeführte Blind-Docking-Strategie angewandt. Mögliche Bindungshohlräume wurden über die gesamte P2RY14-Struktur hinweg gesucht, und die fünf Hohlräume mit den größten vorhergesagten Volumina wurden bewertet. Während der Vorbereitung von Rezeptor und Ligand wurden Wasserstoffatome hinzugefügt, um die Protonierungszustände unter physiologischen Bedingungen (ca. pH 7,4) annähernd abzubilden. Der Rezeptor wurde als starr betrachtet, während der Ligand als flexibel behandelt wurde, wobei drehbare Bindungen zugelassen waren. Es wurden acht unabhängige Docking-Durchläufe durchgeführt. Die Pose mit dem niedrigsten Vina-Score wurde als repräsentativer vorhergesagter Bindungsmodus ausgewählt. Der resultierende Rezeptor–Ligand-Komplex wurde mithilfe von Discovery Studio (Version 4.5) visualisiert und analysiert.

Statistische Analyse

Aufgrund des komplexen, mehrstufigen, geschichteten Wahrscheinlichkeitsstichproben-Designs von NHANES wurden bei allen auf NHANES basierenden Analysen entsprechende Survey-Gewichte, Schichten und primäre Stichprobeneinheiten (PSUs) berücksichtigt. Da die Zufuhr von Vitamin B12 aus zwei Tagen der Ernährungserhebung berechnet wurde, kam das zweitägige Ernährungsstichproben-Gewicht (WTDR2D) zum Einsatz. Für die vier kombinierten NHANES-Zyklen (2011–2018) wurde das 8-Jahres-Ernährungsstichproben-Gewicht als WTDR2D/4 berechnet, wobei SDMVSTRA und SDMVPSU einbezogen wurden, um Schichtung und Clusterung zu berücksichtigen. Stetige Variablen wurden als Mittelwert ± Standardabweichung (SD) angegeben, kategoriale Variablen als absolute Häufigkeiten und Prozentanteile. Gruppenunterschiede wurden mittels gewichteter t-Tests und gewichteter Chi-Quadrat-Tests geprüft. Multivariable logistische Regression wurde verwendet, um den Zusammenhang zwischen Vitamin-B12-Zufuhr und DKD zu bewerten. Modell 1 war unadjustiert; Modell 2 wurde adjustiert um Alter, Geschlecht, Rasse/Ethnizität, Familienstand und Bildungsabschluss; Modell 3 wurde zusätzlich um alle Kovariaten, einschließlich Gesamtenergiezufuhr und weiterer ernährungsbedingter Kovariaten, adjustiert. Alle Regressionsanalysen berücksichtigten WTDR2D/4, SDMVSTRA und SDMVPSU. Quartile der Vitamin-B12-Zufuhr (Q1–Q4) dienten als primäre Exposition, wobei die stetige Vitamin-B12-Zufuhr zusätzlich als ergänzende Exposition analysiert wurde. Subgruppenanalysen wurden nach Alter, Geschlecht, BMI, eGFR, ACR, Hypertonie und Hyperlipidämie durchgeführt. Eine eingeschränkte kubische Spline-Analyse (RCS) wurde unter Verwendung des vollständig adjustierten Modells 3 durchgeführt, um mögliche Nichtlinearitäten zu prüfen. Vier Knoten wurden an den 5., 35., 65. und 95. Perzentilen der Vitamin-B12-Zufuhr platziert, wobei 3,24 μg/Tag als Referenzwert für die grafische Darstellung verwendet wurde. Dieser Referenzwert leitete sich aus der anschließenden explorativen Bruchpunktanalyse ab und wurde nicht als klinisch empfohlene Zufuhrmenge interpretiert. Die RCS-Analysen berücksichtigten ebenfalls WTDR2D/4, SDMVSTRA und SDMVPSU, und die Nichtlinearität wurde mittels eines Wald-Tests geprüft. Bei signifikanter Nichtlinearität wurden mögliche Bruchpunkte mithilfe eines rekursiven Suchverfahrens in Kombination mit dem minimalen Akaike-Informationskriterium (AIC) identifiziert, gefolgt von einer dreiteiligen stückweisen Regressionsanalyse. Sensitivitätsanalysen wurden unter Verwendung alternativer RCS-Spezifikationen mit drei und fünf Knoten27 durchgeführt. Eine ROC-Kurvenanalyse wurde durchgeführt, um die diskriminative Fähigkeit von P2RY14 vorläufig zu bewerten, wobei 95%-Konfidenzintervalle für die AUCs angegeben wurden. Ein p-Wert < 0,05 galt als statistisch signifikant. Alle statistischen Analysen wurden mit der R-Software (Version 4.4.1) durchgeführt.

Ergebnisse

Basischarakteristika

Insgesamt wurden 8.218 Teilnehmer aus NHANES 2011–2018 eingeschlossen, von denen 623 als an DKD erkrankt und 7.595 als Nicht-DKD klassifiziert wurden. Zwischen den Gruppen DKD und Nicht-DKD zeigten sich signifikante Unterschiede hinsichtlich Alter, Geschlecht, Rasse/Ethnizität, Familienstand, Bildungsabschluss, PIR, BMI, Blutdruck, Hypertonie, Alkoholkonsum, Raucherstatus, Vitamin-B12-Aufnahme und Ernährungsaufnahme (alle p < 0,05). Signifikante Unterschiede zeigten sich ebenfalls bei ACR, eGFR, Scr, BUN, TC und TG (Tabelle 1).

Signifikante Unterschiede zwischen den Quartilen der Vitamin-B12-Aufnahme wurden hinsichtlich des Bildungsabschlusses, der Hypertonie, des DKD-Status und der Energiezufuhr beobachtet. Im Gegensatz dazu zeigten sich zwischen den Quartilen keine signifikanten Unterschiede hinsichtlich Alter, Familienstand, BMI, Blutdruck, Alkoholkonsum, eGFR, ACR, serumuremischer Säure, Scr oder TG (Tabelle 2).

Zusammenhang zwischen Vitamin B12 und DKD

Die Zufuhr von Vitamin B12 wurde in Quartile (Q1–Q4) eingeteilt, und die Ergebnisse der multivariablen logistischen Regressionsanalysen sind in Tabelle 3 dargestellt. Im vollständig adjustierten Modell 3 wiesen Teilnehmer im höchsten Quartil der Vitamin-B12-Zufuhr (Q4) signifikant niedrigere Chancen für DKD auf als jene im niedrigsten Quartil (Q1) (OR = 0,70, 95 % KI: 0,50–0,97, p = 0,034), während für Q2 (OR = 1,14, 95 % KI: 0,85–1,53, p = 0,386) oder Q3 (OR = 0,94, 95 % KI: 0,69–1,28, p = 0,684) keine signifikanten Assoziationen beobachtet wurden. Zudem erreichte der lineare Trend im vollständig adjustierten Modell keine statistische Signifikanz (p für Trend = 0,086), obwohl die allgemeine Richtung der Assoziation invers war. Diese Ergebnisse deuten darauf hin, dass eine höhere Zufuhr von Vitamin B12, insbesondere im höchsten Quartil, mit geringeren Chancen für DKD assoziiert ist, die Ergebnisse stützen jedoch keine stabile lineare Dosis-Wirkungs-Beziehung zwischen der Zufuhr von Vitamin B12 und DKD.

Untergruppenanalysen der Assoziation zwischen Vitamin B12 und DKD

Subgruppenanalysen wurden durchgeführt, um zu untersuchen, ob die Assoziation zwischen der Aufnahme von Vitamin B12 und DKD über verschiedene Teilnehmermerkmale hinweg konsistent war. In Modell 1 wiesen Teilnehmer im höchsten Quartil der Vitamin-B12-Aufnahme (Q4) signifikant niedrigere Chancen für DKD auf als jene in Q1, und zwar sowohl in den Untergruppen der Männer als auch der Frauen (p < 0,05; Tabelle 4). Die Assoziationen über die ACR-Subgruppen hinweg waren heterogener. Bei Teilnehmern mit ACR < 30 mg/g wurden signifikante Assoziationen für einige mittlere Quartile der Vitamin-B12-Aufnahme beobachtet, wohingegen der Muster nach der Stratifikation nach höheren ACR-Werten abgeschwächt war. Über die eGFR-Subgruppen hinweg wurden keine signifikanten Assoziationen beobachtet.

Nichtlineare Beziehung zwischen Vitamin B12 und DKD

Die vollständig adjustierte RCS-Analyse zeigte eine signifikante nichtlineare Assoziation zwischen der Zufuhr von Vitamin B12 und DKD (Abbildung 2, p für Nichtlinearität = 0,037). Im RCS-Modell wurden vier Knoten an den 5., 35., 65. und 95. Perzentilen der Verteilung der Vitamin-B12-Zufuhr verwendet, wobei 3,24 μg/Tag als Referenzwert diente. Eine anschließende Bruchpunktanalyse identifizierte zwei datenbasierte Bruchpunkte bei 3,24 μg/Tag (95 % KI: 2,86–3,62) und 8,36 μg/Tag (95 % KI: 7,52–9,20), die die Vitamin-B12-Zufuhr in drei Bereiche unterteilten. Bei einer Vitamin-B12-Zufuhr < 3,24 μg/Tag wurde keine signifikante Assoziation mit DKD beobachtet (OR = 1,07, p = 0,575). Im Bereich von 3,24–8,36 μg/Tag war die Zufuhr von Vitamin B12 umgekehrt mit DKD assoziiert (OR = 0,87, p = 0,025). Bei einer Zufuhr > 8,36 μg/Tag wurde keine signifikante Assoziation festgestellt (OR = 1,00, p = 0,995) (Tabelle 5). Diese Ergebnisse entsprachen einem nichtlinearen Muster, wobei eine signifikante inverse Assoziation nur im mittleren Zufuhrbereich beobachtet wurde. Um die Robustheit dieser Ergebnisse zu überprüfen, wurden Sensitivitätsanalysen mit alternativen RCS-Spezifikationen mit drei und fünf Knoten durchgeführt. Ähnliche allgemeine Assoziationsmuster wurden beobachtet, wobei unter beiden Knotenspezifikationen statistisch signifikante Gesamtassoziationen in den Modellen 1–3 bestanden; die Modelle mit fünf Knoten stützten darüber hinaus einen nichtlinearen Zusammenhang (Ergänzende Abbildung 1).

Identifizierung von potenziellen vitamin B12-bezogenen Genen bei DKD

Im GSE30528-Datensatz identifizierten wir 493 differentiell exprimierte Gene (DEGs) zwischen DKD- und Normalproben, bestehend aus 126 hochregulierten und 367 herunterregulierten Genen (|log₂FC| > 1, FDR < 0,05; Abbildung 3A,B, Zusätzliche Tabelle 1). Die KEGG-Pfadanalyse zeigte eine signifikante Anreicherung dieser DEGs in den Wegen der Wechselwirkung zwischen extrazellulärer Matrix (ECM) und Rezeptor, fokalen Adhäsion, Integrin-Signaltransduktion und Regulation des Aktin-Zytoskeletts (Abbildung 3C, Zusätzliche Tabelle 2). Die GO-Anreicherungsanalyse ergab zudem, dass die DEGs vorwiegend mit der kollagenhaltigen extrazellulären Matrix, der Glomerulusentwicklung, der fokalen Adhäsion und der Nephronentwicklung assoziiert waren (Abbildung 3D, Zusätzliche Tabelle 2).

Die Schnittmengenanalyse der DEGs und des vitamin-B12-bezogenen Gen-Sets ergab 20 überlappende Kandidatengene (Abbildung 3E). Anschließend wurden diese Gene verwendet, um mithilfe der STRING-Datenbank ein PPI-Netzwerk zu erstellen, wobei die Interaktionen auf einen Mindestvertrauenswert von 0,4 gefiltert wurden. Das resultierende Netzwerk bestand aus 11 Knoten und 20 Kanten, die jeweils Proteine und ihre Interaktionen darstellen (Abbildung 3F). Die Beziehungen zwischen den 20 Kandidatengenen wurden anschließend mit GeneMANIA visualisiert (Abbildung 3G).

Explorative Charakterisierung von P2RY14 als einem potenziellen vitamin B12-assoziierten Gen bei DKD

Basierend auf der beobachteten Assoziation zwischen der Zufuhr von Vitamin B12 und dem DKD-Status suchten wir anschließend mithilfe einer transkriptomischen Analyse nach wesentlichen, mit Vitamin B12 assoziierten Genen, die an der DKD-Pathogenese beteiligt sind. Unter den 20 überschneidenden Kandidatengenen verglichen wir ihre Expressionsmuster zusätzlich in verschiedenen DKD-Datensätzen. In den Datensätzen GSE30528 und GSE30529 war die Expression von P2RY14 in DKD-Proben im Vergleich zu normalen Kontrollen signifikant hochreguliert (Abbildung 4A,B). P2RY14 kodiert einen G-Protein-gekoppelten Rezeptor und wurde bereits mit der Chemotaxis von Immunzellen, der Umorganisation des Cytoskeletts, entzündlichen Reaktionen und oxidativem Stress in Verbindung gebracht28,29. Seine Rolle bei DKD wurde jedoch bisher nicht direkt untersucht. Angesichts der konsistenten Hochregulation in unabhängigen DKD-Datensätzen und seiner potenziellen biologischen Relevanz wurde P2RY14 für nachfolgende Validierungs- und Funktionsanalysen priorisiert. Anschließend wurde eine ROC-Kurvenanalyse durchgeführt, um die Differenzierungsfähigkeit von P2RY14 vorläufig einzuschätzen. Im Entdeckungsdatensatz GSE30528 betrug die AUC 0,923 (95 % KI: 0,807–1,000), während sie im vorläufigen externen Validierungsdatensatz GSE30529 bei 0,883 (95 % KI: 0,744–1,000) lag. Im zusätzlichen Validierungsdatensatz GSE142025 betrug die AUC 0,663 (95 % KI: 0,478–0,847), was auf eine begrenzte Differenzierungsfähigkeit hindeutet (Abbildung 4C–E). Insgesamt liefern diese Ergebnisse erste Hinweise auf den potenziellen Differenzierungswert von P2RY14, wobei die diagnostische Leistungsfähigkeit in größeren, unabhängigen Kohorten weiter validiert werden muss.

Um biologische Funktionen und Signalwege zu untersuchen, die mit P2RY14 Expression in DKD, die GSE30528-Proben wurden aufgeteilt in P2RY14-hoch und P2RY14-niedrigen Gruppen entsprechend dem medianen Expressionsniveau von P2RY14. Eine Differenzialexpressionsanalyse wurde zwischen den beiden Gruppen durchgeführt. Anschließend wurden GO- und KEGG-Anreicherungsanalysen durchgeführt, um die biologischen Funktionen und Signalwege zu charakterisieren, die mit der Expression von P2RY14 assoziiert sind. Die GO-Anreicherungsanalyse zeigte, dass P2RY14 war mit kollagenhaltiger ECM, Glomerularentwicklung, struktureller Bestandteile der ECM und Nierenentwicklung assoziiert (Abbildung 4F, Ergänzungstabelle 3). Die KEGG-Analyse deutete darüber hinaus darauf hin P2RY14 in der Interaktion zwischen ECM und Rezeptor, der fokalen Adhäsion sowie den Komplement- und Gerinnungskaskaden (Abbildung 4G, Ergänzungstabelle 3).

Darüber hinaus zeigte die GSEA, dass der NF-κB-Signalweg und der TNF-Signalweg in der P2RY14-hohen Gruppe signifikant angereichert waren, was darauf hindeutet, dass ein hoher P2RY14-Expressionsgrad mit entzündlichen Signalwegen bei DKD assoziiert sein könnte (Abbildung 4H, Ergänzende Tabelle 3).

Exploratives molekulares Docking von MC-1 mit P2RY14

Fünf Kandidatenverbindungen, die mit P2RY14 assoziiert sind, wurden durch eine Screening-Analyse mit GeneCards und DGIdb identifiziert, und MC-1 wurde für eine explorative molekulare Docking-Analyse ausgewählt (Abbildung 5A). Unter Verwendung von MC-1 als Ligand und P2RY14 als Rezeptor prognostizierte die Docking-Analyse eine mögliche Bindungsposition von MC-1 in einer Kandidaten-Pocket von P2RY14 mit einem Vina-Score von −6,0 kcal/mol. Die vorhergesagte Pose beinhaltete Wechselwirkungen mit Tyr-, Lys-, Asn-, Asp- und Glu-Resten sowie die Bildung von sieben Wasserstoffbrückenbindungen (Abbildung 5B–D).

Datennutzungsrichtlinie

Die in dieser Studie verwendeten Daten sind öffentlich zugänglich. NHANES-Daten aus den Erhebungszyklen 2011–2018 sind beim National Center for Health Statistics erhältlich. Transkriptomische Datensätze (GSE30528, GSE142025 und GSE30529) sind öffentlich im Gene Expression Omnibus (GEO)-Datenbank abrufbar. Die in dieser Studie erstellten verarbeiteten Ergebnisse zur differentiellen Expression, funktionellen Anreicherung und GSEA sind in den ergänzenden Dateien enthalten.

figure-results-1
Abbildung 1: Flussdiagramm zur Teilnehmerauswahl für die NHANES-Analyse. Das Flussdiagramm zeigt die schrittweise angewendeten Ausschlusskriterien für Teilnehmer der NHANES-Zyklen 2011–2018 sowie die endgültige Studienpopulation, die in die Analyse eingeschlossen wurde. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

figure-results-2
Abbildung 2: Nichtlinearer Zusammenhang zwischen der Aufnahme von Vitamin B12 und diabetischer Nierenerkrankung (DKD) unter Verwendung eines eingeschränkten kubischen Spline-Modells. Die durchgezogene Linie stellt die geschätzte Odds-Ratio für DKD über verschiedene Werte der Ernährungsaufnahme von Vitamin B12 dar, und der schattierte Bereich zeigt das 95-%-Konfidenzintervall an. Das Modell wurde unter Berücksichtigung der in Modell 3 enthaltenen Kovariaten angepasst. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

figure-results-3
Abbildung 3: Identifizierung von potenziellen vitamin-B12-bezogenen Genen bei diabetischer Nierenerkrankung (DKD). (A,B) Volcano-Plot und Heatmap zur Darstellung der Expressionsprofile differentiell exprimierter Gene (DEGs) zwischen Proben mit diabetischer Nierenerkrankung (DKD) und normalen Proben im GSE30528-Datensatz. (C,D) Die 15 am stärksten angereicherten KEGG-Wege und GO-Terme der DEGs. (E) Kreuzanalyse zwischen DEGs und vitamin-B12-bezogenen Genen. (F) Protein-Protein-Interaktions-(PPI-)Netzwerk. (G) GeneMANIA-Netzwerk der 20 vitamin-B12‑bezogenen Gene. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

figure-results-4
Abbildung 4: Erkundende Charakterisierung von P2RY14 als kandidierendem vitamin B12-assoziierten Gen bei DKD. (A,B) Boxplots, die die Expressionsniveaus der überlappenden Kandidatengene in DKD-Proben und normalen Kontrollen in den Datensätzen GSE30528 und GSE30529 zeigen. (C–E) ROC-Kurvenanalysen (Receiver Operating Characteristic) von P2RY14 in den Datensätzen GSE30528, GSE30529 und GSE142025. (F) Gene Ontology (GO)-Anreicherungsanalyse. (G) Kyoto Encyclopedia of Genes and Genomes (KEGG)-Pfadanreicherungsanalyse. (H) GSEA der P2RY14-hohen und P2RY14-niedrigen Gruppen, die eine Anreicherung der NF-κB- und TNF-Signalwege in GSE30528 zeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

figure-results-5
Abbildung 5: Arzneimittel-Zielmolekül-Screening und explorative molekulare Docking-Analyse von P2RY14. (A) Netzwerk der Wechselwirkungen zwischen Arzneimitteln und Zielmolekülen für P2RY14-assoziierte Arzneimittel. (B–D) Molekulares Docking von MC-1 mit dem P2RY14-Protein. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.

Tabelle 1: Grundlegende Merkmale der Studienpopulation. Demografische, klinische, biochemische und Ernährungsmerkmale der Teilnehmer entsprechend dem DKD-Status werden dargestellt. Stetige und kategoriale Variablen werden mithilfe einer analysegewichteten Umfragezusammenfassung zusammengefasst. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 2: Grundlegende Merkmale der Teilnehmer entsprechend der Quartile der Vitamin-B12-Aufnahme. Demografische, klinische, biochemische und Ernährungsmerkmale der Studienpopulation werden über die Quartile der diätetischen Vitamin-B12-Aufnahme dargestellt. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 3: Zusammenhang zwischen der Aufnahme von Vitamin B12 und dem DKD-Status bei Erwachsenen in den USA. Es werden die Odds-Ratios (ORs) und 95 %-Konfidenzintervalle (CIs) für den Zusammenhang zwischen der Ernährungsaufnahme von Vitamin B12 und dem DKD-Status über schrittweise angepasste logistische Regressionsmodelle dargestellt, wobei das niedrigste Quartil der Vitamin-B12-Aufnahme (Q1) als Referenzgruppe dient. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 4: Zusammenhang zwischen der Aufnahme von Vitamin B12 und dem DKD-Status in Subgruppenanalysen. Dargestellt sind die Odds-Ratios (ORs) und 95 %-Konfidenzintervalle (CIs) für DKD über die Quartile der Vitamin-B12-Aufnahme hinweg, stratifiziert nach Alter, Geschlecht, BMI, eGFR, ACR, Hypertonie und Hyperlipidämie-Subgruppen, und adjustiert für die angegebenen Modelle. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 5: Dreigliedrige stückweise Regressionsanalyse der Assoziation zwischen Vitamin-B12-Zufuhr und DKD. Die Assoziationen zwischen der diätetischen Zufuhr von Vitamin B12 und DKD werden für die drei durch die zwei datenbasierten Bruchpunkte bei 3,24 und 8,36 μg/Tag definierten Zufuhrbereiche dargestellt. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Zusatzabbildung 1: Sensitivitätsanalysen der Assoziation zwischen diätetischem Vitamin B12 Aufnahme und diabetische Nierenerkrankung (DKD) mithilfe von Modellen mit eingeschränkten kubischen Splines (A–C) Modelle mit drei Knoten. (D–F) Modelle mit fünf Knoten. Die durchgezogene Linie stellt die geschätzte OR dar, der schattierte Bereich das 95%-KI und die gestrichelte Linie zeigt OR = 1 an. p Werte für die Gesamtassoziation und Nichtlinearität sind in jedem Diagramm dargestellt.Bitte klicken Sie hier, um diese Datei herunterzuladen.

Zusatz-Tabelle 1: Differenziell exprimierte Gene zwischen diabetischer Nierenerkrankung (DKD) und normalen Proben im GSE30528-Datensatz. Ergebnisse zur differentiellen Expression von Genen mit einem |log₂FC| > 1 und einem FDR < 0,05 werden zusammen mit dem Cobalamin-bezogenen Gen-Satz, der für die Kandidatengensuche verwendet wurde, dargestellt.Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Tabelle 2: Funktionsanreicherungsanalyse der differentiell exprimierten Gene bei DKD. Dargestellt sind die Ergebnisse der Anreicherungsanalyse für die genetische Ontologie (GO) und die Kyoto-Enzyklopädie für Gene und Genome (KEGG) für die in dem Datensatz GSE30528 identifizierten differentiell exprimierten Gene.Bitte klicken Sie hier, um diese Datei herunterzuladen.

Zusatz tabelle 3: Ergebnisse der funktionalen Anreicherung und der Gen-Set-Anreicherungsanalyse in Verbindung mit P2RY14 im Datensatz GSE30528. Dargestellt sind GO-, KEGG- und GSEA-Ergebnisse, die zur Charakterisierung der mit P2RY14 assoziierten biologischen Funktionen und Signalwege verwendet wurden.Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

In dieser repräsentativen Querschnittsanalyse von 8.218 US-amerikanischen Erwachsenen war eine höhere Zufuhr von Vitamin B12 mit geringeren Chancen auf diabetische Nierenerkrankung (DKD) assoziiert, obwohl der Zusammenhang kein einfaches lineares Dosis-Wirkungs-Muster aufwies. Teilnehmer mit höherer Zufuhr von Vitamin B12 wiesen tendenziell einen höheren Bildungsabschluss, eine geringere Prävalenz von Hypertonie und DKD sowie eine höhere Energiezufuhr auf. Diese Unterschiede deuten darauf hin, dass die Zufuhr von Vitamin B12 möglicherweise mit umfassenderen demografischen, gesundheitlichen und ernährungsbedingten Merkmalen einhergeht, die bei der Interpretation des beobachteten Zusammenhangs berücksichtigt werden sollten. Insgesamt stützen unsere Ergebnisse einen Zusammenhang zwischen der Zufuhr von Vitamin B12 und dem Vorliegen einer DKD.

Die quartilsbasierte Analyse zeigte, dass Teilnehmer im Q4 signifikant geringere Chancen auf DKD hatten als jene im Q1, während für Q2 bzw. Q3 keine signifikanten Assoziationen beobachtet wurden. Der lineare Trend über die Quartile war ebenfalls nicht statistisch signifikant (p für Trend = 0,086), was darauf hindeutet, dass die Assoziation möglicherweise keinem einfachen linearen Dosis-Wirkungs-Muster folgt. In Übereinstimmung mit diesem Befund zeigte die RCS-Analyse eine signifikante nichtlineare Assoziation (p für Nichtlinearität = 0,037). Die anschließende Bruchpunktanalyse identifizierte zwei datenbasierte Bruchpunkte bei 3,24 und 8,36 μg/Tag. Eine signifikante inverse Assoziation wurde nur im mittleren Bereich von 3,24–8,36 μg/Tag beobachtet, während unterhalb und oberhalb dieses Bereichs keine signifikanten Assoziationen festgestellt wurden. Wichtig ist, dass diese Bruchpunkte aus dem vorliegenden Datensatz abgeleitet wurden und als explorative statistische Werte betrachtet werden sollten, nicht jedoch als klinisch etablierte Schwellenwerte. Demnach sollte das Intervall von 3,24–8,36 μg/Tag nicht als optimaler oder empfohlener Aufnahmewert interpretiert werden, ohne dass eine externe Validierung erfolgt. Insgesamt unterstützen diese Ergebnisse eine möglicherweise nichtlineare Assoziation zwischen der Aufnahme von Vitamin B12 und DKD, anstelle einer stabilen linearen Dosis-Wirkungs-Beziehung.

Vitamine sind essentielle Mikronährstoffe, die an zahlreichen Stoffwechselprozessen beteiligt sind und mit der kardiometabolischen Gesundheit in Verbindung gebracht wurden30,31. Frühere Studien legen außerdem nahe, dass mehrere Vitamine für Diabetes und seine Komplikationen von Bedeutung sein könnten. Beispielsweise steht der Status von Vitamin B6 in umgekehrtem Zusammenhang mit Diabetes und diabetischen Komplikationen31, während veränderte Vitamin-D-Spiegel bei diabetischer Nierenerkrankung (DKD) und diabetischer Nephropathie berichtet wurden32,33. Diese Befunde unterstreichen die mögliche Bedeutung des Mikronährstoffstatus bei diabetesbedingten metabolischen und renalen Auffälligkeiten und liefern eine Begründung dafür, den Zusammenhang zwischen der Zufuhr von Vitamin B12 und DKD weiter zu untersuchen.

Epidemiologische Studien haben uneinheitliche Ergebnisse hinsichtlich des Zusammenhangs zwischen dem Vitamin-B12-Status oder der Zufuhr und diabetesbezogenen Endpunkten berichtet. Eine aktuelle NHANES-Analyse berichtete über einen positiven Zusammenhang zwischen der Dauer des Diabetes und den Serumspiegeln von Vitamin B1234. Im Gegensatz dazu fand eine in Uganda durchgeführte Studie heraus, dass fortschreitende Nierenerkrankungen bei Patienten mit T2DM mit einer geringeren Zufuhr von Vitamin B12 und höheren Homocysteinkonzentrationen einhergingen35. Wu et al. berichteten zudem, dass eine kombinierte Supplementierung mit Folsäure und Vitamin B12 bei Patienten mit Diabetes und diabetischer Nephropathie die Serumspiegel von Homocystein und Malondialdehyd senkte, die Aktivität von Stickstoffmonoxid und Superoxiddismutase erhöhte und die mikroalbuminurische Ausscheidung im Urin verringerte36. Andere Studien berichteten ebenfalls über eine relativ hohe Prävalenz eines Vitamin-B12-Mangels bei Patienten mit T2DM37,38,39,40,41. In Übereinstimmung mit der Möglichkeit, dass der Vitamin-B12-Status für diabetische Komplikationen von Bedeutung sein könnte, fand unsere Studie, dass eine höhere diätetische Zufuhr von Vitamin B12 mit geringeren Chancen für DKD assoziiert war.

Die beobachtete umgekehrte Assoziation zwischen der Aufnahme von Vitamin B12 und diabetischer Nierenerkrankung (DKD) mag biologisch plausibel sein, angesichts der Rolle von Vitamin B12 im Homocystein-Stoffwechsel, der Regulierung oxidativen Stresses, entzündlichen Reaktionen und des zellulären Energiestoffwechsels42,43. Ein Mangel an Vitamin B12 wurde ebenfalls mit Stoffwechselstörungen in Verbindung gebracht, und ein Ungleichgewicht, das durch eine übermäßige Folsäureaufnahme bei gleichzeitigem Vitamin-B12-Mangel gekennzeichnet ist, könnte eine gestörte Glukosestoffwechsellage und Typ-2-Diabetes (T2DM) begünstigen44,45. Diese Beobachtungen unterstreichen die Bedeutung einer ausreichenden und ausgewogenen Mikronährstoffaufnahme für die Stoffwechselgesundheit. Im Einklang mit diesem Hintergrund fand unsere Studie, dass eine höhere diätetische Aufnahme von Vitamin B12 mit geringeren Chancen (odds) für eine DKD assoziiert war. Weitere Studien sind erforderlich, um die Dosis-Wirkungs-Beziehung zwischen der Aufnahme von Vitamin B12 und der Nierengesundheit bei Personen mit Diabetes zu klären, die in der vorliegenden Studie beobachteten Aufnahmebereiche in unabhängigen Populationen zu validieren und zu bestimmen, ob eine Supplementierung mit Vitamin B12 in dieser Population klinisch relevant ist.

Die transkriptomische Analyse identifizierte P2RY14 zudem als Kandidatengen, das mit DKD assoziiert ist. P2RY14 wies in GSE30528 und GSE30529 relativ hohe AUC-Werte auf, während seine Diskriminierungsfähigkeit in GSE142025 moderater ausfiel. Angesichts der begrenzten Stichprobengrößen sollten diese Ergebnisse als vorläufig betrachtet und in größeren, unabhängigen Kohorten validiert werden. Zusätzlich legten funktionelle Enrichment-Analysen nahe, dass P2RY14 mit der Organisation der extrazellulären Matrix, fokalen Adhäsionen und der Nierenentwicklung assoziiert sein könnte, was weitere Untersuchungen zu seiner möglichen Rolle bei DKD rechtfertigt.

Allgemeiner betrachtet bietet die Integration der populationsbasierten Ernährungsepidemiologie mit transkriptomischer Analyse einen komplementären Rahmen, um Ernährungsexpositionen mit krankheitsbezogenen molekularen Merkmalen zu verknüpfen. Ein solcher Ansatz könnte die Hypothesenbildung in der Ernährungsepidemiologie und der DKD-Forschung erleichtern und dabei helfen, vielversprechende molekulare Zielstrukturen für nachfolgende experimentelle Validierungen zu priorisieren. Allerdings bleiben diese Befunde vorläufig und belegen weder einen klinischen, diagnostischen noch therapeutischen Nutzen.

Eine wesentliche Einschränkung der vorliegenden Studie ist die heterogene Zusammensetzung der Nicht-DKD-Gruppe, die Teilnehmer mit unterschiedlichen DM- und CKD-Status umfasste, anstatt auf Personen mit DM ohne CKD beschränkt zu sein. Verbleibende Unterschiede im Diabetesstatus, in der Nierenfunktion und im allgemeinen Gesundheitszustand könnten daher die beobachteten Assoziationen beeinflusst haben. Zudem erlaubt das Querschnittsdesign keine Rückschlüsse auf zeitliche oder kausale Zusammenhänge. Die epidemiologischen Ergebnisse sollten dementsprechend als Assoziationen auf Populationsebene mit dem DKD-Status interpretiert werden, und zukünftige prospektive Studien, die sich auf Personen mit Diabetes konzentrieren, sind erforderlich. Außerdem wurde die vitamin B12-Zufuhr über die Ernährung anhand von zwei 24-Stunden-Ernährungserhebungen geschätzt, die durch tägliche Ernährungsschwankungen und Erinnerungsfehler beeinträchtigt sein können und daher die langfristige, gewohnheitsmäßige Zufuhr von Vitamin B12 möglicherweise nicht vollständig widerspiegeln. Dies könnte einen gewissen Messfehler bezüglich der Exposition verursacht haben. Mehrere Limitationen der transkriptomischen und molekularen Docking-Analysen sollten ebenfalls anerkannt werden. Die NHANES- und GEO-Daten stammten aus unabhängigen Populationen, und eine direkte Regulation von P2RY14 durch Vitamin B12 wurde nicht experimentell überprüft. Die Überlappung zwischen DKD-assoziierten DEGs und cobalaminbezogenen Genen diente einem explorativen Kandidatenscreening, und eine Anreicherung über dem zufälligen Erwartungswert wurde nicht formal geprüft. Daher sollte P2RY14 als hypothetischer Kandidat betrachtet werden, dessen biologische Relevanz weiterer Validierung bedarf. Zudem basierte die vorhergesagte Interaktion zwischen MC-1 und P2RY14 allein auf molekularem Docking und sollte als explorativ angesehen werden. Zukünftige Studien, die eine Vitamin-B12-Intervention, funktionelle Analysen von P2RY14 sowie direkte Bindungs- oder Rezeptorfunktionsanalysen wie Oberflächenplasmonresonanz oder Mikrothermophorese einbeziehen, sind erforderlich, um diese vorhergesagten Beziehungen weiter zu untersuchen.

Schlussfolgerung

Zusammenfassend unterstützt unsere Studie einen Zusammenhang zwischen der Zufuhr von Vitamin B12 und dem DKD-Status, wobei eine höhere Zufuhr von Vitamin B12 mit geringeren Chancen für DKD sowie einem möglicherweise nichtlinearen Verhältnis assoziiert ist. Die transkriptomische Analyse identifizierte weiterhin P2RY14 als hypothetischen Kandidaten, der mit DKD assoziiert ist, während eine explorative molekulare Docking-Analyse einen möglichen Bindungs modus zwischen P2RY14 und MC-1 vorhersagte. Diese Ergebnisse liefern eine Grundlage für weitere Untersuchungen zum Verhältnis zwischen der Zufuhr von Vitamin B12 und DKD sowie zur potenziellen biologischen Relevanz von P2RY14.

Offenlegungen

Die Autoren erklären, dass keine Interessenkonflikte bestehen.

Beitrag der Autoren:
A.Z. verfasste den Haupttext des Manuskripts. G.Z. und J.D. erstellten die Abbildungen und Tabellen. J.L. überprüfte und bearbeitete das Manuskript. Alle Autoren überprüften das Manuskript.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Affymetrix Human Genome U133A 2.0 ArrayAffymetrix; indiziert durch NCBI GEOhttps://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL571GPL571 (HG-U133A_2)
AlphaFoldGoogle DeepMind / EMBL-EBIhttps://alphafold.ebi.ac.uk//
AutoDockOlson Laboratory, The Scripps Research Institutehttps://autodock.scripps.edu/Version 4.2.6 (AutoDock 4.2.6)
autoRegR-PaketVersion 0.3.3 (autoReg)
CB-dock2/http://183.56.231.194:8001/cb-dock2/index.phpCB-dock2
clusterProfilerBioconductor; Yu et al.Version 4.8.3 (PMID: 22455463)
CytoscapeCytoscape-Konsortiumhttps://cytoscape.org/Version 3.7.2 (PMID: 14597658)
DGldb/https://dgib.org/DGldb
GeneMANIAGeneMANIA-Teamhttp://genemania.org/GeneMANIA
Gene Expression Omnibus (GEO)Nationales Zentrum für Biotechnologieinformation (NCBI), Nationale Bibliothek für Medizin der USAhttps://www.ncbi.nlm.nih.gov/geo/GEO
GSE30528NCBI GEOhttps://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30528Öffentliche GEO-Serie (GSE30528; BioProject PRJNA154757)
GSE30529NCBI GEOhttps://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30529Öffentliche GEO-Serie (GSE30529)
GeneCards – Die menschliche Gen-DatenbankWeizmann-Institut für Wissenschaft / LifeMap Scienceshttps://www.genecards.org/GeneCards
GSEA / MSigDB/https://www.gsea-msigdb.org/gsea/index.jspv2025.1.Hs (GSEA / MSigDB)
Genontologie (GO)Gene Ontology Consortiumhttps://geneontology.org/GO
Kyoto-Enzyklopädie für Gene und Genome (KEGG)Kanehisa Laboratorieshttps://www.kegg.jp/KEGG
limmaBioconductor; Ritchie et al.Version 3.56.2 (PMID: 25605792)
Nationale Gesundheits- und Ernährungsumfrage (NHANES)Nationales Zentrum für Gesundheitsstatistik (NCHS), Zentren für Krankheitskontrolle und -prävention (CDC)http://www.cdc.gov/nchs/nhanes/index.htm2011–2018 (vier Zyklen 2011–2012; 2013–2014; 2015–2016; 2017–2018)
nhanesAR-PaketVersion 1.0 (nhanesA)
pROCR-PaketVersion 1.18.5 (pROC)
PubChemNCBI, U.S. National Library of Medicinehttps://pubchem.ncbi.nlm.nih.gov/PubChem
rmsR-PaketVersion 8.1-0 (rms)
R-SoftwareR Foundation for Statistical Computinghttps://www.r-project.org/Version 4.4.1
segmentedR-PaketVersion 2.1-4 (segmented)
STRINGSTRING-Konsortiumhttps://string-db.org/Version 11.0 (PMID: 30476243)
surveyR-PaketVersion 4.4-8 (survey; svydesign(); svyglm())
tableoneR-Pakettableone; svyCreateTableOne()

Referenzen

  1. Forst T, et al. New strategies to improve clinical outcomes for diabetic kidney disease. BMC Med. 2022;20(1):337.
  2. Zheng Y, Ley SH, Hu FB. Global aetiology and epidemiology of type 2 diabetes mellitus and its complications. Nat Rev Endocrinol. 2018;14(2):88-98.
  3. Zhang Y, Sun X, Icli B, Feinberg MW. Emerging Roles for MicroRNAs in Diabetic Microvascular Disease: Novel Targets for Therapy. Endocr Rev. 2017;38(2):145-68.
  4. Lyssenko V, Vaag A. Genetics of diabetes-associated microvascular complications. Diabetologia. 2023;66(9):1601-13.
  5. Valencia WM, Florez H. How to prevent the microvascular complications of type 2 diabetes beyond glucose control. BMJ. 2017;356:i6505.
  6. Hung PH, Hsu YC, Chen TH, Lin CL. Recent Advances in Diabetic Kidney Diseases: From Kidney Injury to Kidney Fibrosis. Int J Mol Sci. 2021;22(21).
  7. McGrath K, Edi R. Diabetic Kidney Disease: Diagnosis, Treatment, and Prevention. Am Fam Physician. 2019;99(12):751-9.
  8. Lin YC, Chang YH, Yang SY, Wu KD, Chu TS. Update of pathophysiology and management of diabetic kidney disease. J Formos Med Assoc. 2018;117(8):662-75.
  9. Sabanayagam C, et al. Association of Diabetic Retinopathy and Diabetic Kidney Disease With All-Cause and Cardiovascular Mortality in a Multiethnic Asian Population. JAMA Netw Open. 2019;2(3):e191540.
  10. Saran R, et al. US Renal Data System 2018 Annual Data Report: Epidemiology of Kidney Disease in the United States. Am J Kidney Dis. 2019;73(3 Suppl 1):A7-A8.
  11. Miller RG, et al. Contemporary Estimate of Total Mortality and Cardiovascular Disease Risk in Young Adults With Type 1 Diabetes: The Pittsburgh Epidemiology of Diabetes Complications Study. Diabetes Care. 2016;39(12):2296-303.
  12. Lyon P, Strippoli V, Fang B, Cimmino L. B Vitamins and One-Carbon Metabolism: Implications in Human Health and Disease. Nutrients. 2020;12(9).
  13. Chazot C, Steiber AL, Kopple JD. Chapter 26 - Vitamin metabolism and requirements in chronic kidney disease and kidney failure. In: Kopple JD, Massry SG, Kalantar-Zadeh K, Fouque D, editors. Nutritional Management of Renal Disease (Fourth Edition): Academic Press; 2022. p. 413-65.
  14. Shakoor H, et al. Be well: A potential role for vitamin B in COVID-19. Maturitas. 2021;144:108-11.
  15. Green R, et al. Vitamin B(12) deficiency. Nat Rev Dis Primers. 2017;3:17040.
  16. Capelli I, et al. Folic Acid and Vitamin B12 Administration in CKD, Why Not Nutrients. 2019;11(2).
  17. Bamonti-Catena F, et al. Folate measurements in patients on regular hemodialysis treatment. Am J Kidney Dis. 1999;33(3):492-7.
  18. Andres E, Serraj K, Zhu J, Vermorken AJ. The pathophysiology of elevated vitamin B12 in clinical practice. QJM. 2013;106(6):505-15.
  19. Soohoo M, et al. Association of serum vitamin B12 and folate with mortality in incident hemodialysis patients. Nephrol Dial Transplant. 2017;32(6):1024-32.
  20. Zhang H, Liu N, Dang H. Association of the Controlling Nutritional Status (CONUT) score with all-cause and cause-specific mortality in patients with diabetic kidney disease: evidence from the NHANES 2009-2018. BMJ Open. 2024;14(4):e079992.
  21. Rahman HH, Niemann D, Munson-McGee SH. Association of albumin to creatinine ratio with urinary arsenic and metal exposure: evidence from NHANES 2015-2016. Int Urol Nephrol. 2022;54(6):1343-53.
  22. Phillips JA. Dietary Guidelines for Americans, 2020-2025. Workplace Health Saf. 2021;69(8):395.
  23. Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43(7):e47.
  24. Yu G, Wang LG, Han Y, He QY. clusterProfiler: an R package for comparing biological themes among gene clusters. Omics : a journal of integrative biology. 2012;16(5):284-7.
  25. Szklarczyk D, et al. STRING v11: protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets. Nucleic Acids Res. 2019;47(D1):D607-D13.
  26. Shannon P, et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome research. 2003;13(11):2498-504.
  27. Zhao L, et al. Non-linear association between composite dietary antioxidant index and depression. Front Public Health. 2022;10:988727.
  28. da Silva Ebone R, Doleski PH, Jantsch MH, da Silveira RP, Leal DBR. P2Y14 receptor activation and neutrophil signaling: linking inflammation to systemic pathophysiology. Purinergic Signal. 2026;22(1):5.
  29. Lazarowski ER, Harden TK. UDP-Sugars as Extracellular Signaling Molecules: Cellular and Physiologic Consequences of P2Y14 Receptor Activation. Mol Pharmacol. 2015;88(1):151-60.
  30. Survase S, Bajaj I, Singhal R. Biotechnological Production of Vitamins. Food Technology and Biotechnology. 2006;44.
  31. Mascolo E, Verni F. Vitamin B6 and Diabetes: Relationship and Molecular Mechanisms. Int J Mol Sci. 2020;21(10).
  32. Delrue C, Speeckaert R, Delanghe JR, Speeckaert MM. The Role of Vitamin D in Diabetic Nephropathy: A Translational Approach. Int J Mol Sci. 2022;23(2).
  33. Wang H, et al. In vitro and in vivo inhibition of mTOR by 1,25-dihydroxyvitamin D(3) to improve early diabetic nephropathy via the DDIT4/TSC2/mTOR pathway. Endocrine. 2016;54(2):348-59.
  34. Raizada N, Jyotsna VP, Sreenivas V, Tandon N. Serum Vitamin B12 Levels in Type 2 Diabetes Patients on Metformin Compared to those Never on Metformin: A Cross-sectional Study. Indian J Endocrinol Metab. 2017;21(3):424-8.
  35. Kibirige D, Mwebaze R. Vitamin B12 deficiency among patients with diabetes mellitus: is routine screening and supplementation justified J Diabetes Metab Disord. 2013;12(1):17.
  36. Wu HHL, Wang AY. Vitamin B12 and chronic kidney disease. Vitam Horm. 2022;119:325-53.
  37. Kumthekar AA, Gidwani HV, Kumthekar AB. Metformin associated B12 deficiency. J Assoc Physicians India. 2012;60:58-60.
  38. Nervo M, et al. Vitamin B12 in metformin-treated diabetic patients: a cross-sectional study in Brazil. Rev Assoc Med Bras (1992). 2011;57(1):46-9.
  39. Bell DS. Metformin-induced vitamin B12 deficiency presenting as a peripheral neuropathy. South Med J. 2010;103(3):265-7.
  40. Pflipsen MC, et al. The prevalence of vitamin B(12) deficiency in patients with type 2 diabetes: a cross-sectional study. J Am Board Fam Med. 2009;22(5):528-34.
  41. Liu KW, Dai LK, Jean W. Metformin-related vitamin B12 deficiency. Age Ageing. 2006;35(2):200-1.
  42. Halczuk K, Kazmierczak-Baranska J, Karwowski BT, Karmanska A, Cieslak M. Vitamin B12-Multifaceted In Vivo Functions and In Vitro Applications. Nutrients. 2023;15(12).
  43. Mohan A, Kumar R, Kumar V, Yadav M. Homocysteine, Vitamin B12 and Folate Level: Possible Risk Factors in the Progression of Chronic Heart and Kidney Disorders. Curr Cardiol Rev. 2023;19(4):e090223213539.
  44. Krishnaveni GV, Veena SR, Karat SC, Yajnik CS, Fall CH. Association between maternal folate concentrations during pregnancy and insulin resistance in Indian children. Diabetologia. 2014;57(1):110-21.
  45. Yajnik CS, et al. Vitamin B12 and folate concentrations during pregnancy and insulin resistance in the offspring: the Pune Maternal Nutrition Study. Diabetologia. 2008;51(1):29-38.

Nachdrucke und Genehmigungen

Weitere Artikel entdecken

NHANES-Studietranskriptomische AnalyseP2RY14-Expressiondifferenziell exprimierte Genelogistische RegressionInteraktion mit der extrazellulären Matrixfokale Adhäsionmolekulares Docking
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.