组织蛋白酶F有潜力成为脑卒中风险预测血清生物标记物：GWAS数据库数据分析

doi:10.12307/2026.606

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (10): 2662-2670.doi: 10.12307/2026.606

• 组织构建相关数据分析 Date analysis of organization construction • 上一篇下一篇

组织蛋白酶F有潜力成为脑卒中风险预测血清生物标记物：GWAS数据库数据分析

田梦1，2，娄天伟3，张永臣1，贾红玲4

1山东中医药大学，山东省济南市 250355；2山东省体育科学研究中心，山东省济南市 250102；3山东中医药大学附属医院，山东省济南市 250011；4山东中医药大学第二附属医院，山东省济南市 250001

收稿日期:2025-04-24 接受日期:2025-05-20 出版日期:2026-04-08 发布日期:2025-09-01
通讯作者: 贾红玲，博士，主任医师，博士生导师，山东中医药大学第二附属医院，山东省济南市 250001
作者简介:田梦，女，1992年生，山东省龙口市人，汉族，博士，主要从事针灸学理论和临床应用研究。并列第一作者：娄天伟，男，1993年生，山东省济南市人，汉族，硕士，医师，主要从事神经损伤与肌骨疼痛的临床与基础研究。
基金资助:
山东省中医药科技项目重点项目(Z202250)，项目负责人：贾红玲；齐鲁医派中医学术流派传承项目(20229324)，项目参与者：贾红玲；山东省体育科学研究中心科研课题(KYZX202411)，项目负责人：田梦

Cathepsin F as a potential serum biomarker for stroke risk prediction: GWAS database data analysis

Tian Meng1, 2, Lou Tianwei3, Zhang Yongchen1, Jia Hongling4

1Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong Province, China; 2Shandong Institute of Sport Science, Jinan 250102, Shandong Province, China; 3The Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250011, Shandong Province, China; 4The Second Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250001, Shandong Province, China

Received:2025-04-24 Accepted:2025-05-20 Online:2026-04-08 Published:2025-09-01
Contact: Jia Hongling, MD, Chief physician, Doctoral supervisor, The Second Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250001, Shandong Province, China
About author:Tian Meng, PhD, Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong Province, China; Shandong Institute of Sport Science, Jinan 250102, Shandong Province, China Lou Tianwei, MS, Physician, The Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250011, Shandong Province, China Tian Meng and Lou Tianwei contributed equally to this work.
Supported by:
Shandong Province Chinese Medicine Science and Technology Project, No. Z202250 (to JHL); Qilu Medical School Chinese Medicine Inheritance Project, No. 20229324 (to JHL [project participant]); Scientific Research Project of Shandong Institute of Sport Science, No. KYZX202411 (to TM)

摘要/Abstract

摘要：

文题释义：
组织蛋白酶：是在各种动物组织的细胞内(特别是溶酶体部分)发现的一类蛋白酶，是半胱氨酸蛋白酶家族的主要成员。截至目前，生物界中已发现至少28种组织蛋白酶，人体中已明确鉴定出15种，它们与人类肿瘤、骨质疏松、关节炎等多种重大疾病密切相关。
脑卒中：指脑血管发生破裂或意外阻塞而导致的急性脑损伤，引起损伤或坏死脑组织所支配的躯体功能异常表现的疾病。脑卒中的发作与年龄因素、生活习惯因素、药物因素、原发疾病因素等有关。

背景：研究证实组织蛋白酶与脑卒中之间存在关联，然而二者的因果关系尚不确定。
目的：使用孟德尔随机化分析评估组织蛋白酶与脑卒中之间的因果关系。
方法：组织蛋白酶数据来源于INTERVAL研究，脑卒中数据来源于GWAS数据库(由美国国家人类基因组研究学会和欧洲生物信息学研究所联合开发)，通过单变量和多变量孟德尔随机化方法，探讨不同类型的组织蛋白酶对脑卒中及其亚型发病风险的因果关系，采用逆方差加权法作为评估因果关联效应的主要方法，采用加权中位数法和MR-Egger回归来评估结果的可靠性和稳定性。
结果与结论：①单变量孟德尔随机分析表明，较高的组织蛋白酶S水平对心源性栓塞性脑卒中的发生具有抑制作用(OR=0.901，95%CI：0.832-0.976，P=0.010)，然而上述因果关系在反向孟德尔随机化分析中未达到统计学显著性。反向孟德尔随机分析表明，心源性栓塞性脑卒中可能导致组织蛋白酶L2水平下降(P=0.020，OR=0.984，95%CI：0.972-0.998)，但该结果在多变量分析中未呈现统计学意义。一项使用9种组织蛋白酶作为变量的多变量分析显示，组织蛋白酶F水平升高会增加全因脑卒中和缺血性脑卒中的发病风险(OR=4.667，95%CI=1.000-21.782，P=0.050；OR=4.771，95%CI：1.044-21.804，P=0.044)。排除可能存在的混杂因素后，孟德尔随机化分析仍然显示组织蛋白酶F有潜力成为脑卒中的风险预测血清生物标志物。②研究主要基于国际数据库和欧洲人群数据进行分析，结果可为中国大型队列研究提供参考，为中国开展精准医学研究提供技术支持。然而，在借鉴过程中需注意中国人群的遗传背景、环境因素和生活方式等差异，开展符合中国人群特点的生物医学研究。
https://orcid.org/0009-0009-0509-090X(田梦)

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: 组织蛋白酶, 脑卒中, 孟德尔随机化, 多变量分析, 风险预测, 生物标记物

Abstract: BACKGROUND: Prior research has indicated a correlation between cathepsins and stroke, but the nature of this relationship—whether causal—has yet to be established.
OBJECTIVE: To scrutinize the potential causal links between cathepsins and stroke using the Mendelian randomization method.
METHODS: Leveraging summary statistics from genome-wide association studies (GWAS, developed jointly by the U.S. National Human Genome Research Institute and the European Bioinformatics Institute), we performed Mendelian randomization analyses using both univariable and multivariable approaches to investigate the causal associations of various cathepsin types with stroke risk and its specific subtypes. The inverse variance weighting method was used as the main method to assess the causal association effect, and the weighted median method and MR-Egger regression were used to assess the reliability and stability of the results.
RESULTS AND CONCLUSION: (1) The univariable Mendelian randomization analysis revealed that elevated Cathepsin S levels were associated with a reduced likelihood of cardioembolic stroke (odds ratio [OR]=0.901, 95% confidence interval [CI]: 0.832-0.976, P=0.010). However, this causal effect was not corroborated in the reverse Mendelian randomization analysis. The reverse Mendelian randomization analysis suggested that Cathepsin E Subtype (CES) could contribute to lower Cathepsin L2 levels (P=0.020, OR = 0.984, 95% CI=0.972-0.998), yet this finding lacked statistical significance in the multivariable context. A multivariable analysis, incorporating nine cathepsin types, indicated that elevated Cathepsin F levels were associated with an increased risk of all-cause stroke and ischemic stroke (OR=4.667, 95% CI=1.000-21.782, P=0.050, OR=4.771, 95% CI=1.044-21.804, P=0.044). Even after accounting for potential confounding factors, the Mendelian randomization analysis indicated that Cathepsin F holds promise as a serum biomarker for predicting stroke risk. (2) This study is primarily based on the analyses of international databases and European population data, which can serve as a reference for large-scale cohort studies in China and provide technical insights for the development of precision medicine research in China. However, it is essential to consider the differences in genetic background, environmental factors, and lifestyle among the Chinese population, and to conduct biomedical research that aligns with the unique characteristics of Chinese individuals.

Key words: Cathepsins, stroke, Mendelian randomization, multivariate analysis, risk prediction, biomarkers

中图分类号:

田梦, 娄天伟, 张永臣, 贾红玲. 组织蛋白酶F有潜力成为脑卒中风险预测血清生物标记物：GWAS数据库数据分析[J]. 中国组织工程研究, 2026, 30(10): 2662-2670.

Tian Meng, Lou Tianwei, Zhang Yongchen, Jia Hongling . Cathepsin F as a potential serum biomarker for stroke risk prediction: GWAS database data analysis[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(10): 2662-2670.

图/表（结果） 8

2.1 正向孟德尔随机化分析结果为了评估各种组织蛋白酶对脑卒中及其亚型风险的影响，首先针对9种组织蛋白酶(组织蛋白酶B、E、F、G、H、L2、O、S和Z)和不同亚型脑卒中风险进行两样本孟德尔随机化分析。逆方差加权分析表明，较高的组织蛋白酶S水平对心源性栓塞性脑卒中的发生有抑制作用(OR=0.901，95%CI：0.832-0.976，P=0.010)，见表1。尽管孟德尔随机化-逆方差加权法检测到Q_P val < 0.05，见表1，表明分析中存在异质性，但由于使用的是随机效应模型(逆方差加权法)，这些异质性对分析结果的影响较小。另外，加权中位数法也支持上述相关性(OR=0.911，95%CI：0.840-0.988，P=0.024)。因此，认为较高的组织蛋白酶S水平与较低的心源性栓塞性脑卒中风险相关。同时，MR-Egger截距检验的P=0.270，验证了结果的稳健性，见表2。在留一法分析中，未发现单个单核苷酸多态性显著影响组织蛋白酶S对心源性栓塞性脑卒中的总体效应(图1A)。

2.2 反向孟德尔随机化分析结果为了探索反向因果关系的可能性，进行了反向孟德尔随机化分析，结果显示组织蛋白酶S与心源性脑卒中风险之间缺乏反向因果关系(表3)。然而，反向孟德尔随机化-逆方差加权分析结果表明，心源性栓塞性脑卒中可能导致组织蛋白酶L2水平的下降(OR=0.984，95%CI：0.972-0.998，P=0.020)。孟德尔随机化-逆方差加权分析检测的Q_pval=0.327，MR-Egger截距检验P=0.490，异质性和敏感性分析均验证了上述结果的稳健性(P > 0.05)，见表4。在留一法分析中，排除每个单核苷酸多态性后，剩余单核苷酸多态性的效应值基本围绕整体效应值分布，且置信区间较窄，表明孟德尔随机化结果对单个单核苷酸多态性的依赖性较低，结果较为稳健(图1B)。没有证据支持其他亚型脑卒中与各种类型的组织蛋白酶之间存在因果关系，见表3。
2.3 多变量孟德尔随机化分析结果进行了多变量孟德尔随机化分析，以评估多种组织蛋白酶的遗传易感性与不同亚型脑卒中风险的关系，结果显示，组织蛋白酶F水平升高与全因脑卒中风险增加相关，高水平的组织蛋白酶F最高能增加21.782倍的全因脑卒中发病风险(OR=4.667，95%CI=1.000-21.782，P=0.050)。
MR-Egger截距检验未检测到单核苷酸多态性多效性(P=0.818)，见图2A，表5，6。组织蛋白酶F水平升高会增加缺血性脑卒中的发病风险，当组织蛋白酶F水平升高时，缺血性脑卒中的发病风险增加了4.771倍(OR=4.771)，这一结果具有统计学意义(P=0.044)，表明结果不太可能是偶然发生的。可以以95%CI断言，组织蛋白酶F水平升高与缺血性脑卒中发病风险的真实关系至少是1.044倍，可能高达21.804倍(95%CI：1.044-21.804)。MR-Egger截距分析也未显示水平多效性(P=0.838)，见图2B，表5，6。其他类型组织蛋白酶与任何脑卒中及其亚型之间均未显示出统计学意义上的因果关系，见图2，表5。

参考文献

[1] GBD 2016 LIFETIME RISK OF STROKE COLLABORATORS, FEIGIN VL, NGUYEN G, et al. Global, Regional, and Country-Specific Lifetime Risks of Stroke, 1990 and 2016. N Engl J Med. 2018;379(25):2429-2437.
[2] GBD 2016 STROKE COLLABORATORS. Global, regional, and national burden of stroke, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet Neurol. 2019;18(5):439-458.
[3] LINDSAY MP, NORRVING B, SACCO RL, et al. World Stroke Organization (WSO): Global Stroke Fact Sheet 2019. Int J Stroke. 2019;14(8):806-817.
[4] KAHL A, BLANCO I, JACKMAN K, et al. Publisher Correction: Cerebral ischemia induces the aggregation of proteins linked to neurodegenerative diseases. Sci Rep. 2018;8(1):6802.
[5] GIFFARD RG, XU L, ZHAO H, et al. Chaperones, protein aggregation, and brain protection from hypoxic/ischemic injury. J Exp Biol. 2004;207(Pt 18):3213-3220.
[6] LIU Y, XUE X, ZHANG H, et al. Neuronal-targeted TFEB rescues dysfunction of the autophagy-lysosomal pathway and alleviates ischemic injury in permanent cerebral ischemia. Autophagy. 2019;15(3):493-509.
[7] REISER J, ADAIR B, REINHECKEL T. Specialized roles for cysteine cathepsins in health and disease. J Clin Invest. 2010;120(10):3421-3431.
[8] PATEL S, HOMAEI A, EL-SEEDI HR, et al. Cathepsins: Proteases that are vital for survival but can also be fatal. Biomed Pharmacother. 2018;105:526-532.
[9] HU K, GAIRE BP, SUBEDI L, et al. Interruption of Endolysosomal Trafficking After Focal Brain Ischemia. Front Mol Neurosci. 2021; 14:719100.
[10] YUAN D, HU K, LOKE CM, et al. Interruption of endolysosomal trafficking leads to stroke brain injury. Exp Neurol. 2021;345:113827.
[11] CARLONI S, BUONOCORE G, BALDUINI W. Protective role of autophagy in neonatal hypoxia-ischemia induced brain injury. Neurobiol Dis. 2008;32(3):329-339.
[12] WEN YD, SHENG R, ZHANG LS, et al. Neuronal injury in rat model of permanent focal cerebral ischemia is associated with activation of autophagic and lysosomal pathways. Autophagy. 2008;4(6):762-769.
[13] RAMI A, LANGHAGEN A, STEIGER S. Focal cerebral ischemia induces upregulation of Beclin 1 and autophagy-like cell death. Neurobiol Dis. 2008;29(1):132-141.
[14] ZHANG X, YAN H, YUAN Y, et al. Cerebral ischemia-reperfusion-induced autophagy protects against neuronal injury by mitochondrial clearance. Autophagy. 2013;9(9):1321-1333.
[15] Nakanishi H. Microglial cathepsin B as a key driver of inflammatory brain diseases and brain aging. Neural Regen Res. 2020; 15(1):25-29.
[16] BRENNAN P, HAINAUT P, BOFFETTA P. Genetics of lung-cancer susceptibility. Lancet Oncol. 2011;12(4):399-408.
[17] JULIAN TH, BODDY S, ISLAM M, et al. A review of Mendelian randomization in amyotrophic lateral sclerosis. Brain. 2022;145(3):832-842.
[18] SUN BB, MARANVILLE JC, PETERS JE, et al. Genomic atlas of the human plasma proteome. Nature. 2018;558(7708):73-79.
[19] MALIK R, CHAUHAN G, TRAYLOR M, et al. Multiancestry genome-wide association study of 520,000 subjects identifies 32 loci associated with stroke and stroke subtypes. Nat Genet. 2018;50(4):524-537.
[20] LIN Z, DENG Y, PAN W. Combining the strengths of inverse-variance weighting and Egger regression in Mendelian randomization using a mixture of regressions model. PLoS Genet. 2021; 17(11):e1009922.
[21] BOWDEN J, DAVEY SMITH G, HAYCOCK PC, et al. Consistent Estimation in Mendelian Randomization with Some Invalid Instruments Using a Weighted Median Estimator. Genet Epidemiol. 2016;40(4):304-314.
[22] BOWDEN J, DAVEY SMITH G, BURGESS S. Mendelian randomization with invalid instruments: effect estimation and bias detection through Egger regression. Int J Epidemiol. 2015;44(2):512-525.
[23] COHEN JF, CHALUMEAU M, COHEN R, et al. Cochran’s Q test was useful to assess heterogeneity in likelihood ratios in studies of diagnostic accuracy. J Clin Epidemiol. 2015;68(3):299-306.
[24] Gala H, Tomlinson I. The use of Mendelian randomisation to identify causal cancer risk factors: promise and limitations. J Pathol. 2020;250(5):541-554.
[25] HILKENS NA, CASOLLA B, LEUNG TW, et al. Stroke. Lancet. 2024;403(10446):2820-2836.
[26] EKKER MS, VERHOEVEN JI, VAARTJES I, et al. Stroke incidence in young adults according to age, subtype, sex, and time trends. Neurology. 2019;92(21):e2444-e2454.
[27] YIIN GS, HOWARD DP, PAUL NL, et al. Age-specific incidence, outcome, cost, and projected future burden of atrial fibrillation-related embolic vascular events: a population-based study. Circulation. 2014;130(15):1236-1244.
[28] BOGIATZI C, HACKAM DG, MCLEOD AI, et al. Secular trends in ischemic stroke subtypes and stroke risk factors. Stroke. 2014;45(11):3208-3213.
[29] FERNLUND E, GYLLENHAMMAR T, JABLONOWSKI R, et al. Serum Biomarkers of Myocardial Remodeling and Coronary Dysfunction in Early Stages of Hypertrophic Cardiomyopathy in the Young. Pediatr Cardiol. 2017;38(4):853-863.
[30] CUVELLIEZ M, VANDEWALLE V, BRUNIN M, et al. Circulating proteomic signature of early death in heart failure patients with reduced ejection fraction. Sci Rep. 2019;9(1):19202.
[31] STYPMANN J, GLÄSER K, ROTH W, et al. Dilated cardiomyopathy in mice deficient for the lysosomal cysteine peptidase cathepsin L. Proc Natl Acad Sci U S A. 2002; 99(9):6234-6239.
[32] TANG Q, CAI J, SHEN D, et al. Lysosomal cysteine peptidase cathepsin L protects against cardiac hypertrophy through blocking AKT/GSK3beta signaling. J Mol Med (Berl). 2009;87(3):249-260.
[33] BEVAN S, TRAYLOR M, ADIB-SAMII P, et al. Genetic heritability of ischemic stroke and the contribution of previously reported candidate gene and genomewide associations. Stroke. 2012;43(12):3161-3167.
[34] OLSON OC, JOYCE JA. Cysteine cathepsin proteases: regulators of cancer progression and therapeutic response. Nat Rev Cancer. 2015;15(12):712-729.
[35] LIN Z, ZHAO S, LI X, et al. Cathepsin B S-nitrosylation promotes ADAR1-mediated editing of its own mRNA transcript via an ADD1/MATR3 regulatory axis. Cell Res. 2023;33(7):546-561.
[36] LI J, CHEN Z, KIM G, et al. Cathepsin W restrains peripheral regulatory T cells for mucosal immune quiescence. Sci Adv. 2023;9(28):eadf3924.
[37] ARORA K, HERROON M, AL-AFYOUNI MH, et al. Catch and Release Photosensitizers: Combining Dual-Action Ruthenium Complexes with Protease Inactivation for Targeting Invasive Cancers. J Am Chem Soc. 2018;140(43):14367-14380.
[38] FRUGÉ AD, SMITH KS, BAIL JR, et al. Biomarkers Associated With Tumor Ki67 and Cathepsin L Gene Expression in Prostate Cancer Patients Participating in a Presurgical Weight Loss Trial. Front Oncol. 2020;10:544201.
[39] BARARIA D, HILDEBRAND JA, STOLZ S, et al.Cathepsin S Alterations Induce a Tumor-Promoting Immune Microenvironment in Follicular Lymphoma. Cell Rep. 2020; 31(5):107522.
[40] SONG L, WANG X, CHENG W, et al. Expression signature, prognosis value and immune characteristics of cathepsin F in non-small cell lung cancer identified by bioinformatics assessment. BMC Pulm Med. 2021;21(1):420.
[41] WEI S, LIU W, XU M, et al. Cathepsin F and Fibulin-1 as novel diagnostic biomarkers for brain metastasis of non-small cell lung cancer. Br J Cancer. 2022;126(12):1795-1805.
[42] SANTAMARÍA I, VELASCO G, PENDÁS AM, et al. Molecular cloning and structural and functional characterization of human cathepsin F, a new cysteine proteinase of the papain family with a long propeptide domain. J Biol Chem. 1999;274(20): 13800-13809.
[43] ZDRAVKOVA K, MIJANOVIC O, BRANKOVIC A, et al. Unveiling the Roles of Cysteine Proteinases F and W: From Structure to Pathological Implications and Therapeutic Targets. Cells. 2024;13(11):917.
[44] HSU A, PODVIN S, HOOK V. Lysosomal Cathepsin Protease Gene Expression Profiles in the Human Brain During Normal Development. J Mol Neurosci. 2018;65(4):420-431.
[45] TANG CH, LEE JW, GALVEZ MG, et al. Murine cathepsin F deficiency causes neuronal lipofuscinosis and late-onset neurological disease. Mol Cell Biol. 2006;26(6):2309-2316.
[46] DALTON JP, ROBINSON MW, BRINDLEY PJ. Cathepsin// BARRETT AJ, RAWLINGS ND, WOESSNER JF, eds. Handbook of Proteolytic Enzymes. 3rd ed. Cambridge, MA: Academic Press; 2013.
[47] FINN RD, BATEMAN A, CLEMENTS J, et al.Pfam: the protein families database. Nucleic Acids Res. 2014;42(Database issue): D222-D230.
[48] DI FABIO R, MORO F, PESTILLO L, et al. Pseudo-dominant inheritance of a novel CTSF mutation associated with type B Kufs disease. Neurology. 2014;83(19):1769-1770.

引言

脑卒中每年影响全球1 370万人，是全世界成年人第二大死亡原因和第三大致残原因[1]，每年造成550万人死亡[2-3]。2019年公布的2016年全球疾病负担数据表明，1/4的成年人将在其一生中经历一次脑卒中[2]。然而，脑卒中的病理机制非常复杂，目前尚未被完全阐明。有研究发现，脑卒中模型中聚集的蛋白质大多数与神经退行性疾病相关[4]，说明蛋白质清除途径的异常可能导致脑卒中发病[4-5]。最近一项研究表明，溶酶体蛋白降解途径的缺失对脑卒中的发病具有促进作用[6]。
内体-溶酶体系统中的一组蛋白酶被称为组织蛋白酶，它被分为多个家族，包括丝氨酸蛋白酶(组织蛋白酶A和G)、半胱氨酸蛋白酶(组织蛋白酶B、C、F、H、K、L、O、S、V、W和X)和天冬氨酸蛋白酶(组织蛋白酶D和E)[7-8]。作为一种参与多种生理作用的蛋白酶，组织蛋白酶在离子通道激活、细胞凋亡、自噬、免疫调节和补体系统激活等方面均发挥重要作用。研究表明，N-ethylmaleimide sensitive factor ATPase(NSF)是内溶酶体周期的“限制因素”，脑卒中导致NSF失活，破坏内溶酶体周期并阻碍自噬和内吞结构的降解过程，从而影响自噬和内吞通量[9-10]。无独有偶，最近研究发现自噬是缺血性脑卒中的关键调节因子[11-14]；此外，越来越多的证据表明，组织蛋白酶由脑内驻留的单核吞噬细胞群体——小胶质细胞产生，在神经炎症中起重要作用[15]。
随着基因组学的发展，越来越多的证据表明遗传因素在疾病病因学中起到了十分重要的作用[16]。孟德尔随机化方法使用遗传变异作为感兴趣风险因素的工具变量，以评估风险因素和疾病之间的潜在因果关系。有研究将孟德尔随机化与随机对照试验进行类比，认为两种方法在证据层次上最为接近[17]。基于此，此次研究采用单变量和多变量孟德尔随机化方法进行分析，探讨不同类型组织蛋白酶与脑卒中及其组织学亚型之间的因果关系。

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 设计孟德尔随机化分析。
1.2 时间及地点研究于2024年4-9月在山东中医药大学及山东中医药大学附属医院完成。
1.3 资料
1.3.1 组织蛋白酶数据组织蛋白酶数据来源于INTERVAL研究，该研究包括3 301名欧洲人[18]。所有参与者均签署了试验同意书，研究获得了美国国家研究伦理委员会的批准(批准号：11/EE/0538)。数据可通过以下网址访问：[https://gwas.mrcieu.ac.uk](https://gwas.mrcieu.ac.uk)。
1.3.2 脑卒中数据脑卒中的全基因组关联分析(Genome-Wide Association Study，GWAS)数据来源于MEGASTROKE联盟，该联盟是一个由国际卒中遗传学联盟发起的大型国际合作组织。MEGASTROKE联盟于2018年发布了基于GWAS的脑卒中及其亚型(全因脑卒中、全因缺血性脑卒中、大动脉脑卒中、心源性栓塞性脑卒中和小血管脑卒中)的荟萃分析汇总统计数据，供科研人员用于科学探索。研究设计和参与者特征已在原始出版物中详细描述[19]，数据可通过以下网址访问：https://www.megastroke.org。
1.3.3 人群分层控制为了消除因人群分层引起的混淆，此次研究进行了一项限定于欧洲人群的固定效应荟萃分析，共纳入40 585例病例和406 111例对照。
1.4 方法
1.4.1 工具变量的选取鉴于P=5×10-8的阈值可能产生不足以用于后续分析的仪器变量，此次研究选择5×10-6的较低阈值来选择与组织蛋白酶相关的工具变量。对于涉及脑卒中及其亚型的反向分析，仍然采用5×10-6的阈值进行工具变量选择。为排除连锁不平衡，应用10 000 kb窗口内和r2 < 0.001的阈值对单核苷酸多态性进行聚类。
1.4.2 孟德尔随机化分析所有数据分析均在R软件(版本4.3.2)中实现，使用的R包是0.5.7版本的TwoSampleMR，结果以每标准差(Standard Deviation，SD)95%置信区间(Confidence Interval，CI)的比值比(Odds Ratio，OR)报告。此次研究还进行了反向孟德尔随机化分析(脑卒中及其亚型作为暴露，组织蛋白酶作为结果)，以探索脑卒中是否对正向孟德尔随机化分析中确定的组织蛋白酶有因果影响，分析程序与正向孟德尔随机化分析一致。
多变量孟德尔随机化分析可以同时评估多个相关暴露因素的独立因果效应。此次研究采用基于多元线性回归的多变量孟德尔随机化框架，通过将多个遗传工具变量同时纳入模型，对目标暴露因素进行联合建模。这一方法学优势在于它能够在有效控制其他暴露因素潜在混杂影响的前提下，准确估计每个特定暴露因素对研究结局的独立因果效应。根据之前研究，此次研究采用逆方差加权法作为评估因果关联效应的主要方法[20-21]，采用加权中位数法和MR-Egger回归来评估结果的可靠性和稳定性[22]。
1.4.3 异质性和敏感性测试采用Cochran’s Q检验(基于逆方差加权法)进行异质性检验[23]，应用MR-Egger截距估计水平多效性，以确保遗传变异与暴露和结果独立相关[24]。采用留一法逐步剔除单个单核苷酸多态性，评估剩余单核苷酸多态性对结局的效应值变化，以此分析单个单核苷酸多态性在暴露与结局因果关系中的主效应贡献。
1.5 主要观察指标 9种组织蛋白酶与脑卒中之间的单变量孟德尔随机化因果关系；9种组织蛋白酶与脑卒中之间的多变量孟德尔随机化分析结果；敏感性分析结果和异质性分析结果。

讨论

全球范围内，脑卒中亚型的分布差异显著，在高收入国家中，脑出血占所有脑卒中的15%，而在低收入和中等收入国家，脑出血的比例接近30%[25]。过去10年中，18-50岁人群中缺血性脑卒中的发病率增加了50%[26]。尽管脑卒中整体发病率呈下降趋势，但心源性脑卒中的发病率在过去几十年里增加了2倍，并且根据英国学者的预测，到2050年，心源性栓塞性脑卒中的发病率可能会再增加2倍[27]。BOGIATZI等[28]也指出，随着血压和血脂异常指标的改善，心源性栓塞性脑卒中在高收入国家(如加拿大)脑卒中中所占的比例将越来越大。目前，脑卒中风险预测的主要策略是一级预防，包括对脑卒中危险因素的识别、评估和干预，然而尚未有一个特定的指标被广泛认可并用于预测脑卒中风险。因此，迫切需要寻找新的风险预测生物标志物来筛查脑卒中的发病风险、确定脑卒中的治疗靶点。
心源性栓塞性脑卒中是由于心脏或大血管来源的栓子脱落并阻塞脑动脉而引起的脑卒中类型，与心血管疾病密切相关。组织蛋白酶S是肥厚型心肌病的有效生物标志物。肥厚型心肌病是年轻人心脏性猝死的主要原因，在早期肥厚型心肌病患者队列中循环组织蛋白酶S水平显著升高，并与心室舒张功能等已知的肥厚型心肌病生理指标密切相关[29]。另外，一项针对168例射血分数降低的心力衰竭患者的研究发现，组织蛋白酶S水平降低与心血管相关早期死亡(心力衰竭评估后3年内)显著相关，提示组织蛋白酶S可能是心力衰竭患者的潜在预后标志物[30]。此次研究单变量分析显示，较高的组织蛋白酶S水平对心源性栓塞性脑卒中的发生显示出抑制作用，这与之前的研究结果一致，然而在多变量和反向孟德尔随机化分析中，这种抑制作用并未达到统计学显著性，推测这种差异可能是由于混杂变量的干扰、暴露因素之间的相互影响，或其他家庭成员的功能代偿所致；此外，单变量分析可能无法完全消除传统观察性研究中潜在的偏差，未来需要更大规模的研究进一步验证这些发现。
反向孟德尔随机化分析发现，心源性栓塞性脑卒中可能导致组织蛋白酶L2水平的下降，这一发现与已有研究结果相呼应。STYPMANN等[31]在动物实验中观察到，小鼠中组织蛋白酶L(人组织蛋白酶L2的同系物)缺乏会导致结构性心脏变性和心肌纤维化增加。随后的研究进一步表明，心肌细胞中的组织蛋白酶L表达可以通过干扰蛋白激酶B/糖原合成酶激酶3β信号通路来抑制小鼠的心脏重塑并增强心脏功能[32]。这些研究提示组织蛋白酶L2可能在心脏功能和结构维持中发挥重要作用，其水平下降可能与心源性栓塞性脑卒中的病理过程相关。然而，在多变量分析中该结果并未达到统计学意义。笔者认为反向孟德尔随机化分析可能未能充分控制所有相关的混杂因素，因此，该结果的合理性值得进一步验证，以明确组织蛋白酶L2在心源性栓塞性脑卒中中的具体作用及其潜在机制。
此次研究的多变量分析显示，组织蛋白酶F水平升高会增加全因脑卒中和全因缺血性脑卒中的发病风险。研究证明，使用全基因组复杂性状分析计算时，缺血性脑卒中的估计遗传率为37.9%[33]，这解释了在5种脑卒中分型中，除了任何种类脑卒中外，为什么只有全因缺血性脑卒中与组织蛋白酶之间存在统计学意义。众所周知，组织蛋白酶在多种重要的病理生理过程中发挥关键作用，如蛋白质降解、自噬、抗原呈递、免疫细胞活化以及细胞信号转导[34-36]。其中，组织蛋白酶B、L、S已被证明参与肿瘤恶性进展，并且是抗肿瘤治疗的潜在靶点[37-39]。组织蛋白酶F在人类组织蛋白酶中是独一无二的，因为它具有一个延伸的N端前区，其中含有一个半胱氨酸蛋白酶抑制剂结构域[40-41]。组织蛋白酶F在人体组织中的广泛表达表明其可能参与蛋白质催化[42]，并且参与树突状细胞的成熟、T细胞的激活以及巨噬细胞极化的调节等，在免疫系统稳态中至关重要[43]。Allen Brain Atlas数据库的定量RNA测序数据分析表明，组织蛋白酶的表达顺序在所有年龄的脑组织中保持一致，组织蛋白酶B、D、F的表达水平最高[43]。在脑组织发育的不同阶段中，组织蛋白酶的表达模式明确且平衡，其基因表达的任何失衡都可能导致溶酶体相关的脑部疾病[44]。动物实验证明，组织蛋白酶F缺陷小鼠在12-16月龄时出现运动不协调、后肢进行性无力、体质量下降以及过早死亡等神经系统疾病症状[45]。近年来的研究也表明，组织蛋白酶F基因的变异与痴呆、阿尔茨海默病和库夫斯病B型等神经退行性疾病之间存在相关性[46-47]。DI FABIO等[48]观察到，2名由于组织蛋白酶F基因变异导致的库夫斯病B型患者出现大脑容量减少、脑室周围和深部白质高信号，认知能力下降时胼胝体变薄。
上述研究为此次研究结果提供了合理可靠的生物学机制支持。尽管单变量分析和反向孟德尔随机化分析尚未揭示组织蛋白酶F与脑卒中之间的因果关系，作者认为这可能存在混杂变量或暴露因素之间的相互影响。单变量分析关注单一暴露因素与结果的关系，而多变量分析通过控制其他变量，能够更准确地估计特定暴露因素的效应，有助于揭示更复杂的生物学机制和潜在的混杂因素。同时，敏感性分析也进一步验证了结果的稳健性。目前的研究表明，组织蛋白酶F能够直接参与细胞外基质降解和免疫调节过程[42-43]，可能更直接地影响血管结构和功能的改变。相比之下，已知的脑卒中风险标志物如C-反应蛋白和白细胞介素6主要作为炎症反应的生物标志物，其水平升高不仅与脑卒中的发生和发展密切相关，还可能与其他炎症性疾病(如心血管疾病、类风湿性关节炎等)相关联。同型半胱氨酸虽然在代谢相关的脑卒中亚型风险预测中表现出较高的特异性，但其预测能力容易受到遗传和饮食因素的影响。尽管目前尚无直接证据证明组织蛋白酶F是脑卒中风险的特异性标志物，但它在免疫调节和血管功能中的独特作用使其在脑卒中预测中展现出潜在的优势。因此，作者认为组织蛋白酶F水平可能是预测脑卒中尤其是缺血性脑卒中的潜在新型生物标志物。
尽管血清组织蛋白酶F水平是预测任何种类脑卒中及缺血性脑卒中有希望的生物标志物，但在解释结果时也应考虑以下局限性：①人群局限性：研究仅在欧洲人群中进行，研究结果可能无法推广到其他种族(如亚洲人)，可能存在种族特异性偏差；②未测量的混杂因素：尽管采用了多种方法控制混杂因素，但仍可能存在未测量的混杂变量(如生活方式、环境因素等)，影响结果的准确性；③特异性问题：组织蛋白酶F可能与其他疾病或生理过程相关，其作为脑卒中特异性生物标志物的可靠性需要进一步验证；④机制研究不足：当前研究主要基于因果关系分析，由于可参考的研究文献有限，尚缺乏对组织蛋白酶 F在脑卒中发病机制中具体作用的深入探讨；⑤统计效力的限制：部分结果的P值接近显著性边界(如P值在0.05-0.10之间)，这可能反映了统计效力的不足或样本量的限制。需要强调的是，P值仅用于评估统计显著性，并不能直接反映效应的实际大小或临床意义，因此这些结果所提示的潜在生物学意义仍然值得进一步探索。为了验证结果的稳健性，未来的研究需要进一步扩大样本量，并根据性别、年龄或种族等亚组进行分层分析，同时应在独立队列中进行重复验证，以全面评估结果的普适性和可靠性；此外，还需要深入研究组织蛋白酶F在脑卒中发病机制中的具体作用，以明确其作为生物标志物的潜力。总之，此次研究提出组织蛋白酶F可能是预测任何种类脑卒中和缺血性脑卒中的潜在新型血清标志物。
尽管欧洲人群的研究结果可能因遗传背景和生活环境的差异而不完全适用于中国人群，但其研究方法和发现对中国的基础医学与临床医学研究仍具有重要的借鉴意义和指导价值。中国研究者可以借鉴欧洲数据的研究方法，通过本土队列验证组织蛋白酶F在中国人群不同亚型脑卒中中的预测价值，并探索其与其他疾病(如高血压、糖尿病)的关联；此外，结合其他传统标志物(如C-反应蛋白、同型半胱氨酸)，可以构建更精准的脑卒中风险评估工具，为临床决策提供支持。中国学者还可以通过细胞实验和动物模型深入研究组织蛋白酶F在脑卒中中的具体作用机制，结合基因组学、蛋白质组学和代谢组学数据，探索组织蛋白酶F与其他生物标志物的协同作用，将有助于揭示其在脑卒中发病中的潜在机制。通过本土化的验证和深入研究，组织蛋白酶F有望成为中国脑卒中预防、诊断和治疗中的重要生物标志物，这不仅有助于提升中国脑卒中的防控水平，还为个性化医疗和精准医学提供了科学依据。

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

组织蛋白酶F有潜力成为脑卒中风险预测血清生物标记物：GWAS数据库数据分析

Cathepsin F as a potential serum biomarker for stroke risk prediction: GWAS database data analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 8

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]	王峥, 程吉, 于金龙, 刘文红, 王召红, 周鲁星. 水凝胶材料在脑卒中治疗中的应用进展与未来展望[J]. 中国组织工程研究, 2026, 30(8): 2081-2090.
[2]	高峰, 张俊, 余文君, 单于玉婧, 赵乐, 胡雨婷, 王俊华, 刘永富. 佩戴腕手矫形器对脑卒中患者手功能障碍作用的Meta分析[J]. 中国组织工程研究, 2026, 30(8): 2124-2131.
[3]	陶代菊, 苏海玉, 王宇琪, 沈志强, 何波. 高/低表达miR-122-5p稳转PC12细胞株的构建和鉴定[J]. 中国组织工程研究, 2026, 30(7): 1790-1799.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	杨媛媛, 周珊珊, 成小菲, 冯露叶, 汤继芹. 非侵入性脑刺激治疗脑卒中后下肢运动功能障碍的网状Meta分析[J]. 中国组织工程研究, 2026, 30(4): 1008-1018.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	余伟杰, 曹东东, 郭天赐, 牛朴钰, 杨家麟, 王思敏, 刘爱峰. 经皮内镜腰椎间盘切除后复发风险预测模型的系统评价和Meta分析[J]. 中国组织工程研究, 2026, 30(3): 749-759.