このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

慢性代謝特性が脳卒中に与える因果関係とうつ病の媒介役割の調査:メンデルランダム化からの証拠

47 閲覧数

⸱

DOI：

10.3791/70295

⸱

2026年6月22日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Rehabilitation, Second Affiliated Hospital of Jiaxing University, Second Hospital of Jiaxing, 2Department of Emergency, Second Affiliated Hospital of Jiaxing University, Second Hospital of Jiaxing

* These authors contributed equally

この記事について

サマリー

本プロトコルは、慢性代謝特性が小血管脳卒中に与える因果関係を調査し、メンデルランダム化解析を用いてうつ病の媒介的役割を評価するアプローチを記述しています。

要約

体格指数(BMI)、肥満、2型糖尿病(T2D)などの慢性代謝特性は、脳血管疾患のリスク因子として知られています。うつ病は代謝障害と併存することが多いため、これらの関連を媒介することがあります。遺伝的に予測されたBMI、肥満、T2Dが小血管脳卒中(SVS)および大うつ病性障害(MDD)に与える因果関係を調べるため、2標本メンデルランダム化(MR)解析が実施されました。うつ病とSVSの関係をさらに評価し、2段階のMR媒介解析を用いて、うつ病が慢性代謝特性とSVSリスクの関連を媒介しているかどうかを探りました。BMIが高いこと、肥満率、T2DはSVSのリスク増加と有意に関連していました(BMI: OR = 1.25、 p = 1.27 × 10-3;肥満率:OR = 1.09、 p = 0.032;T2D: OR = 1.17, p = 1.14 × 10-7)。これら3つの特徴はいずれもMDDのリスクを高めました(BMI: OR = 1.20、 p = 3.31 × 10-10;肥満:OR = 1.06、 p = 0.006;T2D: OR = 1.03, p = 0.035)。MDDはSVSのリスクを高めました(OR = 1.11, p = 0.035)。媒介分析では、うつ病はBMI–SVSの関連に部分的な媒介効果を示す可能性があり(間接効果=0.019、 p =0.046)、肥満またはT2Dによる介在は有意でなかった。これらの結果は、代謝障害を持つ個人における併存うつ病への対処が脳血管リスクを低減する重要性を強調しています。

概要

脳卒中は世界的に死亡と障害の主な原因の一つであり、年間推定1,200万人の新規感染者と1億人以上の人々が長期的な影響を抱えて生活しています。世界の高齢化と生活習慣に関連する疾患の増加により、脳卒中の負担はさらに増加し、健康および社会経済的な大きな影響をもたらすと予想されます1,2。高血圧、糖尿病、脂質異常、喫煙、肥満といった確立されたリスク要因に加え、新たな証拠は精神疾患、特に大うつ病性障害(MDD)が脳卒中リスクに寄与する可能性を示唆しています。3,4,5。しかし、代謝疾患、うつ病、脳卒中の複雑な相互作用は依然として十分に理解されていません。

メンデルランダム化(MR)は、遺伝的変異を計測変数(IV)として用いて交絡を減らし、因果関係を逆転させることで、従来の観察研究と比べて因果推論のより堅牢な枠組みを提供します6。残留交絡、測定誤差、逆因果関係の影響を受けやすい観察設計とは異なり、MRは受精時の遺伝的変異のランダム配分を利用して自然実験を近似します。さらに、回帰ベースの媒介モデルなど他の因果推論手法と比較して、MRは特に複雑で相互に関連する形質を調査する際に、未測定の交絡に対してより高い堅牢性を提供します。大規模なゲノムワイド関連研究(GWAS)により、2標本MRを応用し、複雑な形質と疾患の遺伝的関連を調査できるようになりました。これまでのMR研究では、体格指数(BMI)、肥満、2型糖尿病(T2D)などの代謝疾患が脳卒中7,8,9に因果影響があることが示されています。同様に、遺伝的証拠はうつ病と脳卒中の間に双方向の関係があることを支持しています。しかし、うつ病が代謝疾患が脳卒中に与える影響を媒介するかどうかは、体系的に評価されていません。

うつ病の媒介的役割を支持するいくつかの生物学的メカニズムが考えられます。慢性代謝障害は全身性炎症、内皮機能障害、視床下部-下垂体-副腎軸の調節障害を促進し、うつ病への脆弱性を高めることが知られています11。さらに、うつ病は行動リスク要因(例:喫煙、身体活動不足、食事の不調)、自律神経の不均衡、血小板過活動、コルチゾール分泌の増加と関連しており、これらはすべて脳卒中リスクを高める可能性があります12,13。観察研究ではこれらの経路の解析が試みられましたが、交絡、短い追跡観察、測定誤差のため結果は一貫していません。したがって、代謝疾患–うつ–脳卒中経路の因果関係は依然として明確ではありません。MRは因果推論を強化することはできますが、詳細な生物学的メカニズムを完全に解明したり臨床介入に直接的な情報を与えることはできません。その妥当性は水平多面性の欠如などの重要な前提に依存します。

本研究では、2つの仮説を単変量、多変数、2段階の2標本MR解析を用いて調査しました。まず、代謝特性(BMI、肥満、T2D)と小血管脳卒中(SVS)のリスクとの因果関係を調べました。次に、これらの関連におけるうつ病の潜在的な媒介的役割を評価し、媒介される割合を定量化しました。この分析フレームワークは、相関する代謝的および精神的特性間の媒介効果の解消に特に適しており、総効果を直接的・間接的要素に分解しつつ交絡を最小限に抑えます。大規模なGWAS要約統計を活用することで、本研究は代謝障害、うつ病、SVSの相互作用を明らかにするための新たな遺伝的証拠を提供します。これらの発見は脳卒中リスクの生物学的経路を特定し、代謝的健康と精神的健康の両方を対象とした統合的予防戦略の策定に役立つ可能性があります。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

遺伝的に予測される慢性代謝疾患がSVSリスクと因果関係があるかどうか、およびMDDによる媒介の割合を評価するために、単変数、多変数、2段階のMR媒介解析が実施されました。本研究におけるMR解析のフローチャートは 図1に示されています。本研究で使用されたすべてのGWASデータセットの詳細特徴は 補足表1にまとめられています。GWASの要約統計は、公開データベース(IEU OpenGWAS: https://gwas.mrcieu.ac.uk/)から、メンデルランダム化解析ソフトウェアプラットフォーム( Table of Materials参照)を用いて、 extract_instruments() および extract_outcome_data()関数を通じて取得されました。曝露にはBMI15 (ebi-a-GCST90013974)、肥満16 (ieu-a-90)、および2型糖尿病(T2D;ebi-a-GCST006867)が含まれていました。メディエーターは大うつ病(MDD;ieu-a-1188)18で、アウトカムはSVS(ebi-a-GCST006909)でした。すべてのGWASデータセットには、集団層別バイアスを最小限に抑えるため、主にヨーロッパ系の個人が含まれていました。

慢性代謝形質のGWASデータ

慢性代謝疾患は曝露対象として調査され、BMI、肥満、2型糖尿病が含まれます。BMI15 (ebi-a-GCST90013974)および肥満16 (ieu-a-90)のGWAS要約統計は、MRC-IEUおよびGIANTコンソーシアム(ヨーロッパ系、BMIは最大407,609人、肥満は32,858件/65,839対照群)から取得されました。2型糖尿病17 型(ebi-a-GCST006867)はDIAGRAMコンソーシアム(ヨーロッパ系、62,892例/596,424対照群)から得られました。これらのGWASデータセットは公開されており、主にUKバイオバンクやその他の大規模コホートに基づいています。

うつ病に関するGWASデータ

うつ病の結果については、精神医学ゲノミクスコンソーシアム(PGC)(ieu-a-1188)18 の最新のGWAS要約統計が使用され、59,851例とヨーロッパ系の113,154例の対照群が対象となりました。含まれたコホートにおけるMDDの診断は、構造化された臨床面接またはDSM-III/IVまたはICD-9/10診断基準に基づく検証済み自己報告に基づいていました。双極性障害または統合失調症の既往歴がある個人は除外されました。

SVS用のGWASデータ

脳卒中の要約統計はMRC-IEUコンソーシアム(ebi-a-GCST006909)19から取得され、最大5,386件の症例と主にヨーロッパ系の192,662人の対照群が含まれていました。SVSは医師の診断および/または臨床記録に基づいて定義されました。このデータセットは血管リスク因子を調査するMR研究で広く利用されており、公開されています。

統計解析

すべての解析はR(バージョン4.1.2)でメンデルランダム化解析ソフトウェアプラットフォーム(材料表参照)を用いて実施されました。2標本MRは単一塩基多型(SNP)を計器変数(IV)として用いて実施され、関連性(曝露関連)、独立性(交絡因子と関連なし)、除外制限(曝露を通じてのみ結果に影響を与える)を満たさなければなりません20,21,22。SNPはゲノム全体有意性(p < 5 × 10-5)、連鎖不平衡剪定(r2 < 0.001 10,000 kBウィンドウ内)、およびF統計量>弱い機器バイアスを避けるためのF統計量20,22を基に選定されました。LD凝集は1000ゲノムプロジェクト23の欧州リファレンスパネルを用いて実施されました。回文および曖昧なSNPは、データ抽出および調和の両手順で除外されました。extract_outcome_data()関数によるアウトカムデータ抽出時には、回文SNPは標準抽出関数で最初に保持され、可能な限りアレル頻度情報を用いて鎖のアラインメントを推定しました。あらかじめ定められた閾値(例:MAF < 0.3)未満のマイナーアレル頻度のSNPは、鎖の向きを確実に推定できるため保持されましたが、中間的なアレル頻度を持つSNPは曖昧とみなされました。harmonise_data()関数による調和段階では、特に中間的な対立遺伝子周波数を持つ回文SNPを除外し、曝露、媒介、アウトカムデータセット間で効果対立遺伝子の一貫したアラインメントを確保しました。SNP調和はharmonise_data()関数を通じて行われ、データセット間で効果対立遺伝子の整合性を行った。この過程で、対立遺伝子鎖は整合性を保ち、対立遺伝子や鎖の曖昧さを持つSNPは除外されました。フィルタリング後、BMIで約600–800個、肥満で70〜90個、T2Dで326個のSNPが下流解析のために保持されました(表1および表2参照)。

一変数MRでは、主に逆分散加重法(IVW)が用いられ、水平多面性20がないと仮定してSNP特異的比率の推定値を逆分散重み付けで因果効果を推定します。多面性は mr_pleiotropy()関数を用いたMR-Egger切片検定を用いて評価され、 P < 0.05は水平多面力の可能性を示しました。異質性は、 mr_heterogeneity()関数を通じて実装されたコクランのQ検定を用いて評価されました。異質性(P < 0.05)が検出された場合、ランダム効果IVWモデルが適用されました。それ以外の場合は、固定効果のIVWモデルが用いられました。多変量MR解析では、SNPを曝露および媒介物質に組み合わせて使用しました。効果対立遺伝子は曝露、媒介物質、アウトカムデータセットで harmonise_data()関数 を用いて調和し、多変数IVW解析を主要手法として実施しました。

複数比較を考慮するため、ベンジャミニ–ホッホバーグ法を用いて、Rのp.adjust()関数を用いた偽発見率(FDR)補正を主要なメンデルランダム化解析に適用しました。具体的には、一次因果検査の総数を調整し、代謝形質がSVSに与える影響(n=3)、うつ病に対する代謝形質(n=3)、うつ病がSVSに与える影響(n=1)を含め、合計7回の検査が行われました。調整済みP値(FDR q値)を算出し、名目P値とFDR補正値の両方を考慮して統計的有意性を解釈しました。FDR補正後も有意な結果は堅牢とみなされ、名目上の有意性のみの結果は慎重に解釈されました。

調停分析

メディエーション解析には、慢性代謝特性がうつ病を通じてSVSに及ぼす間接的影響を推定するために、2段階のMRフレームワークを適用しました。この枠組みは、GWASの総括統計を用いて2回連続的なMR解析を行うことで実装されました。この枠組みにおいて、Eは曝露(BMI、肥満、またはT2D)、Mは媒介者(うつ病)、Yは結果(SVS)を表します。まず、慢性代謝特性(BMI、肥満、T2D)がメディエーター(β(Efigure-protocol-1M))に与える因果影響を推定しました。次に、メディエーターが転帰(β(Mfigure-protocol-2Y))に与える因果効果を評価しました。間接効果(媒介効果)は、以下の2つの推定値を掛け合わせて計算されました。

figure-protocol-3

媒介される割合は間接効果を総効果で割って導かれました

(比率が媒介される= figure-protocol-4)。

間接効果の標準誤差(SE)はデルタ法を用いて推定され、2つの効果推定値が独立性を仮定して算出されました。

SE間接 = figure-protocol-5

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

慢性代謝特性がSVSに与える因果関係

単変数MR解析では、遺伝的に予測されたBMIの上昇、肥満、T2DはいずれもSVSのリスク増加と正の関連を示しました。感度解析では関連性が一貫しており、MR-Eggerインターセプトテストから顕著な水平多面性の証拠は認められなかった。遺伝的に予測されるBMIが高いことはSVSリスクの増加と有意に関連しており、25.0%高いオッズが示されました(OR = 1.250、95% CI: 1.091–1.431、p = 1.27 × 10-3)。同様に、遺伝的に予測された肥満はSVSリスクと正の相関を示しました。具体的には、肥満に対する遺伝的リスクがSDに増加するごとにSVSの発生確率が9.2%増加しました(OR = 1.092、95%信頼区間:1.007–1.184、p = 3.23 × 10-2)。T2Dについては、遺伝的に予測されるT2DへのリスクがSVSと強く関連して...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本MR研究では、主要な慢性代謝特性(BMI、肥満、T2D)、うつ病、SVSとの因果関係を体系的に調査しました。この研究は三つの重要な発見を強調しています。まず、遺伝的に予測されたBMI、肥満、T2DはSVSのリスク増加と因果関係がありました。第二に、これらの代謝特性はうつ病のリスク増加とも関連しており、うつ病自体はSVSと因果関係を示しました。第三に、媒介解析により、うつ病が代謝特性のSVSへの影響を部分的に媒介しており、介媒の割合は曝露によって異なることが示唆されました。これらの発見の妥当性は、いくつかの重要な方法論的ステップに依存します。特に、強力かつ独立した遺伝的手法の選択、水平多数力の厳密な制御、そして位置、メディエーター、アウトカムのデータセットを正確に調和させることは、MR解析における信頼できる因果推論を確保するために不可欠です。これらの条件を満たさないと、偏った推定や因果関係の誤った解釈につながる可能性があります。

本研究結果は、代謝調節障害と脳卒中との強い関連を報告した従来の観察研究と一致

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者たちは競合する利害関係がないと宣言しています。

謝辞

この研究は嘉興省の科学技術プログラム(2023AD11020, 2023AD11019, 2022AY30029, 2023AD31033)および浙江省医療衛生科学技術プログラム(2024KY1689)の支援を受けました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
Rソフトウェア（バージョン4.1.2）The R Foundationhttps://www.r-project.org/統計計算環境
TwoSampleMRパッケージ（バージョン0.6.22）IEU OpenGWAShttps://mrcieu.github.io/TwoSampleMR/index.htmlメンデル型無作為化分析ソフトウェアプラットフォーム

参考文献

  1. GBD 2021 Stroke Risk Factor Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2021: A systematic analysis for the global burden of disease study 2021. Lancet Neurol. 23 (10), 973-1003 (2024).
  2. Wang, C. H., Xin, Z. K. Causal association between 25-hydroxyvitamin d status and cataract development: A two-sample mendelian randomization study. World J Clin Cases. 12 (16), 2789-2795 (2024).
  3. Cai, H., et al. Major depression and small vessel stroke: A mendelian randomization analysis. J Neurol. 266 (11), 2859-2866 (2019).
  4. Harshfield, E. L., et al. Association between depressive symptoms and incident cardiovascular diseases. JAMA. 324 (23), 2396-2405 (2020).
  5. Penninx, B. W., Milaneschi, Y., Lamers, F., Vogelzangs, N. Understanding the somatic consequences of depression: Biological mechanisms and the role of depression symptom profile. BMC Med. 11, 129(2013).
  6. Davey Smith, G., Hemani, G. Mendelian randomization: Genetic anchors for causal inference in epidemiological studies. Hum Mol Genet. 23 (R1), R89-R98 (2014).
  7. Georgakis, M. K., et al. Diabetes mellitus, glycemic traits, and cerebrovascular disease: A mendelian randomization study. Neurology. 96 (13), e1732-e1742 (2021).
  8. Larsson, S. C., Bäck, M., Rees, J. M. B., Mason, A. M., Burgess, S. Body mass index and body composition in relation to 14 cardiovascular conditions in uk biobank: A mendelian randomization study. Eur Heart J. 41 (2), 221-226 (2020).
  9. Marini, S., et al. Mendelian randomization study of obesity and cerebrovascular disease. Ann Neurol. 87 (4), 516-524 (2020).
  10. Li, G. H., et al. Evaluation of bi-directional causal association between depression and cardiovascular diseases: A mendelian randomization study. Psychol Med. 52 (9), 1765-1776 (2022).
  11. Calagua-Bedoya, E. A., Rajasekaran, V., De Witte, L., Perez-Rodriguez, M. M. The role of inflammation in depression and beyond: A primer for clinicians. Curr Psychiatry Rep. 26 (10), 514-529 (2024).
  12. Hare, D. L., Toukhsati, S. R., Johansson, P., Jaarsma, T. Depression and cardiovascular disease: A clinical review. Eur Heart J. 35 (21), 1365-1372 (2014).
  13. Krittanawong, C., et al. Association of depression and cardiovascular disease. Am J Med. 136 (9), 881-895 (2023).
  14. Osborne, M. T., et al. Disentangling the links between psychosocial stress and cardiovascular disease. Circ Cardiovasc Imaging. 13 (8), e010931(2020).
  15. Mbatchou, J., et al. Computationally efficient whole-genome regression for quantitative and binary traits. Nat Genet. 53 (7), 1097-1103 (2021).
  16. Berndt, S. I., et al. Genome-wide meta-analysis identifies 11 new loci for anthropometric traits and provides insights into genetic architecture. Nat Genet. 45 (5), 501-512 (2013).
  17. Xue, A., et al. Genome-wide association analyses identify 143 risk variants and putative regulatory mechanisms for type 2 diabetes. Nat Commun. 9 (1), 2941(2018).
  18. Wray, N. R., et al. Genome-wide association analyses identify 44 risk variants and refine the genetic architecture of major depression. Nat Genet. 50 (5), 668-681 (2018).
  19. Malik, R., et al. Multiancestry genome-wide association study of 520,000 subjects identifies 32 loci associated with stroke and stroke subtypes. Nat Genet. 50 (4), 524-537 (2018).
  20. Burgess, S., Butterworth, A., Thompson, S. G. Mendelian randomization analysis with multiple genetic variants using summarized data. Genet Epidemiol. 37 (7), 658-665 (2013).
  21. Lawlor, D. A., Harbord, R. M., Sterne, J. A., Timpson, N., Davey Smith, G. Mendelian randomization: Using genes as instruments for making causal inferences in epidemiology. Stat Med. 27 (8), 1133-1163 (2008).
  22. Pierce, B. L., Ahsan, H., Vanderweele, T. J. Power and instrument strength requirements for mendelian randomization studies using multiple genetic variants. Int J Epidemiol. 40 (3), 740-752 (2011).
  23. Auton, A., et al. A global reference for human genetic variation. Nature. 526 (7571), 68-74 (2015).
  24. Bradley, S. A., et al. Role of diabetes in stroke: Recent advances in pathophysiology and clinical management. Diabetes Metab Res Rev. 38 (2), e3495(2022).
  25. Lau, L. H., Lew, J., Borschmann, K., Thijs, V., Ekinci, E. I. Prevalence of diabetes and its effects on stroke outcomes: A meta-analysis and literature review. J Diabetes Investig. 10 (3), 780-792 (2019).
  26. Lee, S. H., Jung, J. M., Park, M. H. Obesity paradox and stroke outcomes according to stroke subtype: A propensity score-matched analysis. Int J Obes (Lond). 47 (8), 669-676 (2023).
  27. Ye, J., et al. Association between the weight-adjusted waist index and stroke: A cross-sectional study. BMC Public Health. 23 (1), 1689(2023).
  28. Chehaibi, K., Hrira, M. Y., Trabelsi, I., Escolà-Gil, J. C., Slimane, M. N. Gene variant and level of il-1β in ischemic stroke patients with and without type 2 diabetes mellitus. J Mol Neurosci. 57 (3), 404-409 (2015).
  29. Chen, R., Yan, J., Liu, P., Wang, Z., Wang, C. Plasminogen activator inhibitor links obesity and thrombotic cerebrovascular diseases: The roles of pai-1 and obesity on stroke. Metab Brain Dis. 32 (3), 667-673 (2017).
  30. Letra, L., Sena, C. Cerebrovascular disease: Consequences of obesity-induced endothelial dysfunction. Adv Neurobiol. 19, 163-189 (2017).
  31. Campayo, A., Gómez-Biel, C. H., Lobo, A. Diabetes and depression. Curr Psychiatry Rep. 13 (1), 26-30 (2011).
  32. Milaneschi, Y., Simmons, W. K., Van Rossum, E. F. C., Penninx, B. W. Depression and obesity: Evidence of shared biological mechanisms. Mol Psychiatry. 24 (1), 18-33 (2019).
  33. Roy, T., Lloyd, C. E. Epidemiology of depression and diabetes: A systematic review. J Affect Disord. 142, S8-S21 (2012).
  34. Li, P., et al. Pramipexole improves depression-like behavior in diabetes mellitus with depression rats by inhibiting nlrp3 inflammasome-mediated neuroinflammation and preventing impaired neuroplasticity. J Affect Disord. 356, 586-596 (2024).
  35. Miller, A. H., Raison, C. L. The role of inflammation in depression: From evolutionary imperative to modern treatment target. Nat Rev Immunol. 16 (1), 22-34 (2016).
  36. Pan, A., Sun, Q., Okereke, O. I., Rexrode, K. M., Hu, F. B. Depression and risk of stroke morbidity and mortality: A meta-analysis and systematic review. JAMA. 306 (11), 1241-1249 (2011).
  37. Penninx, B. W. Depression and cardiovascular disease: Epidemiological evidence on their linking mechanisms. Neurosci Biobehav Rev. 74 (Pt B), 277-286 (2017).
  38. Whooley, M. A., Wong, J. M. Depression and cardiovascular disorders. Annu Rev Clin Psychol. 9, 327-354 (2013).
  39. Burgess, S., Scott, R. A., Timpson, N. J., Davey Smith, G., Thompson, S. G. Using published data in mendelian randomization: A blueprint for efficient identification of causal risk factors. Eur J Epidemiol. 30 (7), 543-552 (2015).
  40. Holmes, M. V., Ala-Korpela, M., Smith, G. D. Mendelian randomization in cardiometabolic disease: Challenges in evaluating causality. Nat Rev Cardiol. 14 (10), 577-590 (2017).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

2
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。