Artykuł badawczy

Analiza randomizacji mendlowskiej cech zapalnych związanych z NETs oraz cukrzycy typu 2 i jej powikłań

DOI:

10.3791/71230

⸱

21 sierpnia 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Laboratory Medicine, Zhongshan People's Hospital, 2Department of Advanced Diagnostic and Clinical Medicine, Zhongshan People's Hospital

W tym artykule

Podsumowanie

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

Niniejsze badanie MR przeprowadzone na dwóch próbkach zidentyfikowało potencjalne powiązania między genetycznie przewidywanymi cechami zapalnymi związanymi z NETs a powikłaniami T2DM. Genetycznie przewidywany poziom IL-6 był odwrotnie powiązany z cukrzycową CAD, podczas gdy NETs były powiązane z powikłaniami nerkowymi i krążenia obwodowego w T2DM. Analizy wrażliwości w ogólności potwierdziły stabilność tych istotnych powiązań.

Streszczenie

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

Cechy zapalne związane z zewnątrzkomórkowymi pułapkami neutrofilowymi (NETs) odgrywają istotną rolę w cukrzycy typu 2 (T2DM) oraz jej powikłaniach. W szczególności IL-6, kluczowa cytokina zapalna, jest ściśle powiązana z tworzeniem NETs oraz patogenezą T2DM i jej powikłań. Celem niniejszego badania było zbadanie związku przyczynowego między cechami zapalnymi związanymi z NETs a T2DM oraz jej powikłaniami, z wykorzystaniem metody randomizacji mendlowskiej (MR). W badaniu zastosowano dwupróbkowy projekt MR z danymi pochodzącymi z badań GWAS (Genome-Wide Association Studies), obejmujący obszerną metaanalizę opartą na populacji europejskiej dla T2DM i jej powikłań. Główną metodą analizy było podejście oparte na odwrotnej wariancji ważonej (IVW), uzupełnione o regresję MR-Egger, metodę ważonej mediany oraz metodę ważonej mody. Analizy wrażliwości obejmowały metody MR-Egger, MR-PRESSO, test Q Cochrana oraz metodę pomijania jednej zmiennej (leave-one-out), aby ocenić solidność wyników. Badanie wykazało, że genetycznie przewidywane poziomy interleukiny-6 (IL-6) były odwrotnie powiązane z chorobą wieńcową (CAD) w przebiegu cukrzycy (OR = 0,8997, 95% CI: 0,8257–0,9803, P = 0,0158). Ponadto NETs wykazały istotne powiązania z T2DM z powikłaniami nerkowymi (OR = 0,97, 95% CI 0,9428–0,998, P = 0,0358) oraz T2DM z powikłaniami w obrębie krążenia obwodowego (OR = 1,0342, 95% CI 1,002–1,0673, P = 0,037). Istotne powiązania IVW nie wykazały dowodów na heterogeniczność lub plejotropię horyzontalną. Niniejsze badanie sugeruje, że genetycznie przewidywane cechy zapalne związane z NETs są powiązane z konkretnymi powikłaniami T2DM. Genetycznie przewidywany poziom IL-6 był odwrotnie powiązany z CAD w cukrzycy, podczas gdy NETs były powiązane z powikłaniami nerkowymi i krążenia obwodowego w T2DM.

Wprowadzenie

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

Cukrzyca typu 2 (T2DM), charakteryzująca się insulinoopornością i często przebiegająca z postępującą dysfunkcją komórek beta, osiągnęła proporcje epidemii na całym świecie1,2. Powikłania T2DM, obejmujące choroby układu sercowo-naczyniowego, niewydolność nerek, neuropatię i retinopatię, stanowią znaczne obciążenie nie tylko dla pacjentów pod kątem ich stanu zdrowia i jakości życia, ale także dla systemów opieki zdrowotnej na świecie, nadwyrężając zasoby i zwiększając koszty, a także dla gospodarek3,4. Biorąc pod uwagę wieloaspektowy charakter T2DM, konieczne jest szczegółowe zbadanie czynników etiologicznych tej choroby. Narastające dowody wskazują na udział zewnątrzkomórkowych pułapek neutrofilowych (NETs) w patofizjologii różnych zaburzeń metabolicznych, szczególnie tych związanych z T2DM.

Zewnątrzkomórkowe pułapki neutrofilowe (NETs) to sieci zewnątrzkomórkowe złożone z rozplecionego DNA i białek ziarnistych, które wykazują silne właściwości mikrobicyjne5,6. Markery takie jak wolne DNA oraz cytrulinowana histona H3 służą jako kluczowe wskaźniki NETozy, odzwierciedlając aktywność zapalną w różnych jednostkach chorobowych7,8. Narastające dowody sugerują, że cukrzyca sprzyja tworzeniu się NETs, co w konsekwencji propaguje stan zapalny i uszkodzenia tkanek9,10. Klinicznie podwyższony poziom markerów NETs koreluje z hiperglikemią i niekorzystnymi rokowaniami w wielu powikłaniach cukrzycowych. Na przykład zwiększone poziomy dsDNA wiążą się z dysregulacją glukozy u pacjentów z STEMI11, podczas gdy komponenty NETs są powiązane z progresją retinopatii cukrzycowej12 i pozwalają przewidzieć ryzyko amputacji w przypadku stopnia cukrzycowego13. Pomimo tych zależności, dokładna relacja przyczynowo-skutkowa między NETs a rozwojem T2DM i jej powikłań nie została jeszcze w pełni wyjaśniona. Narastające dowody wskazują na dwukierunkową interakcję między IL-6 a NETs w zapaleniu metabolicznym. Hiperglikemia przygotowuje neutrofile do NETozy, przy czym IL-6 pełni rolę silnego induktora tego procesu zależnego od energii14. Klinicznie IL-6 niezależnie przewiduje podwyższony poziom markerów NETs (np. H3Cit i wolnego DNA) w cukrzycy typu 2, co silnie koreluje ze stanami prozakrzepowymi oraz powikłaniami mikronaczyniowymi, takimi jak retinopatia cukrzycowa15,16. Ponadto NEToza indukowana infekcją może nasilać trans-sygnalizację IL-6, tworząc wzajemną pętlę regulacyjną17. Łącznie odkrycia te podkreślają ściśle powiązaną patofizjologię IL-6 i NETs, szczególnie w środowisku cukrzycowym.

Randomizacja mendlowska (MR) to potężna metoda statystyczna, która wykorzystuje naturalnie występujące warianty genetyczne jako zmienne instrumentalne do szacowania przyczynowych efektów modyfikowalnych ekspozycji na wyniki zdrowotne, dostarczając wiedzy na temat złożonych ścieżek chorobowych18. Podejście to, zakorzenione w prawach dziedziczenia Mendla, pozwala badaczom na wnioskowanie o przyczynowości w badaniach obserwacyjnych poprzez wykorzystanie losowego rozdzielania alleli podczas mejozy, co pozwala ominąć niektóre ograniczenia tradycyjnych metod epidemiologicznych w ustalaniu związków przyczynowo-skutkowych19.

Do tej pory liczba doniesień z badań MR badających związek przyczynowy między genetycznie przewidywanymi cechami zapalnymi związanymi z NETs a cukrzycą typu 2 (T2DM) i jej powikłaniami była ograniczona. W związku z tym niniejsze badanie ma na celu zbadanie potencjalnych związków przyczynowych między cechami zapalnymi związanymi z NETs a T2DM oraz jej powikłaniami, przy użyciu metody dwupróbkowej analizy MR.

Protokół

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

Projekt badania

W niniejszym badaniu wykorzystano podejście MR z dwiema próbkami, aby zbadać związek przyczynowy między cechami zapalnymi związanymi z NETs a T2DM oraz jej powikłaniami. Model MR opiera się na trzech kluczowych założeniach20: 1) wariant genetyczny musi być silnie powiązany z ekspozycją, 2) wariant genetyczny musi wpływać na wynik wyłącznie poprzez ekspozycję (wykluczenie plejotropii) oraz 3) wariant genetyczny nie może być powiązany z żadnymi czynnikami zakłócającymi. Szczegółowy opis przebiegu badania znajduje się na Rysunku 1. Rękopis jest zgodny z wytycznymi MR-STROBE dotyczącymi raportowania badań MR, co zapewnia rygorystyczne standardy przejrzystości i powtarzalności21.

Źródła danych

Dane z badań asocjacyjnych całego genomu (GWAS) wykorzystane w niniejszej analizie MR pochodziły z publicznych baz danych GWAS. W odniesieniu do zbiorczych danych GWAS dotyczących T2DM uwzględniono największą metaanalizę populacji europejskiej, obejmującą 74 124 przypadki i 824 006 osób w grupie kontrolnej, a także prospektywne zagnieżdżone badanie kohortowe przeprowadzone w Europie, w którym wzięło udział 9 978 przypadków i 12 348 osób w grupie kontrolnej22. W przypadku powikłań cukrzycy, w tym T2DM z powikłaniami nerkowymi oraz T2DM z powikłaniami krążenia obwodowego, w badaniu tym pobrano statystyki zbiorcze GWAS z badań, w których przypadki stanowiły pacjenci z T2DM z konkretnym powikłaniem, a grupę kontrolną osoby bez T2DM. Szczegółowe informacje na temat źródeł danych znajdują się w Tabeli uzupełniającej 1.

Dane GWAS dla cech zapalnych związanych z NETs pozyskano z katalogu GWAS (patrz Tabela uzupełniająca 2). Aby uwzględnić heterogeniczność specyfiki biologicznej, w badaniu tym podzielono uwzględnione ekspozycje na dwie odrębne grupy w oparciu o ich role funkcjonalne w biologii neutrofili: (1) kluczowe czynniki związane z NETozą: kategoria ta obejmuje markery bezpośrednio zaangażowane w strukturalne formowanie NETs lub enzymatyczny proces dekondensacji chromatyny. W szczególności w badaniu uwzględniono same NETs, mieloperoksydazę (MPO), elastazę neutrofilową (NE) oraz kompleks MPO-DNA. MPO i NE są kluczowymi enzymami degradacji histonów i dekondensacji chromatyny, natomiast kompleks MPO-DNA jest specyficznym markerem zastępczym dla NETs23. (2) mediatorzy zapalne związane z NETs: kategoria ta obejmuje cytokiny i mediatory, które pełnią funkcję regulatorów upstream lub efektorów downstream ściśle powiązanych z NETozą, ale uczestniczą również w szerszych szlakach zapalnych. Grupa ta obejmuje interleukinę 6 (IL-6)24, czynnik martwicy nowotworów alfa (TNF-α)25, poziomy lipokaliny związanej z żelatynazą neutrofilową (NGAL)26 oraz czynnik sieci komunikacji komórkowej 1 (CCN1)27.

Dane wykorzystane w niniejszym badaniu pochodziły z baz danych o otwartym dostępie lub z GWAS opublikowanych w poprzednich badaniach; w związku z tym przeprowadzenie niniejszych badań nie wymagało zgody komisji etycznej.

Wybór instrumentów genetycznych powiązanych z NETs

Z uwagi na to, że tworzenie NETs stanowi dynamiczny proces biologiczny, którego nie mierzy się bezpośrednio w konwencjonalnych badaniach GWAS, w niniejszej pracy zastosowano podejście oparte na genach w celu zidentyfikowania instrumentów genetycznych dla cech zapalnych związanych z NETs. Na podstawie uznanych badań mechanistycznych oraz opublikowanej literatury28 opracowano kompleksowy zestaw 257 genów o krytycznym znaczeniu dla tworzenia i regulacji NETs, takich jak MPO, wraz z genami kodującymi histony i białka ziarnistości neutrofili.

Wybór zmiennych instrumentalnych

W celu zidentyfikowania wiarygodnych instrumentów genetycznych dla cech zapalnych związanych z NETs, w niniejszym badaniu zastosowano sekwencyjny proces filtrowania z wykorzystaniem statystyk zbiorczych GWAS. Poszczególne kroki operacyjne przebiegały następująco:

Wstępna selekcja: Warianty genetyczne istotnie powiązane z cechami ekspozycji zostały wyekstrahowane29 na podstawie progu istotności P < 5 × 10⁻6.

Filtrowanie częstości występowania rzadkiego allelu (MAF): Aby zapewnić moc statystyczną, wykluczono polimorfizmy pojedynczego nukleotydu (SNP) o MAF ≤ 0,0130.

Grupowanie w stanie nierównowagi sprzężeń (LD): Aby zniwelować wpływ zakłóceń wynikających z nierównowagi sprzężeń (LD), wybrano niezależne SNP, korzystając z funkcji clumping przy parametrach r2 < 0.001 w oknie 10 000 kb31.

Ocena siły instrumentów: Siłę każdego pozostałego IV określono ilościowo za pomocą statystyki F, obliczonej według wzoru F = R2 × (N-2) / (1-R2). Aby zminimalizować błąd wynikający ze słabych instrumentów, zachowano jedynie SNP o statystyce F > 1032.

Identyfikacja SNP zastępczych i harmonizacja danych

Aby rozwiązać problem brakujących SNP w zbiorze danych wynikowych, w badaniu przeprowadzono wyszukiwanie substytutów (proxy) oraz proces harmonizacji danych:

Podstawienie proksy: W przypadku braku docelowego SNP z GWAS ekspozycji w GWAS wyniku, w badaniu tym wykorzystano funkcję LDproxy() w oparciu o panel referencyjny Europejczyków z projektu 1,000 Genomes Project. Kandydacki SNP proksy wybierano tylko wtedy, gdy wykazywał on wysoką nierównowagę sprzężeń (LD) z oryginalnym SNP (r2> 0,8). Jeśli nie znaleziono odpowiedniego proksy, SNP został wykluczony.

Harmonizacja: Zbiory danych dotyczące ekspozycji i wyników zostały dopasowane przy użyciu funkcji harmonise_data() z pakietu TwoSampleMR (R wersja 4.0.5). W badaniu tym ustawiono parametr action = 2, aby automatycznie dopasować wszystkie SNP do nici prawoskrętnej oraz usunąć SNP palindromiczne o niejednoznacznej orientacji nici.

Weryfikacja: Po harmonizacji w ramach niniejszego badania przeprowadzono ręczną inspekcję zharmonizowanego zbioru danych, aby potwierdzić, że częstości alleli efektowych były spójne pomiędzy danymi dotyczącymi ekspozycji i wyników.

Analiza MR i testy wrażliwości

Wnioskowanie przyczynowe przeprowadzono przy użyciu pakietu TwoSampleMR (R wersja 4.0.5).

Analizy podstawowe i pomocnicze: W niniejszym badaniu jako podstawowe podejście zastosowano metodę odwrotności wariancji ważonej (IVW)33. W celu zapewnienia rzetelności wyników przeprowadzono analizy uzupełniające z wykorzystaniem metody MR-Egger34, metody ważonej mediany oraz metody ważonej mody35.

Analizy wrażliwości: Heterogeniczność zmiennych instrumentalnych (IV) oceniono za pomocą testu Q Cochrana36 przy użyciu funkcji mr_heterogeneity(). Plejotropię horyzontalną oceniono za pomocą testu przecięcia MR-Egger34 (mr_pleiotropy_test()).

Wykrywanie wartości odstających: W badaniu wykorzystano pakiet MR-PRESSO do wykrywania potencjalnych wartości odstających37. Funkcję mr_presso() uruchomiono z zastosowaniem 1 000 symulacji. Zidentyfikowane odstające SNP (P < 0,05) zostały usunięte, a szacunki przyczynowe przeliczono ponownie w celu weryfikacji stabilności wyników. Dodatkowo przeprowadzono analizę typu leave-one-out, aby upewnić się, że związek przyczynowy nie był determinowany przez pojedynczy SNP38.

Korekta statystyczna

Aby uwzględnić wielokrotne testowanie, wartości P uzyskane z analiz MR skorygowano przy użyciu metody False Discovery Rate (FDR). Zostało to zaimplementowane za pomocą funkcji P.adjust() w programie R z parametrem method = "fdr". Za statystycznie istotne uznano powiązania z poprawioną wartością P (PFDR) < 0.05.

Wyniki

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

Wybrane zmienne instrumentalne

W niniejszym badaniu przeprowadzono analizę MR, przyjmując cechy zapalne związane z NETs jako ekspozycję. W tym celu zidentyfikowano łącznie 106 IV, których szczegóły przedstawiono w tabeli uzupełniającej 3. Statystyka F dla tych IV miała średnią wartość 26,46, w zakresie od minimum 20,6 do maksimum 250,4.

Przyjmując T2DM oraz jego różne powikłania (kwasicę ketonową, powikłania nerkowe, powikłania okulistyczne, powikłania neurologiczne oraz powikłania krążenia obwodowego) jako wyniki, informacji dla trzech SNP nie udało się dopasować w danych zbiorczych. W badaniu tym wykorzystano SNP zastępcze (Tabela uzupełniająca 4).

Związek przyczynowo-skutkowy cech zapalnych powiązanych z NETami z cukrzycą typu 2 i jej powikłaniami

Główne wyniki uzyskane metodą IVW przedstawiono w Tabeli 1, natomiast Tabela uzupełniająca 5 szczegółowo opisuje komplementarne szacunki MR wyprowadzone za pomocą podejść MR-Egger, ważonej mediany oraz ważonej mody. Co istotne, wyniki IVW ujawniły statystycznie istotne powiązania między poziomami interleukiny-6 (IL-6) a CAD w przebiegu cukrzycy (OR = 0.8997, 95% CI 0.8257–0.9803, P = 0.0158), co jest zgodne z wynikiem metody ważonej mediany. Wyniki te sugerują, że IL-6 jest genetycznie powiązana z powikłaniami sercowo-naczyniowymi cukrzycy. Ponadto wyniki analizy IVW wskazały, że NETs były istotnie powiązane z T2DM z powikłaniami nerkowymi (OR = 0.97, 95% CI 0.9428–0.998, P=0.0358) oraz T2DM z powikłaniami krążenia obwodowego (OR = 1.0342, 95% CI 1.002–1.0673, P = 0.037). Wykres rozproszenia oraz wykres leśny dla wspomnianych powyżej pozytywnych wyników przedstawiono na Rysunku 2.

Wyniki regresji MR Egger nie wykazały dowodów na plejotropię horyzontalną w analizie, co szczegółowo przedstawiono w Tabeli 2. Na podstawie wyników heterogeniczności zaprezentowanych w teście Q Cochrana (Tabela 2) oraz wykresów lejkowych (Rysunek 3A–C), zaobserwowano, że żadna z wartości P dla statystyki Q nie znajduje się poniżej konwencjonalnego progu 0,05, co wskazuje na brak istotnej heterogeniczności między zmiennymi instrumentalnymi (IV) dla głównych badanych wyników w niniejszym badaniu.

Ponadto analiza MR-PRESSO (Tabela 3) zidentyfikowała wartość odstającą (rs139237904) w przypadku, gdy CCN1 uznano za ekspozycję, a T2DM za wynik; wyniki pozostały nieistotne po jej wykluczeniu. Podobnie, gdy MPO było ekspozycją, a T2DM wynikiem, wykryto dwie wartości odstające (rs10916508 i rs6544660), a nieistotne wyniki utrzymały się po ich usunięciu. Dla NGAL jako ekspozycji i T2DM jako wyniku znaleziono jedną wartość odstającą (rs10497219), a negatywne wyniki zostały podtrzymane po jej wykluczeniu. W przypadku TNF-α jako ekspozycji i T2DM z kwasicą ketonową jako wyniku, obecna była jedna wartość odstająca (rs10103048), a jej wykluczenie nie zmieniło nieistotnego wyniku. Jednakże, gdy NGAL powiązano z T2DM i powikłaniami neurologicznymi, zidentyfikowano dwie wartości odstające (rs10497219 i rs1287048), a po ich usunięciu wyniki stały się pozytywne, wskazując na istotną zależność. Analiza „leave-one-out” (Rysunek 3D–F) dostarcza dalszych dowodów na odporność uzyskanych wyników. Podsumowując, niniejsza analiza MR sugeruje potencjalną rolę IL-6 i NETs w etiologii powikłań cukrzycowych, co uzasadnia dalsze badania.

DOSTĘPNOŚĆ DANYCH:

Wszystkie dane wygenerowane lub przeanalizowane w ramach niniejszego badania zostały zawarte w niniejszym artykule oraz w Tabeli uzupełniającej 1, Tabeli uzupełniającej 2, Tabeli uzupełniającej 3, Tabeli uzupełniającej 4 oraz Tabeli uzupełniającej 5.

figure-results-1
Rycina 1: Projekt badania w niniejszej analizie MR. (A) Analizy MR opierają się na trzech podstawowych założeniach. (B) Schemat projektu badania. NETs: zewnątrzkomórkowe pułapki neutrofilowe; T2DM: cukrzyca typu 2; SNP: polimorfizm pojedynczego nukleotydu; MR: randomizacja mendlowska; IVW: metoda odwrotnej wagi wariancji; MR-PRESSO: Mendelian Randomization Pleiotropy RESidual Sum and Outlier Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-2
Rysunek 2: Związek przyczynowy cech zapalnych związanych z NETs z T2DM i jego powikłaniami. (A) Wykres rozrzutu przedstawiający związek między poziomami IL-6 a cukrzycową CAD. (B) Wykres rozrzutu przedstawiający związek między NETs a T2D z powikłaniami nerkowymi. (C) Wykres rozrzutu przedstawiający związek między NETs a T2D z powikłaniami krążenia obwodowego. (D) Wykres leśny poziomów IL-6 w cukrzycowej CAD. (E) Wykres leśny NETs w T2D z powikłaniami nerkowymi. F: Wykres leśny NETs w T2D z powikłaniami krążenia obwodowego. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-3
Rysunek 3: Wyniki analizy wrażliwości. (A) Wykres lejkowy poziomu IL-6 w cukrzycowej CAD. (B) Wykres lejkowy NETs w T2D z powikłaniami nerkowymi. (C) Wykres lejkowy NETs w T2D z powikłaniami krążenia obwodowego. (D) Analiza wrażliwości metodą leave-one-out dla poziomu IL-6 w cukrzycowej CAD. (E) Analiza wrażliwości metodą leave-one-out dla NETs w T2D z powikłaniami nerkowymi. (F) Analiza wrażliwości metodą leave-one-out dla NETs w T2D z powikłaniami krążenia obwodowego. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Tabela 1: Główny związek przyczynowy cech zapalnych związanych z NETs w cukrzycy typu 2 oraz jej powikłaniach Kliknij tutaj, aby pobrać tę tabelę.

Tabela 2: Wyniki heterogeniczności i plejotropii zmiennych instrumentalnych Kliknij tutaj, aby pobrać tę tabelę.

Tabela 3: Wyniki MR-PRESSO Kliknij tutaj, aby pobrać tę tabelę.

Tabela uzupełniająca 1: Źródło danych dotyczących T2DM i jego powikłań Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 2: Źródło danych dotyczących cech zapalnych związanych z NETs Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 3: Wybór zmiennych instrumentalnych (IVs) Aby pobrać ten plik, kliknij tutaj.

Tabela uzupełniająca 4: Lista SNP zastępczych użytych w analizie MR Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 5: Komplementarne szacunki MR dla powiązań przyczynowych między cechami zapalnymi związanymi z NETs a powikłaniami T2DM Kliknij tutaj, aby pobrać ten plik.

Dyskusja

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

Niniejsze badanie wykorzystuje podejście MR z dwiema próbkami w celu zbadania powiązań między cechami zapalnymi związanymi z NETs a cukrzycą typu 2 (T2DM) oraz jej powikłaniami. Główne wyniki sugerują statystycznie istotny odwrotny związek między genetycznie przewidywanymi poziomami IL-6 a cukrzycową chorobą wieńcową (CAD). Wynik ten może odzwierciedlać złożoną architekturę genetyczną szlaków sygnałowych IL-6, a nie bezpośredni efekt ochronny krążącej IL-6 na powikłania sercowo-naczyniowe cukrzycy. Ponadto badanie to ujawnia powiązania między NETs a różnymi powikłaniami cukrzycowymi, w tym powikłaniami nerkowymi i krążenia obwodowego u pacjentów z T2DM. Powiązania te podkreślają znaczenie NETs w patogenezie powikłań związanych z cukrzycą i mogą stanowić podstawę dla przyszłych strategii terapeutycznych celujących w te szlaki zapalne.

Związek między IL-6 a cukrzycową postacią CAD był przedmiotem ożywionych debat, a badania prezentują zróżnicowane perspektywy na rolę IL-6. Niniejsze badanie sugeruje, że IL-6 może wykazywać złożoną, negatywną korelację z powikłaniami sercowo-naczyniowymi związanymi z cukrzycą. Cupido et al.39 potwierdzają te wnioski, łącząc zaburzenia sygnalizacji IL-6 ze zmniejszonym ryzykiem chorób kardiometabolicznych. Z drugiej strony Indumathi et al.40 zaobserwowali hipometylację i nadekspresję IL-6 u osób z cukrzycą, co sugeruje patogenną rolę w CAD. Jest to zgodne z wynikami Shrivastav et al.41 oraz Chittaragi et al.42, którzy zidentyfikowali podwyższone poziomy IL-6 jako prozapalne czynniki sprawcze i markery prognostyczne w cukrzycowej CAD. Jednak Liu et al.43 zwracają uwagę na dwoistą naturę adipokin, takich jak IL-6, w miażdżycy; ta zależna od kontekstu dualność prawdopodobnie wyjaśnia sprzeczne dowody w różnych badaniach. Rozbieżność w wynikach można przypisać kilku czynnikom. Po pierwsze, heterogeniczność projektów badań, populacji pacjentów oraz metod stosowanych do pomiaru poziomów IL-6 może prowadzić do odmiennych wniosków44. Po drugie, relacja czasowa między IL-6 a rozwojem CAD jest złożona i może obejmować zarówno komponenty przyczynowe, jak i reaktywne, co może nie zostać w pełni uchwycone w badaniach przekrojowych, a nawet w niektórych badaniach podłużnych45.

Choć niniejsze badanie oraz kilka innych sugerują istotny związek między IL-6 a cukrzycową chorobą wieńcową (CAD), dokładny charakter tej relacji pozostaje złożony i może być uwarunkowany przez różne czynniki biologiczne oraz metodologiczne. Warto zauważyć, że ta analiza MR wskazuje na statystycznie istotny negatywny związek między genetycznie przewidywanymi poziomami IL-6 a CAD związaną z cukrzycą (OR=0,8997), co stoi w sprzeczności z konwencjonalnym poglądem, według którego IL-6 sprzyja patologiom sercowo-naczyniowym. Rozbieżność ta może wynikać ze złożonej, podwójnej roli IL-6 w zapaleniu i naprawie tkanek46, lub z możliwości, że instrumenty genetyczne wykorzystane w analizie MR odzwierciedlają specyficzną ścieżkę biologiczną sygnalizacji IL-6, która różni się od jej ogólnego efektu systemowego. Zaobserwowanego w tym badaniu negatywnego związku nie należy interpretować w uproszczony sposób jako dowodu na kardioprotekcyjny efekt IL-6; prawdopodobnie odzwierciedla on on raczej złożone mechanizmy genetyczne leżące u podstaw sygnalizacji receptorów IL-6. Alternatywnie, zaobserwowany negatywny związek mógł być uwarunkowany przez mechanizmy kompensacyjne lub pętle ujemnego sprzężenia zwrotnego w sieci zapalnej, które nie są w pełni uchwycone w konwencjonalnych badaniach obserwacyjnych. Przyszłe badania powinny dążyć do wyjaśnienia tych złożoności poprzez starannie zaprojektowane badania podłużne oraz uwzględnienie wieloczynnikowego charakteru patogenezy CAD.

Rola NET w powikłaniach cukrzycowych, szczególnie w kontekście chorób nerek, jest coraz częściej uznawana za istotny czynnik pośredniczący wywołujący stan zapalny i uszkodzenia tkanek. Magaña-Guerrero et al.12 wiążą NET z hiperglikemią i niewydolnością nerek w retinopatii cukrzycowej, określając je jako markery progresji choroby. W kontekście cukrzycowej choroby nerek (DKD), Liu et al.47 wykazują, że nadekspresja midkiny sprzyja uszkodzeniu nerek poprzez zwiększenie tworzenia się NET, podczas gdy Zheng et al.48 wykazują, że NET indukują dysfunkcję śródbłonka kłębuszków oraz piroptozę, a efekty te są łagodzone przez leczenie DNase I. Poza tymi odkryciami eksperymentalnymi, niedawne analizy MR i transkrypcyjne zidentyfikowały specyficzne geny związane z NET (np. CLIC3, GBP2) jako przyczynowe czynniki ryzyka proliferacyjnej retinopatii cukrzycowej28. Co ciekawe, te dowody genetyczne stoją w wyraźnej sprzeczności z ustaleniami dotyczącymi negatywnego związku z powikłaniami nerkowymi, co podkreśla tkankowo swoiste mechanizmy działania NET. Łącznie badanie to uzupełnia ten obraz, wykazując istotny związek przyczynowy między NET a powikłaniami w krążeniu obwodowym w T2DM. Dalsze badania są niezbędne, aby wyjaśnić złożone oddziaływania czynników, które mogą wpływać na rolę NET w nefropatii cukrzycowej.

Choć niniejsze badanie wykazało potencjalny związek między IL-6 a cukrzycową CAD, a także istotną korelację między NETs a innymi powikłaniami cukrzycy, interakcja między tymi dwoma mediatorami stanu zapalnego wymaga dalszych badań. Mimo że w badaniu nie przeprowadzono dedykowanej analizy MR w celu przetestowania ścieżki przyczynowej od IL-6 do NETs, obszerny zbiór dowodów eksperymentalnych sugeruje, że IL-6 może działać jako czynnik nadrzędny napędzający cechy zapalne związane z NETs.

Z biologicznego punktu widzenia IL-6 jest kluczową cytokiną w odpowiedzi w fazie ostrej49 i wykazano, że przygotowuje neutrofile do tworzenia NETs50. Podwyższone poziomy IL-6, często obserwowane w hiperglikemicznym mikrośrodowisku cukrzycy51, mogą aktywować szlak sygnalizacyjny JAK/STAT3 w neutrofilach52. Aktywacja ta jest krytycznym etapem transkrypcyjnej upregulacji peptydyloargininy dejminazy 4 (PAD4)53, enzymu odpowiedzialnego za cytrulinację histonów i dekondensację chromatyny54, które są cechami charakterystycznymi dla NETosis54. Zatem biologicznie zasadne jest postawienie hipotezy o istnieniu sekwencyjnej osi patologicznej: systemowa upregulacja IL-6 sprzyja nadmiernemu tworzeniu NETs, co z kolei zaostrza uszkodzenia śródbłonka i zakrzepicę, prowadząc do różnorodnych powikłań cukrzycowych, w tym do cukrzycowej CAD i zmian nerkowych. Przyszłe badania z wykorzystaniem wielozmiennego MR lub analizy mediacji są konieczne, aby formalnie określić stopień, w jakim szkodliwe efekty IL-6 są transmitowane poprzez NETs.

Przedstawiona tutaj rama analityczna posiada znaczny potencjał w zakresie przyszłych zastosowań. Pod względem metodologicznym, ten schemat postępowania można rozszerzyć na wielowymiarową randomizację mendlowską (MVMR), aby przeanalizować niezależne efekty przyczynowe skorelowanych ekspozycji, co pozwoli na bardziej kompleksowe badanie złożonych szlaków biologicznych. Ponadto, włączenie analiz kolokalizacji w przyszłych iteracjach pomogłoby zweryfikować, czy ekspozycja i wynik dzielą ten sam wariant przyczynowy, co dodatkowo zredukuje ryzyko błędu wynikającego z nierównowagi sprzężeń genetycznych. W ujęciu klinicznym podejście to stanowi solidny schemat walidacji celów terapeutycznych. Poprzez systematyczne filtrowanie w kierunku plejotropii horyzontalnej i zapewnienie poprawności instrumentów, rama ta może pomóc w priorytetyzacji celów terapeutycznych o wyższym prawdopodobieństwie sukcesu klinicznego. Ostatecznie, przełożenie tych wniosków genetycznych na modele predykcji ryzyka mogłoby ułatwić strategie medycyny precyzyjnej, pozwalając na identyfikację podgrup wysokiego ryzyka, które odniosłyby największą korzyść z wczesnej interwencji.

W niniejszym badaniu zastosowano podejście MR z dwiema próbkami, które wykorzystuje warianty genetyczne jako IV do ustalenia przyczynowości, zapewniając tym samym solidne ramy do zbadania związku między cechami zapalnymi związanymi z NETs a T2DM oraz jego powikłaniami. Podejście to stanowi udoskonalenie badań obserwacyjnych, wykorzystując MR do ograniczenia wpływu czynników zakłócających oraz przyczynowości odwrotnej. W przeciwieństwie do standardowych implementacji MR opierających się wyłącznie na szacunkach IVW, w badaniu tym zintegrowano odporne analizy wrażliwości (ważona mediana, MR-Egger) oraz kontrole plejotropii. Ta wielometodowa struktura gwarantuje, że szacunki przyczynowe nie wynikają z nieprawidłowych instrumentów, co zapewnia większą trafność niż analizy jednostronne. Ponadto odtwarzalność tego podejścia jest zapewniona dzięki zestandaryzowanemu, przejrzystemu protokołowi harmonizacji danych i kontroli jakości, co odnosi się do „kryzysu replikacji” często występującego w złożonych analizach genetycznych. Pod względem wydajności i możliwości zastosowania, ten usprawniony proces redukuje obciążenie obliczeniowe związane z ręcznym opracowaniem danych, umożliwiając szybkie przesiewowe badanie wielu fenotypów. Taka skalowalność sprawia, że ramy te są szeroko stosowalne nie tylko w analizach, ale także w wysokoprzepustowych skanach asocjacyjnych w całym fenomie, oferując bardziej wszechstronne narzędzie do badania złożonych sieci biologicznych niż sztywne, jednostopniowe podejścia obserwacyjne.

Badanie to nie jest jednak pozbawione ograniczeń. Wykorzystanie instrumentów genetycznych opiera się na założeniu, że wybrane warianty są powiązane z analizowaną ekspozycją oraz wynikiem poprzez jedną ścieżkę, co może nie w pełni oddawać złożoność systemów biologicznych. Po drugie, ponieważ w analizie MR w badaniu tym opierano się głównie na danych z populacji europejskich, możliwość generalizacji wyników na inne populacje etniczne lub geograficzne może być ograniczona. Po trzecie, choć badanie zidentyfikowało potencjalne powiązania między cechami zapalnymi związanymi z NETs a T2DM i jego powikłaniami, specyficzne sieci regulacji molekularnej oraz leżące im u podstaw mechanizmy biologiczne wymagają dalszego wyjaśnienia w kolejnych badaniach eksperymentalnych. Należy zauważyć, że istotne związki przyczynowe ograniczały się do konkretnych powikłań, takich jak cukrzycowa CAD, powikłania nerkowe oraz naczyniowe obwodowe, i nie były obserwowane jednolicie we wszystkich badanych wyników cukrzycy. Dodatkowo, choć MR może ograniczyć wpływ czynników zakłócających, nie jest w stanie uwzględnić wszystkich potencjalnych źródeł błędu, takich jak niemierzone czynniki środowiskowe czy stratyfikacja populacyjna.

Ponadto uogólnialność wyników może być ograniczona przez specyfikę populacji, z których pochodzą dane genetyczne, a replikacja w zróżnicowanych populacjach jest niezbędna do potwierdzenia tych rezultatów. Chociaż niniejsze badanie wykorzystuje wielkoskalowe statystyki podsumowujące GWAS, brak uzupełniających danych z sekwencjonowania multiomicznego z kohort klinicznych lub modeli eksperymentalnych ogranicza możliwość walidacji mechanizmów molekularnych i zmian transkrypcyjnych leżących u podstaw zaobserwowanych powiązań przyczynowych. Ten przepływ pracy MR wymagał specyficznych korekt w celu rozwiązania problemów analitycznych, szczególnie w zakresie harmonizacji alleli i plejotropii. Aby zniwelować niejednoznaczność nici w przypadku palindromowych SNP, w badaniu zmodyfikowano potok analizy, aby rygorystycznie wykluczyć warianty o pośrednich częstotliwościach alleli (>0,42). Ponadto, w celu rozwiązania problemu potencjalnej plejotropii horyzontalnej, do przepływu pracy zintegrowano test outlierów MR-PRESSO. Pozwoliło to na iteracyjne usuwanie nieważnych zmiennych instrumentalnych, zapewniając, że końcowe szacunki przyczynowe były solidne i nie wynikały z plejotropowych wartości odstających.

Ważność wyników MR w dużym stopniu zależy od kilku krytycznych kroków analitycznych. Po pierwsze, nadrzędne znaczenie ma rygorystyczny dobór zmiennych instrumentalnych (IV). Dzięki zastosowaniu ścisłych progów istotności w całym genomie (P<5×10-6) oraz grupowaniu (clumping) w celu wyeliminowania nierównowagi sprzężeń (r2<0.001), w badaniu zminimalizowano ryzyko błędu słabego instrumentu, zapewniając silny związek wybranych SNP z ekspozycją. Po drugie, solidność szacunków przyczynowych jest uzależniona od uwzględnienia horyzontalnej plejotropii. W badaniu oparto się na wielu komplementarnych metodach, a konkretnie na MR-Egger, ważonej medianie oraz MR-PRESSO, co stanowiło niezbędne zabezpieczenie; spójność wyników uzyskanych tymi metodami, wraz z nieistotnymi statystycznie punktami przecięcia w modelu MR-Egger, potwierdza założenie, że zmienne IV wpływają na wynik wyłącznie poprzez ekspozycję. Chociaż warianty genetyczne mogą służyć jako wskaźniki cech zapalnych związanych z NET, mogą one nie odzwierciedlać w pełni dynamicznych, rzeczywistych fluktuacji NETosis in vivo, ponieważ szlaki regulacyjne od genotypu linii zarodkowej do aktywacji transkrypcyjnej i uwalniania białek obejmują złożone procesy biologiczne, które nie są ściśle liniowe. W kwestii powtarzalności, wykorzystanie wielkoskalowych, publicznie dostępnych statystyk podsumowujących GWAS gwarantuje, że analiza ta może zostać zweryfikowana niezależnie. Przejrzystość potoku analitycznego, w tym konkretnych parametrów harmonizacji i usuwania wartości odstających, umożliwia dokładną replikację tych wyników. Kroki te wspólnie wzmacniają wewnętrzną ważność niniejszego badania i stanowią powtarzalne ramy dla przyszłych analiz.

Podsumowując, w niniejszym badaniu zastosowano podejście MR z dwiema próbkami, aby zbadać powiązanie między cechami zapalnymi związanymi z NET a T2DM oraz jego powikłaniami. Wyniki sugerują istotny związek między poziomem IL-6 a cukrzycową CAD, co podkreśla potencjalną rolę IL-6 w powikłaniach sercowo-naczyniowych cukrzycy. Ponadto badanie to ujawnia powiązania między NET a różnymi powikłaniami cukrzycowymi, w tym powikłaniami nerkowymi i krążenia obwodowego, co podkreśla znaczenie cech zapalnych związanych z NET w patogenezie stanów związanych z cukrzycą. Wnioski te przyczyniają się do zrozumienia złożonych interakcji między zapaleniem, metabolizmem glukozy a zdrowiem naczyniowym w T2DM. Choć badanie dostarcza cennych dowodów na rolę NET w powikłaniach cukrzycowych, uznaje ono również złożoność zaangażowanych mechanizmów biologicznych oraz potrzebę dalszych badań w celu wyjaśnienia dokładnych szlaków i potencjalnych celów terapeutycznych.

Oświadczenia

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

Autorzy oświadczają, że nie mają żadnych konfliktów interesów.

Podziękowania

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

Badanie zostało wsparte przez Social Science and Technology Research Major Project of Zhongshan (numer grantu: 2021B3013) oraz Social Science and Technology Research Project of Zhongshan (numer grantu: 2022B1080). Podmioty finansujące nie brały udziału w planowaniu badania, gromadzeniu i analizie danych, decyzji o publikacji ani w przygotowaniu manuskryptu.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
CCN1GWAS CatalogGCST90277805http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90277001-GCST90278000/GCST90277805/harmonised/GCST90277805.h.tsv.gz
Choroba wieńcowa w cukrzycyGWAS CatalogGCST006405http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST006001-GCST007000/GCST006405/Fall_gwas_results_any_chd_tab.txt.gz
IL-6GWAS CatalogGCST90010146http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90010001-GCST90011000/GCST90010146/harmonised/33303764-GCST90010146-EFO_0007937.h.tsv.gz
MPOGWAS CatalogGCST90087967http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90087001-GCST90088000/GCST90087967/harmonised/35078996-GCST90087967-EFO_0011039.h.tsv.gz
MPO-DNAGWAS CatalogGCST90013658http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90013001-GCST90014000/GCST90013658/harmonised/33717105-GCST90013658-EFO_0005243.h.tsv.gz
Pakiet MR-PRESSOGitHub (rondolab)Wersja 1.0Pakiet R wykorzystywany do wykrywania i korygowania pod kątem plejotropii szacunków przyczynowych.
NEGWAS CatalogGCST90162366http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90162001-GCST90163000/GCST90162366/harmonised/GCST90162366.h.tsv.gz
NETsGWAS CatalogGCST90137414http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90137001-GCST90138000/GCST90137414/harmonised/GCST90137414.h.tsv.gz
NGALGWAS CatalogGCST90161504http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST90161001-GCST90162000/GCST90161504/harmonised/GCST90161504.h.tsv.gz
Oprogramowanie RR Foundation for Statistical ComputingWersja 4.0.5Główne środowisko obliczeń statystycznych wykorzystywane we wszystkich analizach.
Cukrzyca typu 2FINN R9T2Dhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_T2D.gz
Cukrzyca typu 2 z kwasicą ketonowąFINN R9E4_DM2KETOhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_E4_DM2KETO.gz
Cukrzyca typu 2 z powikłaniami neurologicznymiFINN R9E4_DM2NEUhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_E4_DM2NEU.gz
Cukrzyca typu 2 z powikłaniami okulistycznymiFINN R9E4_DM2OPTHhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_E4_DM2OPTH.gz
Cukrzyca typu 2 z powikłaniami krążenia obwodowegoFINN R9E4_DM2PERIPHhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_E4_DM2PERIPH.gz
Cukrzyca typu 2 z powikłaniami nerkowymiFINN R9E4_DM2RENhttps://storage.googleapis.com/finngen-public-data-r9/summary_stats/finngen_R9_E4_DM2REN.gz
TNF-aGWAS CatalogGCST004426http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCST004001-GCST005000/GCST004426/harmonised/27989323-GCST004426-EFO_0004684.h.tsv.gz
Pakiet TwoSampleMRGitHub (MRCIEU)Wersja 0.6.22Pakiet R wykorzystywany do przeprowadzania analiz randomizacji mendlowskiej.

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Tanase DM, et al. The intricate relationship between type 2 diabetes mellitus (T2DM), insulin resistance (IR), and nonalcoholic fatty liver disease (NAFLD). J Diabetes Res. 2020;2020:3920196.
  2. Yan Y, et al. Prevalence, awareness and control of type 2 diabetes mellitus and risk factors in Chinese elderly population. BMC Public Health. 2022;22(1):1382.
  3. Dugani SB, Mielke MM, Vella A. Burden and management of type 2 diabetes in rural United States. Diabetes Metab Res Rev. 2021;37(5):e3410.
  4. Rodriquez IM, O'Sullivan KL. Youth-onset type 2 diabetes: Burden of complications and socioeconomic cost. Curr Diab Rep. 2023;23(5):59-67.
  5. Zhang H, et al. Neutrophil, neutrophil extracellular traps and endothelial cell dysfunction in sepsis. Clin Transl Med. 2023;13(1):e1170.
  6. Hidalgo A, et al. Neutrophil extracellular traps: From physiology to pathology. Cardiovasc Res. 2022;118(13):2737-53.
  7. Goggs R, Jeffery U, Levine DN, Li RHL. Neutrophil-extracellular traps, cell-free DNA, and immunothrombosis in companion animals: A review. Vet Pathol. 2020;57(1):6-23.
  8. Tilley DO, et al. Histone H3 clipping is a novel signature of human neutrophil extracellular traps. Elife. 2022;11.
  9. Shafqat A, et al. Emerging role of neutrophil extracellular traps in the complications of diabetes mellitus. Front Med (Lausanne). 2022;9:995993.
  10. Njeim R, et al. NETosis contributes to the pathogenesis of diabetes and its complications. J Mol Endocrinol. 2020;65(4):R65-76.
  11. Helseth R, et al. Glucose associated NETosis in patients with ST-elevation myocardial infarction: An observational study. BMC Cardiovasc Disord. 2019;19(1):221.
  12. Magana-Guerrero FS, et al. Spontaneous neutrophil extracellular traps release are inflammatory markers associated with hyperglycemia and renal failure on diabetic retinopathy. Biomedicines. 2023;11(7).
  13. Ibrahim I, et al. Neutrophil extracellular traps (NETs) are associated with type 2 diabetes and diabetic foot ulcer related amputation: A prospective cohort study. Diabetes Ther. 2024;15(6):1333-48.
  14. Joshi MB, et al. High glucose modulates IL-6 mediated immune homeostasis through impeding neutrophil extracellular trap formation. FEBS Lett. 2013;587(14):2241-6.
  15. Bryk AH, et al. Predictors of neutrophil extracellular traps markers in type 2 diabetes mellitus: Associations with a prothrombotic state and hypofibrinolysis. Cardiovasc Diabetol. 2019;18(1):49.
  16. Park JH, et al. Evaluation of circulating markers of neutrophil extracellular trap (NET) formation as risk factors for diabetic retinopathy in a case-control association study. Exp Clin Endocrinol Diabetes. 2016;124(9):557-61.
  17. Winslow S, et al. Multi-omics links IL-6 trans-signalling with neutrophil extracellular trap formation and Haemophilus infection in COPD. Eur Respir J. 2021;58(4).
  18. Bowden J, Holmes MV. Meta-analysis and Mendelian randomization: A review. Res Synth Methods. 2019;10(4):486-96.
  19. Birney E. Mendelian randomization. Cold Spring Harb Perspect Med. 2022;12(4).
  20. Sanderson E, et al. Mendelian randomization. Nat Rev Methods Primers. 2022;2.
  21. Skrivankova VW, et al. Strengthening the reporting of observational studies in epidemiology using Mendelian randomization: The STROBE-MR statement. JAMA. 2021;326(16):1614-21.
  22. Liang YC, et al. Association of circulating inflammatory proteins with type 2 diabetes mellitus and its complications: A bidirectional Mendelian randomization study. Front Endocrinol (Lausanne). 2024;15:1358311.
  23. Papayannopoulos V, Metzler KD, Hakkim A, Zychlinsky A. Neutrophil elastase and myeloperoxidase regulate the formation of neutrophil extracellular traps. J Cell Biol. 2010;191(3):677-91.
  24. Kindberg KM, et al. IL-6R signaling is associated with PAD4 and neutrophil extracellular trap formation in patients with STEMI. Int J Mol Sci. 2025;26(11).
  25. Mao CL, et al. Neutrophil extracellular traps in rheumatoid arthritis: Pathogenic mechanisms and therapeutic potential. Front Immunol. 2025;16:1717671.
  26. Li H, et al. Hepatocytes and neutrophils cooperatively suppress bacterial infection by differentially regulating lipocalin-2 and neutrophil extracellular traps. Hepatology. 2018;68(4):1604-20.
  27. Li T, et al. Cellular communication network factor 1 promotes retinal leakage in diabetic retinopathy via inducing neutrophil stasis and neutrophil extracellular traps extrusion. Cell Commun Signal. 2024;22(1):275.
  28. Hao L, et al. Transcriptome sequencing and Mendelian randomization analysis identified biomarkers related to neutrophil extracellular traps in diabetic retinopathy. Front Immunol. 2024;15:1408974.
  29. Wang S, et al. Association between periodontitis and temporomandibular joint disorders. Arthritis Res Ther. 2023;25(1):143.
  30. Yin KJ, et al. No genetic causal association between periodontitis and arthritis: A bidirectional two-sample Mendelian randomization analysis. Front Immunol. 2022;13:808832.
  31. Genomes Project C, et al. A map of human genome variation from population-scale sequencing. Nature. 2010;467(7319):1061-73.
  32. Burgess S, Thompson SG, Collaboration CCG. Avoiding bias from weak instruments in Mendelian randomization studies. Int J Epidemiol. 2011;40(3):755-64.
  33. Burgess S, Butterworth A, Thompson SG. Mendelian randomization analysis with multiple genetic variants using summarized data. Genet Epidemiol. 2013;37(7):658-65.
  34. Burgess S, Thompson SG. Interpreting findings from Mendelian randomization using the MR-Egger method. Eur J Epidemiol. 2017;32(5):377-89.
  35. Bowden J, Davey Smith G, Haycock PC, Burgess S. Consistent estimation in Mendelian randomization with some invalid instruments using a weighted median estimator. Genet Epidemiol. 2016;40(4):304-14.
  36. Greco MF, Minelli C, Sheehan NA, Thompson JR. Detecting pleiotropy in Mendelian randomisation studies with summary data and a continuous outcome. Stat Med. 2015;34(21):2926-40.
  37. Verbanck M, Chen CY, Neale B, Do R. Publisher correction: Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases. Nat Genet. 2018;50(8):1196.
  38. Cheng H, Garrick DJ, Fernando RL. Efficient strategies for leave-one-out cross validation for genomic best linear unbiased prediction. J Anim Sci Biotechnol. 2017;8:38.
  39. Cupido AJ, et al. Dissecting the IL-6 pathway in cardiometabolic disease: A Mendelian randomization study on both IL6 and IL6R. Br J Clin Pharmacol. 2022;88(6):2875-84.
  40. Indumathi B, Oruganti SS, Sreenu B, Kutala VK. Association of promoter methylation and expression of inflammatory genes IL-6 and TNF-alpha with the risk of coronary artery disease in diabetic and obese subjects among Asian Indians. Indian J Clin Biochem. 2022;37(1):29-39.
  41. Shrivastav D, et al. Comparative analysis of Nε-carboxymethyl-lysine and inflammatory markers in diabetic and non-diabetic coronary artery disease patients. World J Diabetes. 2023;14(12):1754-65.
  42. Chittaragi GH, Ambali AP, Honnutagi R, Ganesh V. Interleukin-6 and uric acid among type 2 diabetes mellitus patients with coronary artery disease. Bioinformation. 2023;19(12):1134-8.
  43. Liu L, et al. Adipokines, adiposity, and atherosclerosis. Cell Mol Life Sci. 2022;79(5):272.
  44. Hua MJ, Butera G, Akinyemi O, Porterfield D. Biases and limitations in observational studies of long COVID prevalence and risk factors: A rapid systematic umbrella review. PLoS One. 2024;19(5):e0302408.
  45. Savitz DA, Wellenius GA. Can cross-sectional studies contribute to causal inference? It depends. Am J Epidemiol. 2023;192(4):514-6.
  46. Hirano T. IL-6 in inflammation, autoimmunity and cancer. Int Immunol. 2021;33(3):127-48.
  47. Liu G, Ren X, Li Y, Li H. Midkine promotes kidney injury in diabetic kidney disease by increasing neutrophil extracellular traps formation. Ann Transl Med. 2022;10(12):693.
  48. Zheng F, et al. Neutrophil extracellular traps induce glomerular endothelial cell dysfunction and pyroptosis in diabetic kidney disease. Diabetes. 2022;71(12):2739-50.
  49. Schmidt-Arras D, Rose-John S. IL-6 pathway in the liver: From physiopathology to therapy. J Hepatol. 2016;64(6):1403-15.
  50. Xiao Y, et al. Cathepsin C promotes breast cancer lung metastasis by modulating neutrophil infiltration and neutrophil extracellular trap formation. Cancer Cell. 2021;39(3):423-37.e427.
  51. Sater MS, et al. Plasma IL-6, TREM1, uPAR, and IL6/IL8 biomarkers increment further witnessing the chronic inflammation in type 2 diabetes. Horm Mol Biol Clin Investig. 2023;44(3):259-69.
  52. Martino N, et al. Endothelial SOCS3 maintains homeostasis and promotes survival in endotoxemic mice. JCI Insight. 2021;6(14).
  53. Akboua H, Eghbalzadeh K, Keser U, Wahlers T, et al. Impaired non-canonical transforming growth factor-β signalling prevents profibrotic phenotypes in cultured peptidylarginine deiminase 4-deficient murine cardiac fibroblasts. J Cell Mol Med. 2021;25(20):9674-84.
  54. Thiam HR, et al. NETosis proceeds by cytoskeleton and endomembrane disassembly and PAD4-mediated chromatin decondensation and nuclear envelope rupture. Proc Natl Acad Sci U S A. 2020;117(13):7326-37.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Zewn trzkom rkowe pu apki neutrofilneinterleukina 6powik ania cukrzycychoroba wie cowapowik ania nerkowepowik ania kr enia obwodowegobadanie powi za ca ego genomu

Powiązane artykuły