Meta-analysis of Cannabis Use Identifies Shared Genetic Loci with Sleep and Circadian Rhythms

这项针对 15 万多名样本的荟萃分析揭示了大麻使用与睡眠障碍（如失眠）及昼夜节律之间存在显著的共享遗传风险，并鉴定出包括 CADM2 和 SLC39A8 在内的 39 个独立遗传位点，表明两者在神经生物学机制上具有密切联系。

要点

这篇论文就像是一次**“基因侦探行动”**，科学家们试图解开一个大家常有的困惑：为什么有些人喜欢用大麻（Cannabis），而这些人往往又睡不好觉？这两者之间在身体里到底藏着什么共同的秘密？

为了让你更容易理解，我们可以把这篇研究想象成在寻找两棵看似不同的树（一棵叫“大麻使用”，一棵叫“睡眠问题”）之间，是否埋藏着相同的**“地下根系”**。

以下是用大白话和生动比喻对这篇研究的解读：

1. 他们做了什么？（把两股大人流汇成一股）

以前研究大麻基因的人，样本量比较小，就像是在一个小池塘里找鱼，很难看清全貌。
这次，科学家们把两个超级大的“基因数据库”（英国的 UK Biobank 和美国的 All of Us）里的数据合在了一起。这相当于把两个大池塘连成了一片**“基因大海”**，里面有超过 37 万人的数据。

• 结果： 他们在这片大海里，成功找到了 39 个 以前没发现或者没确认的“基因路标”（Loci）。这就像是在地图上标出了 39 个以前被忽略的宝藏点。

2. 这些基因藏在哪里？（大脑是唯一的“指挥部”）

研究发现，这些和大麻使用有关的基因，并不是散落在身体的各个角落（比如心脏或肝脏），而是几乎全部集中在大脑里，特别是那些负责控制神经信号和睡眠的区域。

• 比喻： 如果把人体比作一个城市，大脑就是“中央控制室”。这项研究告诉我们，关于“想不想吸大麻”的开关，就安装在这个控制室里，而不是在别的部门。
• 关键发现： 他们发现了一些具体的“控制员”（基因），比如 CADM2、HTR1A 等。这些名字听起来很复杂，但它们的作用就像是大脑里的“交通信号灯”或“睡眠调节器”。

3. 大麻和睡眠的“纠缠关系”（正负分明的遗传联系）

这是研究最精彩的部分。科学家发现，“爱用大麻”和“睡不好觉”在基因层面上是手拉手的。

• 正相关（一起出现）：

  • 如果你基因里容易有失眠，或者需要吃安眠药，那么你基因里也更容易有使用大麻的倾向。
  • 比喻： 就像“感冒”和“发烧”经常一起出现一样，基因里的“失眠倾向”和“大麻使用倾向”也是双胞胎兄弟。
  • 有趣的现象： 基因显示，爱用大麻的人，晚上更活跃（像夜猫子），而早上更困难（起不来床）。

• 负相关（互相排斥）：

  • 基因里那些让你喜欢早起（晨型人）的人，通常不太容易有大麻使用的问题。

4. 为什么会有这种联系？（因果还是巧合？）

大家可能会问：是因为失眠才去吸大麻，还是吸了大麻导致失眠？

• 研究结论： 通过一种叫“孟德尔随机化”的高级统计方法（可以理解为用基因做“时间机器”来推断因果），研究发现：很可能是失眠导致了人们去尝试大麻。
• 比喻： 就像是因为“肚子饿”（失眠）才去“找零食”（大麻）。很多人可能因为睡不好，想通过大麻来“自我治疗”，让自己放松或入睡。

5. 关于“做梦”的特别发现（REM 睡眠的反弹）

大家都知道，大麻会抑制快速眼动睡眠（REM），也就是做梦的阶段。

• 平时： 吸大麻时，梦变少了，甚至不做梦。
• 停吸后： 一旦停下来，大脑会疯狂地“补觉”，出现REM 反弹，导致做很多生动、甚至可怕的噩梦。
• 研究新发现： 基因数据显示，那些容易有噩梦或记得很多梦的人，基因上更容易去使用大麻。
• 推测： 这可能是一个循环：有些人因为容易做噩梦或睡不好，试图用大麻来“关掉”做梦的功能；或者反过来，因为基因导致睡眠紊乱，让他们更容易依赖大麻。

6. 一个特别的“嫌疑人”：SLC39A8 和 CADM2

研究中发现，在基因 SLC39A8 和 CADM2 这两个位置上，失眠和大麻使用的信号几乎完全重叠（就像两把钥匙插进了同一个锁孔）。

• 意义： 这强烈暗示，这两个基因可能同时控制着“睡眠调节”和“对大麻的易感性”。它们就像是连接这两座大山的地下隧道。

总结：这项研究告诉我们什么？

1. 不是巧合： 大麻使用和睡眠问题不仅仅是行为习惯的巧合，它们在基因蓝图上就是绑在一起的。
2. 大脑是关键： 这一切都发生在大脑的神经回路里，特别是那些管睡眠和情绪的开关。
3. 自我治疗的陷阱： 很多人可能因为睡不好（失眠）而去用大麻，但基因证据暗示，这种“自我治疗”可能源于共同的遗传风险，而且长期来看可能加剧睡眠问题（比如导致噩梦）。
4. 未来的方向： 既然知道了这些“基因路标”，未来的医生可能会根据一个人的基因，更精准地治疗失眠，或者在推荐大麻作为药物时更加谨慎，避免那些基因上容易“越陷越深”的人。

一句话概括： 这项研究就像给大脑做了一次"X 光扫描”，发现**“睡不好”和“爱用大麻”在基因深处是穿同一条裤子的**，它们共享着同一套大脑控制机制。

技术摘要

这是一份关于《大麻使用荟萃分析发现与睡眠和昼夜节律共享的遗传位点》（Meta-analysis of Cannabis Use Identifies Shared Genetic Loci with Sleep and Circadian Rhythms）的技术总结。

1. 研究背景与问题 (Problem)

• 背景：大麻是全球使用最广泛的药物，其使用既包括娱乐目的，也包括治疗慢性疼痛、多发性硬化症痉挛及睡眠障碍等医疗目的。公众对大麻的接受度显著提高，但其对身心健康（特别是睡眠）的生物学机制尚不完全清楚。
• 核心问题：尽管已知人们可能因睡眠问题而使用大麻进行自我治疗，但大麻使用的遗传结构及其与睡眠特征（如失眠、昼夜节律）之间的共享遗传易感性尚未被系统性地研究。
• 研究目标：利用大规模多民族队列数据，全面绘制大麻使用的遗传图谱，并深入探究其与睡眠障碍、昼夜节律偏好及客观睡眠指标之间的遗传关联。

2. 方法论 (Methodology)

• 数据来源：
  • UK Biobank (UKB)：包含约 50 万参与者，筛选出欧洲血统个体。
  • All of Us：美国基于纵向研究的多样化人群队列，包含超过 40 万参与者。
  • 样本量：荟萃分析共包含 152,807 例（大麻使用者）和 220,272 例（对照组），总计约 37 万人。
• 表型定义：
  • 大麻使用：基于问卷调查（UKB 字段 29104 和 All of Us 概念代码 1585636），回答“是”定义为病例，“否”定义为对照。
  • 睡眠表型：包括临床失眠诊断、失眠药物使用、自我报告的睡眠习惯、昼夜节律偏好（晨型/夜型）以及通过 Fitbit 设备测量的客观睡眠时长和夜间活动量。
• 统计分析流程：
  1. 全基因组关联分析 (GWAS)：在两个队列中分别使用 REGENIE v4.0 进行逻辑回归，调整年龄、性别、基因型芯片及前 10 个主成分（PCs）。
  2. 荟萃分析：使用 METAL 进行固定效应逆方差加权荟萃分析。
  3. 条件联合分析 (COJO)：使用 GCTA 识别独立的关联信号（独立位点）。
  4. 功能富集与通路分析：
     • 使用 FUMA 和 GProfiler 进行基因集富集分析。
     • 使用分层 LD 评分回归 (S-LDSC) 进行组织特异性富集分析（基于 GTEx 和脑细胞类型）。
  5. 遗传相关性分析：使用 LD Score Regression (LDSC) 计算大麻使用与各种睡眠/昼夜节律性状之间的遗传相关性 ($r_g$)。
  6. 共定位与精细定位：
     • 使用 PLACO 识别多效性位点。
     • 使用 SuSiE 和 Coloc 进行精细定位和共定位分析，确定共享的因果信号。
  7. 孟德尔随机化 (MR)：使用 TwoSampleMR 包评估失眠与大麻使用之间的因果关系。
  8. SMR (Summary-data-based Mendelian Randomization)：利用 eQTL 数据（Brain QTL）验证基因表达与表型的共定位。

3. 主要发现 (Key Results)

• 发现 39 个独立遗传位点：
  • 荟萃分析共鉴定出 39 个 独立的全基因组显著位点。
  • 成功复现了既往报道的 CADM2 位点，并发现了超过 20 个新的遗传位点。
  • 显著关联基因包括神经元基因（HTR1A, RAI1, SLC39A8, NCAM1, NF1, NPC1）和睡眠/昼夜节律相关基因。
• 组织特异性富集：
  • 大麻使用的遗传架构高度富集于中枢神经系统 (CNS) 和特定的脑细胞类型。
  • 通路分析显示与“脑形态发生”和"FOXO 介导的转录”显著相关。
  • SMR 分析发现 10 个独立变异在大脑 eQTL 数据中与大麻使用存在显著共定位。
• 与睡眠和昼夜节律的共享遗传结构：
  • 正相关：大麻使用与临床失眠 ($r_g = 0.184$)、失眠药物使用 ($r_g = 0.286$) 以及夜间身体活动呈显著正相关。
  • 负相关：大麻使用与晨型昼夜节律 ($r_g = -0.198$) 和白天活动呈显著负相关。
  • 客观数据验证：Fitbit 数据显示，大麻使用者的平均睡眠时长（7.10 小时）显著长于对照组（7.006 小时）。
• 精细定位与共定位：
  • 在 SLC39A8 位点发现大麻使用与临床失眠之间存在近乎完美的共定位 (Posterior Probability = 1)。
  • CADM2 和 NCAM1 位点也显示出显著的共定位信号 (pp.H4 > 0.7)。
• 孟德尔随机化：
  • 支持从失眠到大麻使用的因果作用 ($P = 0.00566$)，同时也发现大麻使用与失眠诊断增加之间存在关联。
• 梦境与 REM 睡眠：
  • 研究发现大麻使用与更高的梦境回忆率和噩梦频率相关，这可能与失眠的中介作用或停药后的 REM 反弹有关。

4. 关键贡献 (Key Contributions)

1. 样本量突破：通过整合 UK Biobank 和 All of Us 数据，将大麻使用的 GWAS 样本量提升至前所未有的规模，将已知位点从 11 个增加到 39 个。
2. 揭示神经生物学机制：明确了大麻使用的遗传基础主要集中在大脑，涉及神经递质受体（如 5-HT1A）、突触粘附分子（CADM2, NCAM1）和脂质代谢（NPC1），为理解大麻对记忆和神经可塑性的影响提供了新线索。
3. 阐明睡眠关联：首次在大样本水平上系统性地量化了大麻使用与临床失眠及昼夜节律紊乱之间的强遗传相关性，并指出了具体的共享基因位点（如 SLC39A8）。
4. 因果推断：通过孟德尔随机化提供了遗传学证据，支持失眠可能是驱动大麻使用的风险因素之一，同时也提示大麻使用可能反过来影响睡眠诊断。

5. 研究意义 (Significance)

• 公共卫生与临床：随着大麻合法化及医疗用途的普及，理解其遗传风险对于评估长期使用的副作用（特别是睡眠障碍和精神健康）至关重要。研究结果提示，有失眠或昼夜节律紊乱遗传倾向的人群可能更容易转向使用大麻进行自我治疗，从而增加成瘾风险。
• 药物研发：鉴定出的关键基因（如 HTR1A, CADM2, SLC39A8）为开发针对大麻使用障碍或相关睡眠障碍的新疗法提供了潜在的靶点。
• 机制探索：研究揭示了大麻使用、睡眠障碍和昼夜节律之间复杂的遗传重叠，表明它们可能共享共同的神经生物学通路（如突触功能和神经递质调节）。
• 未来方向：强调了需要进一步研究不同大麻品种（THC/CBD 比例）对睡眠的具体影响，以及区分“自我治疗”与“药物滥用”在遗传层面的细微差别。

总结：该研究通过大规模荟萃分析，不仅扩展了大麻使用的遗传图谱，更重要的是确立了其与睡眠障碍（特别是失眠）和昼夜节律紊乱之间紧密的共享遗传基础，为理解大麻使用的生物学机制及其对睡眠健康的影响提供了关键的遗传学证据。