基于 GWAS Catalog数据库样本分析39 种血浆凝血因子与慢性肾脏病的关系

doi:10.12307/2025.733

中国组织工程研究 ›› 2025, Vol. 29 ›› Issue (24): 5272-5280.doi: 10.12307/2025.733

• 组织构建相关数据分析 Date analysis of organization construction • 上一篇

基于 GWAS Catalog数据库样本分析39 种血浆凝血因子与慢性肾脏病的关系

彭泽鸿1，朱曦2，文江龙2，朱文卓1，刘超2，唐鉴为1，曹子玥1，朱俐俐1，2

湖南师范大学第二附属医院/中国人民解放军联勤保障部队第921医院，1全科医学科，2特勤科，湖南省长沙市 410003

收稿日期:2024-09-18 接受日期:2024-10-28 出版日期:2025-08-28 发布日期:2025-02-06
通讯作者: 朱俐俐，博士，教授，硕士生导师，湖南师范大学第二附属医院/中国人民解放军联勤保障部队第921医院全科医学科、特勤科，湖南省长沙市 410003
作者简介:彭泽鸿，男，1994年生，湖南省人，汉族，湖南师范大学第二附属医院/中国人民解放军联勤保障部队第921医院在读硕士，主要从事内科学、心血管内科、肾内科、高原医学的研究。
基金资助:
湖南省教育厅科学研究项目(21C0056)，项目负责人：朱俐俐；湖南省教育厅研究生科研创新项目(CX20230530)，项目负责人：彭泽鸿；湖南省教育厅科学研究项目(20C1152)，项目负责人：刘超

Causal relationship between 39 plasma coagulation factors and chronic kidney disease based on samples from the GWAS Catalog database

Peng Zehong1, Zhu Xi2, Wen Jianglong2, Zhu Wenzhuo1, Liu Chao2, Tang Jianwei1, Cao Ziyue1, Zhu Lili1, 2

1Department of Family Medicine, 2Department of Special Services, The Second Affiliated Hospital of Hunan Normal University/the 921st Hospital of the PLA Joint Logistics Support Force, Changsha 410003, Hunan Province, China

Received:2024-09-18 Accepted:2024-10-28 Online:2025-08-28 Published:2025-02-06
Contact: Zhu Lili, PhD, Professor, Master’s supervisor, Department of Family Medicine, The Second Affiliated Hospital of Hunan Normal University/the 921st Hospital of the PLA Joint Logistics Support Force, Changsha 410003, Hunan Province, China; Department of Special Services, The Second Affiliated Hospital of Hunan Normal University/the 921st Hospital of the PLA Joint Logistics Support Force, Changsha 410003, Hunan Province, China
About author:Peng Zehong, Master’s candidate, Department of Family Medicine, The Second Affiliated Hospital of Hunan Normal University/the 921st Hospital of the PLA Joint Logistics Support Force, Changsha 410003, Hunan Province, China
Supported by:
Scientific Research Project of Hunan Provincial Department of Education, No. 21C0056 (to ZLL); Postgraduate Research Innovation Project of Hunan Provincial Department of Education, No. CX20230530 (to PZH); Scientific Research Project of Hunan Provincial Department of Education, No. 20C1152 (to LC)

摘要/Abstract

摘要：

文题释义：
孟德尔随机化：是指使用遗传变异作为工具变量来估计暴露因素对结局变量的因果影响，这种遗传变异通常是单核苷酸多态性。孟德尔随机化分析是一种遗传流行病学方法，与传统流行病学研究相比，它可以避免反向因果关系和混杂因素对结果准确性的干扰，同时也可以避免进行随机对照试验的耗时、需要昂贵的科研费用、由于长期跟踪随访依从性差以及随机治疗分配的伦理问题。
慢性肾脏病：是指肾脏结构或功能异常或肾脏移植≥3个月，影像学或实验室检查显示血尿、蛋白尿及肾脏功能异常；或肾小球滤过率< 60 ml/(min•1.73 m2)的状况≥3个月。

背景：在许多观察性研究中表明，血浆凝血因子与慢性肾脏病密切相关。尽管如此，血浆凝血因子与慢性肾脏病之间的因果关系仍尚未完全揭示清楚。
目的：采用双样本孟德尔随机化方法评估和探讨血浆凝血因子与慢性肾脏病风险之间的关联。
方法：从GWAS Catalog数据库中获取不同ID号的39种血浆凝血因子的全基因组关联研究数据，从开放全基因组关联研究数据库(IEU Open GWAS)中获取慢性肾脏病全基因组关联分析数据(ebi-a-GCST003374)，其中慢性肾脏病数据集的样本量为117 165例，单核苷酸多态性位点数量为2 179 497个。使用逆方差加权法、MR-Egger回归法、加权中位数法、加权模式法和简单模式法来探讨因果关系；同时，使用Cochran Q检验来评估单核苷酸多态性位点的差异性。通过孟德尔随机化-Egger截距测试来验证单核苷酸多态性位点的水平多效性。利用“留一法”进行敏感性分析，以确定孟德尔随机化结果是否会受到单一单核苷酸多态性位点的干扰。
结果与结论：①通过对39种血浆凝血因子和慢性肾脏病的孟德尔随机化分析，总共发现4种血浆凝血因子与慢性肾脏病相关。血浆凝血因子(FⅤ)水平(OR=0.922，95%CI：0.875-0.971，P=0.002)、血浆FⅦ水平(OR=0.719，95%CI：0.521-0.991，P=0.044)、血浆FⅩa水平(OR=1.113，95%CI：1.009-1.227，P=0.032)、血浆抗凝血Ⅲ水平(OR=0.849，95%CI：0.739-0.975，P=0.020)与慢性肾脏病之间均有显著性意义，P均< 0.05；未检测到水平多效性和异质性。②基于遗传流行病学方法中双样本孟德尔随机化分析，凝血因子中血浆FⅦ水平、血浆抗凝血酶Ⅲ水平、血浆FⅤ水平是慢性肾脏病发生风险的保护因素，凝血因子中血浆FⅩa水平是慢性肾脏病发生风险的危险因素。③上述结果证实，血浆凝血因子与慢性肾脏病之间存在显著的潜在因果关系，虽然文章的数据分析研究的是国际数据库的欧洲人群，但这些数据分析对中国慢性肾脏病与凝血因子的研究有参考价值，对慢性肾脏病的遗传流行病学研究提供了创新的见解，也可为中国相关数据库的深入研究提供一定的参考价值，包括中国健康与养老追踪调查数据库等；未来研究可以重点关注相关凝血因子对慢性肾脏病患者体内低凝或高凝状态的评估。
https://orcid.org/0000-0007-4536-0703(彭泽鸿) ；https://orcid.org/0000-0008-2650-6313(朱俐俐)

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

关键词: 血浆凝血因子, 慢性肾脏病, 孟德尔随机化, 因果关系, 遗传变异, 遗传流行病学, 工具变量, 单核苷酸多态性, 全基因组关联分析, 敏感性分析

Abstract: BACKGROUND: Plasma coagulation factors have been shown to be strongly associated with chronic kidney disease in many observational studies. Nevertheless, the causal relationship between plasma coagulation factors and chronic kidney disease has not been fully revealed.
OBJECTIVE: To assess and explore the association between plasma coagulation factors and chronic kidney disease risk using a two-sample Mendelian randomization approach.
METHODS: Genome-wide association study data of 39 plasma coagulation factors with different ID numbers were obtained from the GWAS Catalog database and chronic kidney disease genome-wide association analysis data (ebi-a-GCST003374) were obtained from the Open Genome-Wide Association Study database (IEU Open GWAS), where the sample size of the chronic kidney disease dataset was 117 165 cases and the number of single nucleotide polymorphisms was 2 179 497. Inverse variance weighting, MR-Egger regression, weighted median, weighted mode, and simple mode were used to explore causality. Meanwhile, Cochran Q test was used to assess the variability of single nucleotide polymorphism loci. Horizontal pleiotropy of single nucleotide polymorphisms was verified by MR-Egger intercept test. Sensitivity analyses were performed using the “leave-one-out” method to determine whether the Mendelian randomization results would be confounded by a single single nucleotide polymorphism site.
RESULTS AND CONCLUSION: (1) A total of four plasma coagulation factors were associated with chronic kidney disease by Mendelian randomization analysis of 39 plasma coagulation factors and chronic kidney disease. Plasma coagulation factor V (FV) level (odds ratio [OR]=0.922, 95% confidence interval [CI]: 0.875-0.971, P=0.002), plasma FVII level (OR=0.719, 95% CI: 0.521-0.991, P=0.044), plasma FXa level (OR=1.113, 95% CI: 1.009-1.227, P=0.032 ), plasma antithrombin- level (OR=0.849, 95% CI: 0.739-0.975, P=0.020) were significantly associated with chronic kidney disease (all P < 0.05). Horizontal pleiotropy and heterogeneity were not detected. (2) Based on the two-sample Mendelian randomization in the genetic epidemiologic method, plasma FVII level, plasma antithrombin- level, and plasma FV level of coagulation factors were protective factors for the risk of chronic kidney disease, and plasma FXa level was a risk factor of chronic kidney disease. (3) The above results confirm that there is a significant potential causal relationship between plasma coagulation factors and chronic kidney disease. Although we analyzed the data of European populations from international databases, these data analyses have a reference value for the study of chronic kidney disease and coagulation factors in China, and they also provide innovative insights into the study of the genetic epidemiology of chronic kidney disease, and they also provide a certain reference value for the in-depth study of the related databases in China, including the China Health and Retirement Longitudinal Study database. Future studies can focus on the assessment of hypocoagulability or hypercoagulability of related coagulation factors in patients with chronic kidney disease.

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

Key words: plasma coagulation factors, chronic kidney disease, Mendelian randomization, causality, genetic variation, genetic epidemiology, instrumental variables, single nucleotide polymorphisms, genome-wide association analysis, sensitivity analysis

中图分类号:

彭泽鸿, 朱曦, 文江龙, 朱文卓, 刘超, 唐鉴为, 曹子玥, 朱俐俐. 基于 GWAS Catalog数据库样本分析39 种血浆凝血因子与慢性肾脏病的关系[J]. 中国组织工程研究, 2025, 29(24): 5272-5280.

Peng Zehong, Zhu Xi, Wen Jianglong, Zhu Wenzhuo, Liu Chao, Tang Jianwei, Cao Ziyue, Zhu Lili. Causal relationship between 39 plasma coagulation factors and chronic kidney disease based on samples from the GWAS Catalog database[J]. Chinese Journal of Tissue Engineering Research, 2025, 29(24): 5272-5280.

图/表（结果） 6

2.1 工具变量的筛选及弱工具变量偏倚的判断根据GWAS Catalog数据库中ID号的不同，总共发现39种凝血因子表型，并在进行这39种凝血因子对慢性肾脏病影响的孟德尔随机化分析时，根据工具变量筛选条件，筛选出4种凝血因子表型对慢性肾脏病的影响，分别为血浆FⅤ水平、血浆FⅦ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平，并且每种表型分别最终筛选出5，2，4，3个与凝血因子强相关的SNP作为工具变量，见表2。
2.2 凝血因子与慢性肾脏病之间的因果关系在进行GWAS Catalog数据库中的39种凝血因子表型对慢性肾脏病影响的孟德尔随机化分析中发现，在5种孟德尔随机化分析方法中，ivW作为主要分析方法的结果显示，有4种凝血因子：血浆FⅤ水平(OR=0.922，95%CI：0.875-0.971，P=0.002)、血浆FⅦ水平(OR=0.719，95%CI：0.521-0.991，P=0.044)、血浆FⅩa水平(OR=1.113，95%CI：1.009-1.227，P=0.032)、血浆抗凝血酶Ⅲ水平(OR=0.849，95%CI：0.739-0.975，P=0.020)与慢性肾脏病之间有显著性意义，发现其中凝血因子中血浆FⅩa水平是慢性肾脏病发生风险的危险因素，而血浆FⅤ水平、血浆FⅦ水平、血浆抗凝血酶Ⅲ水平是慢性肾脏病发生风险的保护因素，见图2，3。根据双样本孟德尔随机化分析结果所示，在进行MR-Egger回归、WM、简单模型、加权模型分析时，由于血浆FⅦ水平强相关的SNP只有2个，强相关的SNP不足以进行MR-Egger回归、加权中位数、简单模型、加权模型分析，而血浆FⅤ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平进行MR-Egger回归、加权中位数、简单模型及加权模型分析的结果与ivW分析结果总的效应值方向是一致的，见表3，图4。
2.3 凝血因子对慢性肾脏病影响的敏感性分析
2.3.1 异质性和水平多效性分析在进行GWAS Catalog数据库中的39种凝血因子对慢性肾脏病影响的孟德尔随机化分析中，通过使用ivW方法进行异质性检测分析，Cochran′s Q检验结果表明，有4种凝血因子表型：血浆FⅤ水平、血浆FⅦ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平，对慢性肾脏病的工具变量中均不存在异质性(P > 0.05)。在进行MR-Egger回归的截距项来分析SNP的水平多效性时，血浆FⅤ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平分别对慢性肾脏病的工具变量中均不存在水平多效性(P > 0.05)，但是由于血浆FⅦ水平与慢性肾脏病之间强相关的SNP只有2个，强相关的SNP太少，所以无法进行水平多效性检验，Egger-intercep值、SE值、P值显示结果为无，见表3。
2.3.2 留一法敏感性分析结果通过leave-one-out敏感性分析法对结果进行评估，逐一剔除所选SNP，并对其是否影响总体因果关系进行分析，血浆FⅤ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平与慢性肾脏病之间的留一法分析结果显示，均未出现影响总体因果关系显著变化的SNP位点，但是由于血浆FⅦ水平与慢性肾脏病之间强相关的SNP太少，所以无法进行留一法敏感性分析，另外，分别从血浆FⅤ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平与慢性肾脏病之间的漏

斗图的分析结果来看，文章选择的工具变量在因果效应上呈现出基本的对称性，并且没有观察到任何形式的偏倚，同时由于血浆FⅦ水平与慢性肾脏病之间强相关的SNP太少，不足以进行漏斗图分析，见图5，6。

参考文献

[1] AMMIRATI AL. Chronic kidney disease. rev assoc med bras (1992). 2020;66Suppl 1 (Suppl 1):s03-s09.
[2] KIDNEY DISEASE: IMPROVING GLOBAL OUTCOMES (KDIGO) CKD WORK GROUP. KDIGO 2024. Clinical practice guideline for the evaluation and management of chronic kidney disease. Kidney Int. 2024; 105(4S):S117-S314.
[3] CHEN TK, KNICELY DH, GRAMS ME. Chronic kidney disease diagnosis and management: a review. JAMA. 2019;322(13):1294-1304.
[4] ADDI T, DOU L, BURTEY S. Tryptophan-derived uremic toxins and thrombosis in chronic kidney disease. Toxins (Basel). 2018;10(10):412.
[5] PARIKH AM, SPENCER FA, LESSARD D, et al. Venous thromboembolism in patients with reduced estimated GFR: a population-based perspective. Am J Kidney Dis. 2011; 58(5):746-755.
[6] PAVORD S, MYERS B. Bleeding and thrombotic complications of kidney disease. Blood Rev. 2011;25(6):271-278.
[7] JALAL DI, CHONCHOL M, TARGHER G. Disorders of hemostasis associated with chronic kidney disease. Semin Thromb Hemost. 2010;36(1):34-40.
[8] WEINER DE, TIGHIOUART H, ELSAYED EF, et al. The relationship between nontraditional risk factors and outcomes in individuals with stage 3 to 4 CKD. Am J Kidney Dis. 2008;51(2):212-223.
[9] ZHAO J, ZHOU SQ, CHEN YX, et al. Causal relationship between mitochondrial-associated proteins and sepsis in ICU patients: a mendelian randomization study. ACS Omega. 2024;9(7):8457-8463.
[10] ZHANG T, CHEN H, SHI Y, et al. Mitochondrial biological function and risk of atrial fibrillation and atrial flutter: a 2-sample Mendelian randomization study. Medicine (Baltimore). 2024;103(27):e38631.
[11] LAWLOR DA, HARBORD RM, STERNE JA, et al. Mendelian randomization: using genes as instruments for making causal inferences in epidemiology. Stat Med. 2008;27(8):1133-1163.
[12] LIU H, ZHANG Y, ZHANG H, et al. Effect of plasma vitamin C levels on Parkinson’s disease and age at onset: a Mendelian randomization study. J Transl Med. 2021; 19(1):221.
[13] YANG H, SHI P, LI M, et al. Mendelian-randomization study reveals causal relationships between nitrogen dioxide and gut microbiota. Ecotoxicol Environ Saf. 2023;267:115660.
[14] DUNBAR JK, CAMPBELL H. Genetic epidemiology. J R Coll Physicians Edinb. 2012;42(2):139-141; quiz 142.
[15] WALSH R, JURGENS SJ, ERDMANN J, et al. Genome-wide association studies of cardiovascular disease. Physiol Rev. 2023; 103(3):2039-2055.
[16] ARDISSINO M, MORLEY AP, SLOB E, et al. Birth weight influences cardiac structure, function, and disease risk: evidence of a causal association. Eur Heart J. 2024; 45(6):443-454.
[17] FENG R, LU M, XU J, et al. Pulmonary embolism and 529 human blood metabolites: genetic correlation and two-sample Mendelian randomization study. BMC Genom Data. 2022;23(1):69.
[18] NGUYEN K, MITCHELL BD. A guide to understanding mendelian randomization studies. Arthritis Care Res (Hoboken). 2024; 76(11):1451-1460.
[19] XU R, LIU S, LI LY, et al. Causal effects of gut microbiota on the risk of erectile dysfunction: a Mendelian randomization study. Int J Impot Res. 2024. doi: 10.1038/s41443-024-00824-7.
[20] JING S, LIN L, LI J, et al. Causal relationship between Helicobacter pylori infection and IgA nephropathy: a bidirectional two-sample mendelian randomization study. Ren Fail. 2024;46(2):2371055.
[21] LIU X, QI X, HAN R, et al. Gut microbiota causally affects cholelithiasis: a two-sample Mendelian randomization study. Front Cell Infect Microbiol. 2023;13:1253447.
[22] BURGESS S, THOMPSON SG. Interpreting findings from Mendelian randomization using the MR-Egger method. Eur J Epidemiol. 2017;32(5):377-389.
[23] VERBANCK M, CHEN CY, NEALE B, et al. Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases. Nat Genet. 2018;50(5):693-698.
[24] LIU G, ZHAO Y, JIN S, et al. Circulating vitamin E levels and Alzheimer’s disease: a Mendelian randomization study. Neurobiol Aging. 2018;72:189.e1-189.e9.
[25] WANG S, WANG J, NIU Z, et al. Causal relationship between mitochondrial-associated proteins and cerebral aneurysms: a Mendelian randomization study. Front Neurol. 2024;15:1405086.
[26] YUAN S, MASON AM, TITOVA OE, et al. Morning chronotype and digestive tract cancers: Mendelian randomization study. Int J Cancer. 2023;152(4):697-704.
[27] SKRIVANKOVA VW, RICHMOND RC, WOOLF B, et al. Strengthening the reporting of observational studies in epidemiology using mendelian randomization: the STROBE-MR statement. JAMA. 2021;326(16):1614-1621.
[28] WU F, HUANG Y, HU J, et al. Mendelian randomization study of inflammatory bowel disease and bone mineral density. BMC Med. 2020;18(1):312.
[29] NABER T, PUROHIT S. Chronic kidney disease: role of diet for a reduction in the severity of the disease. Nutrients. 2021; 13(9):3277.
[30] JONES A, SWAN D, LISMAN T, et al. Anticoagulation in chronic kidney disease: current status and future perspectives. J Thromb Haemost. 2024;22(2):323-336.
[31] MUSLIMOVIC A, RASIC S, TULUMOVIC D, et al. Inflammatory markers and procoagulants in chronic renal disease stages 1-4. Med Arch. 2015;69(5):307-310.
[32] HUANG MJ, WEI RB, WANG Y, et al. Blood coagulation system in patients with chronic kidney disease: a prospective observational study. BMJ Open. 2017;7(5):e014294.
[33] PANOUTSOPOULOU K, WHEELER E. Key concepts in genetic epidemiology. Methods Mol Biol. 2018;1793:7-24.
[34] DAVEY SMITH G, HEMANI G. Mendelian randomization: genetic anchors for causal inference in epidemiological studies. Hum Mol Genet. 2014;23(R1):R89-R98.
[35] WATTANAKIT K, CUSHMAN M, STEHMAN-BREEN C, et al. Chronic kidney disease increases risk for venous thromboembolism. J Am Soc Nephrol. 2008;19(1):135-140.
[36] MAST AE, RUF W. Regulation of coagulation by tissue factor pathway inhibitor: Implications for hemophilia therapy. J Thromb Haemost. 2022;20(6):1290-1300.
[37] YAU JW, TEOH H, VERMA S. Endothelial cell control of thrombosis. BMC Cardiovasc Disord. 2015;15:130.
[38] JOURDE-CHICHE N, DOU L, SABATIER F, et al. Levels of circulating endothelial progenitor cells are related to uremic toxins and vascular injury in hemodialysis patients. J Thromb Haemost. 2009;7(9):1576-1584.
[39] CHEN TY, LIN TT, HSIEH MY, et al. Circulating progenitor cells affect thrombosis of dialysis arteriovenous fistulas. Am J Nephrol. 2016; 44(6):428-438.
[40] YISIREYILI M, SAITO S, ABUDUREYIMU S, et al. Indoxyl sulfate-induced activation of (pro)renin receptor promotes cell proliferation and tissue factor expression in vascular smooth muscle cells. PLoS One. 2014;9(10):e109268.
[41] ONO T. Roles of coagulation pathway and factor Xa in chronic kidney disease (CKD). Yakugaku Zasshi. 2012;132(4):449-453.
[42] AHNSTRöM J. FV/FVa revealed. Blood. 2021;137(22):3011-3013.
[43] LI Y, LIU H, YE S, et al. The effects of coagulation factors on the risk of endometriosis: a Mendelian randomization study. BMC Med. 2023;21(1):195.
[44] YUAN S, BRUZELIUS M, DAMRAUER SM, et al. Cardiometabolic, lifestyle, and nutritional factors in relation to varicose veins: a mendelian randomization study. J Am Heart Assoc. 2021;10(21):e022286.
[45] HOU Y, XIAO Z, ZHU Y, et al. Blood metabolites and chronic kidney disease: a Mendelian randomization study. BMC Med Genomics. 2024;17(1):147.
[46] ZHAO Y, HU Y, SMITH JP, et al. Cohort profile: the China Health and Retirement Longitudinal Study (CHARLS). Int J Epidemiol. 2014;43(1):61-68.
[47] CNCB-NGDC MEMBERS AND PARTNERS. Database resources of the national genomics data center, china national center for bioinformation in 2024. Nucleic Acids Res. 2024;52(D1):D18-D32.

引言

慢性肾脏病是指肾脏结构或功能异常或肾脏移植≥3个月，影像学或实验室检查显示血尿、蛋白尿、肾脏异常；或肾小球滤过率< 60 ml/(min•1.73 m2)的状况≥3个月的临床综合征，其特征是不可逆转、进化缓慢和进行性[1-3]。由于慢性肾脏病会导致尿毒症毒素积聚，对血液和血管壁产生毒性作用，可导致机体凝血功能出现异常，一定程度上促使患有慢性肾脏病的患者血栓形成的风险升高，血栓事件发生在脑动脉、深静脉系统、心脏和血液透析患者的血管通路部位，且发生风险显著增加[4-5]。
有观察性研究认为慢性肾脏病患者的血浆止血因子存在多种异常，如血管性血友病因子、纤维蛋白原、凝血酶、血浆Ⅶ因子及组织因子水平升高，这些异常有利于高凝状态，但抗凝血酶活性为降低状态[4，6-7]。一项队列研究发现，纤维蛋白原水平升高可以预测慢性肾脏病3期和4期患者的死亡率[8]。静脉血栓栓塞症在慢性肾脏病患者中风险是增加的，这可能是由于止血障碍导致的，包括促凝剂激活、内源性抗凝剂减少、血小板的紊乱激活和聚集以及纤溶活性降低。然而有研究认为，慢性肾脏病患者血栓形成风险增加与出血倾向矛盾地相关联，慢性肾脏病在疾病的早期阶段通常与血栓形成倾向相关；而在其晚期，即终末期肾脏疾病，患者有血栓形成倾向，在许多情况下，伴有出血。这些相互冲突的止血疾病共存背后的确切病因尚不清楚[4，7]。由于上述观察性研究和队列研究存在潜在的混杂因素和局限性，因此目前血浆凝血因子与慢性肾脏病风险之间因果关联的生物学基础尚未得到牢固确立，两者确切的因果关系目前尚不清楚。
孟德尔随机化为流行病学中探索因果关系的一种新颖方法，孟德尔随机化利用种系遗传变异作为风险因素的工具变量(instrumental variable，Ⅳs)，来评价在观察环境下相关因素对疾病结果的影响，这种遗传变异通常是单核苷酸多态性(single nucleotide polymorphism，SNP)被用于暴露因素的工具变量[9-10]。孟德尔随机化与传统流行病学研究相比，可以避免反向因果关系和混杂因素对结果准确性的干扰，同时也可以避免进行随机对照试验的耗时、需要昂贵的科研费用、由于长期跟踪随访依从性差以及随机治疗分配的伦理问题[11-13]。孟德尔随机化能够有效地揭示不同疾病之间的因果关系，一定程度上得益于全基因组关联研究(genome wide association studies，GWAS)在发现与疾病及其特征相关的遗传变异方面的显著成效[14-16]。
因此孟德尔随机化可以将GWAS数据库获得的血浆凝血因子信息与慢性肾脏病表型相关的全基因组关联结果联系起来，通过双样本孟德尔随机化来评估GWAS Catalog数据库中39种凝血因子对慢性肾脏病的影响，旨在探索不同凝血因子与慢性肾脏病之间的相互关系和可能的病因，以寻找评估慢性肾脏病病情严重程度和并发症风险的关键参数，为中国慢性肾脏病与凝血因子因果关系的研究提供一定的理论参考，同时也为医学组织工程中对慢性肾脏病患者，尤其是已经血液透析患者体内低凝或高凝状态评估提供全新的思路，达到改善慢性肾脏病患者生活质量和延长患者寿命的目的。

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

材料方法

1 资料和方法 Data and methods
1.1 设计使用双样本孟德尔随机化模型来评估血浆凝血因子对慢性肾脏病的因果影响，如图1所示。孟德尔随机化设计基于3个假设：①相关性假设：遗传变异与暴露因素(凝血因子)密切相关；②独立性假设：遗传变异与其他混杂因素无关；③排他性假设：遗传变异仅通过所研究的暴露因素与结局变量(慢性肾脏病)相关。SNP与血浆凝血因子和慢性肾脏病的关联数据来自最近发表的全基因组关联研究(GWAS)。
1.2 时间及地点研究于2024年7-9月在湖南师范大学第二附属医院/中国人民解放军联勤保障部队第921医院完成。
1.3 资料
1.3.1 凝血因子的GWAS汇总数据凝血因子的遗传数据来源于GWAS Catalog数据库[https://ebi.ac.uk/gwas/(访问时间为2024-08-12)]，包括纤维蛋白原、组织因子通路抑制剂水平、血管性血友病因子(von Willebrand Factor，vWF)水平、多重凝血因子缺乏蛋白2水平、维生素K依赖性蛋白S、维生素K依赖性蛋白C、活化蛋白C、纤溶酶原激活物抑制剂1、纤溶酶原、D-二聚体、凝血因子(FT)Ⅱ凝血酶受体、凝血因子Ⅲ、组织因子、抗凝

血酶 Ⅲ、凝血因子Ⅴ、凝血因子Ⅶ、凝血因子Ⅴ、凝血因子Ⅸ、凝血因子Ⅸab、凝血因子Ⅹ、凝血因子Ⅹa、凝血因子Ⅺ、凝血因子Ⅹ、凝血因子ⅩB链，在这24类凝血因子中，根据GWAS Catalog数据库中ID号的不同，总共分为39种凝血因子表型，并且均为选择样本量大和测序深度高的数据。暴露数据均来自欧洲人群，相关汇总数据信息见表1。
1.3.2 慢性肾脏病的GWAS汇总数据慢性肾脏病的遗传数据来源于开放全基因组关联研究数据库(IEU Open GWAS)，访问时间为2024-08-12。慢性肾脏病数据集的样本量为117 165例，SNP数量为2 179 497个，结局数据来自欧洲人群，见表1。文章纳入的数据都来自公开发表的研究和数据库，均已获得相关机构的伦理审查委员会的批准，参与者已知情同意，不需要额外的伦理审查。
1.4 方法
1.4.1 工具变量的选择为了满足前面提到的3个假设，进行了一系列质量控制步骤来选择合适的SNP。首先严格筛选与每个血浆凝血因子相关的SNP，其显著性阈值为P < 5×10-6，排除具有弱暴露Ⅳs的SNP。此外，F统计量表示Ⅳs与暴露因素(凝血因子)之间的关联强度，并选择F统计量> 10的SNP，F统计量可以通过F=β2/SE2公式来计算，根据遗传变异在暴露因素中解释的方差越大，样本统计量越大，暴露因素对结局变量的因果推断就越精确的原则，文章认为F值> 10的SNP与凝血因子存在明显的相关性[17]。然后需要排除连锁不平衡SNP，设置参数r2 < 0.001、kb=10 000 kb，以确保SNP是独立的[18]。所谓的连锁不平衡，是指在不同的基因座中，等位基因之间存在非随机的联系，也就是说，只要这两个基因不是完全独立遗传的，它们就会在某种程度上产生连锁效应[19]。
1.4.2 孟德尔随机化分析在双样本孟德尔随机化分析中，逆方差加权法(inverse variance-weighted method，ivW)具有最高的统计效能，并且在认为所有SNP都有效的情况下普遍应用的分析方法，适用于大样本，在分析凝血因子和慢性肾脏病的因果关系时，将ivW法作为主要分析方法，将MR-Egger回归法(MR-Egger method)、加权中位数法(weighted median estimator)、加权模式法(weighted mode method)、简单模式法(simple mode method)作为孟德尔随机化分析的补充方法，P < 0.05认为有意义[19-21]；MR-Egger回归法是一种稳健的替代方法，通过进行偏倚调整估计来解决水平多效性，尽管总体的功效较低且模型假设要求更严格[22]。加权中位数法是当超过50%的工具变量有效时，它产生结果更有统计效能[23]。加权模式法通过调整个体SNP影响来增强估计稳定性，特别是当SNP之间的效应大小存在显著性差异时，尽管它需要详细的权重分配[24]。
简单模式法提供了直接的计算和易于理解一致的效应大小，但它可能受到异常值或低精度估计的影响[25]。当ivW法分析结果与补充的孟德尔随机化分析方法结果不一致时，以ivW分析结果为主，或同时强相关的SNP不足时，以ivW分析结果为主。
1.4.3 敏感性分析为评估孟德尔随机化分析方法的稳健性，需要进行相关的敏感性分析，如异质性检验，通过Cochran’s Q检验的Q值来评估不同SNP之间的异质性。如果Q统计量的P > 0.05，这意味着SNP之间没有异质性[26]。采用MR-Egger 截距检验和MR-PRESSO测试用于检查孟德尔随机化分析方法的水平多效性(Horizontal pleiotropy)中，MRPRESSO方法可以检测和纠正可能的异常值，并且MR-PRESSO全局检验可用于评估SNP估计值异质性引起的水平多效性，当P > 0.05时，则这意味着无水平多效性存在，如果存在水平多效性，则因果假设被违反，其中遗传变异独立于风险因素从而影响结果[27]。为了识别潜在的有影响的SNP，进行留一法敏感性分析(Leave-one-out sensitivity Test)，依次将每个SNP 排除在外，如果在剔除某一SNP后，其他SNP给出的孟德尔随机化结果与总结分析结果有很大的差异，那么这表明孟德尔随机化结果对该SNP是敏感的[28]。这些分析表明，排除任何单个SNP不会对整体结果产生显著性影响，突出了文章研究结果的一致性。
1.5 主要观察指标 ①39种血浆凝血因子与慢性肾脏病的因果关联；②敏感性分析检测孟德尔随机化分析结果的可靠性。
1.6 统计学分析所有统计分析均使用R Studio(版本4.3.3)中的“TwoSample MR”“dplyr”“pbapply”“data.table”“magrittr”“TSMRhelper”“Rpackage等包(版本0.6.4)”来进行孟德尔随机化分析，“forestploter”“ggplot2” 包用于数据可视化。计量资料服从正态分布用x±s表示，计数资料用%表示。孟德尔随机化的结果是通过比值比(Odds Ratio，OR)、95%的置信区间(95%Confidence Intervals ，95%CI)

和P值来表示的，P < 0.05被认为具有统计显著性。通过分析散点图、森林图、漏斗图及留一法图，文章可以对孟德尔随机化的输出结果进行直观的可视化呈现。

讨论

由于慢性肾脏病早期阶段缺乏明显症状，常常无法被诊断出来[29]。凝血机制紊乱是其常见的并发症表现，变化的性质受肾脏疾病的根本原因和使用肾脏替代疗法的影响，可出现低凝和高凝状态的复杂情况，导致出血和血栓形成风险的不稳定平衡，这些相反的风险使得预防和管理血管并发症变得困难[6，30]。有研究者在一项前瞻性研究中纳入了120例年龄大于18岁的1-4期慢性肾脏病患者，对他们的血清肌酐、血清白蛋白、C-反应蛋白、血白细胞、血浆纤维蛋白原、D-二聚体、抗凝血酶Ⅲ、血浆凝血因子Ⅶ、血浆凝血因子Ⅴ的生理指标进行跟踪检查和监测[31]，为期24个月，发现随着慢性肾脏病(慢性肾脏病1-4期)的进展，炎症和促凝标志物C-反应蛋白、纤维蛋白原、血浆凝血因子Ⅴ明显升高，虽然凝血因子Ⅶ值、D-二聚体水平、白细胞平均值升高，抗凝血酶Ⅲ值降低，但无显著性意义。在另外一项前瞻性研究中发现，在2015年9月至2016年3月对95例符合纳入标准的慢性肾脏病患者和20名健康对照者进行血浆FⅤ水平、血浆FⅦ、血浆FⅤ、抗凝血酶Ⅲ水平、纤维蛋白原、蛋白C、蛋白S、D二聚体检测和检查，研究结果发现慢性肾脏病患者的纤维蛋白原、FⅦ、FⅤ和D-二聚体的调整和未调整水平显着高于健康对照者，并且随着慢性肾脏病进展而升高，虽然慢性肾脏病患者血浆凝血因子Ⅴ值相对于对照组虽然降低，但无显著性意义[32]。然而上述的观察性研究有一定局限性，他们的研究都观察到慢性肾脏病患者有凝血功能的变化，有的凝血指标升高或者降低，但难以明确因果关系。这使得传统的流行病学分析很少有推理结论是合理的，即使在暴露和结果之间测量了强有力的统计关联，但仍不能确定关联的所有混杂因素已经被识别、测量和适当调整。遗传流行病学是一门旨在阐明遗传决定因素在健康和疾病中的作用及其与环境因素的复杂相互作用的流行病学，它在个体水平上对具有大效应量的基因进行定位是非常有意义的[33]。孟德尔随机化就是遗传流行病学方法[34]。
文章使用GWAS 的汇总统计数据进行双样本孟德尔随机化分析方法，从基因遗传学的角度预测了凝血因子与慢性肾脏病之间潜在的因果关联，并利用敏感度分析剔除混杂因素后，最终确定了4种凝血因子与慢性肾脏病之间的因果关系，该研究是第一个应用孟德尔随机化分析对多种凝血因子与慢性肾脏病之间潜在因果关系进行的研究。大规模遗传流行病学有助于评估假定的危险因素与疾病之间关系的性质，以前无法确定观察到的凝血因子水平与慢性肾脏病风险之间的关联是因果关系，还是由于对既定风险因素的不完全调整造成的残留偏差。在进行GWAS Catalog数据库中的39种凝血因子对慢性肾脏病影响的孟德尔随机化分析中发现，基因预测的凝血因子中有血浆FⅤ水平、血浆FⅦ水平、血浆FⅩa水平、血浆抗凝血酶Ⅲ水平与慢性肾脏病之间是存在因果关联的，文章认为凝血因子中血浆FⅩa水平是慢性肾脏病发生风险的危险因素，凝血因子中血浆FⅤ水平、血浆FⅦ水平、血浆抗凝血酶Ⅲ水平是慢性肾脏病发生风险的保护因素。为了使文章的结论更加稳健和可靠，还利用了基于两种样本孟德尔随机化分析的不同假设的几种稳健分析方法，并进行了多种敏感性分析。一方面,文章的研究结果从遗传流行病学的角度解释了血浆抗凝血酶Ⅲ水平的升高可以对慢性肾脏病疾病是一种保护机制的可能，而抗凝血酶Ⅲ的缺乏，可能加重慢性肾脏病的病情进展，可间接的导致静脉血栓栓塞症在慢性肾脏病患者中风险是增加的[35]。另一方面,在慢性肾脏病患者中由于尿毒症毒素的积累，导致内皮病变或血管损伤后，内皮下成分暴露于血液并激活止血过程，在损伤部位，来自血管壁的组织因子启动了凝血级联的外源性途径，同时作为启动外源性凝血途径的关键血浆FⅦ水平增加，起到止血的保护作用，FⅦ水平增加被认为是在促凝剂、抗凝剂和纤溶途径中有多种血栓形成前改变之一[36]；在文章的孟德尔随机化结果中发现血浆FⅦ水平的增加是慢性肾脏病的保护因素，可能随着血浆FⅦ水平的增加，慢性肾脏病患者的病情减轻，这与一些观察性研究结果一致[37-40]。同时由于复合体TF/FⅦa导致FⅩa的产生，FⅩa通过蛋白水解裂解凝血酶原形成凝血酶。文章的孟德尔随机化结果提示血浆FⅩa水平是慢性肾脏病发生风险的危险因素，说明随着FⅩa水平的升高可能提示慢性肾脏病病情加重的可能，这一结果与色氨酸衍生的尿毒症毒素诱导的血栓形成机制一致[4]，均说明慢性肾脏病患者FⅩa水平的升高，并且其导致慢性肾脏病患者由于血栓因素的形成而加重病情[41]。FⅤ作为主要血液凝固途径主要凝血因子之一，FⅤa与FⅩa作为膜结合的辅因子，形成Ⅹa/Ⅴa复合物，促进凝血酶原激活为凝血酶[42]。孟德尔随机化结果显示，血浆FⅤ水平是慢性肾脏病发生的风险的保护因素，说明随着FⅤ水平的升高提示慢性肾脏病病情进展稳定的可能，但同时从以往的观察研究发现慢性肾脏病患者血浆凝血因子Ⅴ值反而是降低的，存在一定的差异，这提示文章对孟德尔随机化的结果应该与现有的观察性研究以及实验性研究的结果综合分析。文章孟德尔随机化分析使用最新和完整的GWAS数据作为Ⅳs，最大限度地提高了统计效果，使研究结果更有说服力。
文章也有一些局限性需要注意。首先，凝血因子与慢性肾脏病的遗传数据均主要来自欧洲血统的个体，并且作为结局变量的慢性肾脏病的数据集相对单一，孟德尔随机化分析方法局限于双样本，尽管该数据样本量大，但其结果无法推广到其他种族人群，所得结论缺乏普适性，应认识到纵向和多样化人群研究的重要性，因此需要在未来的研究中考虑更多种族的人群数据，纳入多个数据库的暴露因素与结局变量进行综合性分析，分析方法也可以扩展为多变量、多中心的孟德尔随机化，最终以提高结果的普遍适用性和结果的可靠性[43]。其次，文章努力排除与潜在混杂因素相关的SNP并进行敏感性分析，但仍然存在未被发现的复杂和多方向影响的可能性。此外，由于使用了GWAS数据库整合性的数据，无法分析凝血因子与慢性肾脏病之间的非线性关系或分层效应[44]。最后，文章的孟德尔随机化分析虽然表明凝血因子与慢性肾脏病风险之间存在关联，但它主要提供了预测见解，而没有经验验证，虽然对于估计因果关系具有稳健性，但不应取代随机对照试验[45]。因此，从文章推断的因果关系可能与随机对照试验的结果不完全一致，强调需要基于个体的遗传观察，以及在未来研究中将凝血因子与慢性肾脏病相关的随机对照试验整合以验证并确定它们之间的因果关系。
综上所述，该研究确定了4种在慢性肾脏病中具有潜在因果作用的凝血因子，为慢性肾脏病的遗传流行病学提供了创新的见解，虽然数据分析研究的是欧洲人群，但这些数据分析对中国慢性肾脏病与凝血因子的研究有一定的参考价值和借鉴意义，可以扩展到对中国相关的数据库的深入研究，包括中国健康与养老追踪调查数据库(china health and retirement longitudinal study，CHARLS)、中国老年健康影响因素跟踪调查数据库(chinese longitudinal healthy longevity survey，CLHLS)、国家生物信息数据库(china national bioinformatics center database，CNBCD)等数据库[46-47]；同时提示研究者们在临床工作中，可以通过联合检测血浆FⅤ水平、血浆FⅦ水平、FⅩa水平以及血浆抗凝血酶Ⅲ水平，来评估慢性肾脏病患者体内低凝或高凝状态，预测慢性肾脏病患者出血或血栓形成风险的可能性，从而对慢性肾脏病患者病情严重程度有一定预测价值，有利于慢性肾脏病患者预防和管理血管并发症，也潜在的为医学组织工程中肾脏替代治疗患者出现凝血功能障碍的研究提供新的思路。

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

基于 GWAS Catalog数据库样本分析39 种血浆凝血因子与慢性肾脏病的关系

Causal relationship between 39 plasma coagulation factors and chronic kidney disease based on samples from the GWAS Catalog database

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 6

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	曾浩, 孙鹏程, 柴源, 黄有荣, 张驰, 章晓云. 甲状腺功能和骨质疏松症的关联：欧洲人群全基因组数据分析[J]. 中国组织工程研究, 2026, 30(4): 1019-1027.
[2]	容向宾, 郑海波, 莫学燊, 侯坤, 曾平, . 血浆代谢物、免疫细胞与髋骨关节炎的因果推断：GWAS数据欧洲群体资料分析[J]. 中国组织工程研究, 2026, 30(4): 1028-1035.
[3]	何启旺, 陈波, 梁复超, 康泽伟, 周原, 季桉旭, 唐夏林, . 阿尔茨海默病和肌少症及体质量指数的关系：欧洲人群GWAS数据集分析[J]. 中国组织工程研究, 2026, 30(4): 1036-1046.
[4]	丁宇, 陈婧雯, 陈秀燕, 施慧敏, 杨雨蝶, 周美启, 崔帅, . 循环炎症蛋白与心肌肥厚：来自GWAS Catalog与芬兰数据库欧洲群体的大样本分析[J]. 中国组织工程研究, 2026, 30(4): 1047-1057.
[5]	陈佳永, 唐梅玲, 卢健棋, 庞延, 杨尚冰, 毛美玲, 罗文宽, 陆微. 基于孟德尔随机化分析欧洲人群代谢物与肌少症的因果关系及其代谢物与心血管疾病的相关性分析[J]. 中国组织工程研究, 2025, 29(在线): 1-11.
[6]	张艺博, 卢健棋, 毛美玲, 庞延, 董礼, 杨尚冰, 肖湘. 类风湿关节炎与冠状动脉粥样硬化的因果关系：GWAS数据库血清代谢物和炎症因子数据[J]. 中国组织工程研究, 2025, 29(在线): 1-9.
[7]	董婷婷, 陈天鑫, 李妍, 张晟, 张磊. 可干预因素与关节运动损伤的因果关系[J]. 中国组织工程研究, 2025, 29(9): 1953-1962.
[8]	陈帅, 金杰, 韩化伟, 田宁晟, 李志伟. 两样本孟德尔随机化分析循环炎症细胞因子与骨密度的因果关联[J]. 中国组织工程研究, 2025, 29(8): 1556-1564.
[9]	赵文生, 李孝林, 彭昌华, 邓佳, 盛浩, 陈洪卫, 张朝驹, 何川. 肠道菌群与骨质疏松性骨折[J]. 中国组织工程研究, 2025, 29(6): 1296-1304.
[10]	马浩宇, 乔鸿超, 郝茜茜, 史冬博. 不同运动强度与骨关节炎发病风险的效应分析[J]. 中国组织工程研究, 2025, 29(6): 1305-1311.
[11]	李嘉彤, 金玥, 刘润嘉, 宋博文, 朱晓倩, 李念虎. 甲状腺功能水平与肌少症相关特征表型的关联[J]. 中国组织工程研究, 2025, 29(6): 1312-1320.
[12]	吴广涛, 秦刚, 何凯毅, 范以东, 李威材, 朱宝刚, 曹英. 免疫细胞与膝骨关节炎之间因果作用：一项两样本双向孟德尔随机化分析[J]. 中国组织工程研究, 2025, 29(5): 1081-1090.
[13]	王雪鹏, 何勇, . 胰岛素样生长因子家族成员水平对炎性关节炎的影响：基于芬兰生物库分析[J]. 中国组织工程研究, 2025, 29(35): 7656-7662.
[14]	汪涛, 王顺谱, 闵友江, 王敏, 李乐, 张宸, 肖伟平. 肠道菌群与类风湿关节炎的因果关系：GWAS数据欧洲群体资料分析[J]. 中国组织工程研究, 2025, 29(35): 7663-7668.
[15]	韩杰, 潘成镇, 尚昱志, 张驰. 激素性股骨头坏死免疫诊断标志物的鉴定与药物筛选[J]. 中国组织工程研究, 2025, 29(35): 7690-7700.