脂蛋白(a) [Lp(a)] 是一种高度遗传（遗传度h² = 70%至90%）、致动脉粥样硬化、促血栓形成和促炎的脂蛋白，由一个低密度脂蛋白（LDL）样颗粒与一个载脂蛋白(a)颗粒共价结合而成。自1963年首次被发现以来，大量研究报告了Lp(a)水平升高与动脉粥样硬化性心血管疾病（ASCVD）风险增加之间的关联。正在进行中的临床试验显示，能够将Lp(a)特异性降低高达95%的疗法，进一步提升了临床、监管和公共卫生领域对Lp(a)的兴趣。然而，Lp(a)在非心血管疾病中潜在的因果作用仍未完全阐明。
由于Lp(a)高度遗传、在人群中负担高（例如，全球约20%的人群Lp(a)≥100至125 nmol/L），且实验研究能力有限，目前的证据基础高度依赖于人类群体遗传学研究。这包括对单个表型的孟德尔随机化（MR）因果推断研究，以及针对数百至数千个表型的全表型组关联研究（PheWAS）。尽管有研究表明Lp(a)可能具有广泛的表型效应，但MR和PheWAS研究主要关注于ASCVD相关表型。当考虑更广泛的表型组时，很少有研究试图区分哪些是Lp(a)直接影响的表型，哪些是下游或双向效应所致的表型。最后，尽管长期有文献记载Lp(a)存在基于祖先的差异，但Lp(a)的MR和PheWAS研究仍然以欧洲人群为中心。这些证据空白限制了我们对Lp(a)潜在作用机制的理解，以及对其治疗性降低进行药物警戒研究的能力。
在本项非干预性研究中，我们旨在识别并描述Lp(a)对英国生物银行（UK Biobank）研究中4个人群广泛表型类别的影响。我们的结果有助于阐明Lp(a)在冠状动脉疾病（CAD）发病率和前驱表型中的作用，并显示这些作用如何独立于LDL胆固醇（LDL-C）。我们预期，未来扩大表型特征描述和增加祖先多样性人群代表性的努力，将进一步扩大Lp(a)证据基础的范围和相关性。
方法
研究人群
UK Biobank是一项大型前瞻性研究（2006年至今），在英格兰、威尔士和苏格兰的22个评估中心收集了502,649名40至69岁参与者的广泛遗传和表型数据。在基线检查时，参与者完成了评估其社会背景、生活方式、认知、身体功能、情绪和个性的问卷；同时还收集了血液、尿液和唾液样本。所有参与者通过链接健康、医疗记录和国家死亡登记进行随访。符合条件的参与者需拥有基因型数据、测量了Lp(a)，并能被归类为4个人群之一（欧洲、非洲、南亚或东亚）。此外，我们使用亲缘系数阈值0.0625（表示三级亲属关系对）将分析限制在无关参与者。本研究已获得北卡罗来纳大学机构审查委员会的批准，所有参与者均提供了知情同意书。
Lp(a)的遗传工具
基因分型和插补
基因分型此前使用两种相似的基因分型芯片进行，即UK Biobank Lung Exome Variant Evaluation和UK Biobank Axiom芯片，并使用IMPUTE2软件基于UK Biobank第三版插补数据进行插补。插补主要使用Haplotype Reference Consortium参考面板，未在该面板上的变异则使用UK 10K和1000G参考面板进行插补。除了此前报道的质量控制方案外，我们还排除了符合以下任何标准祖先特异性标准的变异：次要等位基因频率（MAF）<0.001；插补质量评分<0.4；或有效次要等位基因计数定义为Neff<30。
测量和遗传推断的Lp(a)水平
我们使用测量的Lp(a)来计算集中趋势度量。对于低于检测限3.8 nmol/L的Lp(a)值，我们假设均匀分布，插补了0至3.8 nmol/L之间的随机值。对于高于检测限189 nmol/L的Lp(a)值，进行了系列稀释并重新分析样本。这些数据在UK Biobank返回数据2321中可用，并在此处使用。为了研究Lp(a)的表型效应，我们使用了连续和分类的祖先特异性多基因风险评分（PRS）以及特定变异来研究Lp(a)的表型效应。分类PRS用于研究遗传性Lp(a)升高的效应。为了定义遗传性Lp(a)升高，我们计算了按PRS百分位数分层的群体特异性平均测量Lp(a)值，然后在平均测量Lp(a)超过125 nmol/L的第一个百分位数处将PRS二分类化。仅在欧洲和非洲人群中研究了遗传性Lp(a)升高，因为东亚和南亚参与者中测量Lp(a)值高于125 nmol/L阈值的人数太少，无法对PRS进行二分类。
表型数据
研究者定义的表型
对于研究者定义的表型，253个UK Biobank定义的表型类别由两名作者手动审查，如果它们可能包含相关表型数据则进行标记。被识别为“blob/bulk”的营养/饮食表型和在少于约10,000名参与者中测量的表型被排除在进一步审查之外。在排除不太可能受Lp(a)影响的表型后，剩余的表型被手动审查、重命名，并酌情归类为复合结局。然后，尽可能将表型与在线和已发表文献中提供的分布进行比较，作为最终质量控制步骤。
住院患者国际疾病分类第10次修订版代码
由国际疾病分类第10次修订版（ICD-10）代码捕获的住院诊断并未单独评估，而是使用phecode算法进行汇总并映射到临床相关特征。我们限制使用主要位置的ICD-10代码，这代表导致参与者住院入院的主要医疗状况，而不是那些可能在次要位置诊断代码中报告的、从既往就诊或病史中带来的医疗状况。在我们的分析期间，可获得1997年至2021年的ICD-10数据。缺失数据可以忽略不计，当存在时，通常反映了研究设计的选择，例如在特定人群中测量。
统计分析
在每个人群中，使用广义线性模型框架进行PheWAS，考虑连续PRS，以及在125 nmol/L处二分类化的PRS以定义Lp(a)升高。对于二分类表型，我们使用逻辑回归；对于连续表型，我们使用线性回归。所有模型使用0.05的假发现率阈值校正了每个人群内的多重比较。作为敏感性分析，我们在连续PRS在每个百分位数组二分类化时，使用基于Wilcoxon秩统计量的最大选择秩统计量，确定了最大化心肌梗死（MI）风险差异的最佳Lp(a) PRS阈值。
为了帮助解释PheWAS发现并区分直接因果效应与总因果效应，我们应用了网络解卷积MR。这种方法之所以必要，是因为如果Lp(a)对表型A存在强的总因果效应，并且表型A对表型B也存在强的总因果效应，那么即使Lp(a)没有直接效应，也会识别出Lp(a)对表型B的总因果效应。网络解卷积MR也用于识别双向关系，此前已有研究表明Lp(a)存在这种关系。网络解卷积MR需要Lp(a)和每个PheWAS识别出的表型都有强的独立工具变量。为了识别PheWAS识别出的表型的工具变量，我们在UK Biobank欧洲祖先参与者中进行了全基因组关联研究。对于Lp(a)的工具变量，我们使用了构成Lp(a) PRS的43个独立变异。然后，我们限制使用全基因组显著（限制P < 5 × 10⁻⁸）、常见（MAF>1%）且独立的变异。进行了5000次数据扰动以生成最终估计值并对有向因果图进行统计推断。为防范弱工具变量偏倚，所有表型的常规F统计量均>10。为防范混杂，全基因组关联研究中包含了祖先主成分、年龄、性别和研究中心作为协变量。使用Bonferroni校正来确定Lp(a)直接因果效应的显著性。考虑到在其他3个人群中预期统计效力较低，网络解卷积MR仅在欧洲人群中执行。
结果
最终分析纳入了最多425,677名无亲缘关系的UK Biobank参与者，包括欧洲（n=405,766）、非洲（n=8,490）、南亚（n=9,039）和东亚（n=2,382）人群。参与者平均年龄中年（均值=56.6，标准差=8.1），54%为女性。测量Lp(a)的分布在祖先间显示出显著异质性，东亚人群的中位数最低，非洲人群最高。在将90,835个不同的ICD-10代码映射到1,755个phecode之一，并排除按人群分类少于20例的类别表型后，最多纳入了1,456个涵盖18个类别的表型。
总共80个表型在非洲、欧洲或南亚人群中与连续Lp(a) PRS显著相关，其中76个关联仅在欧洲人群中发现。与Lp(a)报道的致动脉粥样硬化性一致，22个显著关联映射到循环系统类别，包括与CAD、颈动脉粥样硬化、腹主动脉瘤和外周血管疾病的正相关。尽管估计效应在不同人群中一致，但非洲、东亚或南亚人群中没有这些循环系统类别表型是显著的。还识别出与心力衰竭、主动脉瓣疾病和大血管先天性异常的风险增加关联。进一步评估大血管先天性异常关联发现，96.5%的ICD-10代码映射到非风湿性主动脉瓣狭窄，一种成年期发病的疾病。在移除非风湿性主动脉瓣狭窄病例后，与Lp(a)的关联不显著。
许多剩余显著关联映射到内分泌/代谢类别。Lp(a) PRS增加与较低的C反应蛋白、钙和其他甲状腺疾病相关。相反，Lp(a) PRS增加与T2DM风险增加以及血红蛋白A1c、收缩压和丙氨酸氨基转移酶升高相关。观察到Lp(a) PRS风险增加与T2DM和HbA1c的关联。为了更全面地评估这些观察结果，我们还通过比较rs41272114 LPA无效等位基因纯合子的欧洲参与者与携带0个拷贝的欧洲参与者，研究了极低Lp(a)与T2DM和HbA1c的关联。对于携带两个rs41272114 LPA无效等位基因的参与者，与携带0个拷贝的参与者相比，糖尿病患病几率未观察到统计学差异。对于HbA1c，相同对比估计出无效效应。
然后，我们对遗传性Lp(a)升高进行了PheWAS，并识别出55个跨越9个类别有显著关联的表型。Lp(a)升高PheWAS的结果与连续PRS的结果基本一致。作为敏感性分析，我们检查了最大化MI风险差异的最佳Lp(a) PRS阈值是否因人群而异。在欧洲人群中，最大化MI风险差异的最佳Lp(a) PRS百分位数阈值是第77百分位，对应平均Lp(a)为86 nmol/L。在非洲人群中，第59百分位，对应平均Lp(a)为93 nmol/L，是最大化MI风险差异的最佳PRS百分位数阈值。
最后，我们使用网络解卷积MR来区分Lp(a)的直接因果效应和总因果效应。由于网络解卷积方法无法扩展到所有80个显著表型，我们优先考虑了7个表型，这些表型有强的工具变量可用：血清肌酐、CRP、HbA1c、LDL-C、Lp(a)、收缩压、血小板计数和CAD。在通过其他纳入的表型（包括LDL-C）移除所有可能的中介效应后，Lp(a)仅对CAD和HbA1c有显著的直接因果效应。对双向关系的调整也发现LDL-C和CRP对Lp(a)有直接的正向因果效应。
讨论
在这项涵盖不同祖先人群的Lp(a) PheWAS中，我们识别出80个跨越7个表型类别的显著关联。然而，只有两个表型，即冠状动脉疾病和HbA1c，受到Lp(a)的直接影响。这些效应是正向的，且独立于LDL-C。我们的结果还提示，对于ASCVD一级预防，较低的绝对Lp(a)阈值（约100 nmol/L）可能更合适，且在不同祖先人群中更公平。随着对Lp(a)的兴趣持续增长，以及潜在治疗方法即将问世，我们的工作表明，Lp(a)的表型效应可能高度特异于动脉粥样硬化性冠状动脉疾病。然而，需要更多努力来纳入更多样化的祖先人群，并更好地捕获不常见和罕见的表型，以更全面地编录可能受Lp(a)影响的表型景观。
在过去十年中，越来越多的证据表明Lp(a)是一个因果性和独立的ASCVD风险因素，尽管缺乏实验数据。关于Lp(a)在其他表型中的作用，包括T2DM，证据不太一致，尽管存在担忧将Lp(a)治疗至极低水平可能会增加疾病风险。我们关于终生极低Lp(a)水平与T2DM风险增加无因果关联的结果，与Gudbjartsson等人的结果不一致，后者表明携带2个功能丧失无效等位基因的人群患糖尿病的几率比不携带任何功能丧失无效等位基因的参与者高45%。我们的研究和Gudbjartsson等人的研究，在无效等位基因纯合子人群中的T2DM病例数相似，表明统计效力相似。对冰岛人群的事后统计功效计算表明，检测T2DM风险增加45%的统计功效适中。这种适度的统计功效凸显了研究较罕见基因型遗传效应的挑战，即使总人群很大，并再次强调需要充分有力的重复研究。利用祖先多样性可能为重复研究和更精确地描述极低Lp(a)与T2DM关系提供有效途径，因为rs41272114在一些混血美洲人群中相当常见，包括秘鲁人群。
我们通过连续PRS得出的T2DM结果仍然难以解释，尤其是在考虑随机对照试验结果时。例如，在针对急性冠脉综合征患者的ODYSSEY OUTCOMES试验中，虽然治疗对T2DM风险没有总体影响，但在alirocumab组中，Lp(a)每从基线降低10 mg/dL，T2DM风险增加7%。此前已有报道，关于脂蛋白与T2DM风险关联的遗传因果推断研究与随机对照试验之间存在不一致。以LDL-C降低为例，遗传因果推断研究正确预测了他汀类药物相关T2DM风险增加，但对PCSK9抑制剂或依折麦布的预测与试验证据不一致。这些不一致的发现可能反映了几个因素，包括遗传工具变量与药理学抑制机制不完全一致、水平多效性以及人群异质性。
我们无法更全面地评估Lp(a)对其他高优先级表型的潜在因果效应，包括心力衰竭和卒中。尽管心力衰竭患病率很高，但其遗传结构仍不清楚，留下很少的工具变量用于直接效应估计。我们还注意到，在PheWAS中估计的Lp(a)对心力衰竭的总效应非常适中；任何直接效应都可能因通过CAD（一个主要的心力衰竭风险因素）的因果路径而进一步减弱。对于卒中，未检测到与脑动脉粥样硬化、脑缺血或脑血管病等表型的显著关联。这些发现可能反映了无法区分卒中亚型或其他人群差异。
我们系统性地识别和描述不同人群Lp(a)表型效应的方法，代表了在加强主要以欧洲人群为主的证据基础方面向前迈进了一步。在检查Lp(a)阈值表现时，尤其需要增加祖先多样性。例如Patel等人检验了提议的150 nmol/L Lp(a)风险增强阈值与突发ASCVD之间的剂量反应关系。他们报告在非洲、南亚和欧洲祖先人群中，风险比分别为1.51、1.37和1.13（异质性P=0.15）。虽然我们承认非洲人群的PRS准确性低于欧洲人群，但我们的结果表明，较低的绝对Lp(a)阈值可能更适合且更公平地用于ASCVD一级预防。较低的绝对阈值也与Patel等人的剂量反应分析一致，该分析显示测量Lp(a)与ASCVD风险之间存在对数线性关联，没有阈值证据。此外，我们的结果与加拿大心血管学会指南一致，该指南旨在将治疗或风险增强临界值设定为较低的100 nmol/L，以便考虑启动降低LDL-C的疗法。
研究局限性
尽管具有多项优势，包括创新的因果推断范式、广泛的表型捕获和强大的PRS，但我们的研究存在若干局限性。首先，PRS在欧洲人群中的准确性仍然至少高出两倍；欧洲人群样本量巨大进一步扩大了统计效力差异。尽管如此，所有PRS在用于定义Lp(a)升高人群时表现良好，并共同为理解Lp(a)的表型后果提供了重要一步。其次，我们无法评估其他产生极低Lp(a)的变异的影响，因为这些变异太罕见。研究这些变异很重要，尤其是如果它们捕获了不同的机制。第三，我们识别出一些意外发现，包括Lp(a)对CRP的负向总因果效应以及LDL-C对肌酐的负向直接效应。由于我们没有发现Lp(a)对CRP的直接效应，这种效应可能通过其他间接途径起作用，可能仅因我们研究的高统计效力而被识别出来。对于LDL-C和肌酐的发现，独立的MR研究也报告了LDL-C与肾功能之间的负相关，尽管进一步评估超出了本研究的范围。第四，网络解卷积MR无法同时包含所有已识别的表型。多表型MR是一个活跃的研究领域，我们预计新工具将出现，从而能够评估扩展的因果网络。最后，我们未解决治疗性降低Lp(a)水平是否能降低ASCVD风险，或需要降低多少Lp(a)才能实现显著的风险降低。也未解决治疗性将Lp(a)降低至极低水平是否与T2DM风险增加相关。
我们的结果有助于阐明Lp(a)的因果作用，包括将Lp(a)和LDL-C视为独特的ASCVD风险因素的重要性。此外，这些结果表明，遗传推断的极低水平Lp(a)与糖尿病风险无因果关联。此外，尽管已知Lp(a)水平存在基于祖先的差异，但在非洲和欧洲祖先人群中，风险辨别的最佳阈值可能相似；该阈值低于大多数临床指南和专业学会所倡导的。我们预期，这些研究将继续有助于优先考虑或排除Lp(a)影响健康和疾病的病理生理机制，协助开发和评估不同人群的风险阈值，并帮助设计、评估和实施针对Lp(a)的临床干预措施。
缩略语和缩写词
ASCVD = 动脉粥样硬化性心血管疾病
CAD = 冠状动脉疾病
CRP = C反应蛋白
HbA1c = 糖化血红蛋白
ICD-10 = 国际疾病分类第10次修订版
IV = 工具变量
LDL-C = 低密度脂蛋白胆固醇
Lp(a) = 脂蛋白(a)
MAF = 次要等位基因频率
MI = 心肌梗死
MR = 孟德尔随机化
PheWAS = 全表型组关联研究
PRS = 多基因风险评分
SBP = 收缩压
T2DM = 2型糖尿病
【全文结束】