Vitamine B12-inname en diabetische nieraandoening: een op NHANES gebaseerde cross-sectionele studie met transcriptomische identificatie van P2RY14

Aixi Zheng; Guowen Zhu; Jiaxin Dong; Jun Li

doi:10.3791/73687

Onderzoeksartikel

Vitamine B₁₂-inname en diabetische nieraandoening: een op NHANES gebaseerde cross-sectionele studie met transcriptomische identificatie van P2RY14

6 weergaven

⸱

DOI:

10.3791/73687

⸱

21 oktober 2026

Aixi Zheng¹ , Guowen Zhu¹ , Jiaxin Dong¹ , Jun Li¹

¹Department of Emergency Medicine, Zibo Central Hospital

In dit artikel

Samenvatting

Deze studie onderzoekt de associatie tussen dieetgebonden vitamine B₁₂-inname en diabetische nierziekte aan de hand van NHANES-gegevens en transcriptomische analyses. Een hogere inname van vitamine B₁₂ was geassocieerd met een lagere kans op diabetische nierziekte, en P2RY14 werd geïdentificeerd als een kandidaat voor hypothesegenerering.

Samenvatting

Diabetische nierziekte (DKD) is een belangrijke diabetische complicatie, en de associatie tussen vitamine B₁₂-inname en DKD blijft onduidelijk. Deze cross-sectionele studie omvatte 8.218 deelnemers uit de National Health and Nutrition Examination Survey (NHANES) 2011–2018. Multivariabele logistieke regressie toonde aan dat deelnemers in het hoogste kwartiel van vitamine B₁₂-inname een lagere kans op DKD hadden dan die in het laagste kwartiel (Odds ratio (OR): 0,70; 95% betrouwbaarheidsinterval (BI): 0,50–0,97). Restricted cubic spline-analyse wees op een significante niet-lineaire associatie tussen vitamine B₁₂-inname en DKD. Transcriptoomanalyse identificeerde 493 differentieel tot expressie gebrachte genen (DEGs), waarvan er 20 overlapten met cobalamine-gerelateerde genen. P2RY14 was significant upgereguleerd bij DKD en vertoonde een voorlopig onderscheidend vermogen in GSE30528, GSE30529 en GSE142025. Functionele verrijkingsanalyses suggereerden associaties tussen P2RY14 en interacties tussen extracellulaire matrix en receptoren, focale adhesie en nierontwikkeling. Exploratieve moleculaire docking voorspelde een potentiële bindingsmodus tussen MC-1 en P2RY14, met een Vina-score van −6,0 kcal/mol. Overal ter plaatse ondersteunen deze bevindingen een associatie tussen vitamine B₁₂-inname en DKD en identificeren ze P2RY14 als een hypothese-genererende kandidaat voor verder onderzoek.

Inleiding

Diabetes mellitus (DM) is een metabole stoornis die wordt gekenmerkt door chronische hyperglykemie, voortvloeiend uit absolute of relatieve tekorten in de insulinesecretie en/of insulineactiviteit. Het treft ongeveer 537 miljoen mensen wereldwijd¹. In de afgelopen drie decennia is de wereldwijde prevalentie van DM bijna viervoudig toegenomen, waarbij ongeveer één op de elf volwassenen is gediagnosticeerd, waarvan 90% is getroffen door type 2 diabetes mellitus (T2DM)². T2DM leidt vaak tot talrijke microvasculaire en macrovasculaire complicaties, waaronder cardiovasculaire ziekten, beroerte, nefropathie, neuropathie en retinopathie³. Deze complicaties dragen aanzienlijk bij aan de toenemende invaliditeitspercentages, een verminderde kwaliteit van leven en een lagere levensverwachting⁴^,⁵. Bijzondere zorg baart diabetische nierziekte (DKD), een veelvoorkomende microvasculaire complicatie van diabetes, die zich ontwikkelt bij ongeveer 20% van de patiënten met DM⁶. DKD wordt gekenmerkt door aanhoudende albuminurie en een progressieve afname van de glomerulaire filtratiesnelheid (GFR). Indien onbehandeld, kan DKD uiteindelijk leiden tot nierfalen in het eindstadium (ESKD), waarbij de nierfunctie ernstig is aangetast, wat dialyse of een niertransplantatie noodzakelijk maakt om te overleven⁷^,⁸. Bovendien lopen patiënten met DKD een verhoogd risico op het ontwikkelen van cardiovasculaire ziekten, zelfs in de vroege stadia, en deze comorbiditeit is geassocieerd met een verhoogd risico op mortaliteit, wat een aanzienlijke belasting vormt voor de gezondheidszorgsystemen⁹^,¹⁰^,¹¹. Daarom is het van cruciaal belang om de factoren die bijdragen aan de progressie van DKD grondig te onderzoeken. Een dieper begrip van deze factoren is essentieel voor het bedenken van effectieve therapeutische strategieën om zowel het ontstaan als de progressie van DKD in de klinische praktijk te voorkomen.

De vitaminen uit de B-groep, een groep wateroplosbare vitaminen, spelen een cruciale rol in het cellulaire metabolisme en de homeostase, het behoud van het fysiologisch evenwicht, de antioxidantverdediging en de synthese van rode bloedcellen¹². De primaire bron van vitamine B is de voedingsinname. Vanwege hun wateroplosbare aard zijn deze vitaminen doorgaans moeilijk op te slaan in het menselijk lichaam¹². Overtollige vitamine B wordt gemakkelijk via de urine uitgescheiden; individuele absorptie, benutting en metabolisme kunnen echter aanzienlijk variëren¹³. Een vitamine B-deficiëntie kan de cellulaire functie en het immuunsysteem sterk verslechteren, wat leidt tot ontsteking geassocieerd met hyperhomocysteïnemie¹⁴. Factoren zoals een vitamine B-deficiëntie kunnen bijdragen aan de progressie van chronische nierziekte (CKD) door ontstekingsprocessen en oxidatieve stressprocessen te beïnvloeden die geassocieerd zijn met verslechtering van de nierfunctie en pathologie van het nierweefsel¹⁵. Onder de B-vitaminen is vitamine B₁₂, ook bekend als cobalamine, een essentiële wateroplosbare vitamine die een belangrijke rol speelt in het metabolisme, in het bijzonder bij de DNA-synthese, methylering en het mitochondriale metabolisme¹⁵. Bij patiënten met CKD en nierfalen in het eindstadium kunnen diverse metabole veranderingen — waaronder acidose, systemische ontsteking en hormonale disbalans — samen met comorbiditeiten en polyfarmacie leiden tot malnutritie, wat vervolgens resulteert in een vitamine B₁₂-deficiëntie¹⁶. Talrijke studies hebben een correlatie vastgesteld tussen lage serumconcentraties van vitamine B₁₂ en aandoeningen zoals een verhoogde body mass index (BMI), insulineresistentie, T2DM, dyslipidemie en cardiovasculaire ziekten¹⁷. Omgekeerd kan potentiële toxiciteit geassocieerd met een overschot aan vitamine B₁₂ de toestand van CKD-patiënten verslechteren¹⁸. Bovendien wees een recente studie uit dat hogere concentraties van vitamine B₁₂ geassocieerd zijn met een verhoogde mortaliteit door alle oorzaken bij patiënten die hemodialyse ondergaan¹⁹. De relatie tussen vitamine B₁₂-inname en het voorkomen van DKD is echter nog niet uitgebreid onderzocht. Bovendien zijn de moleculaire kenmerken die biologische processen gerelateerd aan vitamine B12 potentieel koppelen aan DKD nog onvoldoende gekarakteriseerd. Het integreren van populatiegebaseerd epidemiologisch bewijs met transcriptomische gegevens kan daarom een complementaire strategie bieden voor het identificeren van kandidaat moleculaire kenmerken die relevant zijn voor de waargenomen associatie en voor het prioriteren van targets voor subsequent experimenteel onderzoek.

Gezien het huidige gebrek aan inzicht hebben we een cross-sectioneel onderzoek uitgevoerd met gegevens uit de NHANES-database om de associatie tussen vitamine B₁₂-inname en DKD te onderzoeken, waarbij we corrigeerden voor een breed scala aan potentiële confounders. Parallel daaraan werden transcriptomische datasets van DKD geanalyseerd om differentieel tot expressie gekomen genen te identificeren, die vervolgens werden gekruist met vitamine B₁₂-gerelateerde genen om kandidaatmoleculen te screenen die potentieel relevant zijn voor DKD. Deze geïntegreerde aanpak kan verdere inzichten verschaffen in de associatie tussen vitamine B₁₂ en DKD.

Protocol

De huidige studie was een secundaire analyse van openbaar toegankelijke en gede-identificeerde NHANES-gegevens en omvatte geen nieuwe rekrutering van deelnemers, interventies of verzameling van persoonlijk identificeerbare informatie. Daarom was er voor de huidige analyse geen aanvullende geïnformeerde toestemming vereist.

Studiepopulatie en selectie van deelnemers

De National Health and Nutrition Examination Survey (NHANES) maakt gebruik van een complex, meertraps probabilistisch steekproefontwerp om nationaal representatieve gezondheids- en voedingsgegevens van de Amerikaanse bevolking te verzamelen.

Er werd aanvankelijk gekeken naar gegevens van 39.156 deelnemers over vier NHANES-cycli (2011–2012, 2013–2014, 2015–2016 en 2017–2018). Deelnemers werden uitgesloten als zij aan een van de volgende criteria voldeden: (1) leeftijd < 18 jaar; (2) ontbrekende gegevens over de dieetintake van vitamine B₁₂; (3) onvolledige informatie die nodig was voor de beoordeling van diabetes, waaronder zelfgerapporteerde diabetesgeschiedenis, geglyceerd hemoglobine (HbA1c) of nuchtere plasmaglucose (FPG); of (4) onvolledige informatie die nodig was voor de beoordeling van nierziekten, waaronder de urine-albumine-creatinineverhouding (ACR) of de geschatte glomerulaire filtratiesnelheid (eGFR) (Figuur 1). Na deze uitsluitingen werden 8.218 deelnemers met volledige gegevens voor de huidige analyse geïncludeerd.

Definitie van DM, CKD en DKD

Conform de criteria van de American Diabetes Association en eerdere studies werd DM gediagnosticeerd op basis van het volgende: (1) een eerdere medische diagnose, (2) FPG-waarden van ≥ 7.0 mmol/L, (3) HbA1c-waarden van ≥ 6.5%, of (4) zelfgerapporteerd gebruik van insuline of anti-diabetische medicatie. CKD werd vastgesteld²⁰^,²¹ bij deelnemers met een ACR ≥ 30 mg/g of een eGFR (eGFR = 175 × (serum creatinine in mg/dL)^-1.154 × (leeftijd in jaren)^-0.203 x (0.742 indien vrouw) x (1.21 indien zwart)) < 60 mL/min/1.73 m². DKD werd gedefinieerd als de aanwezigheid van zowel DM als CKD²⁰. Deelnemers die voldeden aan zowel de DM- als de CKD-criteria werden ingedeeld in de DKD-groep, terwijl deelnemers die niet aan beide criteria tegelijk voldeden, werden ingedeeld in de Non-DKD-groep. De Non-DKD-groep omvatte dus deelnemers met DM maar zonder CKD, deelnemers met CKD maar zonder DM, en deelnemers zonder DM noch CKD.

Covariabelen

In deze studie werden covariabelen meegenomen die de associatie met vitamine B zouden kunnen beïnvloeden₁₂ en DKD. De demografische variabelen omvatten leeftijd, geslacht, ras/etniciteit, opleidingsniveau, armoede-inkomensratio (PIR), burgerlijke staat, alcoholconsumptie, rookgedrag, BMI, fysieke activiteit (PA) en de aanwezigheid van hypertensie en hyperlipidemie. Deelnemers van 18 jaar en ouder werden in deze analyse opgenomen en gestratificeerd in twee leeftijdsgroepen: jongere tot middelbare volwassenen (18– < 60 jaar) en ouderen (≥ 60 jaar). Geslacht werd ingedeeld als mannelijk of vrouwelijk. De etnische classificaties omvatten Mexicaans-Amerikaans, overig Hispanic, niet-Hispanic wit, niet-Hispanic zwart en overig/multi-raciaal. Het opleidingsniveau werd onderverdeeld in drie niveaus: lager dan middelbaar onderwijs, middelbare schoolafstudeerder en hoger onderwijs. De PIR werd ingedeeld in drie categorieën: < 1,5, 1,5–3,49 en ≥ 3,5²¹De burgerlijke staat werd aangeduid als gehuwd/samenwonend, nooit gehuwd of weduwe/weduwnaar/gescheiden. De rookstatus werd ingedeeld in drie groepen: huidige rokers (dagelijkse en incidentele rokers), voormalige rokers (personen die hadden gerookt > 100 sigaretten in hun leven hebben gerookt maar niet meer roken), en nooit-rokers (personen die nooit hebben gerookt < 100 sigaretten gedurende hun leven). De drinkstatus werd ingedeeld in drie categorieën: Zwaar drinken (vrouwen: > 3 drankjes per dag; mannen: > 4 drankjes per dag), matig drinken (vrouwen: 2 drankjes per dag; mannen: 3 drankjes per dag), licht drinken (vrouwen: < 2 drankjes per dag; mannen: < 3 drankjes per dag)²²De BMI werd als volgt toegewezen: < 25 kg/m², 25–29,9 kg/m²², en ≥ 30 kg/m²²PA-niveaus werden gecategoriseerd als laag (< 600 MET-min/week), matig (600 tot < 3000 MET-min/week) en hoog (≥ 3000 MET-min/week). Hyperlipidemie werd bevestigd aan de hand van de volgende criteria (voldoen aan één van de volgende): (1) totaal cholesterolgehalte (TC) ≥ 200 mg/dL; (2) totaal triglyceridengehalte (TG) ≥ 150 mg/dL; (3) mannen: high-density lipoprotein (HDL)-gehalte < 40 mg/dL; vrouwen: HDL-spiegels < 50 mg/dL; (4) low-density lipoprotein (LDL)-spiegels ≥ 130 mg/dL; of (5) gebruik van antihyperlipidemische medicatie.

Daarnaast werden ook biochemische indicatoren en voedingsinname in overweging genomen, waaronder de albumine-creatinineratio (ACR) in de urine, serumurinezuur (μmol/L), eGFR (mL/min/1.73m²), serumcreatinine (Scr), bloedureumstikstof (BUN), serum TC, TG, serumalanine-aminotransferase (ALT), serumaspartaat-aminotransferase (AST) en voedingsinname zoals energie-inname (kcal), eiwit (g), koolhydraten (g), totaal vet (g), natrium (mg), kalium (mg), etc.

Onafhankelijke variabele

De inname van vitamine B₁₂ via de voeding werd gebruikt als de primaire blootstellingsvariabele. Gegevens over de nutriënteninname werden verkregen uit de NHANES Total Nutrient Intake-bestanden, waarin de dagelijkse inname van nutriënten uit voedingsmiddelen en dranken is samengevat. De inname van vitamine B₁₂ uit voedingssupplementen was niet inbegrepen. Alleen deelnemers met geldige gegevens over de voedingsinname voor beide dagen werden geïncludeerd; de gemiddelde inname van vitamine B₁₂ over de twee dagen werd berekend en uitgedrukt in μg/dag. De resulterende inname van vitamine B₁₂ via de voeding werd voor de primaire multivariabele analyses ingedeeld in kwartielen (Q1–Q4).

Gegevensbronnen en verzameling van genensets

De DKD-expressiedatasets GSE30528 en GSE30529 werden verkregen uit de Gene Expression Omnibus (GEO)-database. Beide datasets werden gegenereerd op het GPL571-platform. GSE30528 bestond uit 9 glomerulaire DKD-monsters en 13 glomerulaire controlemonsters, terwijl GSE30529 bestond uit 10 tubulaire DKD-monsters en 12 tubulaire controlemonsters. Voor beide microarray-datasets werden RMA-genormaliseerde, log₂-getransformeerde expressiegegevens rechtstreeks van GEO verkregen. Probe-identificatoren werden gekoppeld aan gensymbolen volgens het annotatiebestand van het GPL571-platform. Wanneer meerdere probes aan hetzelfde gen waren gekoppeld, werd hun gemiddelde expressiewaarde gebruikt om de expressie op genniveau weer te geven.

GSE142025, een RNA-seq dataset, werd aanvullend opgenomen voor de validatie van kandidaatgenen. TPM-expressiedata werden verkregen uit GEO en log2-getransformeerd voorafgaand aan de verdere analyse. Genannotatie werd uitgevoerd met behulp van de hg19 referentiegenoomannotatie. Omdat elke dataset onafhankelijk werd geanalyseerd en expressiematrices van verschillende datasets niet direct werden gecombineerd, is er geen correctie voor batch-effecten tussen datasets toegepast.

In totaal werden er op 13 maart 2026 716 cobalamine (vitamine B₁₂)-gerelateerde genen opgehaald uit de GeneCards-database met behulp van het trefwoord “COBALAMIN”. Er is geen drempelwaarde voor de relevantiescore of aanvullend filtercriterium toegepast, en alle 716 opgehaalde genen werden behouden als de vitamine B₁₂-gerelateerde genenset.

Analyse van differentiële expressie en functionele verrijking

Differentiële expressieanalyse tussen DKD- en normale monsters werd uitgevoerd met het R-pakket 'limma' (versie 3.56.2)²³, waarbij differentiële tot expressie gekomen genen (DEGs) werden geïdentificeerd op basis van |log₂FC| > 1 en een false discovery rate (FDR) < 0,05. Om kandidaatgenen gerelateerd aan het vitamine B₁₂-metabolisme te identificeren, werd het R-pakket ggvenn (versie 0.1.19) gebruikt om een intersectieanalyse uit te voeren tussen de geïdentificeerde DEGs en de vitamine B₁₂-gerelateerde genenset verkregen uit de GeneCards-database. De overlappende genen werden gevisualiseerd met een Venn-diagram en behouden als kandidaatgenen voor daaropvolgende analyses. Functionele verrijkingsanalyse van de DEGs werd vervolgens uitgevoerd met het R-pakket 'clusterProfiler' (versie 4.8.3)²⁴, waarbij Gene Ontology (GO)-termen (biologisch proces, moleculaire functie en cellulaire component) en Kyoto Encyclopedia of Genes and Genomes (KEGG)-paden werden geanalyseerd. Verrijkingstermen met een aangepaste p-waarde < 0,05 werden als statistisch significant beschouwd.

Gene set enrichment analysis (GSEA)

In de GSE30528-dataset werden de monsters verdeeld in P2RY14-hoge en P2RY14-lage groepen op basis van het mediane expressieniveau van P2RY14. Vervolgens werd een differentiële expressieanalyse uitgevoerd tussen de twee groepen, waarbij alle genen in aflopende volgorde werden gerangschikt op basis van de resulterende logFC-waarden. Daarna werd GSEA uitgevoerd met het clusterProfiler R-pakket (versie 4.8.3)²⁴. GO- en KEGG-genensets werden verkregen via het msigdbr-pakket uit de MSigDB-database (versie v2025.1.Hs). Verrijkte genensets met een gecorrigeerde p-waarde < 0,05 werden als statistisch significant beschouwd.

Netwerken van proteïne-proteïne-interacties (PPI)

Functionele eiwitassociaties en PPI-netwerken werden geanalyseerd met behulp van de STRING-database (versie 11.0) (https://string-db.org/)²⁵, waarbij Homo sapiens als organisme werd geselecteerd en een minimale betrouwbaarheidsscore voor interacties van 0,4 werd gehanteerd. Het resulterende PPI-netwerk werd gevisualiseerd met Cytoscape²⁶. Daarnaast werden dezelfde 20 overlappende kandidaatgenen ingediend bij het online platform GeneMANIA om hun functionele associaties verder te karakteriseren. GeneMANIA integreerde meerdere soorten bewijs, waaronder gen-co-expressie, fysieke interacties, genetische interacties, gedeelde eiwitdomeinen en informatie over signaalpaden, waarbij Homo sapiens als organisme werd geselecteerd en de overige parameters op de standaardinstellingen bleven staan.

Screening van geneesmiddel-doelwitinteracties

Om potentiële verbindingen geassocieerd met P2RY14 te identificeren, werd drug-target-informatie opgehaald uit de GeneCards-database, wat resulteerde in vijf kandidaatverbindingen. Deze kandidaten werden vervolgens cross-referentieel vergeleken met de DGIdb-database. MC-1 (DrugBank ID: DB05315; PubChem CID: 1051) werd in beide databases geïdentificeerd en werd daarom geselecteerd voor een daaropvolgende verkennende moleculaire docking-analyse.

Moleculaire docking-analyse

Om de potentiële bindingsmodus tussen MC-1 en P2RY14 te onderzoeken, werd moleculaire docking uitgevoerd met het online platform CB-Dock2, dat caviteitsdetectie integreert met de AutoDock Vina docking-engine. De driedimensionale structuur van MC-1 (PubChem CID: 1051) werd verkregen uit PubChem, en het voorspelde driedimensionale model van P2RY14 werd verkregen uit de AlphaFold Protein Structure Database (AF-Q15391-F1-model_v4). De gemiddelde pLDDT-score van het P2RY14-model was 87,12, terwijl de lokale pLDDT-score van de voorspelde binding-pocket regio > 90 was, wat duidt op een hoge betrouwbaarheid van de lokale voorspelde structuur. Er werd gebruikgemaakt van een caviteitsgestuurde blind docking-strategie. Er werd gezocht naar kandidaat-bindingscaviteiten over de gehele structuur van P2RY14, en de vijf caviteiten met de grootste voorspelde volumes werden geëvalueerd. Tijdens de preparatie van de receptor en het ligand werden waterstofatomen toegevoegd om de protonatietoestanden onder fysiologische omstandigheden (ongeveer pH 7,4) te benaderen. De receptor werd als rigide behandeld, terwijl het ligand als flexibel werd behandeld waarbij roteerbare bindingen waren toegestaan. Er werden acht onafhankelijke docking-runs uitgevoerd. De pose met de laagste Vina-score werd geselecteerd als de representatieve voorspelde bindingsmodus. Het resulterende receptor-ligandcomplex werd gevisualiseerd en geanalyseerd met Discovery Studio (versie 4.5).

Statistische analyse

Gezien het complexe, meerfasige, gestratificeerde kanssteekproefontwerp van NHANES, bevatten alle op NHANES gebaseerde analyses de passende survey-gewichten, strata en primaire steekproofeeneheden (PSU's). Omdat vitamine B₁₂ de inname werd berekend op basis van twee dagen van voedselherinnering, waarbij het tweedaagse dieetsteekproefgewicht (WTDR2D) werd gebruikt. Voor de vier gecombineerde NHANES-cycli (2011–2018) werd het 8-jarige dieetsteekproefgewicht berekend als WTDR2D/4, waarbij SDMVSTRA en SDMVPSU werden geïncorporeerd om rekening te houden met stratificatie en clustering. Continue variabelen werden uitgedrukt als gemiddelde ± standaarddeviatie (SD), en categorische variabelen als aantallen en percentages. Tussengroepverschillen werden beoordeeld met behulp van gewogen t-toetsen en gewogen chi-kwadraattoetsen. Multivariabele logistische regressie werd gebruikt om de associatie tussen vitamine B₁₂ inname en DKD. Model 1 was niet gecorrigeerd; Model 2 was gecorrigeerd voor leeftijd, geslacht, ras/etniciteit, burgerlijke staat en opleidingsniveau; en Model 3 was gecorrigeerd voor alle covariabelen, inclusief totale energie-inname en andere dieet-covariabelen. Alle regressieanalyses hielden rekening met WTDR2D/4, SDMVSTRA en SDMVPSU. Vitamine B₁₂ inname-kwartielen (Q1–Q4) werden gebruikt als de primaire blootstelling, met continue vitamine B₁₂ de inname werd daarnaast geanalyseerd als een aanvullende blootstelling. Subgroepanalyses werden uitgevoerd op basis van leeftijd, geslacht, BMI, eGFR, ACR, hypertensie en hyperlipidemie. Om potentiële nonlineariteit te beoordelen, werd een restricted cubic spline (RCS)-analyse uitgevoerd met behulp van het volledig gecorrigeerde Model 3. Er werden vier knooppunten geplaatst bij het 5e, 35e, 65e en 95e percentiel van vitamine B₁₂ inname, met 3.24 μg/day werd gebruikt als referentiewaarde voor de grafische weergave. Deze referentiewaarde was afgeleid van de daaropvolgende verkennende breakpoint-analyse en werd niet geïnterpreteerd als een klinisch aanbevolen innameniveau. RCS-analyses bevatten ook WTDR2D/4, SDMVSTRA en SDMVPSU, en nonlineariteit werd beoordeeld met een Wald-toets. Wanneer significante nonlineariteit werd gedetecteerd, werden potentiële breakpoints geïdentificeerd met behulp van een recursieve zoekprocedure in combinatie met het minimum Akaike-informatiecriterium (AIC), gevolgd door een piecewise regressieanalyse met drie segmenten. Sensitiviteitsanalyses werden uitgevoerd met alternatieve RCS-specificaties met drie en vijf knooppunten.²⁷Er werd een ROC-curveanalyse uitgevoerd om voorafgaand het onderscheidend vermogen van P2RY14, waarbij de 95%-betrouwbaarheidsintervallen voor de AUC's zijn vermeld. A p-waarde < Een p-waarde van 0,05 werd beschouwd als statistisch significant. Alle statistische analyses werden uitgevoerd met R-software (versie 4.4.1).

Resultaten

Basiskenmerken

In totaal werden 8.218 deelnemers van NHANES 2011–2018 geïncludeerd, van wie 623 werden geclassificeerd als zijnde DKD en 7.595 als Non-DKD. Significante verschillen tussen de DKD- en Non-DKD-groepen werden waargenomen in leeftijd, geslacht, ras/etniciteit, burgerlijke staat, opleidingsniveau, PIR, BMI, bloeddruk, hypertensie, alcoholconsumptie, rookstatus, vitamine B₁₂inname en dieetinname (alle p < 0,05). Significante verschillen werden ook waargenomen in ACR, eGFR, Scr, BUN, TC en TG (Tabel 1).

Significante verschillen tussen de kwartielen van de vitamine B₁₂-inname werden waargenomen in het opleidingsniveau, hypertensie, DKD-status en energie-inname. In tegenstelling hiermee werden geen significante verschillen tussen de kwartielen waargenomen voor leeftijd, burgerlijke staat, BMI, bloeddruk, alcoholconsumptie, eGFR, ACR, serumurinezuur, Scr of TG (Tabel 2).

Associatie tussen vitamine B₁₂ en DKD

De inname van vitamine B₁₂ werd ingedeeld in kwartielen (Q1–Q4), en de resultaten van de multivariabele logistische regressieanalyses worden gepresenteerd in Tabel 3. In het volledig gecorrigeerde Model 3 hadden deelnemers in het hoogste kwartiel van de vitamine B₁₂-inname (Q4) significant lagere kansen op DKD dan deelnemers in het laagste kwartiel (Q1) (OR = 0,70, 95% BI: 0,50–0,97, p = 0,034), terwijl er geen significante associaties werden waargenomen voor Q2 (OR = 1,14, 95% BI: 0,85–1,53, p = 0,386) of Q3 (OR = 0,94, 95% BI: 0,69–1,28, p = 0,684). Bovendien bereikte de lineaire trend in het volledig gecorrigeerde model geen statistische significantie (p voor trend = 0,086), hoewel de algemene richting van de associatie invers was. Deze bevindingen suggereren dat een hogere vitamine B₁₂-inname, in het bijzonder in het hoogste kwartiel, geassocieerd was met lagere kansen op DKD, maar de resultaten ondersteunen geen stabiele lineaire dosis-responshorelatie tussen de inname van vitamine B₁₂ en DKD.

Subgroepanalyses van de associatie tussen vitamine B₁₂en DKD

Subgroepanalyses werden uitgevoerd om te onderzoeken of de associatie tussen vitamine B₁₂-inname en DKD consistent was over verschillende kenmerken van de deelnemers. In Model 1 hadden deelnemers in het hoogste kwartiel van vitamine B₁₂-inname (Q4) significant lagere kansen op DKD dan deelnemers in Q1, zowel in de subgroep van mannen als in die van vrouwen (p < 0,05; Tabel 4). De associaties over de ACR-subgroepen waren heterogener. Bij deelnemers met een ACR < 30 mg/g werden significante associaties waargenomen voor enkele tussenliggende kwartielen van vitamine B₁₂-inname, terwijl dit patroon werd afgezwakt na stratificatie naar hogere ACR-niveaus. Er werden geen significante associaties waargenomen over de eGFR-subgroepen.

Niet-lineaire relatie tussen vitamine B₁₂ en DKD

De volledig bijgestelde RCS-analyse toonde een significante niet-lineaire associatie aan tussen vitamine B₁₂-inname en DKD (Figuur 2, p voor niet-lineariteit = 0,037). Het RCS-model maakte gebruik van vier knooppunten (knots) gesitueerd bij het 5e, 35e, 65e en 95e percentiel van de distributie van de vitamine B₁₂-inname, waarbij 3,24 μg/dag als referentiewaarde werd gehanteerd. Een daaropvolgende breakpoint-analyse identificeerde twee datagestuurde breekpunten bij 3,24 μg/dag (95% BI: 2,86–3,62) en 8,36 μg/dag (95% BI: 7,52–9,20), waardoor de vitamine B₁₂-inname in drie bereiken werd onderverdeeld. Voor een vitamine B₁₂-inname < 3,24 μg/dag werd geen significante associatie met DKD waargenomen (OR = 1,07, p = 0,575). Binnen het bereik van 3,24–8,36 μg/dag was de vitamine B₁₂-inname omgekeerd geassocieerd met DKD (OR = 0,87, p = 0,025). Voor een inname > 8,36 μg/dag werd geen significante associatie waargenomen (OR = 1,00, p = 0,995) (Tabel 5). Deze bevindingen waren consistent met een niet-lineair patroon, waarbij een significante omgekeerde associatie alleen werd waargenomen binnen het gemiddelde innamebereik. Om de robuustheid van deze bevindingen te beoordelen, werden sensitiviteitsanalyses uitgevoerd met alternatieve RCS-specificaties van drie en vijf knooppunten. Vergelijkbare algemene associatiepatronen werden waargenomen, met statistisch significante algemene associaties over Modellen 1–3 bij beide knooppuntspecificaties, terwijl de modellen met vijf knooppunten een niet-lineaire relatie verder ondersteunden (Supplemetaire Figuur 1).

Identificatie van kandidaatgenen gerelateerd aan vitamine B₁₂ bij DKD

In de GSE30528-dataset identificeerden we 493 DEG's tussen DKD- en normale monsters, bestaande uit 126 upgereguleerde en 367 downgereguleerde genen (|log₂FC| > 1, FDR < 0,05; Figuur 3A,B, Aanvullende Tabel 1). KEGG-pathwayanalyse onthulde een significante verrijking van deze DEG's in pathways voor extracellulaire matrix (ECM)-receptorinteractie, focale adhesie, integrinesignalering en regulatie van het actinecytoskelet (Figuur 3C, Aanvullende Tabel 2). GO-verrijkingsanalyse wees verder uit dat DEG's voornamelijk geassocieerd waren met collageenhoudende ECM, glomerulusontwikkeling, focale adhesie en nefronontwikkeling (Figuur 3D, Aanvullende Tabel 2).

De intersectieanalyse van de DEGs en de genenset gerelateerd aan vitamine B₁₂ identificeerde 20 overlappende kandidaatgenen (Figuur 3E). Deze genen werden vervolgens gebruikt om een PPI-netwerk te construeren met behulp van de STRING-database, waarbij interacties werden gefilterd op een minimale betrouwnesscore van 0,4. Het resulterende netwerk bestond uit 11 knooppunten en 20 randen, die respectievelijk proteïnen en hun interacties vertegenwoordigen (Figuur 3F). De relaties tussen de 20 kandidaatgenen werden verder gevisualiseerd met GeneMANIA (Figuur 3G).

Exploratieve karakterisering van P2RY14 als kandidaat vitamine B₁₂-gerelateerd gen bij DKD

Op basis van de waargenomen associatie tussen de inname van vitamine B₁₂ en de DKD-status hebben we vervolgens getracht via transcriptoomanalyse belangrijke vitamine B₁₂-gerelateerde genen te identificeren die betrokken zijn bij de pathogenese van DKD. Van de 20 overlappende kandidaatgenen hebben we verder hun expressiepatronen vergeleken over verschillende DKD-datasets. In de datasets GSE30528 en GSE30529 was de expressie van P2RY14 significant verhoogd in DKD-monsters vergeleken met normale controles (Figuur 4A,B). P2RY14 codeert voor een G-eiwitgekoppelde receptor en is volgens rapportages betrokken bij chemotaxis van immuuncellen, cytoskeletale reorganisatie, ontstekingsreacties en oxidatieve stress²⁸^,²⁹. De rol ervan bij DKD is echter nog niet direct onderzocht. Gezien de consistente upregulatie in onafhankelijke DKD-datasets en de potentiële biologische relevantie, kreeg P2RY14 prioriteit voor verdere validatie en functionele analyses. Vervolgens is een ROC-curve-analyse uitgevoerd om het onderscheidend vermogen van P2RY14 voorlopig te evalueren. In de discovery-dataset GSE30528 was de AUC 0,923 (95% BI: 0,807–1,000), terwijl de AUC in de preliminaire externe validatiedataset GSE30529 0,883 was (95% BI: 0,744–1,000). In de aanvullende validatiedataset GSE142025 was de AUC 0,663 (95% BI: 0,478–0,847), wat wijst op een beperkt onderscheidend vermogen (Figuur 4C–E). Samen leveren deze bevindingen voorlopig bewijs voor de potentiële onderscheidende waarde van P2RY14, hoewel de diagnostische prestaties verdere validatie in grotere onafhankelijke cohorten vereisen.

Om de biologische functies en signaalpaden te onderzoeken die geassocieerd zijn met P2RY14-expressie bij DKD, werden de GSE30528-monsters verdeeld in P2RY14-hoge en P2RY14-lage groepen op basis van het mediane expressieniveau van P2RY14. Er werd een differentieel-expressieanalyse uitgevoerd tussen de twee groepen. Vervolgens werden GO- en KEGG-verrijkingsanalyses uitgevoerd om de biologische functies en signaalpaden geassocieerd met P2RY14-expressie te karakteriseren. De GO-verrijkingsanalyse onthulde dat P2RY14 geassocieerd was met collageenbevattende ECM, glomerulusontwikkeling, ECM structurele componenten en nierontwikkeling (Figuur 4F, Aanvullende Tabel 3). De KEGG-analyse wees P2RY14 verder aan als betrokken bij ECM-receptorinteractie, focale adhesie en complement- en coagulatiecascades (Figuur 4G, Aanvullende Tabel 3).

Daarnaast liet GSEA zien dat de NF-κB-signaleringsroute en de TNF-signaleringsroute significant verrijkt waren in de groep met een hoge expressie van P2RY14 , wat suggereert dat een hoge P2RY14-expressie geassocieerd kan zijn met inflammatoire signalering bij DKD (Figuur 4H, Aanvullende Tabel 3).

Exploratieve moleculaire docking van MC-1 met P2RY14

Vijf kandidaatverbindingen geassocieerd met P2RY14 werden geïdentificeerd via screening met GeneCards en DGIdb, waarbij MC-1 werd geselecteerd voor exploratieve moleculaire docking-analyse (Figuur 5A superheroes). Met MC-1 als ligand en P2RY14 als receptor voorspelde de docking-analyse een potentiële bindingspositie van MC-1 binnen een kandidaatpocket van P2RY14, met een Vina-score van −6.0 kcal/mol. De voorspelde positie omvatte interacties met Tyr-, Lys-, Asn-, Asp- en Glu-residuen en de vorming van zeven waterstofbruggen (Figuur 5B–D).

Verklaring over gegevensbeschikbaarheid

De in deze studie gebruikte gegevens zijn openbaar beschikbaar. NHANES-gegevens uit de surveycycli van 2011–2018 zijn verkrijgbaar via het National Center for Health Statistics. De transcriptomische datasets GSE30528, GSE142025 en GSE30529 zijn openbaar beschikbaar in de Gene Expression Omnibus (GEO)-database. De in deze studie gegenereerde bewerkte resultaten voor differentiële expressie, functionele verrijking en GSEA zijn opgenomen in de aanvullende bestanden.

figure-results-1
Figuur 1Stroomschema van de selectie van deelnemers voor de NHANES-analyse. Het stroomschema toont de sequentiële exclusiecriteria die zijn toegepast op deelnemers van de NHANES-cycli 2011–2018 en de uiteindelijke studiepopulatie die in de analyse is opgenomen. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-2
Figuur 2: Niet-lineair verband tussen vitamine B₁₂-inname en DKD met behulp van een restricted cubic spline-model. De doorgetrokken lijn vertegenwoordigt de geschatte odds ratio voor DKD over de dieetinname van vitamine B₁₂, en het gearceerde gebied vertegenwoordigt het 95% betrouwbaarheidsinterval. Het model is gecorrigeerd met behulp van de covariabelen die in Model 3 zijn opgenomen. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-3
Figuur 3: Identificatie van kandidaatgenen gerelateerd aan vitamine B₁₂ bij DKD. (A,B) Volcano plot en heatmap die de expressieprofielen van DEGs laten zien tussen diabetische nefropathie (DKD) en normale monsters in de GSE30528-dataset. (C,D) Top 15 verrijkte KEGG-paden en GO-termen van DEGs. (E) Kruisanalyse tussen DEGs en vitamine B₁₂-gerelateerde genen. (F) Protein-protein interaction (PPI) netwerk. (G) GeneMANIA-netwerk van de 20 vitamine B₁₂‑gerelateerde genen. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-4
Figuur 4: Exploratieve karakterisering van P2RY14 als kandidaat vitamine B₁₂-gerelateerd gen bij DKD. (A,B) Boxplots die de expressieniveaus van de overlappende kandidaatgenen tonen in DKD-monsters en normale controles in respectievelijk de datasets GSE30528 en GSE30529. (C–E) Receiver operating characteristic (ROC)-curve analyses van P2RY14 in respectievelijk de datasets GSE30528, GSE30529 en GSE142025. (F) Gene Ontology (GO) verrijkingsanalyse. (G) Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway verrijkingsanalyse. (H) GSEA van de P2RY14-hoge en P2RY14-lage groepen die verrijking van de NF-κB en TNF signaleringspaden tonen in GSE30528. Klik hier om een grotere versie van deze figuur te bekijken.

figure-results-5
Figuur 5: Drug-target screening en verkennende moleculaire docking-analyse van P2RY14. (A) Interactienetwerk tussen geneesmiddelen en targets van P2RY14-geassocieerde medicijnen. (B–D) Moleculaire docking van MC-1 met het P2RY14-eiwit. Klik hier om een grotere versie van deze figuur te bekijken.

Tabel 1: Basiskenmerken van de studiepopulatie. Demografische, klinische, biochemische en dieetkenmerken van deelnemers volgens DKD-status worden gepresenteerd. Continue en categorische variabelen zijn samengevat met behulp van survey-gewogen analyse. Klik hier om deze tabel te downloaden.

Tabel 2: Basiskenmerken van deelnemers naar kwartielen van de vitamine B₁₂-inname. Demografische, klinische, biochemische en dieetkenmerken van de studiepopulatie worden gepresenteerd over de kwartielen van de dieetmatige vitamine B₁₂-inname. Klik hier om deze tabel te downloaden.

Tabel 3: Associatie tussen vitamine B₁₂-inname en DKD-status bij volwassenen in de V.S.Odds ratio's (OR's) en 95% betrouwbaarheidsintervallen (BI's) voor de associatie tussen dieetvitamine B₁₂-inname en DKD-status worden gepresenteerd over opeenvolgend aangepaste logistische regressiemodellen, met het laagste kwartiel van vitamine B₁₂-inname (Q1) als referentiegroep. Klik hier om deze tabel te downloaden.

Tabel 4: Associatie tussen vitamine B₁₂-inname en DKD-status in subgroepanalyses. Odds ratio's (OR's) en 95% betrouwbaarheidsintervallen (BI's) voor DKD worden weergegeven over kwartielen van de vitamine B₁₂-inname, gestratificeerd naar subgroepen voor leeftijd, geslacht, BMI, eGFR, ACR, hypertensie en hyperlipidemie, en gecorrigeerd voor de gespecificeerde modellen. Klik hier om deze tabel te downloaden.

Tabel 5: Drie-segment stuksgewijze regressieanalyse van de associatie tussen vitamine B12-inname en DKD. Associaties tussen dieetvitamine B₁₂-inname en DKD worden gepresenteerd voor de drie innamebereiken gedefinieerd door de twee datagestuurde breekpunten op 3,24 en 8,36 μg/dag. Klik hier om deze tabel te downloaden.

Aanvullende figuur 1: Gevoeligheidsanalyses van de associatie tussen dieetinname van vitamine B₁₂ en DKD met behulp van restricted cubic spline-modellen. (A–C) Modellen met drie knopen. (D–F) Modellen met vijf knopen. De ononderbroken lijn vertegenwoordigt de geschatte OR, het gearceerde gebied vertegenwoordigt het 95% BI en de gestreepte lijn geeft OR = 1 aan. De p-waarden voor de algemene associatie en niet-lineariteit worden in elk paneel weergegeven.Klik hier om dit bestand te downloaden.

Aanvullende Tabel 1: Differentieel tot expressie gekomen genen tussen diabetische nieraandoening (DKD) en normale monsters in de GSE30528-dataset. Resultaten van differentiële expressie voor genen geïdentificeerd met |log₂FC| > 1 en FDR < 0.05 worden gepresenteerd naast de cobalamine-gerelateerde genenset die is gebruikt voor de screening van kandidaatgenen.Klik hier om dit bestand te downloaden.

Aanvullende Tabel 2: Functionele verrijkingsanalyse van differentieel tot expressie gebrachte genen bij DKD. De resultaten van de Gene Ontology (GO) en Kyoto Encyclopedia of Genes and Genomes (KEGG) verrijking voor de differentieel tot expressie gebrachte genen die in de GSE30528-dataset zijn geïdentificeerd, worden gepresenteerd.Klik hier om dit bestand te downloaden.

Aanvullende Tabel 3: Resultaten van functionele verrijking en gene set enrichment-analyse geassocieerd met P2RY14 in de GSE30528-dataset. GO-, KEGG- en GSEA-resultaten gebruikt om P2RY14-geassocieerde biologische functies en pathways te karakteriseren, worden gepresenteerd.Klik hier om dit bestand te downloaden.

Discussie

In deze nationaal representatieve crosssectionele analyse van 8.218 Amerikaanse volwassenen was een hogere inname van vitamine B₁₂ geassocieerd met een lagere kans op DKD, hoewel de associatie geen eenvoudig lineair dosis-respons-patroon vertoonde. Deelnemers met een hogere inname van vitamine B₁₂ hadden over het algemeen ook een hoger opleidingsniveau, een lagere prevalentie van hypertensie en DKD, en een hogere energie-inname. Deze verschillen suggereren dat de inname van vitamine B₁₂ gepaard kan gaan met bredere demografische, gezondheids- en dieetkenmerken, die in overweging moeten worden gebracht bij de interpretatie van de geobserveerde associatie. Over het geheel genomen ondersteunen onze bevindingen een associatie tussen de inname van vitamine B₁₂ en de DKD-status.

Analyse op basis van kwartielen toonde aan dat deelnemers in Q4 een significant lagere kans op DKD hadden dan deelnemers in Q1, terwijl er geen significante associaties werden waargenomen voor Q2 of Q3. De lineaire trend over de kwartielen was eveneens niet statistisch significant (p voor trend = 0,086), wat suggereert dat de associatie mogelijk geen eenvoudig lineair dosis-responspatroon volgt. In overeenstemming met deze bevinding demonstreerde RCS-analyse een significante niet-lineaire associatie (p voor niet-lineariteit = 0,037). Een daaropvolgende breakpoint-analyse identificeerde twee door data gedreven breakpoints bij 3,24 en 8,36 μg/dag. Een significante inverse associatie werd alleen waargenomen binnen het gemiddelde bereik van 3,24–8,36 μg/dag, terwijl er geen significante associaties werden waargenomen onder of boven dit bereik. Belangrijk is dat deze breakpoints zijn afgeleid van de huidige dataset en moeten worden beschouwd als exploratieve statistische waarden in plaats van klinisch vastgestelde drempelwaarden. Bijgevolg mag het interval van 3,24–8,36 μg/dag niet worden geïnterpreteerd als een optimaal of aanbevolen innamebereik zonder externe validatie. Over het geheel genomen ondersteunen deze bevindingen een potentieel niet-lineaire associatie tussen vitamine B₁₂-inname en DKD in plaats van een stabiele lineaire dosis-responsrelatie.

Vitaminen zijn essentiële micronutriënten die betrokken zijn bij meerdere metabolische processen en zijn geassocieerd met de cardiometabole gezondheid³⁰^,³¹. Eerdere studies hebben bovendien gesuggereerd dat diverse vitaminen relevant kunnen zijn voor diabetes en de bijbehorende complicaties. Zo is de status van vitamine B6 omgekeerd geassocieerd met diabetes en diabetische complicaties³¹, terwijl er veranderde vitamine D-spiegels zijn gerapporteerd bij DKD en diabetische nefropathie³²^,³³. Deze bevindingen benadrukken het potentiële belang van de micronutriëntenstatus bij diabetes-gerelateerde metabolische en renale abnormaliteiten en bieden een rationale voor een verdere bestudering van de relatie tussen de inname van vitamine B₁₂ en DKD.

Epidemiologische studies hebben inconsistente resultaten gerapporteerd met betrekking tot de relatie tussen de vitamine B₁₂-status of -inname en diabetesgerelateerde uitkomsten. Een recente NHANES-analyse rapporteerde een positieve associatie tussen de duur van diabetes en serumvitamine B₁₂-spiegels³⁴. In contrast hiermee stelde een studie uitgevoerd in Oeganda vast dat progressieve nierziekte bij patiënten met T2DM gepaard ging met een lagere vitamine B₁₂-inname en hogere homocysteïneconcentraties³⁵. Wu et al. rapporteerden verder dat gecombineerde suppletie met foliumzuur en vitamine B₁₂ bij patiënten met diabetes en diabetische nefropathie de serumhomocysteïne- en malondialdehydespiegels verlaagde, de stikstofmonoxide- en superoxide-dismutase-activiteit verhoogde en de urinaire microalbumine-excretie verminderde³⁶. Andere studies hebben ook een relatief hoge prevalentie van vitamine B₁₂-deficiëntie gerapporteerd bij patiënten met T2DM³⁷^,³⁸^,³⁹^,⁴⁰^,⁴¹. In overeenstemming met de mogelijkheid dat de vitamine B₁₂-status relevant kan zijn voor diabetische complicaties, vond onze studie dat een hogere dieetinname van vitamine B₁₂ geassocieerd was met een lagere kans op DKD.

De waargenomen omgekeerde associatie tussen de inname van vitamine B₁₂ en DKD is biologisch plausibel, gezien de rollen van vitamine B₁₂ in het homocysteïnemetabolisme, de regulatie van oxidatieve stress, ontstekingsreacties en het cellulaire energiemetabolisme⁴²^,⁴³. Een vitamine B₁₂-deficiëntie is ook geassocieerd met metabole abnormaliteiten, en een onbalans gekenmerkt door een overmatige folaatinname in combinatie met een vitamine B₁₂-deficiëntie kan bijdragen aan een verslechterde glucosemetabolisme en T2DM⁴⁴^,⁴⁵. Deze waarnemingen onderstrepen het belang van het behouden van een adequate en gebalanceerde inname van micronutriënten voor de metabole gezondheid. In overeenstemming met deze achtergrond stelde onze studie vast dat een hogere dieetinname van vitamine B₁₂ geassocieerd was met een lagere kans op DKD. Verder onderzoek is gerechtvaardigd om de dosis-responserelatie tussen vitamine B₁₂-inname en niergezondheid bij personen met diabetes te verduidelijken, de in deze studie waargenomen innamebereiken te valideren in onafhankelijke populaties en vast te stellen of vitamine B₁₂-suppletie klinisch relevant is in deze populatie.

Transcriptomische analyse identificeerde P2RY14 bovendien als een kandidaatgen geassocieerd met DKD. P2RY14 vertoonde relatief hoge AUC-waarden in GSE30528 en GSE30529, terwijl het onderscheidend vermogen in GSE142025 bescheidener was. Gezien de beperkte steekproefgroottes moeten deze bevindingen als voorlopig worden beschouwd en vereisen ze validatie in grotere onafhankelijke cohorten. Daarnaast suggereerden functionele verrijkinganalyses dat P2RY14 mogelijk geassocieerd is met ECM-organisatie, focale adhesie en nierontwikkeling, wat verder onderzoek naar de potentiële rol ervan bij DKD ondersteunt.

In bredere zin biedt de integratie van populatiegebaseerde nutritionele epidemiologie met transcriptomische analyse een complementair kader om dieetblootstellingen te koppelen aan ziektegerelateerde moleculaire kenmerken. Een dergelijke aanpak kan de generatie van hypothesen in nutritioneel epidemiologisch onderzoek en DKD-onderzoek faciliteren en helpen bij het prioriteren van potentiële moleculaire targets voor daaropvolgende experimentele validatie. Deze bevindingen blijven echter exploratief en vestigen geen klinisch, diagnostisch of therapeutisch nut.

Een belangrijke beperking van de huidige studie is de heterogene samenstelling van de Non-DKD-groep, die deelnemers met verschillende DM- en CKD-statussen bevatte in plaats van beperkt te zijn tot individuen met DM zonder CKD. Residuele verschillen in diabetesstatus, nierfunctie en algemene gezondheid kunnen daarom de waargenomen associaties hebben beïnvloed. Daarnaast sluit het cross-sectionele ontwerp conclusies over temporele of causale relaties uit. Bijgevolg moeten de epidemiologische bevindingen worden geïnterpreteerd als associaties op populatieniveau met de DKD-status, en zijn toekomstige prospectieve studies gericht op personen met diabetes gerechtvaardigd. Bovendien werd de dieetopname van vitamine B₁₂ geschat op basis van twee 24-uurs voedingsanamnesen, wat kan worden beïnvloed door dagelijkse variatie in het dieet en recall-fouten, en daarom mogelijk niet volledig de gebruikelijke langetermijnopname van vitamine B₁₂ weerspiegelt. Dit kan een zekere mate van meetfout in de blootstelling hebben geïntroduceerd. Verschillende beperkingen van de transcriptomische en molecular docking-analyses moeten ook worden erkend. NHANES- en GEO-gegevens waren afkomstig van onafhankelijke populaties, en de directe regulatie van P2RY14 door vitamine B₁₂ werd niet experimenteel geëvalueerd. De overlap tussen DKD-gerelateerde DEGs en cobalamine-gerelateerde genen werd gebruikt voor exploratieve screening van kandidaten, en de verrijking hiervan boven de toevallige verwachting werd niet formeel getest. Daarom moet P2RY14 worden beschouwd als een hypothese-genererende kandidaat, waarvan de biologische relevantie verdere validatie vereist. Daarnaast was de voorspelde interactie tussen MC-1 en P2RY14 uitsluitend gebaseerd op molecular docking en moet deze als exploratief worden beschouwd. Toekomstige studies met vitamine B₁₂-interventie, functionele analyses van P2RY14 en directe bindings- of receptorfunctionele assays, zoals surface plasmon resonance of microscale thermophoresis, zijn nodig om deze voorspelde relaties verder te evalueren.

Conclusie

Concluderend ondersteunt onze studie een associatie tussen de inname van vitamine B₁₂ en de status van DKD, waarbij een hogere inname van vitamine B₁₂ geassocieerd is met een lagere kans op DKD en een potentieel niet-lineair verband. Transcriptoomanalyse identificeerde P2RY14 bovendien als een hypothese-genererende kandidaat geassocieerd met DKD, terwijl exploratieve moleculaire docking een potentiële bindings modus voorspelde tussen P2RY14 en MC-1. Deze bevindingen bieden een basis voor verder onderzoek naar de relatie tussen de inname van vitamine B₁₂ en DKD, evenals de potentiële biologische relevantie van P2RY14.

Openbaarmakingen

De auteurs hebben geen belangenconflicten te melden.

Auteursbijdragen:
A.Z. schreef de hoofdtekst van het manuscript. G.Z. en J.D. stelden de figuren en tabellen op. J.L. heeft het manuscript beoordeeld en geredigeerd. Alle auteurs hebben het manuscript beoordeeld.

Materialen

Lijst van materialen gebruikt in dit artikel
Naam	Bedrijf	Catalogusnummer	Opmerkingen
Affymetrix Human Genome U133A 2.0 Array	Affymetrix; geïndexeerd door NCBI GEO	https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL571	GPL571 (HG-U133A_2)
AlphaFold	Google DeepMind / EMBL-EBI	https://alphafold.ebi.ac.uk/	/
AutoDock	Olson Laboratory, The Scripps Research Institute	https://autodock.scripps.edu/	Versie 4.2.6 (AutoDock 4.2.6)
autoReg	R-pakket		Versie 0.3.3 (autoReg)
CB-dock2	/	http://183.56.231.194:8001/cb-dock2/index.php	CB-dock2
clusterProfiler	Bioconductor; Yu et al.		Versie 4.8.3 (PMID: 22455463)
Cytoscape	Cytoscape Consortium	https://cytoscape.org/	Versie 3.7.2 (PMID: 14597658)
DGldb	/	https://dgib.org/	DGldb
GeneMANIA	GeneMANIA-team	http://genemania.org/	GeneMANIA
Gene Expression Omnibus (GEO)	National Center for Biotechnology Information (NCBI), U.S. National Library of Medicine	https://www.ncbi.nlm.nih.gov/geo/	GEO
GSE30528	NCBI GEO	https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30528	Openbare GEO-serie (GSE30528; BioProject PRJNA154757)
GSE30529	NCBI GEO	https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30529	Openbare GEO-serie (GSE30529)
GeneCards – De menselijke gendatabase	Weizmann Institute of Science / LifeMap Sciences	https://www.genecards.org/	GeneCards
GSEA / MSigDB	/	https://www.gsea-msigdb.org/gsea/index.jsp	v2025.1.Hs (GSEA / MSigDB)
Gene Ontology (GO)	Gene Ontology Consortium	https://geneontology.org/	Ga verder
Kyoto Encyclopedia of Genes and Genomes (KEGG)	Kanehisa Laboratories	https://www.kegg.jp/	KEGG
limma	Bioconductor; Ritchie et al.		Versie 3.56.2 (PMID: 25605792)
National Health and Nutrition Examination Survey (NHANES)	National Center for Health Statistics (NCHS), Centers for Disease Control and Prevention (CDC)	http://www.cdc.gov/nchs/nhanes/index.htm	2011–2018 (vier cycli 2011–2012; 2013–2014; 2015–2016; 2017–2018)
nhanesA	R-pakket		Versie 1.0 (nhanesA)
pROC	R-pakket		Versie 1.18.5 (pROC)
PubChem	NCBI, U.S. National Library of Medicine	https://pubchem.ncbi.nlm.nih.gov/	PubChem
kwadratische gemiddelde (rms)	R-pakket		Versie 8.1-0 (rms)
R-software	R Foundation for Statistical Computing	https://www.r-project.org/	Versie 4.4.1
gesegmenteerd	R-pakket		Versie 2.1-4 (gesegmenteerd)
U heeft geen brontekst opgegeven om te vertalen. Voeg a.u.b. de Engelse tekst toe die u naar het Nederlands vertaald wilt hebben.	STRING-consortium	https://string-db.org/	Versie 11.0 (PMID: 30476243)
enquête	R-pakket		Versie 4.4-8 (survey; svydesign(); svyglm())
tabeléén	R-pakket		tableone; svyCreateTableOne()

Referenties

Forst T, et al. New strategies to improve clinical outcomes for diabetic kidney disease. BMC Med. 2022;20(1):337.
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.
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.
Lyssenko V, Vaag A. Genetics of diabetes-associated microvascular complications. Diabetologia. 2023;66(9):1601-13.
Valencia WM, Florez H. How to prevent the microvascular complications of type 2 diabetes beyond glucose control. BMJ. 2017;356:i6505.
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).
McGrath K, Edi R. Diabetic Kidney Disease: Diagnosis, Treatment, and Prevention. Am Fam Physician. 2019;99(12):751-9.
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.
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.
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.
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.
Lyon P, Strippoli V, Fang B, Cimmino L. B Vitamins and One-Carbon Metabolism: Implications in Human Health and Disease. Nutrients. 2020;12(9).
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.
Shakoor H, et al. Be well: A potential role for vitamin B in COVID-19. Maturitas. 2021;144:108-11.
Green R, et al. Vitamin B(12) deficiency. Nat Rev Dis Primers. 2017;3:17040.
Capelli I, et al. Folic Acid and Vitamin B12 Administration in CKD, Why Not Nutrients. 2019;11(2).
Bamonti-Catena F, et al. Folate measurements in patients on regular hemodialysis treatment. Am J Kidney Dis. 1999;33(3):492-7.
Andres E, Serraj K, Zhu J, Vermorken AJ. The pathophysiology of elevated vitamin B12 in clinical practice. QJM. 2013;106(6):505-15.
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.
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.
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.
Phillips JA. Dietary Guidelines for Americans, 2020-2025. Workplace Health Saf. 2021;69(8):395.
Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43(7):e47.
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.
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.
Shannon P, et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome research. 2003;13(11):2498-504.
Zhao L, et al. Non-linear association between composite dietary antioxidant index and depression. Front Public Health. 2022;10:988727.
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.
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.
Survase S, Bajaj I, Singhal R. Biotechnological Production of Vitamins. Food Technology and Biotechnology. 2006;44.
Mascolo E, Verni F. Vitamin B6 and Diabetes: Relationship and Molecular Mechanisms. Int J Mol Sci. 2020;21(10).
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).
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.
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.
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.
Wu HHL, Wang AY. Vitamin B12 and chronic kidney disease. Vitam Horm. 2022;119:325-53.
Kumthekar AA, Gidwani HV, Kumthekar AB. Metformin associated B12 deficiency. J Assoc Physicians India. 2012;60:58-60.
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.
Bell DS. Metformin-induced vitamin B12 deficiency presenting as a peripheral neuropathy. South Med J. 2010;103(3):265-7.
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.
Liu KW, Dai LK, Jean W. Metformin-related vitamin B12 deficiency. Age Ageing. 2006;35(2):200-1.
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).
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.
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.
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.

Herprints en machtigingen

Meer artikelen verkennen

NHANES-studie transcriptomische analyse P2RY14-expressie differentieel tot expressie gebrachte genen logistische regressie interactie met de extracellulaire matrix focale adhesie moleculaire docking