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

doi:10.12307/2025.972

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (4): 1028-1035.doi: 10.12307/2025.972

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

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

容向宾1，2，郑海波1，莫学燊1，侯坤1，曾平1，3

1广西中医药大学，广西壮族自治区南宁市 530222；2广西中医药大学附属瑞康医院，广西壮族自治区南宁市 530011；3广西中医药大学第一附属医院，广西壮族自治区南宁市 530022

收稿日期:2024-11-13 接受日期:2024-12-31 出版日期:2026-02-08 发布日期:2025-05-22
通讯作者: 曾平，主任医师，博士生导师，教授，广西中医药大学，广西壮族自治区南宁市 530222；广西中医药大学第一附属医院，广西壮族自治区南宁市 530022
作者简介:容向宾，男，1981年生，广西壮族自治区钦州市人，汉族，广西中医药大学在读博士，副主任医师，主要从事骨关节创伤及儿童四肢发育畸形的诊治研究。
基金资助:
国家自然科学基金项目(82160913)，项目负责人：曾平；广西中医药大学博士研究生创新项目(YCBZ2023155)，项目负责人：容向宾

Plasma metabolites, immune cells, and hip osteoarthritis: causal inference based on GWAS data from European populations

Rong Xiangbin1, 2, Zheng Haibo1, Mo Xueshen1, Hou Kun1, Zeng Ping1, 3

1Guangxi University of Chinese Medicine, Nanning 530222, Guangxi Zhuang Autonomous Region, China; 2Ruikang Hospital, Guangxi University of Chinese Medicine, Nanning 530011, Guangxi Zhuang Autonomous Region, China; 3First Affiliated Hospital of Guangxi University of Chinese Medicine, Nanning 530022, Guangxi Zhuang Autonomous Region, China

Received:2024-11-13 Accepted:2024-12-31 Online:2026-02-08 Published:2025-05-22
Contact: Zeng Ping, Chief physician, Doctoral supervisor, Professor, Guangxi University of Chinese Medicine, Nanning 530222, Guangxi Zhuang Autonomous Region, China; First Affiliated Hospital of Guangxi University of Chinese Medicine, Nanning 530022, Guangxi Zhuang Autonomous Region, China
About author:Rong Xiangbin, MD candidate, Associate chief physician, Guangxi University of Chinese Medicine, Nanning 530222, Guangxi Zhuang Autonomous Region, China; Ruikang Hospital, Guangxi University of Chinese Medicine, Nanning 530011, Guangxi Zhuang Autonomous Region, China
Supported by:
the National Natural Science Foundation of China, No. 82160913 (to ZP); Guangxi University of Chinese Medicine Doctoral Student Innovation Project, No. YCBZ2023155 (to RXB)

摘要/Abstract

摘要：

文题释义：
骨关节炎：是一种影响关节的复杂退行性疾病，主要由慢性炎症和代谢因素共同引发。骨关节炎大多出现在髋关节和膝关节，特征是关节软骨损伤、慢性疼痛、关节畸形，最终造成残疾。
双样本孟德尔随机化分析：为一种统计方法，它运用遗传变异作为媒介变量，来推断暴露因素与结局之间的因果关系。双样本孟德尔随机化分析需要2个独立的样本集，一个用于估计暴露与遗传变异之间的关联，另一个用于估计遗传变异与结果之间的关联。

背景：有研究证实，骨关节炎患者体内存在单核细胞、T细胞、B细胞以及自然杀伤细胞(NK细胞)等免疫细胞亚群的功能改变，但具体的调节机制尚不明确。
目的：探究血浆代谢物介导下免疫细胞与髋骨关节炎的因果关系。
方法：以731种免疫细胞的GWAS(由国际组织维护，无特定国家归属，是遗传关联研究数据重要资源库)数据为暴露，髋骨关节炎的GWAS数据为结局，选用1 400种血浆代谢物为中介因素。以双样本孟德尔随机化方法中逆方差加权法为主，使用贝叶斯加权孟德尔随机化方法对逆方差加权法得到的先验分布、样本数据和权重来计算后验分布，根据后验分布来评估逆方差加权分析结果的准确性和可靠性，以
MR_Egger、加权中位数、简单模型、加权模式方法做补充，使用多效性检验和异质性检验确保过程稳健性。使用逆方差加权法分析结果进行后续中介效应分析。
结果与结论：①逆方差加权法确定了4种免疫细胞与髋骨关节炎强相关，与髋骨关节炎具强相关的代谢物有20种，均无反向因果关系。贝叶斯加权孟德尔随机化分析验证结果提示后验均值与逆方差加权估计值相近，且后验方差较小。最终筛选出1种单核细胞亚型(PDL-1 on CD14-CD16+)与髋骨关节炎存在因果关系，总效应为-0.047(OR=0.954，95%CI=0.926-0.983)，并且在蒜氨酸的中介效应为-0.004(OR=0.939， 95%CI=0.902-0.978)，占总效应的8.5%，说明蒜氨酸是髋骨关节炎进展的保护因素，在此过程中该代谢物发挥了中介作用。②国际数据库和欧洲群体分析数据量较大，对中国生物医学有借鉴意义，能为中国人群相似疾病遗传易感基因研究提供线索，有助于发现特有关联；可借鉴其药物基因组学思路，筛选中国人群药物反应基因，提升个体化用药精准性；可学习其先进高通量技术与统计方法，用于疾病防治研究。
https://orcid.org/0000-0003-0262-9585(容向宾)

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: 免疫细胞, 血浆代谢物, 髋骨关节炎, 双样本孟德尔随机化分析, 中介分析, 工程化组织构建

Abstract: BACKGROUND: Some studies have confirmed the changes in the function of immune cell subsets such as monocytes, T cells, B cells, and natural killer cells (NK cells) in patients with osteoarthritis, but the specific regulatory mechanisms are unclear.
Objective: To explore the causal relationship between plasma metabolite-mediated immune cells and hip osteoarthritis.
METHODS: The Genome-Wide Association Studies (GWAS) data of 731 immune cells were used as the exposure, the GWAS data of hip osteoarthritis were used as the outcome, and 1 400 plasma metabolites were selected as mediating factors. The GWAS database is an important database for genetic association studies, maintained by international organizations with no country-specific affiliation. The inverse variance weighting method in the two-sample Mendelian randomization method was the main method, and the Bayesian weighted Mendelian randomization method was used to analyze the prior distribution, sample data and weights, which were then used to calculate the posterior distribution. The accuracy and reliability of the inverse variance weighting results were evaluated according to the posterior distribution, supplemented by MR-Egger, weighted median, simple model, and weighted mode methods. The pliotropy test and heterogeneity test were used to ensure the robustness of the process. The results of the inverse variance weighting method were used for subsequent mediating effect analysis.
RESULTS AND CONCLUSION: (1) The inverse variance weighting method identified 4 immune cells strongly correlated with hip osteoarthritis, and 20 metabolites strongly associated with hip osteoarthritis, all of which had no reverse causal relationship. At the same time, the validation results of Bayesian weighted Mendelian randomization method showed that the posterior mean value was similar to the estimated value of the inverse variance weighting, and the posterior variance was relatively lower. One monocyte subtype (PDL-1 on CD14-CD16+) was finally screened out to have a causal relationship with hip osteoarthritis, with a total effect of -0.047 (odds ratio=0.954, 95% confidence interval: 0.926-0.983), and a mediating effect of -0.004 (odds ratio=0.939, 95% confidence interval: 0.902-0.978) mediated by alliin levels, accounting for 8.5% of the total effect. It was concluded that alliin is a protective factor in the progression of hip osteoarthritis, in which this metabolite plays a mediating role. (2) The large amount of data from international databases and European population analysis is of great significance to Chinese biomedicine, which can provide clues for research on the genetic susceptibility to similar diseases in the Chinese population, aiding in discovering the unique associations. The pharmacogenomic approaches used can be adapted to screen for drug response genes in the Chinese population, enhancing the precision of personalized medicine. Additionally, the advanced high-throughput technologies and statistical methods employed can be learned and applied to disease prevention and treatment research.

Key words: immune cells, plasma metabolites, hip osteoarthritis, two-sample Mendelian randomization analysis, mediation analysis, engineered tissue construction

中图分类号:

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.

Rong Xiangbin, , Zheng Haibo, Mo Xueshen, Hou Kun, Zeng Ping, . Plasma metabolites, immune cells, and hip osteoarthritis: causal inference based on GWAS data from European populations[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(4): 1028-1035.

图/表（结果） 5

2.1 双样本孟德尔随机化和贝叶斯加权孟德尔随机化分析结果逆方差加权分析结果显示，有4种免疫细胞满足筛选条件与髋骨关节炎存在潜在关联，见表1、图1。贝叶斯加权孟德尔随机化分析结果表明这4种免疫细胞仍满足显著相关的条件，见表1。
逆方差加权法和贝叶斯加权孟德尔随机化法的P均< 0.05，并且得到B细胞亚群CD24 on IgD+ CD38- unsw mem和单核细胞亚群CD64 on CD14- CD16+与髋骨关节炎呈正相关；T细胞亚群CCR7 on naive CD8br和单核细胞PDL-1 on CD14- CD16+与髋骨关节炎呈负相关。敏感性分析结果表明，这些单核苷酸多态性之间没有异质性和水平多效性。留一法敏感性分析结果表明，去除单个单核苷酸多态后未对效应估计值产生较大影响，即因果关系具一定的稳健性。水平多效性、异质性检验结果见表2，3，留一法敏感性分析检验结果见图2。

2.2 反向孟德尔随机化分析结果髋骨关节炎和免疫细胞之间的反向孟德尔随机化分析结果，见表4。逆方差加权方法显示，髋骨关节炎与所选择的4种免疫细胞之间的P均> 0.05。在其他4种补充算法中也得到相同的结论，即作为暴露的髋骨关节炎与作为结局的4种免疫细胞之间无反向因果关系(P > 0.05)。
2.3 两步孟德尔随机化分析结果以血浆代谢物作为中介，探究免疫细胞对髋骨关节炎的效应是否受到其介导。筛选得到与髋骨关节炎具强相关的代谢物有20种，见图3。
在此基础上，通过逆方差加权法进行免疫细胞到代谢物的孟德尔随机化分析，设置P < 0.05，且所有方法效应量为OR和效应值b方向一致，发现仅有一种单核细胞亚群(PDL-1 on CD14- CD16+)满足筛选条件，且与1种血浆代谢物蒜氨酸(Alliin levels)强相关。同时对该免疫细胞进行贝叶斯加权孟德尔随机化验证，以确定该免疫细胞与结局的稳健性，结果见图4。故采用单核细胞亚群(PDL-1 on CD14- CD16+)作为暴露因素，髋骨关节炎作为结局因素，蒜氨酸作为中间变量进行中介效应分析。
2.4 中介效应分析通过逆方差加权方法得出单核细胞(PDL-1 on CD14- CD16+)对髋骨关节炎的总效应值为-0.047，反映了该免疫细胞对髋骨关节炎风险的总体影响为负相关。中介分析进一步揭示了其中的作用机制，蒜氨酸的中介效应值为-0.004，中介效应占比8.5%。直接效应值为-0.043，表示控制中介变量的影响后，该免疫细胞对髋关节骨关节炎仍产生负向影响。最终结果表明，蒜氨酸可能是因果效应的中介因素，见图5。

参考文献

[1] DAMERAU A, KIRCHNER M, PFEIFFENBERGER M, et al. Metabolic reprogramming of synovial fibroblasts in osteoarthritis by inhibition of pathologically overexpressed pyruvate dehydrogenase kinases. Metab Eng. 2022;72:116-132.
[2] BOER CG, HATZIKOTOULAS K, SOUTHAM L, et al. Deciphering osteoarthritis genetics across 826,690 individuals from 9 populations. Cell. 2021;184(18):4784-4818.e4717.
[3] GBD 2021 Osteoarthritis Collaborators. Global, regional, and national burden of osteoarthritis, 1990-2020 and projections to 2050: a systematic analysis for the Global Burden of Disease Study 2021. Lancet Rheumatol. 2023;5(9):e508-e522.
[4] 潘炳,周颖芳,方芳,等.骨性关节炎的国内外研究现状及治疗进展[J].中国中医基础医学杂志,2021,27(5):861-865.
[5] CHI HB, PEPPER M, THOMAS PG. Principles and therapeutic applications of adaptive immunity. Cell. 2024;187(9):2052-2078.
[6] CUI A, HUANG T, LI SQ, et al. Dictionary of immune responses to cytokines at single-cell resolution. Nature. 2024;625(7994): 377-384.
[7] XIA SY, CHEN ZH, SHEN C, et al. Higher-order assemblies in immune signaling: Supramolecular complexes and phase separation. Protein Cell. 2021;12(9):680-694.
[8] 刘畅,卞华,许博.基于生物信息学探讨骨关节炎相关分子机制及免疫细胞浸润分析[J].中国医科大学学报,2023, 52(5):385-391+397.
[9] BAUERMEISTER A, MANNOCHIO-RUSSO H, COSTA-LOTUFO LV, et al. Mass spectrometry-based metabolomics in microbiome investigations. Nat Rev Microbiol. 2022;20(3):143-160.
[10] REINKE SN, CHALECKIS R, WHEELOCK CE. Metabolomics in pulmonary medicine: Extracting the most from your data. Eur Respir J. 2022;60(2):2200102.
[11] WANG X, NING YJ, LI C, et al. Alterations in the gut microbiota and metabolite profiles of patients with Kashin-Beck disease, an endemic osteoarthritis in China. Cell Death Dis. 2021;12(11):1015.
[12] SKRIVANKOVA VW, RICHMOND RC, WOOLF BAR, et al. Strengthening the reporting of observational studies in epidemiology using Mendelian randomization: The STROBE-MR statement. JAMA. 2021;326(16):1614-1621.
[13] BURGESS S, DAVEY SMITH G, DAVIES NM, et al. Guidelines for performing Mendelian randomization investigations: Update for summer 2023. Wellcome Open Res. 2019; 4:186.
[14] DAVIES NM, HOLMES MV, DAVEY SMITH G. Reading Mendelian randomisation studies: A guide, glossary, and checklist for clinicians. BMJ. 2018;362:k601.
[15] ZHAO J, MING JS, HU XH, et al. Bayesian weighted Mendelian randomization for causal inference based on summary statistics. Bioinformatics. 2020;36(5):1501-1508.
[16] 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.
[17] CHEN YH, LU TY, PETTERSSON-KYMMER U, et al. Genomic atlas of the plasma metabolome prioritizes metabolites implicated in human diseases. Nat Genet. 2023;55(1):44-53.
[18] 吕浩,张舸,胡芷苜,等.炎症、代谢物与骨质疏松症[J].中国组织工程研究, 2025,29(17):3697-3704.
[19] 詹群璋,张钰玲,韩雨欣,等.肥胖和骨质疏松之间的关联:一项两样本双向孟德尔随机化分析[J]. 中国组织工程研究, 2024,28(27):4319-4324.
[20] YE CJ, LIU D, CHEN ML, et al. Mendelian randomization evidence for the causal effect of mental well-being on healthy aging. Nat Hum Behav. 2024;8(9):1798-1809.
[21] WOOTTON RE, LAWN RB, MILLARD LAC, et al. Evaluation of the causal effects between subjective wellbeing and cardiometabolic health: Mendelian randomisation study. BMJ. 2018;362:k3788.
[22] CARTER AR, SANDERSON E, HAMMERTON G, et al. Mendelian randomisation for mediation analysis: Current methods and challenges for implementation. Eur J Epidemiol. 2021;36(5):465-478.
[23] CHEN JH, LIU YD, ZHAN PQ, et al. Bayesian-based analysis of the causality between 731 immune cells and erectile dysfunction: A two-sample, bidirectional, and multivariable Mendelian randomization study. Sex Med. 2024;12(4):qfae062.
[24] 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.
[25] 刘帅祎,赵晓璇,李奇,等.九十一种炎症蛋白与颈椎间盘退变的因果关系[J].中国组织工程研究,2025,29(17):3732-3740.
[26] AU YEUNG SL, GILL D. Standardizing the reporting of Mendelian randomization studies. BMC Med. 2023;21(1):187.
[27] CARTER AR, SANDERSON E, HAMMERTON G, et al. Mendelian randomisation for mediation analysis: current methods and challenges for implementation. Eur J Epidemiol. 2021;36(5):465-478.
[28] SANDERSON E. Multivariable Mendelian Randomization and Mediation. Cold Spring Harb Perspect Med. 2021;11(2):a038984.
[29] LIN ZT, XUE HR, PAN W. Robust multivariable Mendelian randomization based on constrained maximum likelihood. Am J Hum Genet. 2023;110(4):592-605.
[30] COSTA F, VESCOVINI R, MARCHICA V, et al. PD-L1/PD-1 Pattern of Expression Within the Bone Marrow Immune Microenvironment in Smoldering Myeloma and Active Multiple Myeloma Patients. Front Immunol. 2020;11:613007.
[31] DE LANGE-BROKAAR BJ, IOAN-FACSINAY A, VAN OSCH GJ, et al. Synovial inflammation, immune cells and their cytokines in osteoarthritis: a review. Osteoarthritis Cartilage. 2012;20(12):1484-1499.
[32] ZHENG J, LIANG H, XU C, et al. An unbalanced PD-L1/CD86 ratio in CD14(++)CD16(+) monocytes is correlated with HCV viremia during chronic HCV infection. Cell Mol Immunol. 2014;11(3):294-304.
[33] WOODELL-MAY JE, SOMMERFELD SD. Role of Inflammation and the Immune System in the Progression of Osteoarthritis. J Orthop Res. 2020;38(2):253-257.
[34] YANG J, LI S, LI Z, et al. Targeting YAP1-regulated Glycolysis in Fibroblast-Like Synoviocytes Impairs Macrophage Infiltration to Ameliorate Diabetic Osteoarthritis Progression. Adv Sci (Weinh). 2024;11(5):e2304617.
[35] LI H, XIE S, QI Y, et al. TNF-α increases the expression of inflammatory factors in synovial fibroblasts by inhibiting the PI3K/AKT pathway in a rat model of monosodium iodoacetate-induced osteoarthritis. Exp Ther Med. 2018;16(6):4737-4744.
[36] BLANCO FJ, REGO I, RUIZ-ROMERO C. The role of mitochondria in osteoarthritis. Nat Rev Rheumatol. 2011;7(3):161-169.
[37] LI M, YIN H, YAN Z, et al. The immune microenvironment in cartilage injury and repair. Acta Biomater. 2022;140:23-42.
[38] FAN Z, LIU Y, SHI Z, et al. MiR-155 promotes interleukin-1β-induced chondrocyte apoptosis and catabolic activity by targeting PIK3R1-mediated PI3K/Akt pathway. J Cell Mol Med. 2020;24(15):8441-8451.
[39] ZHANG Q, SUN C, LIU X, et al. Mechanism of immune infiltration in synovial tissue of osteoarthritis: a gene expression-based study. J Orthop Surg Res. 2023;18(1):58.
[40] LI Z, DAI A, YANG M, et al. p38MAPK Signaling Pathway in Osteoarthritis: Pathological and Therapeutic Aspects. J Inflamm Res. 2022;15:723-734.
[41] LIETMAN C, WU B, LECHNER S, et al. Inhibition of Wnt/β-catenin signaling ameliorates osteoarthritis in a murine model of experimental osteoarthritis. JCI Insight. 2018;3(3):e96308.
[42] CHEN Y, PAN X, ZHAO J, et al. Icariin alleviates osteoarthritis through PI3K/Akt/mTOR/ULK1 signaling pathway. Eur J Med Res. 2022;27(1):204.
[43] PIETZNER M, STEWART ID, RAFFLER J, et al. Plasma metabolites to profile pathways in noncommunicable disease multimorbidity. Nat Med. 2021;27(3):471-479.
[44] DENG Y, HO CT, LAN Y, et al. Bioavailability, Health Benefits, and Delivery Systems of Allicin: A Review. J Agric Food Chem. 2023;71(49):19207-19220.
[45] SHANG A, CAO SY, XU XY, et al. Bioactive Compounds and Biological Functions of Garlic (Allium sativum L.). Foods. 2019; 8(7):246.
[46] MARTEL-PELLETIER J, BARR AJ, CICUTTINI FM, et al. Osteoarthritis. Nat Rev Dis Primers. 2016;2:16072.
[47] WRIGHT HL, LYON M, CHAPMAN EA, et al.
Rheumatoid Arthritis Synovial Fluid Neutrophils Drive Inflammation Through Production of Chemokines, Reactive Oxygen Species, and Neutrophil Extracellular Traps. Front Immunol. 2020;11:584116.
[48] ARELLANO-BUENDÍA AS, CASTAÑEDA-LARA LG, LOREDO-MENDOZA ML, et al. Effects of Allicin on Pathophysiological Mechanisms during the Progression of Nephropathy Associated to Diabetes. Antioxidants (Basel). 2020;9(11):1134.
[49] BORLINGHAUS J, ALBRECHT F, GRUHLKE MC, et al. Allicin: chemistry and biological properties. Molecules. 2014;19(8):12591-12618.
[50] QUINTERO-FABIÁN S, ORTUÑO-SAHAGÚN D, VÁZQUEZ-CARRERA M, et al. Alliin, a garlic (Allium sativum) compound, prevents LPS-induced inflammation in 3T3-L1 adipocytes. Mediators Inflamm. 2013;2013:381815.
[51] ZOU L, GUO H, BERZUINI C. Bayesian mendelian randomization with study heterogeneity and data partitioning for large studies. BMC Med Res Methodol. 2022;22(1):162.
[52] CHEBIB J, GUILLAUME F. Pleiotropy or linkage? Their relative contributions to the genetic correlation of quantitative traits and detection by multitrait GWA studies. Genetics. 2021;219(4):iyab159.

引言

骨关节炎是一种影响关节的复杂退行性疾病，主要由慢性炎症和代谢因素共同引发[1]。骨关节炎大多出现在髋和膝盖，即膝骨关节炎和髋骨关节炎，特征是关节软骨损伤、慢性疼痛、关节畸形，最终造成残疾[2]。
据相关文献报道，2020年全球有5.95亿人患有骨关节炎，相当于全球人口的7.6%，自1990 年以来骨关节炎总病例增加了132.2%；与2020年相比，预计到2050年，膝骨关节炎病例将增加74.9%，手部骨关节炎病例增加 48.6%，髋骨关节炎病例增加78.6%，其他类型骨关节炎增加95.1%[3]。最新的药物治疗、手术治疗、中医内外治疗等多种治疗策略可供选择，但该病的总体预后仍不理想[4]。因此，亟需更深层次探讨骨关节炎的发生发展机制，开发更加高效的治疗方法。
免疫细胞是人类免疫系统的主要成分，在免疫防御、免疫自稳、免疫监测等领域都发挥着关键作用[5]。免疫细胞广泛散布在身体不同部位，利用错综复杂的信号传递和互动网络彼此配合共同维持身体的免疫平衡和健康状态[6-7]。据研究报道，骨关节炎患者体内存在单核细胞、T细胞、B细胞以及自然杀伤细胞(NK细胞)等免疫细胞亚群的功能改变[8]，具体的调节机制、何种免疫细胞发挥着主要作用还有待考证。
近年来，在基因组学和蛋白组学之后，代谢组学作为一门新兴学科逐渐崭露头角。与其他组学技术一样，代谢组学分析可以提供有关疾病状态的关键信息，探索代谢物与人体生理病理变化之间的相互关系[9]，揭示基因、蛋白和代谢产物之间各种复杂的相互作用，进而对生物体功能进行系统阐述，弥补了生物医学在生命科学研究中的不足，提供了更接近生物表型的研究视角[10]。然而，在人体生理病理过程中，代谢产物如何发挥作用仍有待进一步研究。通过代谢组学分析可以识别出与疾病进展和治疗效果相关的生物标志物，为个体治疗提供指导[11]。
双样本孟德尔随机化分析作为一种统计方法，运用遗传变异作为媒介变量，来推断暴露因素与结局之间的因果关系。双样本孟德尔随机化分析需要2个独立的样本集，一个用于估计暴露与遗传变异之间的关联，另一个用于估计遗传变异与结果之间的关联[12]，通过这2个样本集可以推导出暴露与结局之间的关联。孟德尔随机化分析需遵循以下3个假设[13-14]：①关联性假设：工具变量与暴露变量强相关；②独立性假设：工具变量与混杂因素之间是独立的；③排他性假设：用作工具变量的遗传变异与结局之间没有独立的因果途径，即工具变量只能通过暴露因素对结局产生作用。
贝叶斯加权孟德尔随机化分析是一种基于贝叶斯定理的统计推断方法，结合了先验信息和样本数据来计算后验概率。贝叶斯加权孟德尔随机化分析在处理复杂模型或复杂数据结构时具有灵活性和效率，特别适用于小样本或数据稀疏的情况，同时可以解释估计的弱效应和弱水平带多效性效应的不确定性，还可以自适应地检测由于一些大的水平多效性效应引起的异常值，被证明具有统计效率和计算稳定性[15]。因此，贝叶斯加权孟德尔随机化分析可于先验数据的后验估计。
此次研究旨在利用孟德尔随机化分析方法，以免疫细胞作为暴露因素、血浆代谢物作为中介变量、髋骨关节炎作为结局，通过分步分析探讨三者之间的因果联系。

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 设计选择与731种免疫细胞强相关且无反向因果关系的单核苷酸多态性作为暴露因素，髋骨关节炎作为结局因素，进行双样本孟德尔随机化分析。以逆方差加权法为主筛选与结局强相关的免疫细胞，这是在不存在多效性情况下最好的无偏估计[16]，并进行贝叶斯加权验证，以提高结果的稳健性。筛选与髋骨关节炎以及免疫细胞具有强相关的代谢物作为潜在的介质，分别估计免疫细胞对代谢物、代谢物对髋骨关节炎的因果效应值，估计代谢物在免疫细胞与髋骨关节炎因果关系中的中介效应。
1.2 时间及地点研究于2024年9-11月在广西中医药大学分子实验室完成。
1.3 资料研究从GWAS Catalog中公开获取了免疫性状的汇总数据，GWAS Catalog是由国际组织维护，无特定国家归属，它是遗传关联研究数据重要资源库。这些数据来源一项包含3 757名欧洲人的大规模基因组关联研究，其中选用了从GCST90001391到GCST90002121的系列数据(https://www.ebi.ac.uk/gwas/studies/)，涵盖了731种免疫细胞表型。髋骨关节炎的全基因组关联分析(GWAS)数据源自于IEU OPENGWAS数据库(https://gwas.mrcieu.ac.uk/)中公开获取，IEU OPENGWAS数据库由英国 MRC IEU开发，提供GWAS数据，数据ID号为：ebi-a-GCST007091。此次研究中的髋骨关节炎涵盖29 771 219个单核苷酸多态性和393 873名欧洲个体。1 400种血浆代谢物的全基因组关联研究数据来自已发表的研究[17]，文中未提及开发机构所属国家。文章中使用的摘要级数据可以下载，并已获得每个全基因组关联研究所涉及的各自机构的伦理批准。
1.4 方法
1.4.1 工具变量的筛选为提高结果的准确性，减低假阳性结果的概率，增强结果的解释性，通过更严格的筛选标准，即当免疫细胞或血浆代谢物作为暴露时筛选条件均设置为：①与暴露具有很强的全基因组关联，选用P < 1×10-5 的单核苷酸多态性位点；②去除连锁不平衡，排除潜在的混杂因素，选择系数r2 > 0.001、kb > 10 000；③保留F > 10的所有核苷酸多态性。r2=2×(1-最小等位基因频率)×最小等位基因频率×等位基因的效应值/等位基因的效应值的标准误，F=(总样本数量-暴露筛选出的单核苷酸多态性数量-1)/暴露筛选出的单核苷酸多态性数量×[r2/(1-r2)][18-19]。
1.4.2 孟德尔随机化统计方法均在R4.4.1(http://www.r-project.org/)软件中进行。双样本孟德尔随机化分析使用软件包“TwoSampleMR”分步进行，即免疫细胞到髋骨关节炎、血浆代谢物到髋骨关节炎，使用phenotype_col=“exposure”函数对每一个免疫细胞及每一个代谢物进行单独的孟德尔随机化分析。对分析结果，选择逆方差加权法筛选出满足条件的免疫细胞和血浆代谢物，设置过滤条件：①P < 0.01；②比值比(odd ratio，OR)与效应值b方向一致；③多效性检验P > 0.05。为了更加全面地评估血浆代谢物在免疫细胞与髋骨关节炎关联中的中介效应，进行了免疫细胞到血浆代谢物的孟德尔随机化分析，得到因果效应值(Beta1)，再进行代谢物到疾病的孟德尔随机化分析，得到因果效应值(Beta2)。利用系数积方法得到血浆代谢物的中介效应(Beta12)，计算其所占的比例[20-21]。Beta12=Beta1×Beta2，中介效应占比=中介效应/总效应。同时计算直接效应值，直接效应=总效应-中介效应[22]。使用逆方差加权法作为主要检验方法得到因果效应，同时进行了贝叶斯加权验证、异质性采用Cochran’s Q检验，水平多效性采用MR-Egger回归中的截距项(egger_intercept)检验[23]。该文统计学方法已经由广西中医药大学附属瑞康医院生物统计学专家审核。
1.4.3 反向孟德尔随机化分析以髋骨关节炎作为暴露因素，逆方差加权法筛选出来的4种免疫细胞作为结局。筛选暴露数据(髋骨关节炎)，对暴露数据进行关联性分析(P < 5×10-8)、去除连锁不平衡(选择系数r2 > 0.001、kb > 10 000)。接着使用逆方差加权法、MR_Egger回归法、加权中位数、简单模型、加权模式方法进行反向孟德尔随机化分析，以逆方差加权法的P值为准，若P > 0.05表示得到了阴性结果，无反向因果关系，进而才能进行后续的分析。同时进行了MR-PRESSO异常值检验[24]，未发现偏倚的单核苷酸多态性。
1.4.4 敏感性分析使用Cochran’s Q检验和MR-Egger回归法观察P值的大小，明确免疫细胞表型与髋骨关节炎之间的因果效应分析是否存在显著异质性和多效性。若两种检验方法的P均> 0.05，则表示结果无异质性和水平多效性[25]。同时进行了留一法敏感性分析，在去除一个单核苷酸多态性后观察结果有无明显影响。
1.5 主要观察指标免疫细胞对髋骨关节炎风险的正向孟德尔随机化分析结果；髋骨关节炎对免疫细胞的反向孟德尔随机化分析结果；免疫细胞对血浆代谢物风险的孟德尔随机化分析结果Beta1；血浆代谢物对髋骨关节炎风险的孟德尔随机化分析结果Beta2；血浆代谢物在免疫细胞对髋骨关节炎分析中的中介效应Beta12；免疫细胞到髋骨关节炎总效应值及计算直接效应值；敏感性分析结果；双样本孟德尔随机化和贝叶斯加权孟德尔随机化分析结果。

讨论

此次研究旨在利用中介孟德尔随机化方法，以免疫细胞作为暴露因素、血浆代谢物作为中介变量、髋骨关节炎作为结局，通过分步分析来探讨三者之间的因果联系；同时，遵循中介孟德尔随机化的标准流程，包括暴露、中介变量和结局的GWAS数据获取、工具变量的应用、中介效应估计和敏感性检验等步骤[26-27]，通过两步法分析系统评估了免疫细胞作为暴露因素能否通过血浆代谢物影响髋骨关节炎。中介孟德尔随机化结合了孟德尔随机化的优势，能够更准确地估计中介效应，减少传统观察性研究中可能存在的混杂和反向因果问题[28-29]。
PDL-1是一种重要的免疫检查点分子。“CD14- CD16+”是对细胞表面标志物的一种描述，CD14和CD16是两种免疫细胞表面的分子标志物，用于区分不同类型的免疫细胞或免疫细胞亚群，“CD14- ”表示细胞表面不表达或低表达CD14分子，“CD16+”表示细胞表面表达 CD16分子，其整体的意思是在表面标志物为CD14阴性、CD16阳性的细胞上表达的 PD-L1分子[30-31]。近年来有研究表明，骨关节炎的具体机制并非仅仅是关节软骨磨损导致的疾病，而是一种免疫细胞广泛参与的慢性炎症状态[32]，具体可体现在炎症因子水平、免疫细胞浸润的分布和数量、炎症和免疫反应的相关基因表达。例如，T淋巴细胞、巨噬细胞、自然杀伤细胞等免疫细胞参与髋骨关节炎的滑膜炎症反应，释放白细胞介素(白细胞介素1β、白细胞介素17a、白细胞介素8等)、肿瘤坏死因子(肿瘤坏死因子α、肿瘤坏死因子β等)等炎性细胞因子，这些炎症因子在骨关节炎患者的病理生理中发挥重要作用[33-34]。LI等[35]通过ELISA法检测炎症因子水平来评估肿瘤坏死因子α抑制剂在碘乙酸诱导的大鼠骨关节炎模型中的治疗效果，结果显示骨关节炎组与健康组大鼠滑膜成纤维细胞中炎症因子肿瘤坏死因子α、白细胞介素1β、白细胞介素17a 和白细胞介素8的相对蛋白水平比大致为1.5∶1，表明骨关节炎大鼠的炎症因子表达量上调。骨关节炎患者关节软骨组织表现出软骨细胞凋亡、基质降解酶上调和细胞外基质降解增强的迹象，导致软骨基质的降解加速，加剧软骨的退变和破坏[36-37]。FAN等[38]通过在体外培养的软骨细胞中加入白细胞介素1β刺激，然后检测软骨细胞中基质金属蛋白酶、聚蛋白多糖酶等降解酶的表达和活性，以及细胞凋亡相关指标的变化，结果显示，与正常对应物相比，白细胞介素1β刺激刺激组典型的细胞凋亡标志物裂解caspase-3 以及基质金属蛋白酶3、基质金属蛋白酶13的表达水平均显著增加。同时，在骨关节炎患者的滑膜中存在着免疫细胞的浸润，这些免疫细胞的聚集和渗透影响着滑膜中细胞的分布和数量。ZHANG等[39]基于基因表达来探讨骨关节炎滑膜组织免疫浸润的机制，明确指出骨关节炎患者表现出相对较高的浸润性静息肥大细胞、记忆 B 细胞和浆细胞丰度。髋骨关节炎患者体内炎性细胞因子水平升高，而这些炎性细胞因子由免疫细胞分泌，并参与骨关节炎的发病过程。随着对骨关节炎发病机制的深入研究，越来越多的免疫相关靶点被发现。由于免疫细胞因子水平的上调影响相关基因表达进而激活特定的信号通路，常见的如丝裂原活化蛋白激酶信号通路、核因子kB信号通路、Wnt/β-catenin 信号通路、磷脂酰肌醇-3-激酶/蛋白激酶B信号通路等。LI等[40]综述了p38丝裂原活化蛋白激酶信号通路在骨关节炎发病机制中的机制，认为抑制p38丝裂原活化蛋白激酶可以抑制软骨细胞炎症并改善骨关节炎。LIETMAN等[41]通过动物实验研究Wnt通路对滑膜成纤维细胞和关节软骨细胞的影响，以及Wnt抑制对骨关节炎的治疗作用，结果表明治疗性Wnt抑制通过提升软骨细胞的抗分解代谢和对滑膜成纤维细胞的抗纤维化作用降低了骨关节炎模型的严重程度。CHEN等[42]探讨淫羊藿苷对白细胞介素1β诱导骨关节炎的影响及其潜在作用机制，发现淫羊藿苷可通过调节磷脂酰肌醇-3-激酶/蛋白激酶B/哺乳动物雷帕霉素靶蛋白/ULK1信号通路诱导自噬，从而减轻白细胞介素1β诱导的骨关节炎。这些信号通路成为治疗骨关节炎的潜在靶点。
血浆代谢物指血浆代谢过程产生或消耗的物质，这些物质可以反映潜在的生化活性和细胞、组织状态，包括但不限于蛋白质、氨基酸、糖类、脂肪酸、生物碱以及尿素肌酐等，即人体新陈代谢的产物[43]。此次研究主要探讨血浆代谢物介导下免疫细胞与髋骨关节炎的因果关联。通过中介孟德尔随机化分析得到中介效应强相关的代谢物蒜氨酸，其中介效应为-0.004(OR=0.939，95%CI=0.902，0.978)，占总效应的8.5%。蒜氨酸是一种从大蒜中提取的含硫氨基酸，展现出了多种药理活性，特别是在抗炎和抗氧化方面表现突出，同时也是构成人体组织不可或缺的成分[44-45]。研究表明，骨关节炎患者滑膜液中性粒细胞在活化过程中会产生包括活性氧物质在内的自由基，这些自由基具有高度的反应性，导致软骨、滑膜细胞的衰老，进而损伤关节软骨、滑膜等组织[46-47]。针对于免疫细胞参与髋骨关节炎的炎症反应，以及骨关节中自由基的生成量超过细胞的抗氧化防御能力，引发的一系列氧化应激反应，蒜氨酸作为中介因素发挥着作用。ARELLANO-BUENDÍA等[48]探讨了蒜氨酸对糖尿病肾病病理生理机制的影响，发现蒜氨酸可增加核因子E2相关因子2表达，核因子E2相关因子2是一种具有亮氨酸拉链结构的转录因子，在细胞抗氧化应激反应中发挥关键作用，该研究表明蒜氨酸对核因子E2相关因子2等相关通路及氧化应激具有调节作用，从而侧面支持了蒜氨酸通过类似机制对骨关节炎发挥治疗作用的可能性。BORLINGHAUS等[49]对大蒜中蒜氨酸等化合物的化学性质和生物学特性进行了综述，提到蒜氨酸可通过多种机制发挥作用，包括与氧化还原相关的机制等，为蒜氨酸通过激活核因子E2相关因子2/ARE 信号通路发挥抗氧化等作用提供了一定的理论支持。同时，蒜氨酸在信号通路方面可能存在对丝裂原活化蛋白激酶信号通路的调节。QUINTERO-FABIÁN等[50]发现蒜氨酸能够抑制脂多糖诱导的3T3-L1脂肪细胞中炎症信号的激活，并且参与脂多糖诱导脂肪细胞炎症反应的细胞外调节蛋白激酶1/2磷酸化水平在蒜氨酸处理后也有所降低。尽管该研究未直接涉及丝裂原活化蛋白激酶信号通路，但细胞外调节蛋白激酶1/2是丝裂原活化蛋白激酶信号通路的重要成员，说明蒜氨酸对丝裂原活化蛋白激酶信号通路具有调节作用，减少炎症因子的释放，从而减轻骨关节炎的炎症反应。
最后，针对于中介分析结果，得出总效应值为负值，应通过效应方向及效应大小来进一步分析是直接效应还是间接效应(或两者都有)导致了这种负向影响。此次研究结果虽具有一定的稳健性和准确性，但仍存在一些局限性：①由于数据来源的限制、样本量不够大，进而导致某些结果的置信区间较宽。此次研究在针对上述问题增加了贝叶斯加权孟德尔随机化方法进行验证[51]，但是由于知识储备的不足，验证过程缺乏一个全面、系统的规划，导致验证工作中无力验证某些步骤或环节，具体体现在对中介效能的验证，这也是该文存在的缺陷。待后续加强数据收集和质量控制、知识的储备完善，可进一步验证，以加强该文结局的准确性和可靠性。②进行正向孟德尔随机化分析时，为了筛选出足够数量的工具变量进行后续分析，将筛选条件放宽至P < 1×10-5，以至于可能会增加假阳性结果的风险。③遗传变异效能可能受到多种因素的影响，如多效性、连锁不平衡等[52]。基于此次研究的结果和局限性，可进一步扩大样本量，以提高结果的准确性和可靠性。④可以探索更多的中介变量和路径分析，以更深入地理解免疫细胞与髋关节骨关节炎之间的复杂关系。⑤可以结合其他研究方法，如动物实验，细胞实验等，以验证和补充中介孟德尔随机化分析结果。
此次研究揭示了蒜氨酸介导下单核细胞与髋骨关节炎之间的潜在因果关联，对中国医学研究意义重大：①在基础医学领域，为中国研究者深入探索免疫细胞与关节疾病的分子机制提供了新方向，可围绕蒜氨酸这一关键介质，开展更深入的细胞信号通路及基因调控研究，拓展骨关节炎发病机制的理论知识；②在临床医学方面，该结果指导医生在精准医疗中可将单核细胞的特定表型及蒜氨酸水平作为诊断与病情监测的潜在生物标志物；③在新药物研发上，为开发靶向蒜氨酸相关通路或调节单核细胞功能的药物提供靶点；④在生物治疗中，启发利用免疫调节手段干预疾病进程；⑤在综合治疗时，助力整合多学科方法制定个性化方案，从而有效提升骨关节炎的防治水平，改善患者预后。

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

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

Plasma metabolites, immune cells, and hip osteoarthritis: causal inference based on GWAS data from European populations

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 5

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]	潘鸿飞, 庄圳冰, 徐白云, 杨章阳, 林恺瑞, 詹冰晴, 蓝靖涵, 高恒, 张南波, 林家煜. 不同浓度金诺芬抑制M1型巨噬细胞功能及修复糖尿病小鼠伤口的价值[J]. 中国组织工程研究, 2026, 30(6): 1390-1397.
[2]	彭志伟, 陈雷, 佟磊. 木犀草素促进糖尿病小鼠创面愈合的作用与机制[J]. 中国组织工程研究, 2026, 30(6): 1398-1406.
[3]	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.
[4]	陈驹, 郑锦畅, 梁振, 黄成硕, 林颢, 曾莉. β-石竹烯对小鼠膝骨关节炎的作用及机制[J]. 中国组织工程研究, 2026, 30(6): 1341-1347.
[5]	温广伟, 甄颖豪, 郑泰铿, 周淑怡, 莫国业, 周腾鹏, 李海山, 赖以毅. 异银杏素对破骨细胞分化的影响和机制[J]. 中国组织工程研究, 2026, 30(6): 1348-1358.
[6]	李林臻, 焦泓焯, 陈伟南, 张铭哲, 王建龙, 张君涛. 淫羊藿苷含药血清对脂多糖诱导人软骨细胞炎症损伤的影响[J]. 中国组织工程研究, 2026, 30(6): 1368-1374.
[7]	李郝静, 王新, 宋成林, 张胜男, 陈云昕. 上斜方肌处体外冲击波与运动控制训练治疗慢性非特异性颈痛[J]. 中国组织工程研究, 2026, 30(5): 1162-1170.
[8]	刘煜, 雷森林, 周锦涛, 刘辉, 李先辉. 有氧和抗阻运动改善肥胖相关认知障碍的作用机制[J]. 中国组织工程研究, 2026, 30(5): 1171-1183.
[9]	王正业, 刘万林, 赵振群. miRNA在激素诱导股骨头坏死机制中的研究进展[J]. 中国组织工程研究, 2026, 30(5): 1207-1214.
[10]	部洋洋, 宁新丽, 赵琛. 关节腔注射治疗颞下颌关节骨关节炎：不同药物与多种联合治疗方案[J]. 中国组织工程研究, 2026, 30(5): 1215-1224.
[11]	文凡, 向阳, 朱欢, 庹艳芳, 李锋. 运动干预改善2型糖尿病患者的微血管功能[J]. 中国组织工程研究, 2026, 30(5): 1225-1235.
[12]	刘新月, 李春年, 李一卓, 徐世芳. 口腔牙槽骨缺损的再生修复[J]. 中国组织工程研究, 2026, 30(5): 1247-1259.
[13]	冷晓轩, 赵玉欣, 刘西花. 不同神经调控刺激方式改善帕金森病患者非运动症状的网状Meta分析[J]. 中国组织工程研究, 2026, 30(5): 1282-1293.
[14]	温小龙, 翁锡全, 冯瑶, 曹文燕, 刘玉倩, 王海涛, . 炎症对2型糖尿病患者血清抗菌多肽及铁代谢相关参数影响的Meta分析[J]. 中国组织工程研究, 2026, 30(5): 1294-1301.
[15]	杨泽雨, 支亮, 王佳, 张婧欹, 张清芳, 王玉龙, 龙建军. 高频重复经颅磁刺激研究热点宏观角度的可视化分析[J]. 中国组织工程研究, 2026, 30(5): 1320-1330.