线粒体蛋白如何影响败血症?2025孟德尔随机化揭示11个关键因子

2026-01-10 MedSci xAi 发表于广东省
本研究采用孟德尔随机化方法,基于IEU OpenGWAS数据库分析66种线粒体功能蛋白与5种败血症亚型的因果关系,首次发现MICU3、GRPEL1等8个保护因子和Grx2、MRM3等3个风险因子,为败血症病理机制研究和治疗靶点开发提供新证据。
越来越多的研究表明线粒体在败血症的发病机制中起着关键作用。然而,败血症的发病机制复杂,进行大规模随机对照试验存在伦理和实施方面的挑战。孟德尔随机化(Mendelian randomization, MR)分析通过选择基因变异作为工具变量,基于全基因组关联研究(genome-wide association studies, GWAS)推断因果关系,可以避免传统混杂因素的影响。本研究的数据来源于IEU OpenGWAS数据库,包括66种线粒体功能蛋白(mitochondrial proteins, MPs)和5种败血症及其亚型的GWAS汇总数据。使用TwoSampleMR R包进行分析,采用逆方差加权(inverse variance weighted, IVW)等五种方法进行因果效应分析。检测了水平多效性和异质性,并进行了敏感性和反向关联分析。结果显示,MICU3、GRPEL1、HTRA2、ISCU、NDUFS4、MCEE、ES1和LONP1是败血症的保护因子,而Grx2、MRM3和PheRS是风险因子。其中,MICU3与败血症(ICU内28天死亡)密切相关,Grx2与败血症(28天死亡)密切相关。本研究首次使用5种MR分析方法探讨了66种MPs与5种败血症及其亚型之间的因果关系,发现一些MPs是败血症或其亚型的潜在保护因子,而另一些是风险因子。这些风险因子MPs可能在败血症中调节线粒体功能时具有时间依赖性的双向效应。本研究为阐明这些MPs在败血症病理生理学中的作用提供了新的证据,有助于深入理解败血症的发病机制,也为探索未来的治疗策略奠定了基础。
AI
与梅斯小智对话

观星者应用

MedSearch MedSearch 医路规划 医路规划 数据挖掘 数据挖掘 文献综述 文献综述 文稿评审 文稿评审 课题设计 课题设计

科研工具

AI疑难疾病诊断 AI疑难疾病诊断 AI调研 AI调研 AI选刊 AI选刊 ICD-11智能查询 ICD-11智能查询 PUBMED文献推荐 PUBMED文献推荐 专业翻译 专业翻译 体检报告解读 体检报告解读 化验单智能识别 化验单智能识别 文本润色 文本润色 文献综述创作 文献综述创作 智能纠错 智能纠错 海外邮件智能回复 海外邮件智能回复 皮肤病自测 皮肤病自测 肌肤女神 肌肤女神 论文大纲 论文大纲 论文选题 论文选题