糖尿病与肥厚型心肌病的因果关系：GWAS数据库信息分析

doi:10.12307/2026.305

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (11): 2933-2948.doi: 10.12307/2026.305

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

糖尿病与肥厚型心肌病的因果关系：GWAS数据库信息分析

赵迎新1，2，郎彤3，孟令丙4，5，6，高玉霞7

1天津医科大学研究生院，天津市 300203；2河北大学附属医院心内科，河北省保定市 071030；3潍坊市第二人民医院呼吸内科，山东省潍坊市 261041；4心脏代谢医学中心，国家心血管疾病临床医学研究中心，阜外医院，中国医学科学院及北京协和医学院，北京市 100037；5阜外医院心内科，国家心血管疾病临床医学研究中心，中国医学科学院及北京协和医学院，北京市 100037；6心血管疾病国家重点实验室，北京市 100037；7天津医科大学总医院心内科，天津市 300070

收稿日期:2025-04-24 接受日期:2025-05-23 出版日期:2026-04-18 发布日期:2025-09-10
通讯作者: 高玉霞，主任医师，天津医科大学总医院心内科，天津市 300070 通讯作者：孟令丙，助理研究员，心脏代谢医学中心，国家心血管疾病临床医学研究中心，阜外医院，中国医学科学院及北京协和医学院，北京市 100037；阜外医院心内科，国家心血管疾病临床医学研究中心，中国医学科学院及北京协和医学院，北京市 100037；心血管疾病国家重点实验室，北京市 100037
作者简介:赵迎新，女，1984年生，河北省保定市人，汉族，硕士，主治医师，主要从事心血管疾病的基础与临床研究。

Causal relationship between diabetes mellitus and hypertrophic cardiomyopathy: information analysis based on the GWAS database

Zhao Yingxin1, 2, Lang Tong3, Meng Lingbing4, 5, 6, Gao Yuxia7

1Graduate School, Tianjin Medical University, Tianjin 300203, China; 2Department of Cardiology, Affiliated Hospital of Hebei University, Baoding 071030, Hebei Province, China; 3Department of Pneumology, Weifang Second People’s Hospital, Weifang 261041, Shandong Province, China; 4Cardiometabolic Medicine Center, National Clinical Research Center for Cardiovascular Diseases, Fuwai Hospital, National Clinical Research Center for Cardiovascular Diseases, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100037, China; 5Department of Cardiology, Fuwai Hospital, National Clinical Research Center for Cardiovascular Diseases, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100037, China; 6State Key Laboratory of Cardiovascular Disease, Beijing 100037, China; 7Department of Cardiology, Tianjin Medical University General Hospital, Tianjin 300070, China

Received:2025-04-24 Accepted:2025-05-23 Online:2026-04-18 Published:2025-09-10
Contact: Gao Yuxia, Chief physician, Department of Cardiology, Tianjin Medical University General Hospital, Tianjin 300070, China Co-corresponding author: Meng Lingbing, Assistant researcher, Cardiometabolic Medicine Center, National Clinical Research Center for Cardiovascular Diseases, Fuwai Hospital, National Clinical Research Center for Cardiovascular Diseases, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100037, China; Department of Cardiology, Fuwai Hospital, National Clinical Research Center for Cardiovascular Diseases, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100037, China; State Key Laboratory of Cardiovascular Disease, Beijing 100037, China
About author:Zhao Yingxin, MS, Attending physician, Graduate School, Tianjin Medical University, Tianjin 300203, China; Department of Cardiology, Affiliated Hospital of Hebei University, Baoding 071030, Hebei Province, China

摘要/Abstract

摘要：

文题释义：
孟德尔随机化：是一种基于遗传变异的因果推断方法，在流行病学研究中广泛用于探索暴露因素与疾病结局之间的因果关系。孟德尔随机化通过遗传工具变量规避了传统观察性研究的混杂因素，提高了因果推断的可靠性。
HSF1：是一种关键的转录因子，调控细胞应激反应，主要参与热休克蛋白的表达调控。

背景：糖尿病与肥厚型心肌病相互影响，糖尿病患者心血管并发症风险显著升高，但两者之间的因果关系及分子机制尚不明确。
目的：利用孟德尔随机化方法，结合GWAS和GEO数据库数据，评估糖尿病对肥厚型心肌病的因果效应，通过生物信息学分析筛选关键调控因子。
方法：从最新的全基因组关联研究(GWAS，由美国国家人类基因组研究所和欧洲生物信息研究所合作建立)数据库中获取162个与糖尿病相关的单核苷酸多态性，这些数据来自24 659例糖尿病患者和459 939名对照参与者，获取肥厚型心肌病数据，包括507例肥厚型心肌病病例和489 220名对照参与者，进行两样本孟德尔随机化分析，使用逆方差加权法评估糖尿病与肥厚型心肌病之间的因果关系。下载基因表达数据库(GEO)中的糖尿病数据集GSE184050和肥厚型心肌病数据集GSE160997，利用WGCNA探讨与糖尿病和肥厚型心肌病相关的重要模块及核心基因。通过GSEA探讨核心基因相关的富集术语和通路。将核心基因输入比较毒理学基因组数据库(CTD)网站以确定与核心基因相关的疾病。采用多种算法探讨HSF1在糖尿病和肥厚型心肌病中的作用。
结果与结论：①以糖尿病为暴露因子，提取了160个单核苷酸多态性的分析结果，采用逆方差加权、MR-Egger和加权中位数回归方法评估遗传预测的糖尿病与肥厚型心肌病之间的因果关系，MR-Egger检验显示糖尿病与肥厚型心肌病之间存在显著因果关联，确定HSF1为糖尿病与肥厚型心肌病因果关系的核心生物标志物(P=0.018 028 98)，加权中位数和逆方差加权法也提供了一致趋势。通过GEO数据库的数据验证确认了HSF1是同时影响糖尿病和肥厚型心肌病的潜在核心生物标志物。HSF1在糖尿病中高表达、在肥厚型心肌病中低表达。通过逐一移除单核苷酸多态性并重复孟德尔随机化分析的敏感性分析显示，没有单一单核苷酸多态性显著影响因果关系估计。将HSF1输入CTD网站以识别与核心基因相关的疾病，结果显示HSF1与糖尿病、2型糖尿病、肥厚型心肌病、心脏病、高血压、代谢紊乱和炎症等相关联。②研究主要基于国际大型数据库(如欧洲人群的GWAS和GEO表达谱数据)，采用遗传工具变量进行因果推断，具有较强的科学性。中国生物医学研究应加强本土多组学数据的积累和整合，借助类似方法探索适用于中国人群的精准预防和治疗靶点。
https://orcid.org/0000-0004-1761-2484 (赵迎新)

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

关键词: 糖尿病, 肥厚型心肌病, 孟德尔随机化, HSF1, 遗传学, 差异表达基因

Abstract: BACKGROUND: Diabetes mellitus and hypertrophic cardiomyopathy influence each other, with diabetic patients exhibiting a significantly increased risk of cardiovascular complications. However, the causal relationship and underlying molecular mechanisms between these conditions remain unclear.
OBJECTIVE: To assess the causal effect of diabetes mellitus on hypertrophic cardiomyopathy using a Mendelian randomization approach combined with data from genome-wide association studies (GWAS) and Gene Expression Omnibus (GEO) databases, and to screen for key regulatory factors by bioinformatics analysis.
METHODS: From the latest GWAS database (a collaboration between the U.S. National Human Genome Research Institute and the European Bioinformatics Institute), we obtained 162 single nucleotide polymorphisms associated with diabetes, which were identified from 24 659 diabetic cases and 459 939 control participants, and harvested data on hypertrophic cardiomyopathy, which were from 507 cases of hypertrophic cardiomyopathy and 489 220 control participants. A two-sample Mendelian randomization analysis was then conducted. The inverse variance weighted method was utilized to estimate the causal relationship between diabetes and hypertrophic cardiomyopathy. The diabetes dataset GSE184050 and the hypertrophic cardiomyopathy dataset GSE160997 profiles were downloaded from the GEO database. Weighted gene co-expression network analysis (WGCNA) was employed to investigate the important modules and core genes associated with diabetes and hypertrophic cardiomyopathy. Gene set enrichment analysis (GSEA) was utilized to explore enriched terms and pathways related to core genes. Core genes were inputted into the comparative toxicogenomics database (CTD) website to identify diseases most relevant to core genes. Various algorithms were applied to explore the role of HSF1 in diabetes and hypertrophic cardiomyopathy.
RESULTS AND CONCLUSION: (1) We used diabetes as the exposure factor and extracted results from 160 single nucleotide polymorphisms. The inverse variance weighted method, MR-Egger, and weighted median regression methods were employed to estimate the causal relationship between genetically predicted diabetes and hypertrophic cardiomyopathy. The MR-Egger method demonstrated a significant causal association between diabetes and hypertrophic cardiomyopathy, with HSF1 identified as a core biomarker for the causal relationship between diabetes and hypertrophic cardiomyopathy (P=0.018 028 98). The weighted median and inverse variance weighted algorithms also provided consistent trends. Furthermore, validation through datasets from the GEO database confirmed HSF1 as a potential core biomarker influencing both diabetes and hypertrophic cardiomyopathy. HSF1 exhibited high expression in diabetes and low expression in hypertrophic cardiomyopathy. According to the analysis results, systematically removing individual single nucleotide polymorphisms and repeating Mendelian randomization analysis did not significantly alter the causal relationship between diabetes and hypertrophic cardiomyopathy. This suggests that no single single nucleotide polymorphisms significantly influence the causal estimate. In this study, we input HSF1 into the CTD website to identify diseases associated with core genes. Core gene HSF1 was found to be associated with diabetes, type 2 diabetes, hypertrophic cardiomyopathy, heart disease, hypertension, metabolic disorders, and inflammation. (2) This study is primarily based on large international databases, including GWAS and GEO expression profiles from European populations, and employs genetic instrumental variables for causal inference, ensuring high scientific rigor. For biomedical research in China, the findings highlight the need to strengthen the collection and integration of local multi-omics data and to apply similar approaches to identify precision prevention and treatment targets suitable for the Chinese population.

Key words: diabetes, hypertrophic cardiomyopathy, Mendelian randomization, HSF1, genetics, differentially expressed genes

中图分类号:

赵迎新, 郎彤, 孟令丙, 高玉霞. 糖尿病与肥厚型心肌病的因果关系：GWAS数据库信息分析[J]. 中国组织工程研究, 2026, 30(11): 2933-2948.

Zhao Yingxin, Lang Tong, Meng Lingbing, Gao Yuxia. Causal relationship between diabetes mellitus and hypertrophic cardiomyopathy: information analysis based on the GWAS database[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(11): 2933-2948.

图/表（结果） 18

2.1 糖尿病与肥厚性心肌病的孟德尔随机化分析
2.1.1 糖尿病的遗传工具变量此次研究将糖尿病作为暴露因素，共筛选出160个单核苷酸多态性作为遗传工具变量。表1列出了与糖尿病和肥厚型心肌病相关的所有单核苷酸多态性。
2.1.2 肥厚型心肌病的孟德尔随机化分析采用逆方差加权法、MR-Egger回归和加权中位数法(图2，3)评估遗传预测的糖尿病与肥厚型心肌病之间的因果关系。MR-Egger分析结果显示，糖尿病与肥厚型心肌病存在显著因果关系(P=0.018 029)，糖尿病每增加一个标准差，肥厚型心肌病的风险比(OR)为0.000 94(95%CI：3.090 55× 10-6-0.285 4)，表明两者间存在统计学上显著的因果关系。图4展示了各基因变异与肥厚型心肌病风险的关联情况。
2.1.3 水平多效性分析通过漏斗图(图5)评估各单核苷酸多态性Wald比率与精度的关系，图中不对称分布提示可能存在水平多效性。但需注意的是，当遗传工具变量数量较少时，漏斗图的对称性评估可能存在局限。MR-Egger截距检验显示无显著水平多效性证据(P=0.072)，提示糖尿病与肥厚型心肌病之间的关联不太可能由水平多效性导致。

2.1.4 个体遗传工具对肥厚型心肌病的影响通过留一法分析评估单个单核苷酸多态性对总体因果估计的影响，结果显示，当逐一剔除各单核苷酸多态性后重新进行孟德尔随机化分析时，糖尿病与肥厚型心肌病的因果关系估计未发生显著改变(图6)，表明研究结果不受单一单核苷酸多态性的过度影响，具有较好的稳健性。
2.2 糖尿病与肥厚性心肌病的差异生信分析
2.2.1 差异表达基因分析基于预设的筛选阈值，分别对糖尿病数据集GSE184050和肥厚型心肌病数据集GSE160997进行差异表达基因分析，通过韦恩图取两组差异基因的交集，最终鉴定出174个共同差异表达基因，见图7。
2.2.2 功能富集分析
差异表达基因功能富集分析：对174个差异基因进行GO和KEGG通路分析。在生物过程分析中，它们主要富集在凋亡过程、炎症反应、心肌肥厚、心肌收缩(图8A)；在细胞组分分析中，它们主要富集在细胞器膜、溶酶体膜、纺锤体中间区(图8B)；在分子功能分析中，它们主要集中在双链DNA结合、激酶激活剂活性(图8C)。在KEGG分析中，它们主要富集在细胞凋亡、MAPK信号通路、2型糖尿病、胰岛素抵抗、坏死性凋亡、脂肪细胞因子信号通路(图8D)。
GSEA分析：为检测非差异表达基因中的潜在功能模块，对全基因组进行GSEA分析。糖尿病数据集GSE184050和肥厚型心肌病数据集GSE160997均显示，显著富集通路包括细胞凋亡、炎症反应、心肌收缩、纺锤体组织、激酶活性调控、MAPK信号通路及脂肪代谢相关通路，见图9。该结果与差异基因富集分析相互验证。
Metascape富集分析：通过Metascape平台进行多维度富集，GO富集项目中可见免疫系统细胞因子信号、激素运输、蛋白磷酸化的正向调节(图10A)，同时还输出了以富集项着色和P值着色的富集网络(图10B-D)，可视化表示各富集项目的关联和置信度。

2.2.3 加权基因共表达网络分析通过构建无标度网络，首先确定最佳软阈值功率。网络拓扑分析显示，当软阈值功率=4时，网络符合无标度分布标准(图11A)。基于此参数构建基因共表达网络，通过动态剪切树算法识别出6个显著共表达模块(图11B)。模块间相互作用分析显示各模块具有较高的功能独立性(图11C)，还生成了模块与表型相关性热图(图11D)和相关hub基因的GS与MM相关性散点图(图11E)。计算了模块特征向量与基因的表达相关性以获得MM，根据切断标准(|MM|>0.8)，在临床显著模块中有6个高连通性的基因被确定为枢纽基因。差异表达基因与WGCNA枢纽基因的交叉分析发现55个共同基因(图11F)。
2.2.4 蛋白质-蛋白质相互作用网络的构建与分析基于STRING数据库构建差异基因蛋白质-蛋白质相互作用网络，由 Cytoscape 软件分析(图12A)，采用5种拓扑算法MCC、DMNC、Degree、EPC、Closeness筛选关键基因(图12B-F)，通过多算法交叉验证确定2个核心基因：HSF1和IFITM3(图12G)。
2.2.5 核心基因表达量热图将核心基因在GSE184050和GSE160997中的表达量可视化并分别作出热图，发现核心基因HSF1的表达结果较为显著，HSF1在糖尿病组表达显著上调(图13A)，在肥厚型心肌病组中表达下调(图13B)。
值得注意的是，HSF1同时出现在孟德尔随机化分析的单核苷酸多态性列表中(表1)，其表达模式与孟德尔随机化分析的负相关结果一致，提示HSF1可能是介导糖尿病与肥厚型心肌病负向关联的关键调控因子。
2.2.6 CTD分析 CTD数据库分析显示HSF1与多种代谢性和心血管疾病显著相关，包括糖尿病、2型糖尿病、肥厚型心肌病、心脏疾病、高血压、代谢疾病(图13C)，进一步支持其跨疾病的调控作用。

2.2.7 与hub基因相关的miRNA预测与功能注释将hub基因列表输入到targetsacan中寻找相关的miRNA，提高对基因表达调控的理解，通过targetscan预测发现HSF1基因的相关miRNA是hsa-miR-212-5p。

参考文献

[1] TEEKAKIRIKUL P, ZHU W, HUANG HC, et al. Hypertrophic Cardiomyopathy: An Overview of Genetics and Management. Biomolecules. 2019;9(12):878
[2] LI X, FAN H, SONG X, et al. DNA methylome and transcriptome profiling reveal key electrophysiology and immune dysregulation in hypertrophic cardiomyopathy. Epigenetics. 2023;18(1):2195307.
[3] LYNCH A, TATANGELO M, AHUJA S, et al. Risk of Sudden Death in Patients With RASopathy Hypertrophic Cardiomyopathy. J Am Coll Cardiol. 2023;81(11):1035-1045.
[4] LOPES LR, LOSI MA, SHEIKH N, et al. Association between common cardiovascular risk factors and clinical phenotype in patients with hypertrophic cardiomyopathy from the European Society of Cardiology (ESC) EurObservational Research Programme (EORP) Cardiomyopathy/Myocarditis registry. Eur Heart J Qual Care Clin Outcomes. 2022;9(1):42-53.
[5] ZHAO X, LIU S, WANG X, et al. Diabetic cardiomyopathy: Clinical phenotype and practice. Front Endocrinol (Lausanne). 2022;13: 1032268.
[6] MENG L, LU Y, WANG X, et al. NPRC deletion attenuates cardiac fibrosis in diabetic mice by activating PKA/PKG and inhibiting TGF-β1/Smad pathways. Sci Adv. 2023;9(31):eadd4222.
[7] GERBER B, MANSER C, WIESLI P, et al. A family with diabetes and heart failure. BMJ Case Rep. 2010;2010:bcr0120102613.
[8] LARSSON SC, BUTTERWORTH AS, BURGESS S. Mendelian randomization for cardiovascular diseases: principles and applications. Eur Heart J. 2023;44(47):4913-4924.
[9] GOMEZ-PASTOR R, BURCHFIEL ET, THIELE DJ. Regulation of heat shock transcription factors and their roles in physiology and disease. Nat Rev Mol Cell Biol. 2018;19(1):4-19.
[10] ZININGA T, RAMATSUI L, SHONHAI A. Heat Shock Proteins as Immunomodulants. Molecules. 2018;23(11):2846.
[11] CHAI AC, CUI M, CHEMELLO F, et al. Base editing correction of hypertrophic cardiomyopathy in human cardiomyocytes and humanized mice. Nat Med. 2023;29(2):401-411.
[12] COLE JB, FLOREZ JC. Genetics of diabetes mellitus and diabetes complications. Nat Rev Nephrol. 2020;16(7):377-390.
[13] AKERFELT M, MORIMOTO RI, SISTONEN L. Heat shock factors: integrators of cell stress, development and lifespan. Nat Rev Mol Cell Biol. 2010;11(8):545-555.
[14] ANCKAR J, SISTONEN L. Regulation of HSF1 function in the heat stress response: implications in aging and disease. Annu Rev Biochem. 2011;80:1089-1115.
[15] DAI C, DAI S, CAO J. Proteotoxic stress of cancer: implication of the heat-shock response in oncogenesis. J Cell Physiol. 2012; 227(8):2982-2987.
[16] PURWANA I, LIU JJ, PORTHA B, et al. HSF1 acetylation decreases its transcriptional activity and enhances glucolipotoxicity-induced apoptosis in rat and human beta cells. Diabetologia. 2017;60(8):1432-1441.
[17] UCHIYAMA T, TOMONO S, UTSUGI T, et al. Constitutively active heat shock factor 1 enhances glucose-driven insulin secretion. Metabolism. 2011;60(6):789-798.
[18] MORIMOTO RI. Regulation of the heat shock transcriptional response: cross talk between a family of heat shock factors, molecular chaperones, and negative regulators. Genes Dev. 1998;12(24):3788-3796.
[19] HOOPER PL. Hot-tub therapy for type 2 diabetes mellitus. N Engl J Med. 1999;341(12):924-925.
[20] CHEN Z, WANG J, YANG W, et al. FAM3C activates HSF1 to suppress hepatic gluconeogenesis and attenuate hyperglycemia of type 1 diabetic mice. Oncotarget. 2017; 8(62):106038-106049.
[21] KAVANAGH K, FLYNN DM, JENKINS KA, et al. Restoring HSP70 deficiencies improves glucose tolerance in diabetic monkeys. Am J Physiol Endocrinol Metab. 2011;300(5):E894-901.
[22] KLYOSOVA E, AZAROVA I, POLONIKOV A. A Polymorphism in the Gene Encoding Heat Shock Factor 1 (HSF1) Increases the Risk of Type 2 Diabetes: A Pilot Study Supports a Role for Impaired Protein Folding in Disease Pathogenesis. Life (Basel). 2022;12(11):1936.
[23] BARNA J, CSERMELY P, VELLAI T. Roles of heat shock factor 1 beyond the heat shock response. Cell Mol Life Sci. 2018;75(16):2897-2916.
[24] MAHAT DB, SALAMANCA HH, DUARTE FM, et al. Mammalian Heat Shock Response and Mechanisms Underlying Its Genome-wide Transcriptional Regulation. Mol Cell. 2016;62(1):63-78.
[25] POZNYAK A, GRECHKO AV, POGGIO P, et al. The Diabetes Mellitus-Atherosclerosis Connection: The Role of Lipid and Glucose Metabolism and Chronic Inflammation. Int J Mol Sci. 2020; 21(5):1835.
[26] ESSER N, LEGRAND-POELS S, PIETTE J, et al. Inflammation as a link between obesity, metabolic syndrome and type 2 diabetes. Diabetes Res Clin Pract. 2014;105(2):141-150.
[27] PADMALAYAM I. The heat shock response: its role in pathogenesis of type 2 diabetes and its complications, and implications for therapeutic intervention. Discov Med. 2014;18(97):29-39.

引言

肥厚型心肌病是一种以心肌肥厚为主要特征的原发性心肌疾病，主要表现为左心室肥厚[1]，这种肥厚并非由高血压或其他获得性心脏疾病引起，而是由于基因突变所致的遗传性疾病。从流行病学角度来看，全球肥厚型心肌病的患病率估计为1/500-1/200，该病的典型特征是左心室壁非对称性肥厚，常伴有心脏电生理异常，显著增加心律失常的风险[2]。肥厚型心肌病可能导致多种严重并发症，包括心律失常、心力衰竭、脑卒中和猝死，尤其在青壮年人群中，猝死是最具威胁的临床表现之一，凸显了早期诊断与干预的重要性[3]。
糖尿病与肥厚型心肌病相互影响，特别是在心血管并发症的发生和发展中[4]。糖尿病患者常表现出如高血糖、高胰岛素血症和高血压等病理生理变化，这些变化可能影响心脏的结构和功能[5]。糖尿病可能导致心肌组织的纤维化和肥厚，进一步加剧肥厚型心肌病的病理过程[6]。糖尿病对肥厚型心肌病影响的主要表现为加重心脏结构和功能的异常、增加心血管并发症的发生风险、促进猝死等严重并发症的发生。因此，对于同时患有糖尿病和肥厚型心肌病的患者，病因尚不明确。糖尿病对肥厚型心肌病的影响可能与遗传因素、染色体异常、基因融合等因素有关[7]，因此，深入研究糖尿病与肥厚型心肌病的分子机制尤为重要。
孟德尔随机化是一种利用遗传变异作为自然实验进行因果推断的方法，它结合了遗传学和流行病学的原理[8]，已成为研究因果关系的重要工具，特别是在研究生活方式因素、环境因素与疾病关系方面。由于遗传变异的随机分布，孟德尔随机化可以减少混杂因素带来的偏倚，从而提供更可靠的因果推断。孟德尔随机化能够区分因果关系与反向因果关系，从而避免观察性研究中常见的因果混杂问题。
HSF1是一个关键的转录因子，在细胞应对热应激或其他应激条件时发挥重要作用[9]。HSF1主要在细胞应对热应激或氧化应激、化学物质暴露等应激条件时被激活，激活的HSF1可与热休克元件结合并启动热休克反应，进而诱导一系列热休克蛋白的表达，这些蛋白在帮助细胞应对应激条件方面发挥重要作用[10]。然而，目前HSF1与糖尿病及肥厚型心肌病之间的关系尚不清楚。
因此，此次研究拟利用孟德尔随机化算法及生物信息学技术，联合多种数据库共同探讨糖尿病与肥厚型心肌病之间潜在的因果关系，旨在发现两种疾病的共同致病基因及单核苷酸多态性，并对核心基因进行富集分析和通路分析；此外，利用公共数据集验证HSF1在糖尿病与肥厚型心肌病中的重要作用。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

材料方法

1 资料和方法 Data and methods
1.1 设计采用双样本孟德尔随机化研究糖尿病与肥厚型心肌病之间的因果关系(图1)。
1.2 时间及地点实验于2023-02-01/2024-12-02在天津医科大学完成。
1.3 资料
与糖尿病相关的单核苷酸多态性鉴定：从最新的GWAS数据库(https://gwas.mrcieu.ac.uk/datasets/)中获得了162个与糖尿病相关的单核苷酸多态性，这些单核苷酸多态性是从24 659名糖尿病病例和459 939名对照参与者中确定的。为了确定独立的基因组范围显著的单核苷酸多态性，采用了以下标准：①这些单核苷酸多态性与糖尿病在基因组范围上具有显著关联(P < 5×10-6)；②排除与其他单核苷酸多态性存在连锁不平衡的单核苷酸多态性(r2 < 0.001，窗口大小=10 000 kb)；③为了排除工具变量与糖尿病之间的弱关联，在孟德尔随机化中使用了单核苷酸多态性的F统计，F=(β/SE)²，对于F < 10的单核苷酸多态性，将被排除以避免工具变量的偏差。GWAS数据来自英国医学研究委员会整合流行病学数据库(IEU，University of Bristol)，该数据库整合了多项国际大型遗传研究，主要基于欧洲人群样本。数据具有公开性、标准化程度高、适用于遗传因果关系研究等特点，广泛应用于孟德尔随机化分析中。
肥厚型心肌病的数据源：肥厚型心肌病数据可在https://gwas.mrcieu.ac.uk/datasets/ebi-a-GCST90018861/上获得，包括507例肥厚型心肌病病例和489 220名对照参与者。该研究已获得相关机构审查委员会的批准，并且在原始研究中已获得参与者的所有知情同意。
1.4 方法
1.4.1 双样本孟德尔随机化分析利用R软件的“TwoSampleMR”包(版本0.5.8)进行了双样本孟德尔随机化分析(R版本4.2.2，http://www.r-project.org)。在所有统计测试中，使用Bonferroni校正的分析，显著性水平为双尾P < 0.05。采用逆方差加权法估计糖尿病和肥厚型心肌病之间的因果关系，同时采用加权中位数法和MR-Egger法进行敏感性分析。采用MR-Egger截距评估多向性效应及截距是否在统计上与零有显著差异。通过以上的方法，研究糖尿病与肥厚型心肌病之间是否存在着因果关系。该文统计学方法已经由北京协和医学院生物统计学专家审核。
1.4.2 差异基因生物信息分析
糖尿病与肥厚型心肌病数据集：在此次研究中，糖尿病数据集GSE184050和肥厚型心肌病数据集GSE160997配置文件是从GPL11154生成的 GEO 数据库(http://www.ncbi.nlm.nih.gov/geo/)中下载的。GSE184050包括50个糖尿病和66个正常样本，GSE160997包括18个肥厚型心肌病和5个正常样本，用于识别糖尿病与肥厚型心肌病的差异表达基因。
差异表达基因的筛选：分别对GSE184050和GSE160997数据集进行log2变换。利用lmFit函数进行多元线性回归，通过对标准误差趋近于一个共同值的经验贝叶斯调节，计算调节的t统计量、调节的f统计量和微分表达式的对数比值，最终获得每个基因的差异显著性，绘制火山图。将GSE184050和GSE160997的差异基因取交集，获得差异表达基因。

加权基因共表达网络分析：利用GSE160997的基因表达矩阵，分别计算了每个基因的中位绝对离差，剔除了中位绝对离差最小的前50%的基因。利用R软件包加权基因共表达网络分析(WeightedGene Co-Expression Network Analysis，WGCNA)的goodSamplesGenes方法去除了离群的基因和样本，进一步使用WGCNA构建scale-free co-expression network。对所有成对基因都执行皮尔逊相关矩阵和平均连锁法，使用幂函数A_mn=|C_mn|β构造加权邻接矩阵(C_mn = Gene_m和Gene_n之间的Pearson相关，A_mn= Gene m和Gene n之间的邻接)，β是一个软阈值参数，可以强调基因之间的强相关性，减弱弱相关性及负相关性的影响。选择10的幂后，将邻接转换为拓扑重叠矩阵，该矩阵可以测量一个基因的网络连通性，该网络连通性定义为它与所有其他基因的邻接之和，用于网络基因比率，计算相应的相异度(1-拓扑重叠矩阵)。为了将具有相似表达谱的基

因分类为基因模块，根据基于拓扑重叠矩阵的相异性度量进行平均连锁层次聚类，基因树状图的最小大小(基因组)为30，设置敏感度为3。为了进一步分析模块，计算模块特征基因的相异性，为模块树状图选择了一条切割线，并合并了一些模块；此外，还合并了距离小于0.25的模块，值得注意的是grey模块被认为是无法被分配给任何模块的基因集合。

功能富集分析：基因本体分析(Gene Ontology，GO)和京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes，KEGG)分析是评估基因功能和生物学途径的计算方法。此次研究将韦恩图筛选出的差异基因列表输入KEGG rest API(https://www.kegg.jp/kegg/rest/keggapi.html)，获取了最新的KEGG Pathway基因注释，以此作为背景，将基因映射到背景集合中，使用R软件包clusterProfiler(version 3.14.3)进行富集分析，获得基因集富集结果。使用R软件包org.Hs.eg.db(version 3.1.0)中基因的GO注释，以此作为背景。将基因映射到背景集合中，设定最小基因集为5，最大基因集为5 000，P < 0.05、假发现率< 0.25被认为是有统计学意义的衡量标准。另外，Metascape数据库可以提供全面的基因列表注释和分析资源，并可视化导出，使用Metascape(http://metascape.org/gp/index.html)数据库对上述差异基因列表进行功能富集分析并导出。
基因集富集分析：从基因集富集分析(Gene Set Enrichment Analysis，GSEA)(DOI:10.1073/pnas.0506580102，http://software.broadinstitute.org/gsea/index.jsp)网站获得了GSEA软件(version 3.0)，根据疾病和正常作为分组，将两组疾病样本分别分成两组，从Molecular Signatures Database(DOI:10.1093/bioinformatics/btr260，http://www.gsea-msigdb.org/gsea/downloads.jsp)下载了c2.cp.kegg.v7.4.symbols.gmt子集合，用以评估相关途径和分子机制，基于基因表达谱和表型分组，设定最小基因集为5，最大基因集为5 000，一千次重抽样，P < 0.05、假发现率< 0.25被认为具有统计学意义。对全基因组进行GO和 KEGG分析。由GSEA制定。
蛋白质-蛋白质相互作用网络的构建与分析：STRING数据库(http://string‑db.org/)旨在收集、评分和整合所有公开可用的蛋白质-蛋白质相互作用信息来源，通过计算预测来补充这些来源。此次研究将差异基因列表输入到STRING数据库中，构建预测核心基因的蛋白质-蛋白质相互作用网络(置信度> 0.4)。Cytoscape软件可以为生物学家提供生物网络分析和二维可视化。此次研究通过 Cytoscape软件对STRING 数据库形成的蛋白质-蛋白质相互作用网络进行可视化和预测核心基因。首先将蛋白质-蛋白质相互作用网络导入到Cytoscape软件中，通过MCODE找到相关性最好的模块，通过5种算法(MCC、DMNC、Degree、EPC、Closeness)分别计算相关性最好的基因并取交集，可视化后导出核心基因列表。
基因表达量热图：使用R包heatmap对蛋白质-蛋白质相互作用网络中寻找到的核心基因在GSE184050和GSE160997中的表达量分别作出热图，可视化核心基因在糖尿病与肥厚型心肌病和正常样本间的表达差异。
CTD分析：CTD数据库(Comparative Toxicogenomics Database)整合大量化学物质、基因、功能表型和疾病之间相互作用数据，为疾病相关环境暴露因素及药物潜在作用机制研究提供极大便利。将核心基因输入到CTD网站中找到与核心基因最相关的疾病，用Excel画出了每个基因的表达差异雷达图。
筛选miRNA：TargetScan (www.targetscan.org)是一个在线数据库，用于预测分析miRNA和靶基因。此次研究将TargetScan用于筛选调节hub基因的 miRNA，可能通过调控核心基因及其相关通路来影响疾病进程。
1.5 主要观察指标 ①孟德尔随机化分析结果：糖尿病与肥厚型心肌病之间的遗传因果关系是否显著；②差异表达基因数量与表达趋势：通过GEO数据集筛选的差异表达基因数量，以及在疾病与对照样本间的表达变化；③加权基因共表达网络分析(WGCNA)模块与核心基因识别情况：重点关注与疾病表型高度相关的模块及其hub基因；④功能富集分析结果：GO与KEGG通路富集的显著性与生物学意义；⑤HSF1表达情况及其在两类疾病中的差异：包括热图中HSF1的表达模式、与相关通路的富集关联性；⑥CTD数据库与miRNA分析验证信息：核心基因关联疾病及其调控miRNA的预测结果，作为功能机制的补充证据。

讨论

肥厚型心肌病是一种以心肌增厚为特征的疾病，可能导致严重的心脏问题，例如心律失常、心力衰竭，甚至危及生命的并发症[11]。糖尿病是一种代谢紊乱，可导致血糖水平不稳定，若长期得不到控制可能引发严重的并发症，如心血管疾病和肾功能损害[12]。深入探讨糖尿病与肥厚型心肌病之间的因果关系及分子机制，对于靶向药物研究至关重要。此次研究利用多种孟德尔随机化方法研究了糖尿病与肥厚型心肌病之间的因果关系，MR-Egger分析显示糖尿病与肥厚型心肌病之间存在显著的因果关联，并确定HSF1为糖尿病与肥厚型心肌病因果关系的核心生物标志物，加权中位数和反向方差加权算法也提供了一致的趋势。另外，通过GEO数据库数据集验证进一步确认了HSF1是糖尿病和肥厚型心肌病之间可能共享的核心生物标志物，研究发现HSF1在糖尿病中高表达，而在肥厚型心肌病中低表达。
HSF1是一种主要参与细胞应激反应的转录因子，尤其是在应对热应激时。当细胞面临热应激时，HSF1被激活并转移至细胞核，促进热休克蛋白的表达，从而帮助细胞应对因热应激引起的损伤并维持细胞稳态。在哺乳动物中，HSF家族包括9个成员，具有不同的功能以调控细胞蛋白质稳态[13]。在这一家族中，HSF1是对高温及其他蛋白质毒性应激强大转录反应的主要调控因子[14]，在大多数组织中均有组成型表达，但在非应激条件下保持不活跃。在无应激情况下，HSF1以单体形式存在，并被细胞质中由热休克蛋白和共伴侣蛋白组成的蛋白复合物抑制。当受到热休克、重金属及蛋白酶体抑制剂等应激因素的挑战时，HSF1从抑制复合物中释放，转变为具有DNA结合能力的三聚体；随后，HSF1三聚体被磷酸化并进入细胞核，最终结合到许多HSP基因启动子中的热休克元件序列上[15]。PURWANA等[16]研究表明，HSF1的抑制是脂毒性诱导β细胞凋亡所必需的。因此，恢复HSF1的活性可能是一种维持功能性β细胞质量的新策略。在胰岛β细胞中增强HSF1的组成型活性可增强葡萄糖驱动的胰岛素分泌，提高新诱导的链脲佐菌素糖尿病大鼠血清胰岛素水平并降低血糖水平，这些效应与葡萄糖激酶和神经型一氧化氮合酶的激活有关[17]。作为应激条件下热休克蛋白表达的关键调控因子，HSF1受到多层次调控，包括通过其自身转录靶标热休克蛋白及激酶介导的磷酸化事件的负反馈控制[18]；此外，轻度热处理已被证明可降低2型糖尿病患者的空腹血糖水平，并防止高脂饮食大鼠的胰岛素抵抗[19]。
HSF1过表达可激活HSF1-钙调蛋白-蛋白激酶B通路，抑制糖异生基因表达并改善1型糖尿病小鼠的高血糖；此外，HSF1过表达还激活钙调蛋白-蛋白激酶B通路，抑制糖异生基因表达并改善1型糖尿病小鼠的高血糖，而对1型糖尿病小鼠血清胰岛素水平的影响最小。另外，抗FAM3C抗体可逆转FAM3C过表达引起的蛋白激酶B激活及糖异生抑制。重组FAM3C蛋白诱导HSF1和钙调蛋白依赖的蛋白激酶B激活。重组FAM3C蛋白通过失活FOXO1，在HSF1依赖的方式下抑制培养的肝细胞中糖异生基因表达和糖异生[20]。在自然发生的糖尿病中，循环热休克蛋白70的增加可显著改善葡萄糖耐量和胰岛素抵抗，并在其他指标中表现出显著积极趋势，而肌肉热休克蛋白70含量未改变。通过靶向由肝脏HSF1诱导和激活的葡萄糖相关缺陷，增加热休克蛋白70可能是一种有效且可行的改善葡萄糖耐量的策略[21]。KLYOSOVA等[22]研究表明，rs7838717-T和rs3757971C等位基因与参与未折叠蛋白反应的基因表达增加相关。HSF1基因变异与2型糖尿病的风险相关，支持蛋白错误折叠在疾病发病机制中的作用。伴侣蛋白的表达由转录因子HSF1控制，HSF1通过激活热休克反应增加大量分子伴侣蛋白的表达，从而协调细胞对内质网应激的反应[23]。糖尿病患者胰岛β细胞中HSF1基因表达的增加可能反映了β细胞需要合成更多HSF1的需求。已知HSF1通过激活分子伴侣级联反应(包括热休克蛋白70和热休克蛋白90家族)确保蛋白质正确折叠[24]，表明HSF1可能是治疗2型糖尿病的一个有前景的靶点，因为它可以改善蛋白质折叠并减少未折叠和错误折叠蛋白导致的内质网超负荷。进一步研究需要确认HSF1基因多态性与2型糖尿病发病机制之间关联的分子机制。
糖尿病可导致心脏代谢异常，包括葡萄糖代谢、脂质代谢等紊乱[25]，这些代谢异常可能直接影响心肌细胞的结构和功能，加速肥厚型心肌病的发展。糖尿病患者通常存在慢性低度炎症状态，这可能加剧心脏组织中的炎症和纤维化，从而促进肥厚型心肌病的进展[26]。糖尿病可引起内皮功能障碍、血管病变及心脏供血减少，导致心肌缺血，从而可能加重肥厚型心肌病；此外，糖尿病可能对神经系统造成损害，影响心脏自主神经调节，增加心脏病理生理的风险，包括加重肥厚型心肌病的发展。总体而言，糖尿病与肥厚型心肌病之间存在复杂的相互作用，糖尿病不仅加速肥厚型心肌病的进展，肥厚型心肌病还可能加重糖尿病患者的心血管并发症风险。因此，对于同时患有糖尿病和肥厚型心肌病的患者，必须全面考虑两种疾病的影响，制定合理的治疗策略，以减少心血管事件的发生并改善患者预后。
从遗传学角度来看，HSF1在细胞应激反应和糖尿病发展中发挥了关键作用，表明它可能参与调控心肌细胞对各种应激因子的反应，包括可能与肥厚型心肌病相关的机制[27]。通过调控热休克蛋白和其他细胞保护蛋白的表达，HSF1可能影响心肌细胞的稳态和适应性，从而对肥厚型心肌病的发展产生影响。尽管目前的研究进展尚未提供具体证据支持HSF1在肥厚型心肌病中的作用，但未来在该领域的研究可能集中于探索HSF1及其调控的细胞应激通路在心肌疾病中的作用，旨在为肥厚型心肌病的治疗和预防提供新的治疗靶点和策略。
尽管研究采用了严格的生物信息学分析，但仍需考虑一些局限性，研究中的数据可能受到某些限制，例如样本规模；使用的生物信息学分析方法可能涉及多种算法和参数设置，不同选择可能导致不同结果，因此，有必要适当验证和调整算法选择及参数设置，以确保结果的稳健性和可靠性。
综上所述，通过多种孟德尔随机化方法的应用，此次研究揭示了糖尿病与肥厚型心肌病之间的因果关系，糖尿病与肥厚型心肌病之间存在显著的因果关联，并确定HSF1为该关联的核心生物标志物。这些发现有望为糖尿病与肥厚型心肌病关联的生物学机制提供新的见解，并为未来的临床研究和治疗策略提供重要参考。
此次研究基于国际公开数据库，采用孟德尔随机化方法联合生物信息学分析，从遗传学角度系统评估了糖尿病对肥厚型心肌病的因果效应，并筛选出HSF1作为潜在关键调控因子。这一研究策略对中国基础与临床医学研究具有重要借鉴意义，一方面，提示在疾病机制研究中应充分利用现有多组学资源，推动数据驱动的机制探索；另一方面，研究结果强调构建适用于中国人群的本土GWAS与表达谱数据库的迫切性，以提高研究的种群适用性和临床转化价值。未来在中国人群中开展该研究模式的验证，有望推动心血管及代谢性疾病的精准预测、分型和干预，为重大慢性病的个体化治疗策略提供理论基础和靶点支持。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

糖尿病与肥厚型心肌病的因果关系：GWAS数据库信息分析

Causal relationship between diabetes mellitus and hypertrophic cardiomyopathy: information analysis based on the GWAS database

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 18

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]	吕晓凡, 黄懿, 丁留成. 糖尿病膀胱病的线粒体机制与干预治疗[J]. 中国组织工程研究, 2026, 30(6): 1508-1515.
[2]	郭英, 田峰, 王春芳. 类风湿关节炎潜在药物靶点：来自欧洲数据库的大样本分析[J]. 中国组织工程研究, 2026, 30(6): 1549-1557.
[3]	吴治林, 何秦, 王枰稀, 石现, 袁松, 张骏, 王浩. DYRK2：基于东亚和欧洲人群揭示类风湿关节炎合并骨质疏松症的治疗新靶点[J]. 中国组织工程研究, 2026, 30(6): 1569-1579.
[4]	刘鸿涛, 武欣, 姜鑫雨, 沙斐, 安琪, 李高彪. 年龄相关性黄斑变性与深静脉血栓形成：全基因组关联数据分析[J]. 中国组织工程研究, 2026, 30(6): 1602-1608.
[5]	高增杰, 蒲翔, 李来来, 柴艺汇, 黄华, 覃裕. 甾醇酯增加骨质疏松病理性骨折风险：来自IEU-GWAS与芬兰数据库的证据[J]. 中国组织工程研究, 2026, 30(5): 1302-1310.
[6]	刘凤芝, 董玉娜, 田文艺, 王春雷, 梁晓东, 鲍霖. 基因预测731种免疫细胞表型与类风湿性关节炎的关系[J]. 中国组织工程研究, 2026, 30(5): 1311-1319.
[7]	张翠翠, 陈欢语, 于俏, 黄宇轩, 姚耿圳, 邹旭. 血浆蛋白与肺动脉高压的关系及潜在治疗靶点[J]. 中国组织工程研究, 2026, 30(5): 1331-1340.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	赵非凡, 曹玉净. 强直性脊柱炎与银屑病共有基因人工神经网络模型及基于机器学习的挖掘和验证[J]. 中国组织工程研究, 2026, 30(3): 770-784.
[13]	刘楚, 丘博元, 童思文, 何林宇威, 陈浩博, 欧志学. 遗传学视角揭示血液代谢物与骨坏死的关系：基于芬兰FinnGen数据库信息分析[J]. 中国组织工程研究, 2026, 30(3): 785-794.
[14]	杨曦瑞, 何金凤. 糖尿病牙周炎发病机制及局部给药治疗策略[J]. 中国组织工程研究, 2026, 30(11): 2846-2857.
[15]	高鑫海, 谭黄圣, 何升华. 羧肽酶 M：基于eQTL数据库与芬兰基因大数据揭示骨坏死治疗的新靶点[J]. 中国组织工程研究, 2026, 30(11): 2870-2876.