A sex-specific genome-wide association study of blood lipid levels in All of Us

该研究利用“全纳入”（All of Us）计划中 124,920 名多样化人群的基因组数据，通过性别分层的全基因组关联分析，鉴定出包括 CELSR2、GPAM 等在内的 5 个对血脂水平具有显著性别异质性效应的基因位点，突显了将性别因素纳入心血管风险评估的重要性。

要点

这篇文章讲述了一项关于**“男女身体里血脂（脂肪）代谢为何不同”**的大型基因研究。研究人员利用了一个名为"All of Us"的超级数据库，分析了超过 12 万人的基因和血液数据，试图找出导致男性和女性血脂水平差异的“基因密码”。

为了让你更容易理解，我们可以把身体里的血脂代谢系统想象成一个繁忙的“城市交通系统”，而基因就是控制这个交通系统的**“红绿灯”和“交通规则”**。

以下是这篇论文的通俗解读：

1. 为什么要做这项研究？（背景）

大家都知道，男性和女性的心脏病风险不一样。通常男性发病更早，而女性在绝经前心脏似乎更“强壮”一些。这很大程度上是因为血脂（比如坏胆固醇 LDL、好胆固醇 HDL、甘油三酯 TG）在男女体内的水平不同。

• 以前的认知：大家觉得这主要是激素（比如雌激素）在起作用，就像女性司机和男性司机开同一种车，因为“驾驶习惯”（激素）不同，所以路况（血脂）不同。
• 新的疑问：但是，除了激素，基因（也就是我们出厂自带的“交通规则”）在男女之间是不是也有不同的设定？以前因为样本不够大，没人能搞清楚这一点。

2. 他们做了什么？（方法）

研究人员像是一个超级侦探，调取了美国"All of Us"项目中124,920 人的数据。

• 数据量：这相当于把整个波士顿的人口都拉来做了一次体检和基因测序。
• 分组：他们把这些人分成三组：男性组、女性组、以及混合组。
• 任务：他们拿着放大镜（全基因组关联分析，GWAS），在每个人的基因里寻找那些控制“交通流量”（血脂水平）的特定开关。

3. 他们发现了什么？（核心发现）

研究验证了很多以前就知道的基因（比如大家都知道的 PCSK9 和 LDLR 基因，它们就像著名的“交通指挥员”）。但最有趣的是，他们发现了5 个“性别专属”的基因开关，这些开关在男性和女性身上的作用截然不同。

这就好比，同一个红绿灯，在男性身上是**“绿灯行”，在女性身上却是“红灯停”**，或者力度完全不同。

具体的“性别专属开关”：

• CELSR2 基因（男性的专属开关）

  • 现象：这个基因在男性身上对“好胆固醇”（HDL-C）的影响特别大。
  • 比喻：想象 CELSR2 是男性身体里一个**“好胆固醇加速器”。如果男性有这个特定的基因版本，他们的好胆固醇水平会明显升高。但在女性身上，这个加速器好像没插电**，不起作用。
  • 意义：这解释了为什么某些男性血脂特征独特，可能与男性特有的细胞压力反应有关。

• CMIP 基因（女性的专属开关）

  • 现象：这个基因在女性身上对“甘油三酯”（TG，一种脂肪）的影响很大。
  • 比喻：CMIP 就像是女性身体里控制**“脂肪仓库”的管家。特定的基因版本会让女性更容易囤积脂肪或改变脂肪分布（比如腰围），从而直接影响甘油三酯水平。但在男性身上，这个管家似乎休假了**。

• GPAM 和 PLTP 基因（女性的专属开关）

  • 现象：这两个基因在女性身上对“好胆固醇”（HDL-C）有显著影响。
  • 比喻：它们像是女性特有的**“好胆固醇净化器”**。女性拥有这些基因版本时，身体清理和运输好胆固醇的效率会改变，而男性则不受此规则约束。

• ZPR1 基因（女性的专属开关）

  • 现象：这个基因在女性身上影响“坏胆固醇”（LDL-C）。
  • 比喻：这是女性特有的**“坏胆固醇过滤器”**。

4. 这意味着什么？（结论与启示）

• 打破“一刀切”的观念：以前医生看血脂报告，可能用同一套标准去评估男女。但这篇论文告诉我们，男女的基因“底层代码”本来就不一样。同样的基因突变，在男人身上可能没事，在女人身上却可能导致血脂异常。
• 未来的医疗方向：
  • 精准医疗：未来的心脏病风险评估和药物开发，必须把性别作为一个核心因素。不能再用“男性标准”去套用女性，反之亦然。
  • 新靶点：这些新发现的基因（如 CELSR2 和 CMIP）成为了开发新药的潜在目标。也许未来我们可以针对男性开发一种药，针对女性开发另一种药，效果会更好。

总结

这就好比修路。以前我们认为修路规则（基因）对所有人（男女）都是一样的，只是司机（激素）开法不同。但这篇研究告诉我们，男女的“路”本身结构就不一样，有些路标（基因）只在男性身上起作用，有些只在女性身上起作用。

这项研究就像给医学界发了一张**“性别特异性地图”**，提醒我们：在对抗心脏病和血脂问题时，必须分性别看待，才能找到真正的解决方案。

技术摘要

这是一份关于《All of Us 研究中基于性别的血脂水平全基因组关联分析》（A sex-specific genome-wide association study of blood lipid levels in All of Us）的详细技术总结。

1. 研究背景与问题 (Problem)

• 背景： 心血管疾病（CVD）风险存在显著的性别差异。例如，缺血性心脏病在男性中比女性早发生 6-8 年，且绝经后女性的血脂谱会发生显著变化。现有的心血管风险评估工具（如 PREVENT 和 PCE）已考虑性别因素，但导致这些性别差异的遗传机制尚未被充分阐明。
• 现有局限： 既往关于血脂遗传关联的研究存在样本量不足、性别代表性不均或未专门探索性别特异性遗传关联的问题。大多数全基因组关联研究（GWAS）通常将男性和女性合并分析，可能掩盖了仅在单一性别中显著的遗传位点。
• 研究目标： 利用大规模、多样化的"All of Us"（AOU）队列数据，进行性别分层 GWAS，旨在：
  1. 验证已知的血脂相关基因。
  2. 发现具有性别异质性效应（sex-heterogeneous effects）的新遗传位点。
  3. 探索不同年龄组中性别对血脂代谢的特定遗传影响。

2. 研究方法 (Methodology)

• 研究人群与数据源：

  • 使用"All of Us"研究项目第 8 版控制级数据（2025 年 2 月访问）。
  • 样本量： 最终纳入 124,920 名参与者（女性 75,127 人，男性 49,793 人），具有短读长全基因组测序（srWGS）数据及血脂测量值。
  • 种族构成： 欧洲裔（67.1%），非洲裔（17.3%）等，具有高度多样性。
  • 表型数据： 包括低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、甘油三酯（TG）和总胆固醇（TC）。
  • 数据清洗： 排除单位错误、缺失值、负值；对于 LDL-C，选取每位受试者的最高记录值（以最大程度减少他汀类药物降脂效果的干扰），并确保其他血脂指标在同一时间点测量。

• 统计分析流程：

  • 质量控制 (QC)： 使用 PLINK2 和 REGENIE 进行 QC。过滤标准包括：次要等位基因频率 (MAF) ≤ 1%，哈迪 - 温伯格平衡 (HWE) p < 1×10⁻¹⁵，基因分型率 < 99%。
  • GWAS 模型： 使用 REGENIE v2.0.2 分别进行合并队列、女性专属和男性专属的 GWAS。
    • 对血脂数据进行秩次逆正态转换（Rank-based inverse normal transformation）。
    • 协变量：年龄、前 16 个遗传主成分（PCs）。合并分析中额外加入性别作为协变量。
    • 显著性阈值：经 Bonferroni 校正后，设定 $P < 5 \times 10^{-8}$（针对 4 种血脂表型）。
  • 基因水平分析： 使用 FUMA 和 MAGMA 将显著 SNP 映射到基因，定义基因组风险位点。
  • 性别特异性效应评估： 构建年龄调整的协方差分析（ANCOVA）模型，计算不同基因型下的边缘均值（EMMeans），并评估基因型 - 性别的交互作用。

3. 关键贡献与主要结果 (Key Contributions & Results)

A. 人群血脂分布特征

• 年龄与性别差异： 验证了既往发现：
  • HDL-C： 女性在所有年龄段的中位数均高于男性。
  • LDL-C： 50 岁前女性较低，但绝经后（>50 岁）女性 LDL-C 水平反超同龄男性。
  • TG： 男性在早期年龄段 TG 水平普遍高于女性。
  • TC： 绝经后女性总胆固醇水平显著升高。

B. 全基因组关联分析 (GWAS) 发现

• 总体发现： 在合并队列中鉴定出 1,766 个全基因组显著变异，验证了已知基因（如 LPL, ABCA1, CETP, PCSK9, LDLR, APOE 等），但未发现全新的非性别特异性位点。
• 性别特异性新发现： 通过性别分层分析，发现了 5 个 具有显著性别异质性效应的基因：

基因	性别特异性	关联表型	效应方向 (Beta)	关键发现描述
CELSR2	男性	HDL-C	$\beta_{male} = -0.045$ $\beta_{female} = -0.022$	仅在男性中表现出显著的剂量效应（携带等位基因越多，HDL-C 越低）。在女性中不显著。
GPAM	女性	HDL-C	$\beta_{female} = 0.042$ $\beta_{male} = 0.013$	仅在女性中显著关联，携带变异导致 HDL-C 升高。
PLTP	女性	HDL-C	$\beta_{female} = 0.060$ $\beta_{male} = 0.020$	仅在女性中显著关联，携带变异导致 HDL-C 升高。
ZPR1	女性	LDL-C	$\beta_{female} = 0.050$ $\beta_{male} = 0.014$	仅在女性中显著关联，携带变异导致 LDL-C 升高。
CMIP	女性	TG	$\beta_{female} = 0.037$ $\beta_{male} = 0.019$	仅在女性中显著关联，携带变异导致 TG 升高。

• 具体位点示例：
  • CELSR2 (rs7528419)：在男性中显示出强烈的剂量效应，但在女性中无显著差异。
  • CMIP (rs2925979)：在女性中显示出甘油三酯（TG）的剂量效应。

C. 机制探讨 (Discussion Insights)

• CELSR2： 可能与内质网（ER）应激的性别二态性有关。既往研究表明 CELSR2 敲除会影响脂质积累，且男性在青春期前缺乏睾酮可能导致 ER 应激易感性差异。
• CMIP： 可能与女性激素相互作用及脂肪分布有关。该基因位点已知与脂联素水平及腰臀比相关，可能通过调节胰岛素敏感性和脂肪分布，在女性中特异性地影响 TG 水平。

4. 研究局限性与应对 (Limitations)

• LDL-C 计算偏差： 部分 LDL-C 数据是通过 Friedewald 公式计算的（$TC - HDL - TG/5$），这可能引入偏差，特别是在低 LDL-C 水平时。研究通过选取“最高记录值”来尽量规避他汀类药物干扰，但仍需警惕计算带来的间接关联。
• 他汀类药物使用记录缺失： 约 17.1% 的参与者有他汀使用史，但结束时间缺失严重。研究策略是选取最高 LDL-C 值，假设这通常发生在药物治疗开始前，从而减少药物对遗传效应的掩盖。
• 机制未明： 虽然发现了统计关联，但尚未通过实验验证这些基因在特定性别中影响血脂的具体分子机制。

5. 研究意义 (Significance)

• 填补空白： 这是利用超大规模、多祖先队列（All of Us）进行的系统性性别分层血脂 GWAS，弥补了以往研究样本量不足或性别混合分析的缺陷。
• 精准医疗基础： 发现 CELSR2（男性特异性）和 CMIP/GPAM/PLTP/ZPR1（女性特异性）等基因，表明遗传风险评估必须考虑性别。忽略性别差异可能导致对特定人群心血管风险的误判。
• 未来方向： 为理解性激素、脂肪分布与脂质代谢基因之间的相互作用提供了新的靶点，有助于开发性别特异性的降脂药物或预防策略。

总结： 该研究利用 All of Us 的庞大样本，成功识别了多个仅在男性或女性中显著影响血脂水平的遗传位点，强调了在心血管遗传学研究中纳入性别分层分析的必要性，为未来的性别特异性精准医疗奠定了遗传学基础。