夜雨聆风#孟德尔随机化分析#转录组分析#蛋白组分析#单细胞分析#网络药理学分析该篇题为《Identification of shared biomarkers in obesity and non-alcoholic fatty liver disease: a comprehensive analysis of Mendelian randomization and transcriptomic data》（肥胖和非酒精性脂肪性肝病中共享生物标志物的鉴定：对孟德尔随机分组和转录组数据的综合分析）的文献于2026年发表在《Frontiers in nutrition》，由山西白求恩医院团队完成，旨在通过多组学整合策略探索肥胖与非酒精性脂肪肝病（NAFLD）的因果关系及共享生物标志物。研究基于IEU Open GWAS数据库开展双向孟德尔随机化（MR）分析，证实肥胖对NAFLD具有显著因果效应（IVW-MRE: P=0.034, OR=1.252），而反向因果不成立。随后，利用GEO数据库中肥胖（GSE59034、GSE151839）和NAFLD（GSE135251、GSE89632）的转录组数据，通过差异表达分析获得134个共享差异基因；进一步采用LASSO回归与SVM-RFE机器学习算法交叉验证，筛选出NCAPH（上调）和IRS2（下调）两个共享生物标志物。ROC分析显示两者具有优异的诊断效能（AUC多>0.8），基于二者构建的列线图模型经校准曲线和决策曲线分析证实具有良好的临床预测价值。GSEA富集分析揭示两标志物共同参与"ECM-受体相互作用""Jak-STAT信号通路"等关键通路。此外，研究构建了TF-mRNA及lncRNA-miRNA-mRNA调控网络，发现NEAT1等lncRNA可通过hsa-miR-493-5p协同调控两标志物。qRT-PCR实验验证NCAPH在临床样本中显著上调，与生物信息学结果一致。该研究为肥胖与NAFLD的共病机制、分子诊断及靶向治疗提供了重要的新靶点和新视角。
文献链接：https://pubmed.ncbi.nlm.nih.gov/42137875/
一、研究背景及意义
肥胖（Obesity）与非酒精性脂肪肝病（Non-alcoholic fatty liver disease, NAFLD）是当今全球范围内日益严峻的公共卫生问题。据世界卫生组织（WHO）统计，全球超重和肥胖人口已超过20亿，其中6.5亿人达到临床肥胖标准。肥胖作为代谢综合征的核心组分，可直接诱发2型糖尿病、NAFLD、阻塞性睡眠呼吸暂停及骨关节炎，并与结直肠癌、乳腺癌等多种恶性肿瘤显著相关，每年导致约500万例过早死亡。NAFLD是一种以肝细胞内脂肪过度沉积（肝脂肪含量>5%）为特征的代谢相关性肝病，排除酒精摄入及其他明确肝损伤因素后即可诊断。其核心病因涵盖胰岛素抵抗、脂质代谢紊乱和氧化应激，并与遗传易感性（如PNPLA3基因突变）及环境因素（高热量饮食、久坐生活方式）协同作用。尽管肥胖与NAFLD的流行病学关联已得到充分证实，但连接肥胖相关脂肪组织扩张与肝细胞脂毒性的具体分子通路（如肠-肝轴、线粒体功能障碍、表观遗传调控）尚未完全阐明，跨器官代谢串扰的机制研究仍显不足。孟德尔随机化（Mendelian Randomization, MR）分析利用全基因组关联研究（GWAS）数据中的单核苷酸多态性（SNPs）作为遗传工具变量，能够有效规避传统观察性研究中的混杂偏倚，为揭示暴露因素与结局之间的因果关系提供强有力的遗传学证据。然而，现有MR研究对肥胖与NAFLD因果关系的遗传学证据仍不充分，且缺乏多组学层面的系统验证。该研究通过整合MR分析与转录组学数据，旨在：（1）明确肥胖与NAFLD之间的双向因果关系；（2）筛选并鉴定两种疾病共有的生物标志物；（3）探索这些标志物的生物学功能、调控网络及临床诊断价值；（4）通过qRT-PCR实验验证生物标志物的表达模式。该研究为深入理解肥胖向NAFLD进展的遗传机制提供了新视角，并为NAFLD的分子诊断和个体化治疗策略的开发奠定了理论基础。
二、研究创新点
1. 因果推断与多组学整合的范式创新：
本研究首次将双向孟德尔随机化分析与转录组学、机器学习算法及实验验证相结合，构建了"遗传因果推断→多组学标志物筛选→临床诊断模型构建→实验验证"的完整研究链条。这种多维度、跨层次的整合分析策略，突破了单一组学研究的局限性，为复杂代谢性疾病的机制解析提供了可借鉴的方法学框架。2. 共享生物标志物的首次发现：
通过LASSO回归与支持向量机-递归特征消除（SVM-RFE）两种机器学习算法的交叉验证，该研究首次鉴定出NCAPH和IRS2作为肥胖与NAFLD的共享生物标志物。其中，NCAPH在既往研究中尚未被报道与肥胖或NAFLD相关，其在该领域的发现具有原创性意义；IRS2作为胰岛素信号通路的关键接头蛋白，其下调与肝胰岛素抵抗的关系在本研究中得到了多队列的系统性验证。3. 临床转化价值的深度挖掘：
研究不仅评估了共享生物标志物的诊断效能（ROC曲线分析），还基于这两个标志物构建了预测肥胖和NAFLD发病风险的列线图（Nomogram）模型，并通过校准曲线和决策曲线分析（DCA）证实了模型的可靠性和临床应用价值。这种从基础研究到临床预测模型的转化思路，增强了研究成果的实际应用前景。4. 调控网络的多层次解析：
研究构建了转录因子（TF）-mRNA调控网络和lncRNA-miRNA-mRNA竞争性内源RNA（ceRNA）网络，揭示了NEAT1、MALAT1、FTX等lncRNA通过hsa-miR-493-5p同时调控NCAPH和IRS2的分子机制，为理解两种疾病的共同调控架构提供了网络层面的新证据。5. 实验验证与生物信息学预测的一致性：
qRT-PCR实验结果证实NCAPH在临床肥胖合并NAFLD样本中显著上调，与生物信息学分析结果完全一致，增强了研究结论的可信度和可重复性。
关注即成长👆👆，优质内容助你更上一层！
三、研究思路及技术路线
该研究遵循"因果推断→差异筛选→标志物鉴定→功能解析→实验验证"的逻辑主线，技术路线如下：第一阶段：因果关系的遗传学验证• 数据来源：IEU Open GWAS数据库，纳入欧洲人群的肥胖相关GWAS数据集（finn-b-E4_OBESITY，218,735例样本）和NAFLD相关GWAS数据集（finn-b-NAFLD，218,792例样本）。•分析方法：采用双向两样本孟德尔随机化设计，以肥胖为暴露、NAFLD为结局进行正向MR分析；反向以NAFLD为暴露、肥胖为结局进行反向MR分析。• 质控流程：SNP筛选阈值P<5×10⁻⁶，排除连锁不平衡（LD r²>0.001，物理距离<10,000kb），去除与结局显著相关的SNP，协调效应等位基因和效应量，剔除弱工具变量（F值<10）。•敏感性分析：Cochran's Q检验评估异质性，MR-Egger截距检验评估水平多效性，留一法（LOO）分析评估结果稳健性。第二阶段：转录组差异基因的筛选与交集•训练集：GEO数据库GSE59034（肥胖，16例肥胖+16例正常）和GSE135251（NAFLD，206例NAFLD+10例正常）。•验证集：GSE151839（肥胖，10例肥胖+10例正常）和GSE89632（NAFLD，39例NAFLD+24例正常）。•差异分析：GSE59034使用limma包，GSE135251使用DESeq2包，筛选标准|log₂FC|>0.5且adj.P<0.05。•共享基因鉴定：通过Venn图取GSE59034和GSE135251中共同上调和共同下调的差异表达基因（DEGs），获得134个共享DEGs。第三阶段：机器学习筛选核心标志物• 验证集表达一致性检验：Wilcoxon检验筛选在验证集中表达趋势与训练集一致的基因（P<0.05），获得21个候选基因。• LASSO回归：使用glmnet包在训练集中进行特征选择，通过交叉验证确定最优lambda值。• SVM-RFE：使用e1071包进行递归特征消除，以最小误差率和最高准确率确定最优特征子集。•标志物确定：取LASSO和SVM-RFE结果的交集，最终确定NCAPH和IRS2为共享生物标志物。第四阶段：诊断效能评估与临床模型构建• 表达水平分析：Wilcoxon检验比较标志物在疾病组与正常组的表达差异。• ROC曲线分析：使用pROC包评估标志物区分疾病与正常样本的能力。• 列线图构建：使用rms包基于两个标志物构建预测模型，绘制校准曲线和决策曲线。第五阶段：功能机制深度解析• GSEA富集分析：使用clusterProfiler包进行单基因GSEA，探索标志物相关的KEGG信号通路。• 蛋白互作网络：STRING数据库构建PPI网络，GeneMANIA数据库预测功能互作网络。• 染色体定位：Circos网站可视化标志物在染色体上的分布。•亚细胞定位：mRNALocater数据库分析标志物的细胞内分布。•调控网络构建：ENCODE数据库获取转录因子，StarBase、miRDB、miRcode数据库预测miRNA和lncRNA，构建TF-mRNA和ceRNA网络。第六阶段：实验验证• 样本采集：山西白求恩医院5例肥胖合并NAFLD患者和5例健康对照的肝脏及大网膜脂肪组织。• qRT-PCR验证：TRIzol法提取总RNA，逆转录合成cDNA，2⁻ΔΔCt法计算相对表达量，验证NCAPH和IRS2的表达模式。
四、使用分析方法
该研究综合运用了遗传流行病学、生物信息学、机器学习和分子生物学等多学科方法，具体如下：1. 孟德尔随机化（Mendelian Randomization, MR）分析 MR是一种基于遗传变异的因果推断方法，利用与暴露因素强相关的遗传变异（工具变量，IVs）来推断暴露与结局之间的因果关系。本研究采用双向两样本MR设计，主要方法包括： • 逆方差加权法（Inverse Variance Weighted, IVW）：作为主要分析方法，假设所有SNP均为有效工具变量，通过加权线性回归估计因果效应。 • MR-Egger回归：允许存在定向多效性，通过截距项检验水平多效性（P>0.05提示无多效性）。 • 加权中位数法（Weighted Median）：假设至少50%的工具变量有效，提供更稳健的效应估计。 • 简单模式（Simple Mode）和加权模式（Weighted Mode）：基于零模态多效性假设，对异常值不敏感。 • IVW-乘法随机效应模型（IVW-MRE）：当Cochran's Q检验提示存在异质性（P<0.05）时，采用随机效应模型进行校正。2. 差异表达基因（DEGs）分析 • limma包（v3.52.4）：用于GSE59034芯片数据的线性模型差异分析，通过经验贝叶斯方法调节标准误差，提高小样本检验的效能。 • DESeq2包（v1.36.0）：用于GSE135251 RNA-seq数据的差异分析，基于负二项分布模型和收缩估计量（shrinkage estimator）稳定方差估计。 • 可视化：ggplot2包绘制火山图，ComplexHeatmap包绘制热图。3. 机器学习算法 • LASSO（Least Absolute Shrinkage and Selection Operator）回归：通过L1正则化将不重要的回归系数压缩至零，实现特征选择和降维。使用glmnet包（v4.1-4），通过10折交叉验证确定最优lambda值（lambda.min）。 • SVM-RFE（Support Vector Machine-Recursive Feature Elimination）：结合支持向量机的分类能力和递归特征消除策略，通过迭代移除权重最小的特征，筛选最优特征子集。使用e1071包（v1.7-13），以5折交叉验证的误差率和准确率作为评价指标。4. 功能富集分析 • clusterProfiler包：用于GO（Gene Ontology）和KEGG（Kyoto Encyclopedia of Genes and Genomes）富集分析，采用超几何检验评估基因集的富集显著性，P<0.05为显著。 • GSEA（Gene Set Enrichment Analysis）：单基因GSEA分析，计算标志物与所有其他基因的相关系数并排序，使用MsigDB的KEGG基因集进行富集，筛选标准P<0.05且|NES|>1。5. 诊断效能评估 • pROC包：绘制ROC曲线并计算AUC（Area Under Curve）、灵敏度、特异度及95%置信区间，评估标志物的诊断准确性。 • rms包：构建Logistic回归列线图，通过校准曲线（Calibration Curve）评估预测概率与实际概率的一致性，通过决策曲线分析（Decision Curve Analysis, DCA）评估不同阈值概率下的临床净获益。6. 网络构建与可视化 • STRING数据库：构建PPI网络，最低相互作用评分>0.4。 • GeneMANIA：预测基因共表达、物理相互作用、通路共享等功能关系。 • Cytoscape：可视化TF-mRNA调控网络。 • ggalluvial包：绘制lncRNA-miRNA-mRNA的桑基图（Sankey diagram）。 • Circos：染色体定位可视化。 • mRNALocater：亚细胞定位预测。7. 实验验证方法 • qRT-PCR（定量实时聚合酶链式反应）：使用SYBR Green法，以GAPDH为内参，2⁻ΔΔCt法计算相对表达量。
关注即成长👆👆，优质内容助你更上一层！
五、主要研究结果
1. 孟德尔随机化分析结果正向MR分析（肥胖→NAFLD）显示，IVW-MRE方法下肥胖对NAFLD具有显著的因果效应（P=0.034，OR=1.252），表明肥胖是NAFLD的危险因素，可使NAFLD发病风险增加25.2%。散点图显示正向斜率，森林图中MR效应量大于0，漏斗图符合孟德尔第二定律的随机分组假设。敏感性分析中，Cochran's Q检验提示存在异质性（P<0.05），故采用IVW-MRE模型校正；MR-Egger截距检验提示无水平多效性（P=0.824>0.05）；LOO分析显示剔除任一SNP后结果仍稳健。反向MR分析（NAFLD→肥胖）未发现显著因果效应（IVW: P=0.570），提示NAFLD对肥胖的因果影响不成立。2. 差异表达基因筛选结果 GSE59034数据集鉴定出908个DEGs（717个上调，191个下调）；GSE135251数据集鉴定出4,438个DEGs（2,319个上调，2,119个下调）。Venn图交集分析获得134个共享DEGs（101个共同上调，33个共同下调）。PPI网络包含92个节点和245条边，其中MMP9、TGFB1、GPNMB和CD163为网络中的关键节点。3. 功能富集分析结果 GO分析显示134个共享DEGs富集于1,091个条目，主要涉及"中性粒细胞活化"、"免疫效应过程调控"、"免疫系统过程负调控"、"小胶质细胞活化参与免疫应答"等免疫相关生物学过程。KEGG分析富集到28条显著通路（P<0.05），包括"肾素-血管紧张素系统"、"破骨细胞分化"、"脂肪细胞脂解调控"、"AMPK信号通路"、"FoxO信号通路"等，凸显了细胞活化和免疫相关通路在肥胖与NAFLD发病机制中的重要性。4. 机器学习筛选结果在验证集中，21个基因的表达差异显著（P<0.05）且与训练集表达趋势一致，被确定为候选基因。 • GSE59034（肥胖训练集）：LASSO筛选出7个特征基因（MR1、NCAPH、LAMB3、SQLE、CX3CR1、PFKFB3、IRS2，lambda.min=0.0296）；SVM-RFE筛选出7个特征基因（NCAPH、SQLE、SLC19A2、CX3CR1、IRS2、PFKFB3、ACP5，误差率0.113，准确率0.944）。 • GSE135251（NAFLD训练集）：LASSO筛选出6个特征基因（NCAPH、ITGB5、ACP5、SLCO2B1、MAP3K5、IRS2，lambda.min=1×10⁻⁴）；SVM-RFE筛选出21个特征基因（误差率0.00898，准确率0.991）。取交集后，最终确定NCAPH和IRS2为肥胖与NAFLD的共享生物标志物。5. 共享生物标志物的表达特征与诊断效能 • 表达模式：在训练集和验证集中，NCAPH在疾病样本中均显著上调，IRS2均显著下调，呈现稳定且相反的调控模式。 • ROC分析：在肥胖数据集中，NCAPH的AUC分别为0.965（GSE59034）和0.830（GSE151839）；IRS2的AUC分别为0.953（GSE59034）和0.840（GSE151839）。在NAFLD数据集中，NCAPH的AUC分别为0.778（GSE135251）和0.677（GSE89632）；IRS2的AUC分别为0.999（GSE135251）和0.844（GSE89632）。所有AUC均>0.6，多数接近或高于0.8，显示出优异的疾病-正常区分能力，尤其是IRS2在NAFLD训练集中的AUC接近1，提示其作为诊断指标的潜力。6. 列线图模型的构建与评估基于NCAPH和IRS2构建的列线图在训练集中表现出良好的预测效能。校准曲线与理想曲线高度吻合，提示模型预测概率与实际发生概率一致性好。决策曲线分析显示，列线图的临床净获益高于单个标志物，表明该模型具有较高的临床参考价值。7. GSEA富集分析结果在NAFLD样本中，NCAPH和IRS2共同显著富集于"ECM-受体相互作用"、"TGF-beta信号通路"、"p53信号通路"、"MAPK信号通路"、"Jak-STAT信号通路"、"细胞因子-细胞因子受体相互作用"等通路。在肥胖样本中，两基因共同富集于"趋化因子信号通路"、"Fc gamma R介导的吞噬作用"、"NOD样受体信号通路"、"Toll样受体信号通路"、"ECM-受体相互作用"、"Jak-STAT信号通路"等。这些结果强调了两个共享标志物参与多条可能促进肥胖和NAFLD进展的生物学通路。8. 功能互作网络分析 GeneMANIA分析显示，NCAPH和IRS2与NCAPG、SMC2、SMC4、NCAPD2等基因存在显著的共表达和物理相互作用，共同参与"染色体凝缩"、"细胞对胰岛素刺激的反应"、"胰岛素反应"等生物学功能。9. 染色体定位与亚细胞定位 NCAPH定位于2号染色体，IRS2定位于13号染色体。亚细胞定位分析显示，两基因在细胞核和细胞质中均有高表达。10. 调控网络分析 TF-mRNA网络包含34个节点和32条边，NCAPH受28个转录因子调控（如MTA2、GABPA等），IRS2受4个转录因子调控（如ZBTB7A、NFE2L2等）。ceRNA网络包含2个共享标志物、24个miRNA和10个lncRNA。关键调控关系包括：lncRNA（NEAT1、MALAT1、FTX）可通过hsa-miR-493-5p同时调控NCAPH和IRS2；hsa-let-7家族成员（let-7a-5p、let-7b-5p、let-7c-5p、let-7e-5p、let-7f-5p、let-7g-5p、let-7i-5p）参与IRS2的调控。11. qRT-PCR实验验证结果在临床样本中，NCAPH在疾病组织中显著上调（P=0.0428），与生物信息学分析结果完全一致。IRS2虽呈现下调趋势，但未达到统计学显著性（P=0.4666），作者认为这可能与样本量较小、组织细胞异质性、疾病阶段依赖性及胰岛素信号通路的反馈调节有关。
六、对其他研究领域的启发
1. 对代谢性疾病多组学研究的启发 该研究展示了"MR因果推断+转录组差异分析+机器学习特征筛选+实验验证"的整合研究范式，为其他代谢性疾病（如2型糖尿病、代谢综合征、多囊卵巢综合征等）的共享机制研究提供了可复制的技术路线。特别是LASSO与SVM-RFE的交叉验证策略，可有效降低单一算法的假阳性率，提高标志物筛选的可靠性，值得在肿瘤免疫、心血管疾病等领域推广。2. 对NAFLD精准诊断的启发 该研究构建的基于NCAPH和IRS2的列线图模型，展示了从生物标志物到临床预测工具的转化路径。未来可探索将这两个标志物与现有临床指标（如BMI、ALT、AST、肝脏弹性成像等）整合，开发多指标联合诊断模型。此外，NCAPH作为新发现的标志物，其在血清或外周血中的表达水平是否可作为无创诊断指标，值得进一步研究。3. 对肥胖-NAFLD共病机制研究的启发研究揭示的"炎症-纤维化-代谢"三联通路（细胞因子-细胞因子受体相互作用、ECM-受体相互作用、Jak-STAT信号通路）为理解肥胖向NAFLD进展的分子桥梁提供了关键节点。这提示后续研究应重点关注：（1）NCAPH在肝细胞炎症浸润和纤维化启动中的具体作用；（2）IRS2下调导致胰岛素抵抗的下游效应（如PI3K/AKT/FOXO1通路失调）；（3）两个标志物在肠-肝轴、脂肪-肝脏串扰中的调控角色。4. 对非编码RNA调控网络研究的启发 ceRNA网络中发现的NEAT1/hsa-miR-493-5p/NCAPH-IRS2调控轴，为lncRNA在代谢性疾病中的功能研究提供了新靶点。NEAT1和MALAT1作为已知的促癌lncRNA，其在代谢性疾病中的角色尚未充分挖掘。该研究提示，这些lncRNA可能通过竞争性结合miRNA，解除对靶基因的抑制，从而协同调控肥胖和NAFLD的病理进程。这一发现为开发靶向ceRNA网络的治疗策略（如miRNA模拟物或lncRNA抑制剂）提供了理论依据。
总结
该研究通过整合孟德尔随机化分析、转录组学数据挖掘、机器学习算法和实验验证，系统阐明了肥胖与NAFLD之间的因果关系，并首次鉴定出NCAPH和IRS2作为两种疾病的共享生物标志物。
若需复现该文章分析方法，可私！
该篇题为《Identification of shared biomarkers in obesity and non-alcoholic fatty liver disease: a comprehensive analysis of Mendelian randomization and transcriptomic data》（肥胖和非酒精性脂肪性肝病中共享生物标志物的鉴定：对孟德尔随机分组和转录组数据的综合分析）的文献于2026年发表在《Frontiers in nutrition》，由山西白求恩医院团队完成，旨在通过多组学整合策略探索肥胖与非酒精性脂肪肝病（NAFLD）的因果关系及共享生物标志物。研究基于IEU Open GWAS数据库开展双向孟德尔随机化（MR）分析，证实肥胖对NAFLD具有显著因果效应（IVW-MRE: P=0.034, OR=1.252），而反向因果不成立。随后，利用GEO数据库中肥胖（GSE59034、GSE151839）和NAFLD（GSE135251、GSE89632）的转录组数据，通过差异表达分析获得134个共享差异基因；进一步采用LASSO回归与SVM-RFE机器学习算法交叉验证，筛选出NCAPH（上调）和IRS2（下调）两个共享生物标志物。ROC分析显示两者具有优异的诊断效能（AUC多>0.8），基于二者构建的列线图模型经校准曲线和决策曲线分析证实具有良好的临床预测价值。GSEA富集分析揭示两标志物共同参与"ECM-受体相互作用""Jak-STAT信号通路"等关键通路。此外，研究构建了TF-mRNA及lncRNA-miRNA-mRNA调控网络，发现NEAT1等lncRNA可通过hsa-miR-493-5p协同调控两标志物。qRT-PCR实验验证NCAPH在临床样本中显著上调，与生物信息学结果一致。该研究为肥胖与NAFLD的共病机制、分子诊断及靶向治疗提供了重要的新靶点和新视角。
文献链接：https://pubmed.ncbi.nlm.nih.gov/42137875/
一、研究背景及意义
肥胖（Obesity）与非酒精性脂肪肝病（Non-alcoholic fatty liver disease, NAFLD）是当今全球范围内日益严峻的公共卫生问题。据世界卫生组织（WHO）统计，全球超重和肥胖人口已超过20亿，其中6.5亿人达到临床肥胖标准。肥胖作为代谢综合征的核心组分，可直接诱发2型糖尿病、NAFLD、阻塞性睡眠呼吸暂停及骨关节炎，并与结直肠癌、乳腺癌等多种恶性肿瘤显著相关，每年导致约500万例过早死亡。NAFLD是一种以肝细胞内脂肪过度沉积（肝脂肪含量>5%）为特征的代谢相关性肝病，排除酒精摄入及其他明确肝损伤因素后即可诊断。其核心病因涵盖胰岛素抵抗、脂质代谢紊乱和氧化应激，并与遗传易感性（如PNPLA3基因突变）及环境因素（高热量饮食、久坐生活方式）协同作用。尽管肥胖与NAFLD的流行病学关联已得到充分证实，但连接肥胖相关脂肪组织扩张与肝细胞脂毒性的具体分子通路（如肠-肝轴、线粒体功能障碍、表观遗传调控）尚未完全阐明，跨器官代谢串扰的机制研究仍显不足。孟德尔随机化（Mendelian Randomization, MR）分析利用全基因组关联研究（GWAS）数据中的单核苷酸多态性（SNPs）作为遗传工具变量，能够有效规避传统观察性研究中的混杂偏倚，为揭示暴露因素与结局之间的因果关系提供强有力的遗传学证据。然而，现有MR研究对肥胖与NAFLD因果关系的遗传学证据仍不充分，且缺乏多组学层面的系统验证。该研究通过整合MR分析与转录组学数据，旨在：（1）明确肥胖与NAFLD之间的双向因果关系；（2）筛选并鉴定两种疾病共有的生物标志物；（3）探索这些标志物的生物学功能、调控网络及临床诊断价值；（4）通过qRT-PCR实验验证生物标志物的表达模式。该研究为深入理解肥胖向NAFLD进展的遗传机制提供了新视角，并为NAFLD的分子诊断和个体化治疗策略的开发奠定了理论基础。
二、研究创新点
1. 因果推断与多组学整合的范式创新：
本研究首次将双向孟德尔随机化分析与转录组学、机器学习算法及实验验证相结合，构建了"遗传因果推断→多组学标志物筛选→临床诊断模型构建→实验验证"的完整研究链条。这种多维度、跨层次的整合分析策略，突破了单一组学研究的局限性，为复杂代谢性疾病的机制解析提供了可借鉴的方法学框架。2. 共享生物标志物的首次发现：
通过LASSO回归与支持向量机-递归特征消除（SVM-RFE）两种机器学习算法的交叉验证，该研究首次鉴定出NCAPH和IRS2作为肥胖与NAFLD的共享生物标志物。其中，NCAPH在既往研究中尚未被报道与肥胖或NAFLD相关，其在该领域的发现具有原创性意义；IRS2作为胰岛素信号通路的关键接头蛋白，其下调与肝胰岛素抵抗的关系在本研究中得到了多队列的系统性验证。3. 临床转化价值的深度挖掘：
研究不仅评估了共享生物标志物的诊断效能（ROC曲线分析），还基于这两个标志物构建了预测肥胖和NAFLD发病风险的列线图（Nomogram）模型，并通过校准曲线和决策曲线分析（DCA）证实了模型的可靠性和临床应用价值。这种从基础研究到临床预测模型的转化思路，增强了研究成果的实际应用前景。4. 调控网络的多层次解析：
研究构建了转录因子（TF）-mRNA调控网络和lncRNA-miRNA-mRNA竞争性内源RNA（ceRNA）网络，揭示了NEAT1、MALAT1、FTX等lncRNA通过hsa-miR-493-5p同时调控NCAPH和IRS2的分子机制，为理解两种疾病的共同调控架构提供了网络层面的新证据。5. 实验验证与生物信息学预测的一致性：
qRT-PCR实验结果证实NCAPH在临床肥胖合并NAFLD样本中显著上调，与生物信息学分析结果完全一致，增强了研究结论的可信度和可重复性。
关注即成长👆👆，优质内容助你更上一层！
三、研究思路及技术路线
该研究遵循"因果推断→差异筛选→标志物鉴定→功能解析→实验验证"的逻辑主线，技术路线如下：第一阶段：因果关系的遗传学验证• 数据来源：IEU Open GWAS数据库，纳入欧洲人群的肥胖相关GWAS数据集（finn-b-E4_OBESITY，218,735例样本）和NAFLD相关GWAS数据集（finn-b-NAFLD，218,792例样本）。•分析方法：采用双向两样本孟德尔随机化设计，以肥胖为暴露、NAFLD为结局进行正向MR分析；反向以NAFLD为暴露、肥胖为结局进行反向MR分析。• 质控流程：SNP筛选阈值P<5×10⁻⁶，排除连锁不平衡（LD r²>0.001，物理距离<10,000kb），去除与结局显著相关的SNP，协调效应等位基因和效应量，剔除弱工具变量（F值<10）。•敏感性分析：Cochran's Q检验评估异质性，MR-Egger截距检验评估水平多效性，留一法（LOO）分析评估结果稳健性。第二阶段：转录组差异基因的筛选与交集•训练集：GEO数据库GSE59034（肥胖，16例肥胖+16例正常）和GSE135251（NAFLD，206例NAFLD+10例正常）。•验证集：GSE151839（肥胖，10例肥胖+10例正常）和GSE89632（NAFLD，39例NAFLD+24例正常）。•差异分析：GSE59034使用limma包，GSE135251使用DESeq2包，筛选标准|log₂FC|>0.5且adj.P<0.05。•共享基因鉴定：通过Venn图取GSE59034和GSE135251中共同上调和共同下调的差异表达基因（DEGs），获得134个共享DEGs。第三阶段：机器学习筛选核心标志物• 验证集表达一致性检验：Wilcoxon检验筛选在验证集中表达趋势与训练集一致的基因（P<0.05），获得21个候选基因。• LASSO回归：使用glmnet包在训练集中进行特征选择，通过交叉验证确定最优lambda值。• SVM-RFE：使用e1071包进行递归特征消除，以最小误差率和最高准确率确定最优特征子集。•标志物确定：取LASSO和SVM-RFE结果的交集，最终确定NCAPH和IRS2为共享生物标志物。第四阶段：诊断效能评估与临床模型构建• 表达水平分析：Wilcoxon检验比较标志物在疾病组与正常组的表达差异。• ROC曲线分析：使用pROC包评估标志物区分疾病与正常样本的能力。• 列线图构建：使用rms包基于两个标志物构建预测模型，绘制校准曲线和决策曲线。第五阶段：功能机制深度解析• GSEA富集分析：使用clusterProfiler包进行单基因GSEA，探索标志物相关的KEGG信号通路。• 蛋白互作网络：STRING数据库构建PPI网络，GeneMANIA数据库预测功能互作网络。• 染色体定位：Circos网站可视化标志物在染色体上的分布。•亚细胞定位：mRNALocater数据库分析标志物的细胞内分布。•调控网络构建：ENCODE数据库获取转录因子，StarBase、miRDB、miRcode数据库预测miRNA和lncRNA，构建TF-mRNA和ceRNA网络。第六阶段：实验验证• 样本采集：山西白求恩医院5例肥胖合并NAFLD患者和5例健康对照的肝脏及大网膜脂肪组织。• qRT-PCR验证：TRIzol法提取总RNA，逆转录合成cDNA，2⁻ΔΔCt法计算相对表达量，验证NCAPH和IRS2的表达模式。
四、使用分析方法
该研究综合运用了遗传流行病学、生物信息学、机器学习和分子生物学等多学科方法，具体如下：1. 孟德尔随机化（Mendelian Randomization, MR）分析 MR是一种基于遗传变异的因果推断方法，利用与暴露因素强相关的遗传变异（工具变量，IVs）来推断暴露与结局之间的因果关系。本研究采用双向两样本MR设计，主要方法包括： • 逆方差加权法（Inverse Variance Weighted, IVW）：作为主要分析方法，假设所有SNP均为有效工具变量，通过加权线性回归估计因果效应。 • MR-Egger回归：允许存在定向多效性，通过截距项检验水平多效性（P>0.05提示无多效性）。 • 加权中位数法（Weighted Median）：假设至少50%的工具变量有效，提供更稳健的效应估计。 • 简单模式（Simple Mode）和加权模式（Weighted Mode）：基于零模态多效性假设，对异常值不敏感。 • IVW-乘法随机效应模型（IVW-MRE）：当Cochran's Q检验提示存在异质性（P<0.05）时，采用随机效应模型进行校正。2. 差异表达基因（DEGs）分析 • limma包（v3.52.4）：用于GSE59034芯片数据的线性模型差异分析，通过经验贝叶斯方法调节标准误差，提高小样本检验的效能。 • DESeq2包（v1.36.0）：用于GSE135251 RNA-seq数据的差异分析，基于负二项分布模型和收缩估计量（shrinkage estimator）稳定方差估计。 • 可视化：ggplot2包绘制火山图，ComplexHeatmap包绘制热图。3. 机器学习算法 • LASSO（Least Absolute Shrinkage and Selection Operator）回归：通过L1正则化将不重要的回归系数压缩至零，实现特征选择和降维。使用glmnet包（v4.1-4），通过10折交叉验证确定最优lambda值（lambda.min）。 • SVM-RFE（Support Vector Machine-Recursive Feature Elimination）：结合支持向量机的分类能力和递归特征消除策略，通过迭代移除权重最小的特征，筛选最优特征子集。使用e1071包（v1.7-13），以5折交叉验证的误差率和准确率作为评价指标。4. 功能富集分析 • clusterProfiler包：用于GO（Gene Ontology）和KEGG（Kyoto Encyclopedia of Genes and Genomes）富集分析，采用超几何检验评估基因集的富集显著性，P<0.05为显著。 • GSEA（Gene Set Enrichment Analysis）：单基因GSEA分析，计算标志物与所有其他基因的相关系数并排序，使用MsigDB的KEGG基因集进行富集，筛选标准P<0.05且|NES|>1。5. 诊断效能评估 • pROC包：绘制ROC曲线并计算AUC（Area Under Curve）、灵敏度、特异度及95%置信区间，评估标志物的诊断准确性。 • rms包：构建Logistic回归列线图，通过校准曲线（Calibration Curve）评估预测概率与实际概率的一致性，通过决策曲线分析（Decision Curve Analysis, DCA）评估不同阈值概率下的临床净获益。6. 网络构建与可视化 • STRING数据库：构建PPI网络，最低相互作用评分>0.4。 • GeneMANIA：预测基因共表达、物理相互作用、通路共享等功能关系。 • Cytoscape：可视化TF-mRNA调控网络。 • ggalluvial包：绘制lncRNA-miRNA-mRNA的桑基图（Sankey diagram）。 • Circos：染色体定位可视化。 • mRNALocater：亚细胞定位预测。7. 实验验证方法 • qRT-PCR（定量实时聚合酶链式反应）：使用SYBR Green法，以GAPDH为内参，2⁻ΔΔCt法计算相对表达量。
关注即成长👆👆，优质内容助你更上一层！
五、主要研究结果
1. 孟德尔随机化分析结果正向MR分析（肥胖→NAFLD）显示，IVW-MRE方法下肥胖对NAFLD具有显著的因果效应（P=0.034，OR=1.252），表明肥胖是NAFLD的危险因素，可使NAFLD发病风险增加25.2%。散点图显示正向斜率，森林图中MR效应量大于0，漏斗图符合孟德尔第二定律的随机分组假设。敏感性分析中，Cochran's Q检验提示存在异质性（P<0.05），故采用IVW-MRE模型校正；MR-Egger截距检验提示无水平多效性（P=0.824>0.05）；LOO分析显示剔除任一SNP后结果仍稳健。反向MR分析（NAFLD→肥胖）未发现显著因果效应（IVW: P=0.570），提示NAFLD对肥胖的因果影响不成立。2. 差异表达基因筛选结果 GSE59034数据集鉴定出908个DEGs（717个上调，191个下调）；GSE135251数据集鉴定出4,438个DEGs（2,319个上调，2,119个下调）。Venn图交集分析获得134个共享DEGs（101个共同上调，33个共同下调）。PPI网络包含92个节点和245条边，其中MMP9、TGFB1、GPNMB和CD163为网络中的关键节点。3. 功能富集分析结果 GO分析显示134个共享DEGs富集于1,091个条目，主要涉及"中性粒细胞活化"、"免疫效应过程调控"、"免疫系统过程负调控"、"小胶质细胞活化参与免疫应答"等免疫相关生物学过程。KEGG分析富集到28条显著通路（P<0.05），包括"肾素-血管紧张素系统"、"破骨细胞分化"、"脂肪细胞脂解调控"、"AMPK信号通路"、"FoxO信号通路"等，凸显了细胞活化和免疫相关通路在肥胖与NAFLD发病机制中的重要性。4. 机器学习筛选结果在验证集中，21个基因的表达差异显著（P<0.05）且与训练集表达趋势一致，被确定为候选基因。 • GSE59034（肥胖训练集）：LASSO筛选出7个特征基因（MR1、NCAPH、LAMB3、SQLE、CX3CR1、PFKFB3、IRS2，lambda.min=0.0296）；SVM-RFE筛选出7个特征基因（NCAPH、SQLE、SLC19A2、CX3CR1、IRS2、PFKFB3、ACP5，误差率0.113，准确率0.944）。 • GSE135251（NAFLD训练集）：LASSO筛选出6个特征基因（NCAPH、ITGB5、ACP5、SLCO2B1、MAP3K5、IRS2，lambda.min=1×10⁻⁴）；SVM-RFE筛选出21个特征基因（误差率0.00898，准确率0.991）。取交集后，最终确定NCAPH和IRS2为肥胖与NAFLD的共享生物标志物。5. 共享生物标志物的表达特征与诊断效能 • 表达模式：在训练集和验证集中，NCAPH在疾病样本中均显著上调，IRS2均显著下调，呈现稳定且相反的调控模式。 • ROC分析：在肥胖数据集中，NCAPH的AUC分别为0.965（GSE59034）和0.830（GSE151839）；IRS2的AUC分别为0.953（GSE59034）和0.840（GSE151839）。在NAFLD数据集中，NCAPH的AUC分别为0.778（GSE135251）和0.677（GSE89632）；IRS2的AUC分别为0.999（GSE135251）和0.844（GSE89632）。所有AUC均>0.6，多数接近或高于0.8，显示出优异的疾病-正常区分能力，尤其是IRS2在NAFLD训练集中的AUC接近1，提示其作为诊断指标的潜力。6. 列线图模型的构建与评估基于NCAPH和IRS2构建的列线图在训练集中表现出良好的预测效能。校准曲线与理想曲线高度吻合，提示模型预测概率与实际发生概率一致性好。决策曲线分析显示，列线图的临床净获益高于单个标志物，表明该模型具有较高的临床参考价值。7. GSEA富集分析结果在NAFLD样本中，NCAPH和IRS2共同显著富集于"ECM-受体相互作用"、"TGF-beta信号通路"、"p53信号通路"、"MAPK信号通路"、"Jak-STAT信号通路"、"细胞因子-细胞因子受体相互作用"等通路。在肥胖样本中，两基因共同富集于"趋化因子信号通路"、"Fc gamma R介导的吞噬作用"、"NOD样受体信号通路"、"Toll样受体信号通路"、"ECM-受体相互作用"、"Jak-STAT信号通路"等。这些结果强调了两个共享标志物参与多条可能促进肥胖和NAFLD进展的生物学通路。8. 功能互作网络分析 GeneMANIA分析显示，NCAPH和IRS2与NCAPG、SMC2、SMC4、NCAPD2等基因存在显著的共表达和物理相互作用，共同参与"染色体凝缩"、"细胞对胰岛素刺激的反应"、"胰岛素反应"等生物学功能。9. 染色体定位与亚细胞定位 NCAPH定位于2号染色体，IRS2定位于13号染色体。亚细胞定位分析显示，两基因在细胞核和细胞质中均有高表达。10. 调控网络分析 TF-mRNA网络包含34个节点和32条边，NCAPH受28个转录因子调控（如MTA2、GABPA等），IRS2受4个转录因子调控（如ZBTB7A、NFE2L2等）。ceRNA网络包含2个共享标志物、24个miRNA和10个lncRNA。关键调控关系包括：lncRNA（NEAT1、MALAT1、FTX）可通过hsa-miR-493-5p同时调控NCAPH和IRS2；hsa-let-7家族成员（let-7a-5p、let-7b-5p、let-7c-5p、let-7e-5p、let-7f-5p、let-7g-5p、let-7i-5p）参与IRS2的调控。11. qRT-PCR实验验证结果在临床样本中，NCAPH在疾病组织中显著上调（P=0.0428），与生物信息学分析结果完全一致。IRS2虽呈现下调趋势，但未达到统计学显著性（P=0.4666），作者认为这可能与样本量较小、组织细胞异质性、疾病阶段依赖性及胰岛素信号通路的反馈调节有关。
六、对其他研究领域的启发
1. 对代谢性疾病多组学研究的启发 该研究展示了"MR因果推断+转录组差异分析+机器学习特征筛选+实验验证"的整合研究范式，为其他代谢性疾病（如2型糖尿病、代谢综合征、多囊卵巢综合征等）的共享机制研究提供了可复制的技术路线。特别是LASSO与SVM-RFE的交叉验证策略，可有效降低单一算法的假阳性率，提高标志物筛选的可靠性，值得在肿瘤免疫、心血管疾病等领域推广。2. 对NAFLD精准诊断的启发 该研究构建的基于NCAPH和IRS2的列线图模型，展示了从生物标志物到临床预测工具的转化路径。未来可探索将这两个标志物与现有临床指标（如BMI、ALT、AST、肝脏弹性成像等）整合，开发多指标联合诊断模型。此外，NCAPH作为新发现的标志物，其在血清或外周血中的表达水平是否可作为无创诊断指标，值得进一步研究。3. 对肥胖-NAFLD共病机制研究的启发研究揭示的"炎症-纤维化-代谢"三联通路（细胞因子-细胞因子受体相互作用、ECM-受体相互作用、Jak-STAT信号通路）为理解肥胖向NAFLD进展的分子桥梁提供了关键节点。这提示后续研究应重点关注：（1）NCAPH在肝细胞炎症浸润和纤维化启动中的具体作用；（2）IRS2下调导致胰岛素抵抗的下游效应（如PI3K/AKT/FOXO1通路失调）；（3）两个标志物在肠-肝轴、脂肪-肝脏串扰中的调控角色。4. 对非编码RNA调控网络研究的启发 ceRNA网络中发现的NEAT1/hsa-miR-493-5p/NCAPH-IRS2调控轴，为lncRNA在代谢性疾病中的功能研究提供了新靶点。NEAT1和MALAT1作为已知的促癌lncRNA，其在代谢性疾病中的角色尚未充分挖掘。该研究提示，这些lncRNA可能通过竞争性结合miRNA，解除对靶基因的抑制，从而协同调控肥胖和NAFLD的病理进程。这一发现为开发靶向ceRNA网络的治疗策略（如miRNA模拟物或lncRNA抑制剂）提供了理论依据。
总结
该研究通过整合孟德尔随机化分析、转录组学数据挖掘、机器学习算法和实验验证，系统阐明了肥胖与NAFLD之间的因果关系，并首次鉴定出NCAPH和IRS2作为两种疾病的共享生物标志物。
若需复现该文章分析方法，可私！
---------------end-----------------
往期精彩内容：
1. RNA-seq（完整）：转录组测序分析（论文级数据分析及可视化全套）
2. Label-Free 全蛋白质组学分析（论文级数据分析及可视化全套）
4.(二)孟德尔随机化分析（MR）完整流程（保姆级实操详解）
7. Python及PyCharm保姆级下载安装配置详细教程
8.PyCharm保姆级详细使用手册（Python新手快速上手篇）
9.（一）推荐一款绘图神器Origin，助你高效数据分析绘图（保姆级安装使用实操快速上手篇）
10.R、Rtools及RStudio保姆级下载安装配置详细教程
私人定制：
若有个性化生信分析需求、转录组分析、蛋白组分析、单细胞转录组、孟德尔随机化、网络毒理学、网络药理学、文献计量分析等分析需求或者科研辅导、实验指导、写作辅导等可联系 文文老师 ，助你更上一层
