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。