Валидация шкал генетического риска развития артериальной гипертензии на популяции региона Центральной России

Введение

Артериальной гипертонией (АГ) страдают 1,28 млрд человек во всем мире¹. Она является одним из ведущих, но при этом модифицируемым, факторов риска развития сердечно-сосудистых заболеваний (включая ишемическую болезнь сердца, инфаркт миокарда, инсульт, сердечную недостаточность, заболевания периферических артерий и фибрилляцию предсердий), а также поражения почек, глаз и когнитивных нарушений [1]. АГ имеет комплексную этиологию, включающую генетическую предрасположенность и факторы окружающей среды [2]. С помощью исследований полногеномного поиска ассоциаций GWAS (genome-wide association studies) выявлено множество локусов и вариантов, как частых, так и редких, связанных с уровнем артериального давления (АД) [3, 4]. Понимание генетической предрасположенности к гипертонии могло бы стать полезным инструментом для выявления среди молодых лиц группы повышенного риска развития АГ с целью реализации для нее особых профилактических мероприятий и наблюдений для своевременной установки диагноза. Согласно данным Всемирной организации здравоохранения, лишь 42% случаев заболевания АГ оказываются диагностированы¹, что подчеркивает важность обсуждаемой стратегии для своевременного выявления заболевания.

Однако каждый в отдельности генетический вариант имеет слабое влияние на развитие многофакторных заболеваний, объясняет очень малую долю наследственности в развитии заболевания и, таким образом, имеет ограниченную предсказательную ценность. Одним из решений повышения предсказательной способности генетического тестирования является объединение информации о нескольких вариантах нуклеотидной последовательности (ВНП) в единую систему оценки риска, часто называемую шкалой генетического риска (ШГР) [5]. С помощью ШГР, включавшей >1 млн ВНП, Vaura F, et al. (2021) продемонстрировали увеличение риска развития не только АГ, но и сердечно-сосудистых заболеваний [6]. Более того, было показано увеличение предсказательной способности модели для оценки риска развития АГ при добавлении к клинической информации данных ШГР. Тем не менее стоит отметить, что интерпретация результатов ШГР по сравнению с генетической диагностикой моногенной патологии не является однозначной и позволяет определить лишь вероятность развития заболевания, а не его точный прогноз. На данный момент клинические рекомендации по применению данного подхода отсутствуют. Как заключают авторы недавно опубликованного рекомендательного документа Американского колледжа медицинской генетики и геномики (American College of Medical Genetics and Genomics), для внедрения ШГР в клиническую практику необходимы дальнейшие проспективные исследования [7].

Применение ШГР на этнической группе, отличной от группы, на которой разработана ШГР, может приводить к неверным оценкам [8], что отчасти обусловлено различиями в неравновесном сцеплении ВНП (linkage disequilibrium) и частотами аллелей [9][10]. Целью настоящего исследования было оценить воспроизводимость ШГР АГ, ранее разработанных на европейских популяциях, у лиц, проживающих на территории Центральной России.

Материал и методы

Выборка. В настоящее исследование была включена репрезентативная выборка населения Ивановской области из исследования ЭССЕ-РФ (Иваново) (Эпидемиология сердечно-сосудистых заболеваний и их факторов риска в регионах Российской Федерации) [11]. После исключения из анализа родственников в исследование включено 1682 человека (медиана возраста и интерквартильный размах составили, соответственно, 49 [ 39; 56] лет). Из них 629 мужчин 44 [ 33; 53] лет и 1053 женщин 52 [ 43; 57] лет.

В рамках исследования ЭССЕ-РФ диагноз АГ устанавливали при положительном ответе на вопрос "Принимали ли Вы препараты, снижающие АД в течение последних 2 нед.?" и/или при уровне систолического АД (САД) ≥140 мм рт.ст. и/или диастолического АД ≥90 мм рт.ст.

Секвенирование. Геномную дезоксирибонуклеиновую кислоту (ДНК) выделяли из образцов цельной крови с использованием набора QIAamp DNA Blood Mini Kit (Qiagen, Германия). Для измерения концентрации ДНК использовали флуориметр Qubit 4.0 (Thermo Fisher Scientific, США). Молекулярно-генетический анализ проводили с помощью диагностической панели для прогнозирования хронических неинфекционных заболеваний (ишемической болезни сердца, АГ, острого нарушения мозгового кровообращения), разработанной в ФГБУ "НМИЦ ТПМ" Минздрава России для анализа с помощью секвенирования следующего поколения на приборе NextSeq 550 (Illumina, США). Все этапы были выполнены в соответствии с протоколами производителей.

Выбор ШГР. На основании анализа литературных данных были отобраны 4 ШГР АГ [4][12-14], разработанные на европейской популяции и опубликованные до начала проведения исследования (в 2019г). Критериями выбора ШГР являлись: количество включенных ВНП (не >1 тыс.), размер выборки в деривационном исследовании не <100 тыс. человек. Обобщенная информация по данным ШГР представлена в таблице 1.

Биоинформатический анализ. Чтения с парными концами в формате fastq были выровнены на референсный геном GRCh37/hg19. Обработка данных и оценка контроля качества выполнялись с помощью специально разработанного пайплайна [15] на базе GATK v.3.8 [16]. ШГР вычислены для каждого образца посредством суммирования эффектов каждого ВНП с применением β-коэффициентов и значений p-value из оригинальных исследований.

Статистический анализ. Для статистического анализа были использованы инструменты языка R v. 4.1. Анализ ассоциаций ШГР с АГ проведен при помощи логистической регрессии с поправкой на пол, возраст и прием антигипертензивной терапии. В качестве метрик качества для моделей регрессии использованы частичный коэффициент детерминации (R²) и площадь под ROC-кривой (area under curve — AUC). Уровень значимости принят равным 0,05.

На следующем этапе анализа была составлена объединенная ШГР на основе коэффициентов из отдельных ШГР методом C+T (clumping + thresholding) [5]. На этапе "clumping" были оставлены только ВНП, имевшие максимальную парную корреляцию с остальными ВНП не >0,1. Оставшиеся ВНП на этапе "thresholding" были подвергнуты пошаговому включению в ШГР на основе медиан р-значений из рассмотренных ШГР. В качестве β-коэффициента использовался медианный β-коэффициент из рассматриваемых ВНП (в том случае, когда один и тот же ВНП использован в нескольких ШГР). Ассоциация ШГР и АГ оценивалась на каждом шаге.

На заключительном этапе проведена дополнительная валидация ШГР Evangelou E, et al. (2018) [4]. Были ослаблены предположения на корреляционную структуру данных, наложенные ранее: включены все ВНП независимо от уровня их неравновесного сцепления. Кроме того, в ШГР включены ВНП, которые ассоциированы с диастолическим и пульсовым давлением.

Результаты

Распространенность АГ в выборке составила 53,8% (902 чел.), из них 64,2% (572 чел.) принимали гипотензивную терапию. Средние показатели САД составили 136±19 мм рт.ст., диастолического АД — 84±10 мм рт.ст.

Первым этапом был проведен анализ силы ассоциации между исследуемыми ШГР и АГ c применением AUC (рисунок 1, таблица 2), AUC варьировала от 52,61% до 54,63%. При этом статистически значимая распространенность АГ для нижнего и верхнего децилей ШГР была установлена только для ШГР из исследования Evangelou E, et al. (2018) [4]. Результаты регрессионного анализа, представленные в виде коэффициента детерминации R² с поправкой на пол, возраст и прием антигипертензивной терапии, представлены на рисунке 2. Значение R² для всех 4-х ШГР представлено в таблице 1.

Вторым этапом анализа методом C+T была составлена объединенная ШГР, включавшая 404 ВНП, что позволило достичь увеличения R² до 1,5% (рисунок 3). Шанс иметь АГ достоверно увеличивался в среднем в 1,020 раза (95% доверительный интервал (ДИ): 1,012-1,028, p<0,001) на каждый балл ШГР. Разница в распространенности АГ между нижним и верхним децилем составила 17,8% (95% ДИ: 6,7-28,8, p=0,004) (рисунок 4). AUC составила 56,01% (95% ДИ: 53,27-58,76%).

На заключительном этапе проведена дополнительная валидация ШГР Evangelou E, et al. (2018). Всего было включено 852 ВНП (для 49 ВНП отсутствовали данные секвенирования). Полученная ШГР была значимо (p<0,001) ассоциирована с увеличением САД. Полученная ШГР объясняет 2,5% дисперсии САД (рисунок 5), AUC составила 56,01% (95% ДИ: 53,27-56,01%). Одно стандартное отклонение ШГР соответствовало увеличению САД на 1,3 мм рт.ст. Распространенность АГ для нижнего дециля составила 46,75% (95% ДИ: 39,04-54,56%), для верхнего — 64,50 % (95% ДИ: 56,78-71,69%).

Обсуждение

В настоящей работе впервые проведена валидация ШГР АГ, разработанных на европейских выборках, у представителей российской популяции. Доля объясненной дисперсии для ШГР, включавшей наименьшее количество ВНП [12], сопоставима с результатами оригинальной статьи. Однако полученные нами результаты валидации ШГР на основе большего количества ВНП [4] продемонстрировали более чем в десять раз меньшую долю объясненной дисперсии. Эти результаты согласуются с данными о том, что применение ШГР для этнических групп, отличных от той, для которой разработана ШГР, могут приводить к другим результатам. Есть данные, что экстраполяция результатов GWAS, полученных на одной этнической группе, при разработке ШГР для других этнических групп, может приводить к неверным оценкам [8]. Так, в исследовании Ehret GB, et al. (2016) продемонстрировано, что ассоциации ВНП с АГ различны для представителей выборок европейского и неевропейского (южноазиатского, восточноазиатского и африканского) происхождения [13]. Показано, что точность генетических предсказаний для разных популяций снижается практически линейно по мере увеличения различий между выборками [17].

Для исследований, посвященных разработке ШГР, отсутствует стандартизированный набор оцениваемых на основании ШГР параметров, что может затруднять сравнение результатов разных исследований между собой. Только в одном из 4-х исследований (ШГР которых были выбраны для валидации в рамках нашего исследования) авторы оценивают распространенность АГ между нижним и верхним децилями [12]. При этом авторы получают значимые различия, однако интерпретация затруднительна в силу существенных различий размеров выборки [5]. Отсутствует единообразие в оценке метрик качества/предсказательной способности ШГР, с этой целью часто оценивают доли объясненной дисперсии. Ее увеличение при создании объединенной ШГР в рамках данного исследования согласуется с фактом, что предсказательная способность ШГР возрастает при увеличении количества ВНП, включенных в ШГР. Так, для одной и той же когорты было продемонстрировано, что увеличение количества ВНП с 29 [18] до 858 [19] позволяло увеличить предсказательную ценность ШГР. В настоящем исследовании R² увеличился с 0,9 до 2,5% при увеличении количества включенных ВНП с 28 до 852. Однако стоит отметить, что подобное конструирование ШГР имеет ограничения [5]: р-значения исходных ШГР зависели от размеров выборок, использованных для построения этих ШГР; коэффициенты исходных ШГР могли быть поправлены на структуру сцепленности ВНП.

На основании проведенной валидации ШГР с созданием собственной ШГР, наибольшую предсказательную способность имела ранее разработанная ШГР, включающая наибольшее количество ВНП. Это можно объяснить тем, что объединение необходимых статистических параметров (β-коэффициенты и p-value) из нескольких ШГР с целью создания собственных ШГР не является оптимальным подходом. Более результативным является применение готовых ШГР (после их валидации), включающих наибольшее количество ВНП, либо создание ШГР на основе данных GWAS, в т.ч. на представителях российской популяции.

Заключение

ШГР АГ, разработанные на европейских выборках, не рекомендуется использовать у представителей российской популяции без предварительной валидации. Прогностическая ценность ШГР может быть улучшена за счет увеличения количества ВНП, включенных в ШГР. Для создания собственных ШГР не рекомендуется объединять статистические параметры (β-коэффициенты и p-value) из различных ШГР.

Отношения и деятельность. Научно-исследовательская работа "Разработка интегрированных систем прогнозирования в персонализированной медицине". Рег. № 121021700364-1.