文献速递重症综合管理与镇静镇痛

脓毒症风险的宿主遗传变异:领域概要与荟萃分析

Host genetic variants in sepsis risk: a field synopsis and meta-analysis.
PubMed 文献 · Crit Care · 2019-01-25
一句话结论系统综述与荟萃分析发现29个基因变异与脓毒症风险显著相关,其中4个变异证据强度为强,为未来个体化治疗提供线索。

该研究系统检索多个数据库,纳入349篇文献、405个变异(172个基因),对至少3个研究种群的76个变异(44个基因)进行204项主荟萃分析和185项亚组荟萃分析。结果显示29个变异(23个基因)与脓毒症风险显著相关,其中18个变异累积流行病学证据为强或中等。另对少于3个研究种群的329个变异进行系统综述,发现63个变异(48个基因)与脓毒症风险名义显著相关。研究结论认为多个遗传变异可能影响脓毒症易感性,为未来个体化靶向治疗提供全面概述和新见解。

要点

  • 29个变异(23个基因)与脓毒症风险显著相关,包括8个模式识别受体变异、14个细胞因子变异、1个免疫相关基因变异和6个其他基因变异。
  • 18个变异的累积流行病学证据被Venice标准评为强或中等,其中4个为强证据:TLR1 rs5743551-7202A/G、RAGE rs1800625-429 T/C和rs1800624-374 T/A、miR-608 rs4919510G/C。
  • LBP rs2232618 Phe436Leu显性模型OR=1.93(95%CI 1.49–2.48,P<0.0001),NOD2 rs2066847 Leu1007Pro显性模型OR=2.37(95%CI 1.49–3.75,P=0.0002)。
  • TNFA rs361525-238G/A隐性模型OR=4.88(95%CI 2.19–10.87,P<0.0001),但仅亚洲人群亚组显示显著关联。
  • 研究局限性包括未纳入非英语文献、未发表报告和数据不足的研究,纳入研究数量少、样本量小,尤其亚组分析,且未评估基因-基因/环境交互作用。

适用人群与场景

  • 纳入标准:独立病例对照或队列设计,评估遗传多态性与脓毒症易感性关联;有足够数据计算OR及95%CI;英文发表。
  • 排除标准:病例报告、摘要、评论、信件或综述;缺乏足够数据且联系作者后仍无法计算相对风险;基因型数据与其他研究重叠。

诊断标准与关键阈值

  • 脓毒症定义为由感染引起的失调宿主反应导致的生命威胁性器官功能障碍。
  • 强关联定义:OR≥1.5或≤0.67;中等关联定义:OR=1.5–1.15或0.67–0.87;强关联需P<0.001。
  • Venice标准评估累积证据可信度:强(仅A级)、弱(一个或多个C级)、中等(其他组合)。

研究设计与关键结果

  • 系统综述与荟萃分析,纳入349篇文献,涉及405个变异(172个基因),对76个变异(44个基因)进行389项荟萃分析(204项主分析、185项亚组分析)。
  • 29个变异(23个基因)与脓毒症风险显著相关(P<0.05),其中18个变异累积证据为强或中等。
  • TLR1 rs5743551-7202A/G:4项研究(1224例病例、943例对照),隐性模型OR=1.52(95%CI 1.16–2.00,P=0.002),等位基因模型OR=1.17(95%CI 1.02–1.34,P=0.02);白人亚组隐性模型OR=1.78(95%CI 1.18–2.69,P=0.006)。
  • LBP rs2232618 Phe436Leu:4项研究(615例病例、1267例对照),显性模型OR=1.93(95%CI 1.49–2.48,P<0.0001);成人亚组等位基因模型OR=2.10(95%CI 1.58–2.78,P<0.0001)。
  • RAGE rs1800625-429 T/C:4项研究,显性模型OR=0.59(95%CI 0.45–0.73,P<0.001),隐性模型OR=0.47(95%CI 0.24–0.96,P=0.04),等位基因模型OR=0.61(95%CI 0.51–0.74,P<0.0001),证据级别高。
  • NOD2 rs2066844 Arg702Trp显性模型OR=2.25(95%CI 1.39–3.64,P=0.001);rs2066847 Leu1007Pro显性模型OR=2.37(95%CI 1.49–3.75,P=0.0002)。
  • TNFA rs361525-238G/A隐性模型OR=4.88(95%CI 2.19–10.87,P<0.0001);FCGR2A rs1801274 His131Arg隐性模型OR=1.65(95%CI 1.08–2.53,P=0.02),等位基因模型OR=1.25(95%CI 1.09–1.44,P=0.001)。
  • 329个变异因少于3个研究种群未纳入荟萃分析,系统综述发现其中63个变异(48个基因)与脓毒症风险名义显著相关(P<0.05),样本量80至1895。

证据类型、等级与局限

  • 证据类型:系统综述与荟萃分析。
  • 证据等级:采用Venice标准评估累积流行病学证据可信度,4个变异为强证据,14个为中等证据,11个为弱证据。
  • 局限:未纳入非英语文献、未发表报告和数据不足的研究,可能引入偏倚;纳入荟萃分析的研究数量少,各研究样本量相对较小,尤其亚组分析,可能影响统计效能;缺乏所有纳入人群的精确种族信息,分类宽泛且易受人群分层影响;纳入研究均未考虑基因-基因/环境交互作用,本研究无法解决;总体结果基于未调整数据,因数据限制无法按性别、年龄和感染类型进行更精确分层分析,也限制了对异质性来源的检测;尽管采用国际公认的系统方法,评估关联可信度仍有改进空间,Venice标准不能确定因果关系,需基因敲除实验、基因表达微阵列等机制数据。

对床旁实践的改变

  • 作者认为,识别脓毒症高风险患者可能通过靶向治疗(如抗生素预防、替代治疗或血浆输注)改善预后。
  • 作者认为,强可信度关联值得深入评估包括生物学研究;中等可信度关联需要更多遗传学和生物学研究;弱遗传关联除非有强机制证据,否则可能不值得进一步研究。

提炼说明

  • 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译17 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Crit Care. 2019 Jan 25;23:26. doi: 10.1186/s13054-019-2313-0

背景

脓毒症被定义为由宿主对感染反应失调所引起的危及生命的器官功能障碍,它是一个全球范围内主要的、未被充分认识的健康照护问题[1]。尽管有现代复苏策略和新的抗感染选择,脓毒症仍是危重患者死亡的主要原因[2]。国际专家共识认为,脓毒症患者的异质性可能部分导致了脓毒症患者治疗临床试验的失败[3]。因此,迫切需要能够识别高风险患者的可靠标志物,以改善检测和预防性照护。Sorensen及其同事[4]报告,如果成年被收养者的一位生物学父母在50岁前死于感染,则其死于感染的风险增加5.81倍。该风险超过了死于癌症或心血管疾病的相对风险(RR),首次提示宿主遗传学可能在感染性疾病的发生中起重要作用。此后,越来越多证据提示,遗传变异,尤其是单核苷酸多态性(SNPs),是脓毒症患者炎症反应和临床结局个体间差异的关键决定因素[5]。

近年来,许多研究者报告了调节宿主免疫反应的基因中宿主遗传变异(包括SNPs、插入/缺失(Ins/Del)和可变数目串联重复序列(VNTRs))与脓毒症易感性之间的关联[6, 7]。然而,由于样本量相对较小的单变异研究在效能方面的考虑,这些研究的结果仍相互矛盾,且迄今尚未发表考察所有已检测变异的系统综述。

本研究采用系统综述和荟萃分析方法,并依据预先定义的方案,以阐明宿主遗传变异与脓毒症风险之间的潜在关联。

方法

本检索按照PRISMA标准进行[8]。制定了包含预先定义纳入标准和文献检索词的书面方案,并将其用于所有后续流程。

检索策略

我们采用两阶段检索策略来识别相关出版物(图1)。在第1阶段,我们构建了检索方案,包括在PubMed、EMBASE、Medline、Web of Knowledge和HuGE数据库中与检索词“sepsis”和“polymorphism”相关或同义的关键词(完整检索策略见附加文件1)。检索于2016年3月7日进行。还检索了所有已识别出版物的参考文献,以寻找其他符合条件的研究。在第2阶段(于2016年3月1日至2018年12月6日进行),我们使用相同关键词查询PubMed数据库。

图1 研究识别、纳入和排除的流程图 查看原图 ↗

纳入标准

我们纳入了评估脓毒症与遗传变异之间关联的全文研究。应用以下纳入标准:(1)研究为独立的病例对照或队列设计,并评估遗传多态性与脓毒症易感性之间的关联;(2)研究具有足够的数据以计算比值比(OR)及其95%置信区间(CIs);(3)研究以英文发表。排除标准如下:(1)研究为病例报告、摘要、评论、信件或综述;(2)研究缺乏足够数据且联系作者后仍无法计算相对风险;(3)基因型数据与其他研究重叠。

为尽量减少偏倚并提高可靠性,两名研究人员(Lu HX和Zhang AQ)按照相同的纳入和排除标准独立筛选标题和摘要。研究的最终纳入由研究人员之间协商一致确定。

数据提取

数据由两名研究人员(Zeng L和Wen DL)使用标准化数据提取表独立提取和评估。提取数据的三分之一由另一名研究人员(Sun JH)进行了评估,任何分歧均通过协商一致解决。对每项研究,收集第一作者姓名、发表年份、国家/地区来源、研究人群种族、研究设计(人群基础 versus 医院基础)、基因分型方法、对照来源、病例和对照的基因分型数据以及基因型频率等信息。当研究纳入不同种族的受试者时,将不同人群的数据作为单独研究处理。必要时,通过联系作者获取补充数据。在可能的情况下,我们还根据对照受试者的基因型分布评估了哈迪-温伯格平衡(HWE)。

统计分析

在这项荟萃分析中,我们仅纳入了至少有三项研究提供数据的遗传变异,因为研究数量较少时合并结果的有效性有限。特定多态性与脓毒症风险之间关联的强度用OR和95%CI表示。合并OR基于显性模型(BB+AB对AA)、隐性模型(BB对AB+AA)和等位基因模型(B对A)计算(A代表主要等位基因,B代表次要等位基因)。合并OR的显著性采用Z检验(P < 0.05被认为显著,由于数据不足且缺乏统一人群,未进行校正)。我们未使用校正OR来估计合并OR,因为本荟萃分析纳入的原始研究用于校正的协变量不一致。根据Ma的研究[9]中的建议,与脓毒症风险的强关联定义为OR ≥ 1.5或≤ 0.67。中等关联定义为OR = 1.5–1.15或0.67–0.87。此外,遗传变异与脓毒症风险的强关联定义为p值 < 0.001。研究间的异质性采用基于χ2的Q检验评估[10]。P > 0.05表明研究间缺乏异质性,允许我们使用固定效应模型(Mantel-Haenszel法)。否则,使用随机效应模型(DerSimonianand Laird法)[11]。在数据允许的情况下,按年龄(成人和儿童)和种族(白种人和亚洲人群)进行亚组分析。根据研究中报告的种族群体,种族被分类为“白种人”和“亚洲人”。当一项研究未说明种族群体但说明了参与者的国籍时,我们将中国、日本、韩国、印度和泰国来源的人群视为“亚洲人”。土耳其、意大利、俄罗斯和法裔加拿大来源的人群被视为“白种人”。如果无法按种族区分参与者,则参与者被视为“混合人群”。发表偏倚采用Egger检验评估,P < 0.10被认为存在明显偏倚[12]。Venice标准应用于每种遗传变异的累积流行病学证据,以评估支持其与脓毒症风险显著关联的证据强度[13, 14]。根据该标准(Venice标准见附加文件1),累积证据的可信度水平定义为强(仅为A级)、弱(一个或多个C级)或中等(所有其他组合)。所呈现的所有P值均为名义P值,未针对多重比较进行校正。所有统计检验均采用STATA 11.0版(Stata Corporation, College Station, TX, USA)进行。为确保结果的准确性和可靠性,两名研究者(Lu HX和Zhang AQ)独立将数据输入软件并达成共识。

结果

纳入研究的特征

图1显示了详细说明试验识别和选择过程的流程图。最终,349篇文章符合纳入本分析的条件。符合条件的研究的特征见附加文件2:表S1。总体而言,可获得172个不同基因的405个遗传变异的数据(附加文件3:表S2)。纳入研究中的样本量范围为42至18,358(病例:16–5468,中位数:275)。约95%的符合条件的研究(331/349)发表于2002年之后(随时间呈陡峭的积极趋势;附加文件4:图S1)。就种族而言,68%的研究在白种人群中进行。大多数研究(60%)为医院为基础的病例对照研究,其余为人群为基础的病例对照研究。还可获得一项GWAS的数据[15]。

变异类型主要为SNP(n = 379,94%),其次为插入/缺失(n = 17)和VNTR(n = 9)。这些遗传变异位于基因上游(包括启动子区域)(n = 83)、5′UTR(n = 15)、外显子(n = 113)、内含子(n = 149)、3′UTR(n = 34)和基因下游(n = 11)。在外显子SNP中,功能效应一般为错义(n = 96)和同义编码改变(n = 12),其余为移码、终止获得或剪接变异(n = 5)。这些变异在染色体上的分布见附加文件5:图S2。值得注意的是,大多数变异位于6号染色体(n = 48),21号和Y染色体上无变异,仅2个变异位于线粒体DNA中。

大多数候选基因为模式识别受体(PPR)(n = 22,12.8%)、细胞因子(n = 39,22.7%)和其他免疫相关基因。根据每个变异的不同独立研究数量(范围为1至41),研究最多的5个变异如下:TNFA rs1800629(n = 41)、LTA rs909253(n = 32)、TLR4 rs4986790(n = 28)、IL6 rs1800795(n = 25)和IL10 rs1800896(n = 24)。根据来源国家/地区,大多数研究在中国(n = 82)、美国(n = 40)、德国(n = 33)和西班牙(n = 22)进行。根据纳入的受试者数量(病例加对照)(范围为42至18,358,中位数为720),研究最多的5个变异如下:F5 rs6025(n = 18,358名个体)、TNFA rs1800629(n = 15,057名个体)、LTA rs909253(n = 12,185名个体)、MBL2 A/O单倍型(n = 9066名个体)和IL6 rs1800795(n = 8630名个体)。TaqMan探针、聚合酶链反应-限制性片段长度多态性(PCR-RFLP)、等位基因特异性扩增和测序是用于确定基因型分布的最常用方法。

荟萃分析结果

总共对44个基因的76个变异进行了389项荟萃分析,每个变异至少有3项独立研究。三种不同遗传模型下荟萃分析的主要结果列于表1和附加文件6:表S3。在389项荟萃分析中,204项为主要荟萃分析,185项为按种族(白种人(n = 64)对亚洲人(n = 28))和年龄(成人(n = 61)对儿童(n = 32))定义的亚组荟萃分析。

在进行的204项主要荟萃分析中,发现26个(34%)变异(涉及21个基因)在至少一个包含以下变异的遗传模型中与脓毒症风险存在名义显著关联(P < 0.05):TLR1 rs5743551-7202A/G;LBP rs2232618 Phe436Leu;MBL2 A/O单倍型;RAGE rs1800625-429 T/C和rs1800624-374 T/A;NOD2 rs2066844 Arg702Trp和rs2066847 Leu1007Pro;TNFA rs1799724-857C/T、rs1800629-308G/A和rs361525-238G/A;LTA rs909253+252 T/C;IL1B rs143634+3594C/T;IL6 rs1800795-174G/C;IL8 rs4073-251 T/A;IFNG rs2430561+874A/T;CXCL1 rs1429638A/C;CXCL12 rs266087A/G和rs2297630A/G;MIF rs755622-173G/C;FCGR2A rs1801274 His131Arg;PAI-1 rs1799768-6755G/4G;ACE rs4646994ins/del;LCE4A rs4845320A/C;TAGAP rs3127214C/T;VDR rs2228570 Met1Thr;以及miR-608 rs4919510G/C。按种族和年龄进行的185项亚组荟萃分析揭示了三个加性多态性(TLR2 rs5743708 Arg753Gln、IL6 rs1800796-572G/C和IL10 rs1800896-1082A/G)与脓毒症风险显著相关。在14个变异中检测到与脓毒症的强关联(OR ≥ 1.5或≤ 0.67)。其余15个变异显示与脓毒症的中等关联(OR 1.5–1.15或0.67–0.87)。29个阳性变异中有10个显示与脓毒症风险高度显著关联,p < 0.001;11个显示与脓毒症风险关联,p = 0.001–0.01;其余8个的p < 0.05。

在所有可用数据的389项荟萃分析中,154项(39.6%)无或仅有轻微异质性(I2 < 25%),92项(23.7%)具有中等程度的异质性(25% < I2 < 50%),143项(36.7%)具有高度异质性(I2 > 50%)。29个阳性变异中具有高度异质性的研究比例显著低于其余47个变异(30.9% vs. 39.5%,Fisher精确检验p < 0.05)。

为评估通过主要分析和亚组分析确定的29个阳性变异的累积流行病学证据,应用了威尼斯标准。根据威尼斯标准,在证据量、关联可重复性和偏倚保护方面,分别有37、45和58项荟萃分析被评为A级。在相同类别中,分别有36、13和5项荟萃分析被评为B级。在这三项标准中,分别有7、22和17项荟萃分析被评为C级。随后,分别将4个变异(TLR1 rs5743551-7202A/G、RAGE rs1800625-429 T/C和rs1800624-374 T/A、以及miR-608 rs4919510G/C)、14个变异和11个变异与脓毒症风险显著关联的证据等级评定为强、中等和弱。荟萃分析中发现的名义显著关联的详细内容将在下文讨论。

表1 荟萃分析中与脓毒症风险名义显著相关的遗传变异 查看原表 ↗

模式识别受体(PRRs)中的多态性

Toll样受体(TLRs)是一类至关重要的病原体识别受体(PRRs)家族,为固有免疫细胞识别和应对病原体提供了主要机制[16]。TLR1/2负责识别革兰阳性菌的细胞壁成分(脂肽、肽聚糖和脂磷壁酸)。TLR4负责识别革兰阴性菌的脂多糖。越来越多的证据表明,TLR基因的多态性影响对各种感染性疾病的易感性,包括脓毒症[6]。根据主要荟萃分析,共有四项研究(包括1224例病例和943例对照)用于确定TLR1rs5743551-7202A/G与脓毒症风险之间的关联。在隐性模型(OR = 1.52,95% CI = 1.16–2.00,P = 0.002)和等位基因模型(OR = 1.17,95% CI = 1.02–1.34,P = 0.02)下,脓毒症风险显著增加。在考虑亚组时,来自三个白人人群的数据显示出更显著的关联(隐性模型OR = 1.78,95% CI = 1.18–2.69,P = 0.006;等位基因模型OR = 1.24,95% CI = 1.04–1.47,P = 0.02)。然而,由于研究样本量,证据水平为中等。对于TLR2基因中的rs5743708 Arg753Gln,在14项研究的总体分析中未发现显著关联。然而,Arg753Gln与脓毒症风险之间的关联在成人人群中具有显著性(显性模型OR = 1.75,95% CI = 1.11–2.75,P = 0.02;等位基因模型OR = 2.04,95% CI = 1.20–3.48,P = 0.009)。相反,在儿童研究中,Arg753Gln与脓毒症风险降低存在边缘显著关联(显性模型OR = 0.43,95% CI = 0.20–0.89,P = 0.02;等位基因模型OR = 0.43,95% CI = 0.21–0.90,P = 0.03),这可能归因于成人与儿童人群之间的差异。

脂多糖结合蛋白(LBP)是宿主对脂多糖反应的增强剂,其作用是通过促进脂多糖转移至CD14膜结合TLRs,最终激活信号转导通路和细胞因子的产生[17]。关于LBP rs2232618 Phe436Leu的主要荟萃分析纳入了四项研究(615例病例和1267例对照)。在显性模型下,该变异与脓毒症风险显著增加相关(OR = 1.93,95% CI = 1.49–2.48,P < 0.0001)。此外,通过亚组分析,在三个成人人群中发现了强关联(等位基因模型OR = 2.10,95% CI = 1.58–2.78,P < 0.0001)。

晚期糖基化终末产物受体(RAGE)是细胞表面分子免疫球蛋白蛋白家族的成员,已被证明可结合多种配体,且这种结合会导致多条促炎信号通路的激活[18]。位于RAGE启动子区的两个变异与脓毒症风险显著相关。Zeng等[19]和Shao等[20]共开展了四项关于RAGE rs1800625-429 T/C的研究。对这四项研究的主要荟萃分析显示,在三种遗传模型中,脓毒症风险与RAGE rs1800625-429 T/C均存在显著关联(显性模型:OR = 0.59,95% CI = 0.45–0.73,P < 0.001;隐性模型:OR = 0.47,95%CI = 0.24–0.96,P = 0.04;等位基因模型:OR = 0.61,95%CI = 0.51–0.74,P < 0.0001),且证据水平较高。此外,体外LPS诱导的RAGE表达和TNF-α产生在携带变异C等位基因的患者中显著低于携带野生型T等位基因的患者[21]。关于另一个RAGE变异rs1800624-374 T/A,在三项研究中仅在等位基因模型中观察到显著关联(OR = 0.78,95% CI = 0.63–0.97,P = 0.02)。

NOD2/CARD15是NBS-LRR蛋白(核苷酸结合位点和富含亮氨酸重复序列)基因超家族的成员,这些蛋白参与微生物及其产物的细胞内识别[22]。三项研究(包括229例病例和943例对照)确定了NOD2 rs2066844 Arg702Trp与脓毒症风险之间的关联。在显性模型中,NOD2 rs2066844 Arg702Trp与脓毒症风险增加相关(OR = 2.25,95% CI = 1.39–3.64,P = 0.001)。对于另一个变异rs2066847 Leu1007Pro,我们的荟萃分析纳入了五项研究(326例病例和1629例对照)。在显性模型中证实了rs2066847 Leu1007Pro与脓毒症风险之间存在显著关联(OR = 2.37,95% CI = 1.49–3.75,P = 0.0002)。甘露糖结合凝集素(MBL)是一种可溶性模式识别分子,可结合微生物,从而激活凝集素或补体途径[23]。MBL2基因中的三个多态性导致三种变异结构等位基因(B、C和D),它们统称为O,而A为野生型等位基因。二十三项研究分析了MBL2 A/O单倍型。总体结果显示MBL2 A/O与脓毒症风险之间存在显著关联(显性模型:OR = 1.25,95% CI = 1.05–1.48,P = 0.01;等位基因模型:OR = 1.19,95% CI = 1.04–1.36,P = 0.01)。当荟萃分析仅限于儿童脓毒症时,这种显著关联更强(显性模型:OR = 161,95% CI = 1.23–2.12,P = 0.0006;等位基因模型:OR = 1.40,95% CI = 1.03–1.91,P = 0.03)。

细胞因子中的多态性

免疫细胞释放的细胞因子是感染炎症反应的主要参与者。主要促炎细胞因子,如肿瘤坏死因子α(TNF-α)和白细胞介素-1(IL-1),可诱导次级促炎和抗炎介质如IL-6和IL-10[24]。这些细胞因子的遗传变异已被证明在决定脓毒症易感性方面发挥关键作用[6]。

共41项研究探讨了肿瘤坏死因子α(TNFA)rs1800629-308G/A与脓毒症风险之间的关联(5540例病例和9709例对照)。在主要荟萃分析中,-308G/A多态性与脓毒症风险在全部三种遗传模型下均存在显著关联。此外,按种族和年龄进行分层分析后发现,这些关联在成人和亚洲人群中比在总体人群中更为显著,提示该单核苷酸多态性(SNP)可能特异地与成人和亚洲人群相关。在本研究中,对来自三项研究的第二种TNFA变异(rs1799724-857C/T)数据(502例病例和1373例对照)进行了荟萃分析。总体结果显示,该变异与脓毒症风险在显性模型下存在显著关联(OR = 1.29,95% CI = 1.01–1.64,P = 0.04),但证据水平较低。第三种TNFA变异(rs361525-238G/A)与脓毒症风险的关联在九项研究中进行了探讨。主要荟萃分析表明,TNFA rs361525-238G/A变异与脓毒症风险在隐性模型下存在高度显著关联(OR = 4.88,95% CI = 2.19–10.87,P < 0.0001)。此外,在按种族分层分析中,仅在亚洲人群中,携带该变异的个体在显性和等位基因遗传模型下比携带野生型等位基因的个体具有更高的脓毒症风险。淋巴毒素α(LTA)rs909253+252 T/C变异在32项研究(4762例病例和7588例对照)中进行了分析,在显性和等位基因模型下与脓毒症风险显著相关;然而,由于研究间异质性,证据水平较低。在按种族和年龄分层分析中,这些关联也显著。

七项研究探讨了IL1B rs143634+3594C/T变异。总体比较的结果提示,在隐性遗传模型下,该变异与脓毒症易感性的关联具有显著性(OR = 0.53,95% CI = 0.34–0.82,P = 0.034)。同时,分层分析显示,该变异与白人人群(隐性模型:OR = 0.51,95% CI = 0.32–0.80,P = 0.003)和成人人群(隐性模型:OR = 0.54,95% CI = 0.33–0.90,P = 0.02)的脓毒症风险之间存在显著关联。关于位于IL-6启动子区的rs1800796-572G/C,在主要荟萃分析中与脓毒症风险无显著关联。然而,三项针对亚洲人群的研究表明,-572G/C与脓毒症风险之间存在显著关联(隐性模型:OR = 0.53,95% CI = 0.29–0.96,P = 0.04)。在成人人群中,该变异与脓毒症风险之间的关联也在显性模型下得到证实。通过对17项研究的主要荟萃分析及成人亚组分析,发现另一种变异rs1800795-174G/C在等位基因模型下与脓毒症风险显著增加相关(等位基因模型:OR = 1.17,95% CI = 1.01–1.35,P = 0.03;成人亚组:隐性模型OR = 1.43,95% CI = 1.19–1.73,P < 0.0001,等位基因模型OR = 1.24,95% CI = 1.06–1.46,P = 0.008)。对于IL-8rs4073-251 T/A,在主要分析及按种族进行的亚组分析中,该变异与脓毒症风险之间的关联在所有遗传模型下均得到证实。对于IL10 rs1800871-819C/T变异,仅在亚洲人群中证实了其与脓毒症易感性的显著关联(隐性模型:OR = 1.35,95% CI = 1.03–1.76,P = 0.03)。

五项关于IFNG rs2430561-874A/T变异的研究被纳入荟萃分析。总体比较的结果提示,在显性遗传模型下,该变异与脓毒症风险的关联具有显著性(OR = 1.34,95% CI = 1.07–1.68,P = 0.01)。在Wang的研究中(已被Journal of Trauma Acute Care Surg接收),发现CXCL1基因的rs1429638A/C变异以及CXCL12基因的rs2297630A/G和rs266087A/G多态性与创伤性脓毒症易感性改变相关。四项关于MIF-173G/C的研究被纳入荟萃分析。在隐性模型下发现该变异与脓毒症易感性之间存在显著关联(OR = 0.42,95% CI = 0.22–0.79,P = 0.007)。

免疫中的多态性

FcγRIIA(CD32A)是一种携带基于酪氨酸的激活基序的免疫受体,可结合免疫球蛋白G和C反应蛋白,二者是宿主防御反应中的重要调理素[25]。共有八项关于FCGR2A rs1801274 His131Arg的研究符合荟萃分析条件。主要荟萃分析的结果提示,该变异与脓毒症易感性的关联具有显著性(隐性模型:OR = 1.65,95% CI = 1.08–2.53,P = 0.02;等位基因模型:OR = 1.25,95% CI = 1.09–1.44,P = 0.001)。

其他基因中的多态性

十一项研究确定了白种人群中PAI-1-675 5G/4G与脓毒症风险之间的关联。在隐性模型(OR = 1.50,95% CI = 1.09–2.06,P = 0.01)和等位基因模型(OR = 1.32,95% CI = 1.01–1.72,P = 0.04)中,该变异与脓毒症风险显著增加相关。此外,在按年龄分层的亚组分析中,儿童人群中也发现了显著关联(等位基因效应OR = 1.37,95% CI = 1.02–1.85,P = 0.04)。根据九项研究的初步荟萃分析,ACE基因rs4646994插入/缺失多态性在隐性模型中与脓毒症风险显著相关(OR = 0.79,95% CI = 0.67–0.92,P = 0.003);该关联在成人人群中强于儿童人群。三项研究评估了LCE4A rs4845320多态性与脓毒症风险之间的关联。该变异在显性模型(OR = 2.75,95% CI = 1.36–5.57,P = 0.005)和等位基因模型(OR = 2.77,95% CI = 1.41–5.44,P = 0.003)下与脓毒症风险增加存在显著关联。对于TAGAP rs3127214C/T变异,在显性模型(OR = 1.84,95% CI = 1.07–3.17,P = 0.03)和等位基因模型(OR = 2.01,95% CI = 1.20–3.36,P = 0.008)下脓毒症风险显著增加。对于VDR rs2228570 Met1Thr变异,根据四项研究的初步荟萃分析,在显性模型下发现与脓毒症风险增加存在统计学显著关联(OR = 2.94,95% CI = 1.85–4.71,p < 0.0001);该关联在亚组分析中的白种人和成人人群中也得到确认。最后,三项研究评估了miR-608 rs4919510G/C变异与脓毒症风险之间的关联,荟萃分析结果显示该关联在全部三种遗传模型下均显著。

通过荟萃分析未发现显著关联

本研究中进行的大绝大多数荟萃分析(127项主要荟萃分析和94项亚组荟萃分析)(涉及33个基因的47个变异)未产生任何显著关联的证据。这些荟萃分析纳入的研究数中位数为4项(范围3–28),参与者中位数为1750例(范围289–18,358)。

未纳入荟萃分析的多态性

在本研究中,有329个多态性无法进行荟萃分析,因为研究它们的文献少于三项。我们系统综述了这些多态性与脓毒症风险之间的关联,发现在48个基因中的63个多态性与脓毒症易感性存在名义上统计学显著的关联(p < 0.05)(附加文件7:表S4)。样本量从80到1895不等。这些功能基因编码PRRs(n = 10)、信号分子(n = 5)、转录因子(n = 3)、细胞因子(n = 11)和其他分子(n = 19)。此外,这些遗传变异大多位于启动子区域(n = 16)、内含子(n = 23)和3′UTR(n = 7);13个变异为错义变异。此外,一些遗传变异(n = 10)也被证实为功能性变异。例如,TLR4 rs10116253-2242C等位基因增强了TLR4的转录活性和表达,携带该变异C等位基因的创伤患者产生促炎细胞因子TNF-α和IL-6的能力高于携带其他等位基因的患者[26]。暴露于LPS后,rs5743867C等位基因纯合子的TOLLIP表达水平显著高于其他基因型。此外,rs5743867CC基因型受试者培养上清液中TNF-α和IL-6的浓度显著低于CT和TT基因型受试者[27]。miRNA区域的遗传变异也影响脓毒症风险。携带rs2910164 GG/GC基因型的患者成熟miR-146a水平高于携带rs2910164 CC基因型的患者,这与严重脓毒症患者的过度炎症相关[28]。因此,需要进一步研究这些多态性在脓毒症病理生理学中的功能作用,并在独立队列中验证这些令人鼓舞的结果。

讨论

基因内的序列变异被认为是促进脓毒症发病机制的候选因素。在本研究中,我们综述了所有关于遗传多态性与脓毒症风险之间关联的现有研究,并进行了系统综述和荟萃分析。我们评估了过去二十年发表的349篇合格文献中位于172个候选基因的405个变异的数据。通过主要荟萃分析和按种族(白人 vs. 亚洲人)及年龄(成人 vs. 儿童)分层的亚组荟萃分析,我们确定了23个基因中的29个变异与脓毒症易感性显著相关。此外,通过系统综述还发现48个基因中的另外63个变异与脓毒症风险显著相关。这些发现为研究者提供了一个稳健的遗传变异信息平台,可能有助于阐明脓毒症发病机制的分子机制。

变异是指位于基因或基因组非编码部分的核苷酸碱基对的改变[29]。在脓毒症中,重点一直在于理解遗传变异对先天性和适应性免疫信号通路的影响。候选基因关联研究主要关注模式识别受体(PRRs)、信号分子、转录因子、炎性细胞因子、细胞因子受体、内皮和止血分子以及急性期反应物中的变异[6]。在研究显著变异的分类基因列表时,编码PRRs的基因(n = 14)、信号分子(n = 5)、转录因子(n = 3)、细胞因子(n = 18)和其他免疫相关分子(n = 24)占有突出比例。所引发的炎症反应取决于产生刺激的病原体上抗原位点的类型。病原体与免疫细胞PRRs的结合触发细胞内事件,进一步导致大量炎症介质的产生[30, 31]。高比例的脓毒症患者会发展为多器官功能障碍综合征(MODS);这些患者的死亡率显著更高[32]。这一现象归因于感染,但重叠的炎症免疫事件也起着作用。所产生的炎症反应因组织功能类型和触发介质生物合成反应的受体不同而有所差异[33, 34]。识别有发展为脓毒症风险的患者可能通过采用靶向治疗如抗生素预防、替代治疗或血浆输注来改善其预后。

在这项荟萃分析中,使用Venice标准结果,我们识别出4个变异具有强证据(TLR1 rs5743551-7202A/G、RAGE rs1800625-429 T/C和rs1800624-374 T/A,以及miR-608 rs4919510G/C),14个变异具有中等水平的累积流行病学证据支持其与脓毒症风险的关联。其余11个变异的证据较弱;其中许多是通过使用显性/隐性模型或种族/年龄特异性亚组分析的荟萃分析识别的。总之,与该领域现有研究相比,我们提供了对现有证据的更新且更系统的总结[35, 36]。设计良好、大样本量的研究对于阐明这些显著变异与脓毒症易感性之间的关联至关重要。

我们的荟萃分析也未提供证据表明本研究评估的405个变异中有313个与脓毒症风险存在关联,这支持了候选基因关联研究中评估的绝大多数遗传变异可能与脓毒症并非真正相关的观点。既往候选基因研究中的方法学局限性,如样本量小或不适当的对照,可能解释部分阴性关联。然而,在313个非显著变异中,有15个变异在至少包含1000例病例和1000例对照的荟萃分析中显示与脓毒症风险无关联,这在加性模型下对于MAF为0.10的变异以1型错误0.05可提供约80%的效力检测OR为1.15。因此,未来具有类似样本量的流行病学研究不太可能有助于评估这些变异的效应。

据我们所知,本研究是迄今为止针对探讨脓毒症风险的遗传关联研究所进行的最大规模、最全面的文献评估。然而,本研究仍存在一些局限性。第一,一些非英文文章、未发表的报告以及数据不充分的研究未被纳入本研究,这可能导致结果存在偏倚。第二,本荟萃分析纳入的合格研究数量较少,且每项研究的样本量相对较小,尤其是在亚组分析中,这可能影响了统计效能。此外,我们未能获得所有纳入人群的精确种族信息;我们的分类较为宽泛,容易受到人群分层效应的影响。第三,由于本分析纳入的研究均未考虑基因-基因/环境交互作用对脓毒症发病机制的影响,因此本研究无法探讨该问题。第四,总体结果基于未校正数据;由于数据的局限性,无法按性别、年龄和感染类型等变量进行更精确的分层分析,这也限制了我们检测可能异质性来源的能力。最后,尽管本研究采用了国际上系统公认的方法,但在评估这些关联的可信度方面仍有未来改进的空间。威尼斯标准提高了遗传关联解释和报告的一致性和客观性,但这些证据并不能确定因果关系。需要额外的证据来源,如基因敲除实验、基因表达微阵列实验或其他机制性数据,以了解变异或基因的精确功能。一般而言,可信度强的关联值得进行包括生物学研究在内的深入评估;可信度中等的关联值得开展更多遗传学和生物学研究;而弱的遗传关联可能不值得进一步研究,除非已证实存在强有力的机制性证据。

结论

总之,我们首次对遗传变异与脓毒症易感性之间关联的证据进行了系统综述和荟萃分析。多个遗传变异被证实与脓毒症风险显著相关。我们希望这一前所未有的数据集合能够为该研究领域的研究人员提供一个有用的平台。

附加文件

附加文件1:检索策略。威尼斯标准。纳入文章列表。(DOCX 70 kb)

表S1. 纳入研究的主要特征。(XLS 354 kb)

表S2. 所研究遗传变异与脓毒症风险关联的特征。(DOCX 70 kb)

图S1. 每年(X轴)探讨遗传变异与脓毒症风险关联的发表文献数量(Y轴)。2018年(菱形),文献检索截至12月。(TIF 5633 kb)

图S2. 所检测遗传变异与脓毒症风险关联的染色体分布。mtRNA:线粒体DNA。(TIF 5967 kb)

表S3. 在所有可用数据的荟萃分析中与脓毒症风险相关的遗传变异。(XLS 125 kb)

表S4. 在少于三项研究中探讨的遗传变异与脓毒症风险的关联。(DOCX 39 kb)

参考来源

  1. Lu H, Wen D, Wang X, et al. Host genetic variants in sepsis risk: a field synopsis and meta-analysis. Crit Care. 2019. PMID: 30683156. doi:10.1186/s13054-019-2313-0
  2. 全文:PMC6347778(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC6347778/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。