Автореферат (1144819), страница 9
Текст из файла (страница 9)
При разделении групп, больных артериальной гипертензией, по полу,корреляционная связь была установлена у мальчиков: между показателем «САД» и комбинациямиаллелей по гену REN (ρ=0,26; 95%ДИ: 0,034-0,467; p=0,03), между показателем «ДАД» икомбинациями аллелей по гену NOS3 (ρ= -0,27; 95%ДИ: -0,474 - -0.043; p=0,02), у девочек: междупоказателем «САД» и комбинациями аллелей по гену AGT (ρ= -0,45; 95%ДИ: -0,699 - -0.098;p=0,01), по гену AGTR1 (ρ=0,39; 95%ДИ: 0,024-0,660; p=0,04) и по гену BKR1 (ρ= -0,45; 95%ДИ: 0,704 - -0,106; p=0,01), между показателем «ИМТ» и комбинациями аллелей по гену NOS3 (ρ=0,50;95%ДИ: 0,157-0,729; p=0,01).Математические модели риска гестоза артериальной гипертензии и метаболическогосиндрома с ожирением.
Статистически значимых отличий «суммы баллов комбинаций аллелей»и «суммы неблагоприятных баллов» по генам ренин-ангиотензиновой и кинин-брадикининовойсистем между пациентами с АГ и контрольной группой, а также между пациентами с МСО иконтрольной группой, выявлено не было.Анализ межгенных взаимодействий при формировании предрасположенности к АГпроведен для генов APOE, REN, AGT, AGTR1, AGTR2, BDKRB2, MTHFR, NOS3, LPL, ACE. Лучшеймоделью риска АГ оказалась комбинация генов AGTR2 (C/A) x NOS3 (T/C) с высокой степеньювоспроизводимости CVC=9/10 с тестируемой сбалансированной точностью 0,81, специфичностью0,94, чувствительностью 0,68 и χ2=170,18 (р<0,0001).
Анализ данной модели позволил установитьтри сочетания повышенного риска и две комбинации пониженного риска развития АГ. Лучшеймоделью риска АГ у мальчиков была комбинация локусов APOE (E2/E3/E4) x NOS3 (T/C). Лучшеймоделью риска АГ у девочек была комбинация локусов AGT (M/T) x NOS3 (T/C). Таким образом,полученные результаты свидетельствуют о важной роли аллелей гена NOS3 в риске развитиягипертонии у детей независимо от пола. Также необходимо отметить, что развитию АГнезависимо от пола способствует наличие аллели А гена AGTR2.В модель по изучению предрасположенности к МСО были включены гены APOE, REN,AGT, AGTR1, AGTR2, BDKRB2, MTHFR, NOS3, LPL, ACE.
Взаимодействия между нимианализировали как в группе в целом, так в отдельности у мальчиков и девочек. Модель из трехлокусов - APOE (E2/E3/E4) x BR1 (BDKRB2) (T/C) x LPL (C/G) имела высокую воспроизводимость(CVC=9/10) при тестируемой сбалансированной точности 0,82, чувствительности 0,98, испецифичности 0,66, χ2=195,06 (р<0,0001). К сочетаниям пониженного риска развития МСОотнесены три варианта (p>0,06), и два варианта отнесено к комбинациям повышенного риска этогозаболевания. Оптимальной моделью риска МСО у мальчиков была комбинация локусов APOE(E2/E3/E4) x AGT (M/T). Анализ данной модели обнаружил четыре сочетания повышенного и ниодну- комбинации пониженного риска развития МСО у мальчиков. Лучшей моделью риска МСОу девочек была комбинация локусов APOE (E2/E3/E4) x BR1 (BDKRB2) (T/C).
Анализ данноймодели установил одно сочетание повышенного риска и четыре - пониженного риска развитияМС. Таким образом, анализ межгенных взаимодействий генов-кандидатов МСО показал, чтонаряду с генами APOE, BDKRB2 и LPL, важный вклад в развитие данной патологии у детей можетвносить ген AGT.При построении GLM модели для оценки риска артериальной гипертензии в расчет быливключены гены REN, AGT, ACE, AGTR1, AGTR2, BDKRB2, MTHFR, а также клинические данные:возраст (В), наличие повышенного АД у матери (АД М), наличие повышенного АД у отца (АД О),наличие хронических заболеваний при беременности у матери (ХЗ Б), наличие АГ в периодбеременности у матери (АГ Б), вес, рост, ИМТ и пол.
В формулу первой модели общего риска АГвошли только гены ~ REN + AGTR2, её сбалансированная точность составила всего 58,5%.Формула вторая включала ~ В + АД О + ХЗ Б. Ее сбалансированная точность составила 70,7%.26Третья (~ В + ИМТ + АД О + ХЗ Б + ПОЛ), четвертая (~ В + АД М + AGTR1) и пятая (В + ВЕС +AGTR1) модели позволяли достичь высокой сбалансированной точности в 70,9%, 80,3% и 82,9%,соответственно.
Таким образом, наиболее высокие показатели сбалансированной точностиполучены для третьей, пятой и шестой модели, т.е. моделей, в которых, помимо клинических игенетических параметров, обязательно присутствуют показатели преморбидного фона. Подобныемодели были построены для оценки риска АД для мальчиков и девочек в отдельности.Установлено, что для оценки риска АГ у мальчиков целесообразно использовать формулу ~ В +ВЕС + РОСТ + АД М + AGTR1+ MTHFR + ACE, а для формирования группы риска – формулу ~AGTR1 + AGTR2 + MTHFR, а для девочек – общие модели с высокой сбалансированнойточностью.Аналогичные расчеты сбалансированной точности с помощью GLM модели былипроведены и для оценки риска МСО.
Как и при других GLM моделях максимальнаясбалансированная точность (более 90%), позволяющая надежно предсказывать заболевание былаполучена для тех GLM моделей, в которых, помимо клинических и генетических параметров,обязательно включали показатели преморбидного фона.Анализ классификаций наиболее значимых моделей был произведен с применением ROCкривых (табл. 13). Пригодность метода классификации оценивали по площади, ограниченнойROC-кривой и осью доли ложных положительных классификаций (см. табл.
13).Таблица 13.Значение показателя AUC для регрессионных моделей АГ и МСО.Показатели, включенные в модельАГ:МСО:Гены0,5860,561Клинические (анамнестические) данные0,8100,587Клинические данные (включая преморбидный фон)0,9180,971Генетические и анамнестические данные0,7660,565Генетические и клинические данные с преморбидным фоном0,8890,969Исходя из экспертной шкалы для значений AUC, модели, основанные только на «генетике»,обладали не высоким качеством теста. Показатели AUC для моделей, включающих какгенетические, так и клинические показатели, были разными и составили 0,766 и 0,565 для АГ иМСО, соответственно. При добавлении к клиническим данным данные преморбидного фона(первых симптомов заболевания) качество предсказания риска для АГ и МСО резко возрастало(AUC>0,918).
Таким образом, до начала заболевания и при наличии некоторой клиническойинформации о пациенте можно предказывать риск развития АГ у детей. Тогда как, риск МСО удетей можно предсказывать только при наличии информации о преморбидном фоне, когдазаболевание уже прогрессирует.Реконструкция первичной генной сети артериальной гипертензии и метаболическогосиндрома и ожирения. Реконструкцию генной сети АГ и анализ её ассоциации с генными сетямиожирения («obesity»), метаболического синдрома (инсулинорезистентности) («syndrome x» и«insulin resistance»), проводили с помощью программы ANDVisio.
Ассоциативная сеть включала154 гена (см. рис. 8), и каждое заболевание было ассоциировано с разным числом генов.Максимальное число генов было связано с гипертензией и ожирением, несколько меньше – синсулинрезистентностью, и единичные гены ассоциированы с метаболическим синдромом. Вбольшинстве случаев выбранные гены были связаны только с одним заболеванием, и тольконекоторые из них были ассоциированы с несколькими патологиями одновременно.Метаболический синдром (МС) оказался наиболее изолированным заболеванием, т.е. имел толькоодин общий ген (SREBF1), связанный с ожирением.
Гипертензия, ожирение иинсулинрезистентность имели несколько общих генов. В зависимости от особенностейвзаимодействия эти гены были подразделены на четыре группы.На основании проведенного анализа сложно выделить специфичные факторы рискаизученных патологий, однако можно предполагать, что есть общие механизмы развития данныхзаболеваний, и их вероятными участниками являются гены ADRB3, ADIPOQ, ADRB2, LPL, GH1,TNFA, POMC.27Рис.
8. Генетическаяассоциативнаясетьартериальнойгипертензиисожирениемиметаболическимсиндромом(инсулинрезистентностью). Овалами выделеныобщие группы гены,ассоциированныеснесколькимипатологиями (желтым –группа«цитокинов»,красным–группа«проопиомеланокортина», фиолетовым – группа«гормонароста»,зеленым – независимыегены).С помощью классических подходов было установлено, что определенные аллели геновAGTR1 (1166A>C) и AGTR2 (3123C>A) ассоциированы с риском развития АГ.
Математическиемодели построенные на основе метода MDR и метода GLM для АГ, включали гены-кандидаты:AGTR1, AGTR2, MTHFR, NOS3, AGT, REN, ACE, а для МСО - гены LPL, APOE, BR1 (BDKRB2),AGT. Необходимо отметить, что использование как «классического» расчета риска, так иоценку риска заболевания на основании математического моделирования следует проводитьисключительно для формирования групп риска, но не его индивидуального прогноза заболевания.Для точного прогноза риска АГ не могут быть использованы и GWAS-маркеры. Важноподчеркнуть, что помимо известных генов-кандидатов АГ и МС, теоретические исследованиягенных сетей показывают, что реальными генами – кандидатами этих заболеваний могут бытьгены - FOS, NPY (артериальная гипертензия) и IL10, IL6, TPD52, ENPP1, PCSK1 (метаболическийсиндром и ожирение).ЗАКЛЮЧЕНИЕАнализ результатов настоящего исследования позволил изучить эффект полиморфизмаодних и тех же генов на патогенез разных МФЗ, оценить целесообразность использования вдиагностике МФЗ GWAS-маркеров, провести поиск дифференциальных маркеров риска этихболезней, а также оценить перспективы применения системно-генетического подхода в изученииГ, АГ и МСО.Для решения этих задач был разработан «Фибр-биочип» и апробирован «Кардиочип»,позволяющие эффективно выявлять замены в генах «артериального давления» и в генах «системысвертывания крови и фибринолиза».