论文部分内容阅读
目的:脉压(Pulse pressure,PP)是反映动脉血管弹性的重要指标,与多种环境因素和遗传因素有关。PP增高是高血压、冠心病、心力衰竭、心肌梗死和脑卒中等心脑血管疾病的独立危险因素。本研究以磷脂酰肌醇-4,5-双磷酸3-激酶催化亚基γ(Phosphatidylinositol-4,5-bisphosphate 3-kinase catalytic subunit gamma,PIK3CG)基因为目标基因,探讨中国汉族人群中PIK3CG基因多个单核苷酸多态性(Single nucleotide polymorphism,SNP)与PP增高之间的关联性。研究结果有助于从基因水平上揭示PP变化的机制,为控制PP水平,预防心脑血管疾病提供科学依据。方法:本研究以青岛市30岁及以上的社区人群为研究对象,采用病例对照研究设计,选择位于7号染色体(7q22.3)上的PIK3CG基因为目标基因,以rs12667819、rs1129293、rs17398575、rs17477177、rs17847825、rs2230460、rs28763991、rs3173908和rs4727666为标签SNP(tag SNP)。PP≥65mm Hg者作为病例组(PP增高组),30mm Hg≤PP≤45mm Hg且血压正常(收缩压/舒张压≤120/80mm Hg)者作为正常对照组(PP正常组)。采用Logistic回归分析方法,探讨PIK3CG基因上述多个单核苷酸多态性在共显性、加性、显性、隐性和超显性等五种遗传模型下与PP增高之间的关联性,并采用赤池信息量准则(Akaike information criterion,AIC)判断每个遗传位点的最佳遗传模型;应用Haploview 4.2软件进行连锁不平衡分析,构建单倍型区域,同时采用χ2检验比较正常对照组和高PP病例组间单倍型频率的分布;采用加权基因分数法,计算PIK3CG基因rs12667819、rs1129293、rs17398575、rs17477177、rs17847825、rs2230460、rs28763991、rs3173908和rs4727666位点的基因分数,并探索PIK3CG基因分数与PP增高之间的关联性;基于相乘和相加模型分析PIK3CG基因分数与年龄、肥胖和高脂血症的交互作用对PP增高的影响;采用优势分析比较年龄、性别、肥胖、教育水平、高脂血症、糖尿病、吸烟状况、饮酒状况、休闲体力活动以及PIK3CG基因分数对PP增高影响的相对作用大小。结果:1.病例组与对照组基本情况比较本研究共纳入718名研究对象,其中对照组(PP正常组)367例,病例组(PP增高组)351例。两组间年龄(t=-3.614,P<0.05)、肥胖(χ2=53.844,P<0.05)、教育水平(χ2=35.071,P<0.05)、高血脂症(χ2=16.633,P<0.001)、糖尿病(χ2=57.167,P<0.05)、饮酒状态(χ2=7.706,P<0.05)、休闲体力活动(χ2=10.103,P<0.05)分布差异均具有统计学意义。性别和吸烟状况在两组间分布差异均无统计学意义(χ2=0.008、χ2=0.450,P>0.05)。2.PIK3CG基因各SNP位点与PP增高的关联性调整年龄、性别、肥胖、教育水平、高脂血症、糖尿病、吸烟状况、饮酒状况、休闲体力活动后,多因素Logistic回归分析结果显示,(1)rs17398575位点:在加性模型下,rs17398575位点与PP增高有关(GG vs GA vs AA,OR=1.40,95%CI:1.01-1.95,P<0.05);在共显性(GA vs GG;AA vs GG)、显性[(GA+AA)vs GG]、隐性[AA vs(GG+GA)]和超显性[(GG+AA)vs GA]模型下,rs17398575位点与PP增高之间的关系均无统计学意义(P>0.05);(2)rs17477177位点:在共显性模型下,相对于TT基因型,CC基因型的携带者PP增高的危险性增加(CC vs TT,OR=3.07,95%CI:1.06-8.83,P<0.05);在加性模型下,rs17477177位点变异与PP增高有关(TT vs CT vs CC,OR=1.46,95%CI:1.05-2.03,P<0.05);在隐性模型下,与(TT+CT)基因型的个体相比较,携带CC基因型的个体PP增高的可能性增加[CC vs(TT+CT),OR=2.89,95%CI:1.01-8.29,P<0.05];在显性[(CT+CC)vs TT]和超显性[(CC+TT)vs CT]模型下,rs17477177位点与PP增高之间的关系无统计学意义(P>0.05);(3)rs12667819、rs1129293、rs17847825、rs2230460、rs28763991、rs3173908和rs4727666位点在共显性、加性、显性、隐性和超显性遗传模型下,与PP增高之间的关系均无统计学意义(P>0.05)。根据AIC判断,rs17398575和rs17477177位点的最佳遗传模型均为加性模型。3.PIK3CG基因SNP位点的单倍型与PP增高的关联性应用Haploview 4.2软件进行连锁不平衡分析,共定义了2个单倍型域,rs17398575和rs17477177位于单倍型域1;rs4727666、rs17847825、rs1129293、rs28763991、rs2230460和rs3173908位于单倍型域2。单倍型分析结果显示,未发现在PP增高组与PP正常组间单倍型频率分布的差异存在统计学意义(P>0.05)。4.PIK3CG基因SNP位点基因分数与PP增高的关联性单因素logistic回归分析结果显示,PIK3CG基因分数(OR=1.78,95%CI:1.02-3.12,P<0.05)与PP增高呈正相关;调整年龄、性别、肥胖、教育水平、高脂血症、糖尿病、吸烟状况、饮酒状况、休闲体力活动后,PIK3CG基因分数(OR=2.22,95%CI:1.19-4.16,P<0.05)与PP增高的正相关关系仍具有统计学意义。PIK3CG基因分数越高,PP增高的风险性越大。5.PIK3CG基因SNP位点基因分数与环境因素如年龄、肥胖、高脂血症等的交互作用对PP增高的影响PIK3CG各SNP的加权基因分数与环境因素(如年龄、肥胖、高脂血症)间交互作用的分析结果显示,在相乘和相加模型中均无统计学意义(P>0.05)。6.PP增高影响因素的优势分析PP增高的影响因素按标准化优势权重由大到小依次为肥胖(30.20%)、糖尿病(28.98%)、教育水平(18.73%)、高血脂症(5.59%)、饮酒状态(4.81%)、休闲体力活动(4.27%)、PIK3CG基因分数(3.28%)、年龄(3.16%)、性别(0.57%)和吸烟状况(0.42%)。结论:(1)PIK3CG基因rs17398575和rs17477177位点影响PP增高的遗传易感性,提示PIK3CG基因遗传多态性与PP增高有关;未发现rs12667819、rs1129293、rs17847825、rs2230460、rs28763991、rs3173908和rs4727666位点在五种遗传模型下,与PP增高之间存在关联;(2)PIK3CG基因分数与PP增高有关,得分越高,PP增高的风险越大;(3)与其它因素相比较,肥胖和糖尿病是影响PP增高的主要因素;(4)未发现PIK3CG基因分数与年龄、肥胖、高脂血症对PP增高的交互作用。