Ожирение является одной из главных проблем здравоохранения, его распространенность среди взрослого населения в мире составляет 13%1, а в России — 30,8 и 26,9% у женщин и мужчин, соответственно [1]. Для определения ожирения используют два основных показателя: индекс массы тела (ИМТ) и соотношение окружности талии и бедер (СТБ), которое также применяют с поправкой на ИМТ (СТБимт).

Диагноз "ожирение" ставится при ИМТ ≥30 кг/м². СТБ было предложено в качестве дополнительной меры оценки распределения жира в организме. Абдоминальное ожирение определяется при СТБ >0,90 для мужчин и >0,85 для женщин с учетом этнической принадлежности2. Оба показателя ожирения имеют высокую долю наследуемости: 40-70% для ИМТ [2-4] и 30-60% для СТБ [5-8].

Каждый вариант нуклеотидной последовательности (ВНП) по отдельности, выявленный с помощью полногеномного поиска ассоциаций (genome-wide association studies — GWAS), вносит лишь небольшой вклад в риск развития ожирения. Объединение ВНП, идентифицированных GWAS, в шкалы генетического или полигенного риска (ШГР) позволяет получить количественную оценку наследуемости признака. ШГР можно понимать как оценку индивидуальной предрасположенности к развитию определенного расстройства, которая основана на взвешенных эффектах ВНП, выявленных в GWAS [9].

На сегодняшний день опубликовано уже несколько десятков ШГР ожирения [10]. В ряде исследований было показано, что при применении моделей оценки риска необходимо учитывать популяционный эффект даже для лиц из разных европейских популяций одинаковой этнической принадлежности [11-13]. Сравнение ШГР из разных исследований проводить сложно из-за частой несопоставимости различных метрик качества ШГР. В различных исследованиях применяются площадь под ROC-кривой AUC (аrea under the curve), C-статистика, коэффициент детерминации, отношение шансов, относительный риск и отношение рисков, которые не могут быть сопоставлены друг с другом напрямую. Кроме того, метрики часто рассчитываются не только для ШГР, но и для ШГР с поправкой на ковариаты, такие как возраст, пол или генетический фон, что еще более усложняет сравнение ШГР между собой [13].

Актуальность данного исследования также связана с тем, что в ряде работ были показаны генетические различия между российской и европейской популяциями. Несмотря на географическую близость, генетический анализ главных компонент четко отделяет русское население от европейского [14][15]. В работах, проведенных на популяционных выборках регионов европейской части России, было показано, что аллельные частоты ряда клинически значимых ВНП значимо отличаются от полученных на европейской популяции (non-Finnish Europeans) [16][17].

Целью данной работы было впервые провести валидацию на выборке населения двух регионов европейской части России 15 ШГР ожирения, разработанных на популяциях европейского происхождения, и получить данные о точности этих ШГР и возможности их использования для населения России.

В исследование были включены 707 участников подвыборки из репрезентативной выборки населения Вологодской области из исследования "Эпидемиология сердечно-сосудистых заболеваний в регионах Российской Федерации (ЭССЕ-Вологда) [18] и 472 пациента из коллекции биобанка ФГБУ "НМИЦ ТПМ" Минздрава России (г. Москва) [19]. Общая выборка составила 1179 участников, доля мужчин в выборке — 49%. Антропометрические измерения, включая массу тела, рост и окружность талии и бедер, оценивались в соответствии со стандартными процедурами. Для каждого из участников были получены следующие данные: ИМТ (масса тела (кг)/рост (м²)), СТБ (окружность талии (см)/окружность бедер (см)). Показатель ИМТ был доступен для обеих выборок, а СТБ только для ЭССЕ-Вологда (n=705). Количество лиц с ожирением составило: с ИМТ ≥30 кг/м² — 523 из 1179; с СТБ ≥0,85 для женщин и ≥0,9 для мужчин — 226 из 705. Исследование одобрено Независимым этическим комитетом ФГБУ "НМИЦ ТПМ" Минздрава России. Все участники дали письменное информированное согласие.

15 ШГР для исследования были отобраны согласно литературным данным на момент начала исследования в 2021г. Данные по всем 15 ШГР были описаны ранее [10] и находились в открытом доступе. Они были рассчитаны преимущественно на европейской популяции (non-Finnish Europeans) и включали не >1000 ВНП [2][3][5][6][8][20-26]. В исследование были включены только относительно небольшие ШГР, т.к. генотипирование проводилось с помощью таргетной панели, а не полногеномного секвенирования или генотипирования с использованием высокоплотных микрочипов с последующей импутацией.

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) или спектрофотометр NanoDrop OneC (Thermo Fisher Scientific, США).

Всем участникам исследования было выполнено секвенирование следующего поколения (NGS — next-generation sequencing) с использованием таргетной панели, включавшей 15 ШГР ожирения. Библиотеки для панели NGS были приготовлены с использованием набора SeqCap EZ Prime Choice Library (Roche, Швейцария). NGS проводили на приборе NextSeq 550 (Illumina, США). Все этапы секвенирования были выполнены в соответствии с протоколами производителей.

Чтения с парными концами в формате fastq были выровнены на референсный геном GRCh38. Обработка данных и оценка контроля качества выполнялись с помощью специально разработанного пайплайна [17] на базе GATK 3.8 [27]. ШГР вычислены для генотипов каждого образца при помощи суммирования эффектов каждого ВНП из оригинальных исследований с учетом количества копий аллеля.

Для статистического анализа были использованы инструменты языка R v. 4.2.23. Сравнение непрерывных параметров в независимых выборках проведено критерием Манна-Уитни. Для расчета СТБимт была использована модель линейной регрессии, где СТБ выступала в качестве зависимой переменной, а пол, возраст и ИМТ — в качестве предикторов. Из полученной модели извлечены значения СТБ предсказанного; СТБимт определен как разность между значениями СТБ и СТБ предсказанного. Анализ ассоциаций ШГР с ИМТ и СТБимт проведен при помощи однофакторной линейной регрессии. Перед включением в регрессию ИМТ и СТБимт введены поправки на пол и возраст при помощи линейной регрессии. Анализ ассоциаций ШГР с ИМТ и СТБимт, разделенным по отрезным точкам, проведен при помощи логистической регрессии с поправкой на пол и возраст. В качестве метрик качества для моделей регрессии использованы коэффициент детерминации (R²) и AUC. Доверительный интервал для R² вычислен при помощи бутстрапа. Уровень статистической значимости принят равным 0,05.

Общая характеристика выборки (n=1179) представлена в таблице 1.

Для определения доли дисперсии показателей ожирения (ИМТ, СТБимт), которая объясняется влиянием ШГР (c поправкой на пол и возраст), был проведен регрессионный анализ, результаты которого представлены в виде коэффициента детерминации R² (таблица 2). В случае ИМТ наиболее высокий результат был получен для ШГР Yengo L, et al. (2018), которая состоит из 941 ВНП и объясняет 6,74% вариабельности ИМТ [22]. В случае СТБимт наиболее высокий результат получен для ШГР Xie T, et al. (2020) [23], которая состоит из 462 ВНП и объясняет 2,28% вариабельности СТБимт.

Из 15 ШГР только у 8 [2][3][5][6][8][22][23] в исходных публикациях был доступен коэффициент детерминации исходного исследования. Из этих 8 ШГР на рисунке 1 представлены только ШГР, обладающие попарной корреляцией Пирсона <0,7 [2][3][5][6][8][23]. Полученные результаты демонстрируют, что в среднем ШГР развития ожирения по показателю ИМТ (ШГР-ИМТ) сохраняют исходную долю объясненной дисперсии. ШГР развития ожирения по показателю СТБимт (ШГР-СТБимт) имеют более низкий коэффициент детерминации на настоящей выборке, нежели чем в исходном исследовании. Возможно, это объясняется популяционными или генетическими особенностями СТБимт в российской популяции.

Далее для всех ШГР был проведен анализ силы ассоциации между исследуемыми ШГР и наличием ожирения по ИМТ и СТБимт при помощи AUC (таблица 3). Заметим, что ввести поправку на пол и возраст непосредственно для признака "наличие ожирения" нельзя, т.к. это бинарный признак. Поэтому проведены две регрессии: однофакторная и с включением пола и возраста в качестве ковариат. Без участия ШГР AUC для наличия ожирения (ИМТ ≥30) при регрессии на пол и возраст составила 69,51%. Без участия ШГР AUC для наличия ожирения по СТБимт (СТБ ≥0,9/0,85 (мужчины/женщины)) при регрессии на пол и возраст составила 69,07%.

Всего включено в анализ 523 участника с ожирением по ИМТ и 656 участников без ожирения. Наиболее высокий результат был получен для ШГР Yengo L, et al. (2018) [22] с AUC 74,16% для регрессии с участием ШГР, пола и возраста. Анализ для СТБимт был проведен на выборке ЭССЕ-Вологда (n=705). Количество участников с ожирением по СТБ — 226 человек, без — 479. Все ШГР оказались статистически незначимо связанными с ожирением по СТБимт, что, возможно, связано с потерей мощности анализа при переходе к отрезным точкам или с популяционными особенностями СТБимт.

В настоящем исследовании на выборке населения двух регионов европейской части России (Москва, Вологодская область) оценивали эффективность 15 ШГР развития ожирения, построенных на выборках европейского происхождения. ШГР-ИМТ объясняли от 2,34 до 6,74% вариабельности ИМТ, ШГР-СТБимт — от 0,64 до 2,28% вариабельности СТБимт.

Полученные данные для ИМТ сопоставимы с результатами исходных исследований и валидациями этих ШГР в других работах. Например, для ШГР-ИМТ Yengo L, et al. (2018) [22] в исходном исследовании коэффициент детерминации (R²) был равен 6%, при валидации в работе Xie T, et al. (2020) [23] R² был равен 6,55%, а в нашем исследовании R² составил 6,74% для ШГР Yengo L, et al. (2018) и 6,73% для ШГР Xie T, et al. (2020) [22][23].

Одной из наиболее валидированных ШГР-ИМТ является шкала из 97 ВНП Locke AE, et al. (2015) [2], которая была проанализирована в целом ряде работ [21][28-31]. В исходном исследовании при прогнозировании ожирения (ИМТ ≥30 кг/м²) при добавлении оценки по ШГР к модели, включающей в качестве ковариат возраст и пол, AUC статистически значимо увеличивалась на 2,5 процентных пункта: с 57,6 до 60,1% [2], а R² составил 2,7%. В настоящей работе соответствующие увеличение составило 2,6 процентных пункта: с 59,6 до 72,1%, а R² был равен 3,6%.

Валидация ШГР-СТБимт Pulit SL, et al. (2018) [5] показала схожие результаты как для исходного исследования (R²=3,9%), так и для работы Xie T, et al. (2020) [24] (R²=3,9%), которые использовали ШГР Pulit SL, et al. (2018) [5]. В нашей работе доля объясненной вариабельности СТБимт составила 2,02 и 2,28%, соответственно. Более высокий результат для ШГР Xie T, et al. (2020) [23] может быть объяснен тем, что в это исследование было включено больше ВНП (n=462), чем в исходное исследование (n=346) [5][23]. Показатель R² для всех ШГР-СТБимт сопоставим с исходными исследованиями.

В целом, наилучшие результаты были получены для ШГР, включающих наибольшее количество ВНП и полученных в недавних исследованиях. Для ИМТ это ШГР из 941 ВНП Yengo L, et al. (2018) (R²=6,74%), для СТБимт это ШГР из 462 ВНП Xie T, et al. (2020) (R²=2,28%) [22][23].

Лишь одна ШГР-ИМТ Seral-Cortes M, et al. (2021) не показала достоверно значимых результатов при анализе коэффициента детерминации и AUC [25]. Это объясняется некорректным, на наш взгляд, способом построения исходной ШГР. В частности, был выбран чрезмерно высокий уровень значимости (p<0,20) и не использованы поправки на множественное сравнение. Кроме того, данное исследование выполнено на подростках, при этом в других работах было показано, что ШГР для взрослых лучше работают на взрослых и наоборот. В работе Brandkvist M, et al. (2020) [32] было показано, что прогностическая эффективность ШГР из работы Richardson TG, et al. (2020) [24], рассчитанной на детях, была лучше в подростковом и раннем взрослом возрасте, тогда как прогностическая эффективность ШГР, рассчитанной на взрослых, была лучше во взрослом возрасте. В возрастной группе 12-15,9 лет дисперсия, объясняемая шкалой детского полигенного риска, составила 6,7 vs 2,4% для взрослой ШГР. В возрастной группе 24-29,9 лет дисперсия, объясняемая ШГР для взрослых, составила 3,9 vs 3,6% для ШГР для детей. Таким образом, возможно, что генетические факторы, влияющие на ИМТ, различаются у лиц молодого и взрослого возраста [32]. В настоящем исследовании была также оценена ШГР из работы Richardson TG, et al. (2020) [24] для взрослого населения, которая продемонстрировала высокие показатели R² и AUC (R²=4,97%, AUC=62,03%).

Таким образом, настоящее исследование показало, что ШГР, разработанные на популяциях европейского происхождения, демонстрируют достоверно значимые результаты на выборке населения двух регионов европейской части России, что в целом согласуется с недавним исследованием, в рамках которого была создана ШГР-ИМТ на датской популяции, воспроизведенная на выборке из российской популяции [33]. Несмотря на генетические и средовые различия между двумя популяциями, была получена успешная репликация, что подтверждает предположение о применимости ШГР в других популяциях [33]. Валидация ШГР остеопороза также показала значимые результаты на российской выборке [34].

Впервые в России проведена валидация 15 ШГР ожирения, разработанных на популяциях европейского происхождения. Полученные данные об эффективности рассматриваемых ШГР могут быть в будущем применены для улучшения прогнозирования риска развития ожирения и для профилактики этого комплексного заболевания в России.

Отношения и деятельность: все авторы заявляют об отсутствии потенциального конфликта интересов, требующего раскрытия в данной статье.

1. Puska P, Nishida C, Porter D. World Health Organization. Obesity and overweight. Geneva: WHO; 2021. https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight (20 October 2023). 2. World Health Organization, et al. Waist circumference and waist-hip ratio: report of a WHO expert consultation, Geneva, 8-11 December 2008. — 2011. ISBN: 978 92 4 150149 1. 3. R Development Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing: Vienna, Austria, 2013. https://www.R-project.org/(20 October 2023).