2型糖尿病遗传流行病学研究进展

　　摘 要：2型糖尿病是糖尿病的主要类型，随着患病率的逐年升高，已成为严重危害人类健康的慢性疾病。2型糖尿病的发生与人们的生活行为方式改变有关，也与遗传因素及其相互作用有关。研究者们尝试用多种策略寻找与2型糖尿病关联的基因，期望为理解2型糖尿病的发病机制以及制订有效地预防控制措施提供新的线索。 　　关键词：2型糖尿病 遗传流行病学 研究进展 关联研究 　　中图分类号：R587.1 文献标识码：A 文章编号：1672-3791（2016）03（a）-0149-04 　　2型糖尿病是以高血糖和脂代谢异常为特征的慢性代谢性疾病，其患病率持续上升，已成为严重威胁人类健康的疾病之一[1]。病因学研究认为2型糖尿病是遗传因素和环境因素共同参与和相互作用导致的复杂疾病[2]。近年来国内外学者进行了大量的遗传流行病学研究，希望找到2型糖尿病的易感基因，以更好地理解其遗传学基础和发病机制。研究者采用了连锁分析、候选基因关联分析、全基因组关联分析和基于通路的分析等研究策略和方法，定位和识别大量与2型糖尿病关联的基因区域及位点，现综述如以下几点。 　　1 连锁分析 　　连锁分析是较早用于定位2型糖尿病易感基因的方法。目前，已在20多个种族人群中进行全基因组扫描及微卫星标记与2型糖尿病的连锁分析[3]，结果显示2型糖尿病的易感位点位于多条染色体上，并且在多个人群中得到验证（见表1）。 　　运用全基因组连锁分析虽然发现了一些可能与2型糖尿病相关的易感区域，但这些连锁区域通常较大，可能包含很多个基因，进一步定位2型糖尿病的易感基因还存在一定的困难[3-4]。另外，连锁分析对由多个微效基因和环境因素共同作用所致的复杂疾病或性状的研究效能较低。（如表1） 　　2 候选基因关联研究 　　候选基因关联研究是根据某些间接线索（如：连锁分析的结果或者基因表达产物的功能信息等）选定一个或几个候选基因，借助于直接测序或等位基因特异性扩增等实验方法，通过在病例和对照中比较候选基因序列差异，来确定这些候选基因与患病状态或数量性状间是否存在关联。候选基因关联研究的“关联”有两层含义：第一，变异序列即为致病基因序列；第二，变异序列并非致病基因序列，而只是与真正致病变异序列存在着连锁不平衡关系。 　　候选基因关联研究是连锁分析的有益补充，可以在连锁分析定位了易感基因的染色体区域后，进一步采用关联研究对疾病易感区域进行精确定位。除了基于连锁区域的候选基因，即位置候选基因，还有功能候选基因和表达候选基因[5]。功能候选基因的选择基于表型和基因潜在功能的先验知识，这些知识可能来源于临床观察、已知的疾病有关过程的研究、疾病动物模型及遗传药理学研究等。胰岛素抵抗和β细胞功能障碍是2型糖尿病的重要病理生理改变，因此，所有与这两个进程有关的基因都可以作为2型糖尿病的候选基因。而表达候选基因即应用基因芯片发现的差异表达基因。自从20多年前第一篇胰岛素基因与2型糖尿病的关联研究发表以来，与胰腺发育的分子机制、胰岛素信号转导和胰岛素分泌等有关的2型糖尿病的候选基因明显增多，已报道的部分候选基因关联分析结果见表2。小型的候选基因关联研究的结果可重复性较差，仅PPARG和KCNJ11得到较好的重复[3，6]。 　　3 全基因组关联研究（Genome-wide association study， GWAS） 　　人类基因组计划和国际人类基因组单体型图计划的完成以及高通量基因分型技术的迅猛发展，使基于单核苷酸多态性（SNP）的全基因组关联研究成为可能[7]，它以人类基因组中数以百万计的SNP为标记进行病例-对照关联分析，以期发现与复杂疾病相关的遗传变异[8-9]。与连锁分析相比，全基因组关联分析更适合挖掘中等效应的遗传变异；与候选基因关联研究相比，基因可以是“未知”的，不需要在研究之前构造任何假设，研究更加全面，更容易发现新的易感基因。 　　自2007年Sladek等[10]在Nature上发表第一篇关于2型糖尿病的全基因组关联分析以来，在不同种族、不同人群中开展的2型糖尿病全基因组关联分析有32项（截至2013年3月，包括meta分析）[11]，报道的关联位点139个，被不同研究验证的60多个，阳性位点对应的基因约108个，其中被不同研究验证的有CDKAL1、CDKN2A、CDKN2B、FTO、HHEX、HMG20A、IGF2BP2、KCNJ11、KCNQ1、PPARG、SLC30A8、TCF7L2等。 　　2型糖尿病易感基因位点的迅速增加为更好地理解2型糖尿病的遗传多基因基础提供了帮助，但这些遗传变异还不足以全面系统地阐释2型糖尿病的遗传机制，它们仅能解释一小部分遗传度[12-13]，存在着严重的“遗失遗传度”现象。这可能与全基因组关联分析的局限性有关。（1）全基因组关联分析以单个SNP作为分析单位，仅考虑“最显著的SNP”及其附近的少数基因，忽略了更重要的基因间的互作信息。（2）尽管一些国际组织如WTCCC[14]、FUSION[15]、DGI[16]开展了大规模的全基因组关联分析，但样本量相对于数十万甚至数百万的SNP来说仍然偏小，统计检验效能较低，再加上多重检验问题，会使得一些微效基因被遗漏[12]。（3）全基因组关联分析是建立在“常见疾病，常见变异”的假设基础上的，它主要寻找与复杂疾病相关的常见变异，常将次等位基因频率（MAF）小于5%的位点删除而不进行分析，这将导致一些MAF较低而有相对较大效应的遗传变异也被忽略掉。（如表2） 　　2009年NEJM和Nature相继发表关于全基因组关联分析的评论文章，研究者开始对全基因组关联分析进行反思，逐渐将关注的焦点转移到如何深入分析GWAS数据上来，期待发现更多复杂疾病的易感基因。一些新的策略和方法已经被尝试应用到复杂疾病GWAS的后续研究中，如开展国际合作和进行Meta分析，易感区域精细定位及测序，多种疾病共同易感基因研究，基因-基因、基因-环境交互作用研究，基于通路的关联分析等。 　　4 基因-基因交互作用研究 　　基因-基因交互作用主要指非等位基因间的相互作用，有的文献中也称上位效应，它可能是导致复杂疾病的主要因素之一[17]。复杂疾病大多受到微效基因的影响，这些影响更可能通过交互作用分析被检测出来。基因-基因交互作用研究不仅可以提高发现基因与疾病关联的功效，而且有助于对疾病相关生物学通路的理解[18]。 　　研究者已提出众多用于检测基因-基因交互作用的统计学方法或算法，总的来说大致可以分为两大类，传统的基于模型的方法（如：logistic回归模型等）和基于数据挖掘的生物信息学方法（如：决策树分析、遗传规划算法等）[18-19]，并且已在对老年痴呆症[20]、乳腺癌[21-22]、精神分裂症[23]等复杂疾病的研究中发现了SNP-SNP交互作用。Cho等[24]用多因子降维的方法对15个候选基因的23个位点进行分析，发现UCP2和PPARγ基因中的两位点互作与2型糖尿病关联。Lin等[25]报道肥胖相关候选基因的SNP-SNP互作可以增加患2型糖尿病的风险。Neuman等[26]在德系犹太人中发现HNF4A和WFS1基因中的SNP的交互效应也与2型糖尿病相关。基因-基因交互作用可以弥补单位点分析仅报道最显著关联的缺陷，可更好地揭示复杂疾病的遗传学基础。 　　5 基于通路的关联分析 　　2型糖尿病是多基因复杂疾病，单基因变异对复杂疾病的作用是有限的，而通路中的基因变异的联合作用可能在诱发疾病过程中起着更为重要的作用。然而，目前单基因分析方法仅能识别出与疾病显著关联或差异表达的少数基因[16，17]，而在复杂疾病研究中还需进一步解析复杂疾病的多基因基础，特别是这些微效基因构成的但在功能上高度相关的致病基因簇，即复杂疾病遗传通路。 　　通路分析是近年来发展的基于先验知识的下游功能学分析方法，它以已有的先验通路（如：KEGG、Biocarta和Gene Ontology等数据库中的通路）中的基因集为分析单元，在基因集水平上寻找疾病关联的通路及生物学功能，评估通路对疾病风险的贡献。以功能相关的基因集为分析单元符合复杂疾病的多基因遗传特性，一方面可以起到降维的目的，减少多重比较的次数，增加了检验效能；另一方面考虑了同一功能基因集中基因间的相互作用，并把复杂的基因互作看作一个整体纳入分析，能更好地识别互作效应和挖掘出具备功能学意义的互作基因，所得结果也更具有明确的生物学解释[27]。 　　Torkamani[28]等对WTCCC收集的GWAS数据进行通路分析，发现脂质代谢调控通路、G蛋白信号通路、Akt通路及Ednra信号通路等4条通路与2型糖尿病关联，并且这些结果得到了众多分子生物学功能研究文献的支持。通路分析有望进一步推动人类对复杂疾病遗传机制的认识。 　　参考文献 　　[1] Guariguata，L.，D.R.Whiting，I.Hambleton，et al.，Global estimates of diabetes prevalence for 2013 and projections for 2035[J].Diabetes Res Clin Pract，2014，103（2）：137-149. 　　[2] Kaul，N.and S.Ali，Genes，Genetics，and Environment in Type 2 Diabetes：Implication in Personalized Medicine[J].DNA Cell Biol，2016，35（1）：1-12. 　　[3] Huang，Q.Y.，M.R.Cheng，and S.L.Ji，Linkage and association studies of the susceptibility genes for type 2 diabetes[J].Yi Chuan Xue Bao，2006，33（7）：573-589. 　　[4] Guan，W.，A.Pluzhnikov，N.J.Cox，et al.，Meta-analysis of 23 type 2 diabetes linkage studies from the International Type 2 Diabetes Linkage Analysis Consortium[J].Hum Hered，2008，66（1）：35-49. 　　[5] Weedon，M.N.，K.R.Owen，B.Shields，et al.，Common variants of the hepatocyte nuclear factor-4alpha P2 promoter are associated with type 2 diabetes in the U.K.population[J].Diabetes，2004，53（11）：3002-3006. 　　[6] Wheeler，E.and I.Barroso，Genome-wide association studies and type 2 diabetes[J].Brief Funct Genomics， 2011，10（2）：52-60. 　　[7] Carlson，C.S.，M.A.Eberle，L.Kruglyak，et al.，Mapping complex disease loci in whole-genome association studies[J].Nature，2004，429（6990）：446-452. 　　[8] Staiger，H.，F.Machicao，A.Fritsche，et al.， Pathomechanisms of type 2 diabetes genes[J].Endocr Rev，2009，30（6）：557-585. 　　[9] Hardy，J.and A.Singleton，Genomewide association studies and human disease[J].N Engl J Med，2009，360（17）： 1759-1768. 　　[10] Sladek，R.，G.Rocheleau，J.Rung，et al.，A genome-wide association study identifies novel risk loci for type 2 diabetes[J].Nature，2007，445（7130）：881-885. 　　[11] http：//www.genome.gov/gwastudies/index.cfm？pageid=26525384`#searchForm. 　　[12] Imamura，M.and S.Maeda，Genetics of type 2 diabetes： the GWAS era and future perspectives[J].Endocr J， 2011，58（9）：723-739. 　　[13] Voight， B.F.，L.J.Scott，V.Steinthorsdottir，et al.，Twelve type 2 diabetes susceptibility loci identified through large-scale association analysis[J].Nat Genet，2010，42（7）：579-589. 　　[14] Genome-wide association study of 14，000 cases of seven common diseases and 3，000 shared controls[J].Nature， 2007，447（7145）：661-678. 　　[15] Scott，L.J.，K.L.Mohlke，L.L.Bonnycastle，et al.，A genome-wide association study of type 2 diabetes in Finns detects multiple susceptibility variants[J].Science， 2007，316（5829）：1341-1315. 　　[16] Saxena，R.，B.F.Voight，V.Lyssenko，et al.，Genome-wide association analysis identifies loci for type 2 diabetes and triglyceride levels[J].Science，2007，316（5829）：1331-1336. 　　[17] 沈佳薇，胡晓菡，师咏勇.全基因组基因-基因相互作用研究现状[J].遗传，2011，33（8）：820-828. 　　[18] Cordell，H.J.，Detecting gene-gene interactions that underlie human diseases[J].Nat Rev Genet，2009，10（6）： 392-404. 　　[19] Garcia-Magarinos，M.，I.Lopez-de-Ullibarri，R.Cao，et al.，Evaluating the ability of tree-based methods and logistic regression for the detection of SNP-SNP interaction[J].Ann Hum Genet，2009，73（3）：360-369. 　　[20] Zubenko，G.S.，H.B.Hughes，3rd，and J.S.Stiffler，D10S1423 identifies a susceptibility locus for Alzheimer's disease in a prospective，longitudinal，double-blind study of asymptomatic individuals[J].Mol Psychiatry，2001，6（4）：413-419. 　　[21] Aston，C.E.，D.A.Ralph，D.P.Lalo，et al.，Oligogenic combinations associated with breast cancer risk in women under 53 years of age[J].Hum Genet，2005，116（3）：208-221. 　　[22] Ritchie，M.D.，L.W.Hahn，N.Roodi，et al.，Multifactor-dimensionality reduction reveals high-order interactions among estrogen-metabolism genes in sporadic breast cancer[J].Am J Hum Genet，2001，69（1）：138-147. 　　[23] Becker，T.，J.Schumacher，S.Cichon，et al.，Haplotype interaction analysis of unlinked regions[J].Genet Epidemiol，2005，29（4）：313-322. 　　[24] Cho，Y.M.，M.D.Ritchie，J.H.Moore，et al.，Multifactor-dimensionality reduction shows a two-locus interaction associated with Type 2 diabetes mellitus[J]. Diabetologia，，2004，47（3）：549-554. 　　[25] Lin，E.，D.Pei，Y.J.Huang，et al.，Gene-gene interactions among genetic variants from obesity candidate genes for nonobese and obese populations in type 2 diabetes[J]. Genet Test Mol Biomarkers，2009，13（4）：485-493. 　　[26] Neuman，R.J.，J.Wasson，G.Atzmon， et al.，Gene-gene interactions lead to higher risk for development of type 2 diabetes in an Ashkenazi Jewish population[J].PLoS One，2010，5（3）：9903. 　　[27] Wu，M.C.and X.Lin，Prior biological knowledge-based approaches for the analysis of genome-wide expression profiles using gene sets and pathways[J].Stat Methods Med Res，2009，18（6）：577-593. 　　[28] Torkamani，A.，E.J.Topol， and N.J.Schork，Pathway analysis of seven common diseases assessed by genome-wide association[J].Genomics，2008，92（5）：265-272.