摘要
背景 左心室质量（LVM）被认为是对心力衰竭等不良心血管结局的敏感预测指标。近年来，全基因组关联研究发现了与LVM相关结局相关的位点，为开发遗传风险评分提供了机会。然而，这些遗传变异对非欧洲血统群体的相关性需要进一步测试。本研究考察了在多祖先人群中与心力衰竭和LVM相关的变异是否与杰克逊心脏研究（JHS）中非洲裔美国人的LVM相关。
方法 从两项已发表的多祖先研究中确定了与心力衰竭和LVM相关的变异。为2175名非洲裔美国参与者（平均年龄53岁，63%为女性）计算了两个多基因风险评分（PRSs）。我们评估了这两个PRSs与基于身高的LVM指数（LVMh）和基于体表面积的LVM指数（LVMbsa）的线性关联，并拟合了一个包含PRS和协变量（年龄、性别、体重指数（BMI）、糖尿病和高血压）的多变量一般线性模型来分析LVM。进行了Type III MANOVA Pillai检验来评估PRS对log LVM值的影响。
结果 线性相关分析显示年龄与LVMh（r=0.278）和LVMbsa（r=0.296）以及BMI与LVMh（r=0.320）呈正相关。LVMh和LVMbsa之间观察到强线性相关（r=0.894）。观察到糖尿病和高血压患者的LVM升高。在考虑年龄、性别、BMI、糖尿病和高血压的情况下，我们发现没有足够证据表明心力衰竭PRS影响LVM的任何测量值；LVM PRS也是如此。
结论 我们发现没有足够证据表明主要来自欧洲多祖先人群的心力衰竭和LVM遗传变异与JHS中非洲裔美国参与者的log LVM呈线性相关。
已知的相关信息
- 人们主张开展多祖先全基因组关联研究，以改进对欧洲以外血统群体相关的遗传变异的发现。然而，这些多祖先研究中欧洲血统个体通常占主导地位，引发了这些新发现的遗传变异的普适性问题。
本研究的新增贡献
- 在评估非洲裔美国人队列中的左心室质量时，我们发现没有足够证据表明先前在主要为欧洲血统的多祖先左心室质量和心力衰竭研究中确定的遗传变异与之相关。
本研究对研究、实践或政策的潜在影响
- 我们的发现增加了现有知识，表明有必要在非洲血统队列中招募更多参与者并开展针对性遗传研究，以改进可能有助于心血管疾病的遗传变异发现，从而改善这一受影响比例过高的社区的健康状况。
引言
左心室是将含氧血液泵送到全身的心脏结构，会因各种刺激而发生重构。一种重构形式涉及左心室质量（LVM）的变化，可通过超声心动图（ECHO）进行估算。LVM的增加与年龄增长和体型有关。糖尿病和高血压等疾病也与LVM增加相关。当按体型进行指数化时，LVM是左心室肥厚的有用诊断标志物，左心室肥厚是一种以LVM异常增加为特征的心脏疾病。左心室肥厚源于心脏过度负荷，是对高强度运动等刺激的生理反应，可能导致通常称为"运动员心脏"的现象。然而，它也可能在高血压等慢性压力引起的病理条件下发展。这种病理形式的左心室肥厚与心力衰竭风险增加相关。因此，LVM被认为是不良心血管结局的敏感预测指标。
非洲裔美国人群被发现承受着不成比例的心血管疾病负担。对于病理性左心室肥厚，与主体人群相比，非洲裔美国人报告的患病率更高。非洲裔美国成年人LVM升高的原因尚不清楚，但可能部分由环境因素（如慢性压力）或健康因素（如高血压患病率）解释。日益受到关注的是与复杂状况（如LVM升高）相关的遗传变异的影响。尽管疾病负担增加，非洲裔美国成年人以及其他具有显著非洲血统的人群在许多关于LVM及相关结局（如心力衰竭）的遗传研究中代表性不足。
多基因风险评分（PRSs）已成为使用全基因组关联研究（GWAS）识别的遗传变异聚合来预测个体疾病风险的有用工具。然而，PRS应用的主要局限性在于用于推导这些变异的源GWAS中多样血统的最小代表性。这种代表性不足导致PRS在非欧洲血统人群中的结果不一致，与欧洲血统人群相比，如果PRS在临床上使用，可能会引发医疗保健差异的担忧。已经进行了更多开展多祖先GWAS的努力，但这些研究中欧洲血统仍然占主导地位。
能够识别最可能经历LVM增加风险个体的PRS将极大有助于改善健康结局，特别是对于像非洲裔美国人这样承受不成比例负担的群体。然而，最近确定的遗传变异的广泛适用性存在不确定性。在本研究中，我们考察了从欧洲主导的多祖先研究中与心力衰竭或LVM相关的变异衍生的遗传风险评分与杰克逊心脏研究（JHS）中非洲裔美国人队列的LVM测量值之间的线性关系。
方法
研究队列
JHS是一项基于社区的前瞻性流行病学研究，针对非洲裔美国人的心血管疾病。在基线检查（2000-2004年）中，JHS招募了5306名年龄在21至95岁之间、居住在密西西比州杰克逊大都市区（包括欣兹、麦迪逊和兰金县）的男女。JHS已进行了两次随访检查（2005-2008年和2009-2013年）。第三次随访检查正在进行中。本研究中呈现的所有数据均来自基线检查（2000-2004年）期间收集的广泛表型数据。本研究中呈现的数据于2023年7月27日获取。
本研究中呈现的工作已获得JHS演示和出版委员会的调查和出版批准，项目编号P1814。本研究已由密西西比大学医学中心人类研究办公室审查和批准，IRB编号UMMC-IRB-2023-145。所有JHS参与者均提供了书面知情同意。有关知情同意过程的更多信息，请参见JHS设计和方法报告。
人体测量和慢性疾病测量
基线检查中的相关特征包括：（1）糖尿病的存在，定义为空腹血糖≥126 mg/dL，或诊所就诊前两周内使用糖尿病药物（实际或自报）；（2）HbA1c ≥6.5%；（3）高血压的存在，定义为使用降压药物或血压>140/90 mm Hg；（4）使用 Hawksley随机零血压计在坐姿下测量的静息血压，根据测量的臂围选择四种袖带尺寸之一。变量测量和收集的详细信息以及JHS方案的总体设计已在其他地方描述。
超声心动图测量
使用Sonos 4500（惠普）超声机进行超声心动图检查。最终测量由一位具有ECHO 3级培训的心脏病学家读取器离线进行。心脏尺寸根据美国超声心动图学会（ASE）指南进行测量。LVM根据ASE校正公式计算。为校正体型，计算了两个LVM指数：（1）LVM（g）除以身高2.7（g/m2.7），表示为LVMh；（2）LVM除以体表面积（g/m2），表示为LVMbsa。
基因分型
JHS参与者的全基因组测序作为美国国家心肺血液研究所精准医疗跨组学计划的一部分进行。
遗传风险评分
PRSs是个人发展特定性状的估计遗传风险的定量测量，可根据与感兴趣性状相关的许多单核苷酸多态性（SNPs）的效应量化来计算。本研究的SNPs选自两项先前发表的研究。在一项研究中，在多祖先GWAS中发现了47个全基因组显著的心力衰竭位点，其中非洲血统个体占研究组的不到15%。在第二项研究中，在多祖先GWAS中发现了12个全基因组显著的LVM相关位点，其中自报黑人个体占研究队列的不到2%。这些先前的GWAS研究均未包括JHS。由于JHS队列测序数据中某些变异SNPs未被识别（可能是由于变异质量低未通过测序质量控制，或由于此样本量中无替代等位基因），分别使用39个心力衰竭相关变异和10个LVM相关变异以及各自先前GWAS中确定的相关效应大小，计算了心力衰竭（PRShf）或LVM（PRSlvm）的PRSs。然后使用PLINK 1.9软件通过分数功能计算JHS参与者的PRSs。
统计分析
从初始研究队列（n=5306）中，由于LVM指数数据缺失（n=3400），排除了1906名参与者，另有1218名参与者因基因分型数据缺失被排除。7名参与者糖尿病值缺失，也被排除。使用图形、描述性统计和t检验对具有和不具有PRS值的参与者的两个LVM值进行了比较。这两组之间没有发现差异。因此，使用2175个完整案例进行建模。为了初步探索性数据分析，为连续变量年龄、体重指数（BMI）、PRShf、PRSlvm、LVMbsa和LVMh以及分类变量性别、糖尿病和高血压生成了描述性统计和图形。由于观察到两个LVM测量值均呈右偏斜，因此在拟合模型前进行了对数转换。使用包含预测因子PRShf和PRSlvm；协变量年龄和BMI；以及因素性别、糖尿病和高血压的多元一般线性模型拟合了两个LVM测量值（LVMbsa和LVMh）。使用方差膨胀因子评估了这些解释变量之间是否存在多重共线性。未观察到多重共线性。
由于LVMbsa和LVMh捕获相同的底层LVM结构，并且两个指数高度相关，我们选择多元一般线性模型来测试LVM与遗传风险评分之间的关联。多元方差分析（MANOVA）直接测试解释变量对任一结果的联合零假设（对于并交测试），同时考虑其协方差，（i）通过针对高度依赖结果的两个单独GLM进行事后多重测试校正来控制I类错误，（ii）当效应在相关响应中一致时保留或增加功效。运行Type III MANOVA Pillai检验以评估解释变量的影响。从Pillai检验统计量推导出近似F统计量。p值根据Holm的逐步下降法对假设检验的多重性进行调整。为了进行敏感性分析，采用线性混合模型分析了对数LVM测量值与PRS、年龄、性别、BMI、糖尿病、高血压、前五个血统主成分和家庭ID作为协变量之间的关联。主成分使用相关（PC-AiR）样本中的主成分分析方法生成。使用R V.4.3.1（R统计计算项目）进行统计分析。
结果
研究队列特征和探索性数据分析
基线时，JHS招募了5306名参与者。在这些参与者中，共有2175名参与者具有进行本研究所需的LVM测量和遗传数据。表1提供了研究队列的相关人口统计学、人体测量和超声心动图特征描述。该研究组由平均（±SD）年龄为52.6±12.6岁、BMI为31.5±7.0 kg/m2、LVMh为36.2±9.8 g/m2.7、LVMbsa为75.0±18.7 g/m2的个体组成，观察到52%为高血压。
我们的队列首次分析探索了研究变量之间的关系，特别关注LVM与解释变量之间的关联。对于连续变量，我们对年龄、BMI、PRS和LVM测量值应用了朴素线性相关分析（图1）。我们的结果显示年龄与LVMh（r=0.278）和LVMbsa（r=0.296）之间存在中等正相关。我们还观察到BMI与LVMh之间存在正相关（r=0.320）。不出所料，LVMh和LVMbsa之间也观察到强正相关（r=0.894）。我们还注意到LVMbsa和LVMh的分布呈右偏斜，而PRShf和PRSlvm的分布近似正态。
对于分类变量，我们通过性别、糖尿病和高血压类别水平内的LVM测量值并排箱线图评估了分布。我们发现与未经历这些状况的个体相比，糖尿病和高血压患者的LVMh和LVMbsa明显增加。对于性别，与女性相比，男性的LVMbsa增加，而LVMh在性别之间没有明显差异。
LVM的多元分析
在探索了变量之间的关系并得出LVM与解释变量之间的关联与已发表文献一致的结论后，我们继续进行主要分析。为校正LVM指数的偏斜，对这些变量进行了对数转换。因为两个指数测量相同的结果LVM，且具有强相关性（r=0.894），所以将对数LVMh和对数LVMbsa拟合到包含解释变量的多元一般线性模型中（表2）。对于对数LVMh和对数LVMbsa，年龄（F=49.0；p<1.5 x 10^-15）、性别（F=972.4；p<1.5 x 10^-15）、糖尿病（F=4.7；p=0.028）、高血压（F=46.7；p<1.5 x 10^-15）和BMI（F=3787.8；p<1.5 x 10^-15）均观察到显著效应。然而，没有足够证据表明PRShf对任一对数LVMbsa或对数LVMh有影响，同时考虑模型中的其他解释变量（F=1.6；p=0.401）。PRSlvm也是如此（F=0.2；p值=0.833）。
在MANOVA之后，我们使用线性混合模型进行了事后敏感性分析，单独检验对数LVM测量值与PRS之间的关联（表3）。在此分析中，我们还使用五个主成分和家族随机效应调整了遗传血统。与之前的结果相似，通过此敏感性分析，我们也没有观察到LVM测量值与任一PRS之间存在统计学显著关联（表3）。
讨论
PRSs是一种相对较新且创新的技术，有潜力增强风险预测模型，使我们的社会更接近精准医学的前景。例如，在乳腺癌PRS中，观察到分布中前10%的女性患乳腺癌的终身风险与CHEK2和ATM基因中致病性突变个体的风险相当。由465个变异组成的LVM指数PRS已显示与心房颤动、心力衰竭、心室心律失常、扩张型心肌病和植入式心脏复律除颤器的较高风险相关。在接受高血压治疗的个体中，心力衰竭PRS（由12个遗传变异推导）的升高分数与经历心力衰竭的风险增加相关。然而，关于PRS使用的一个主要关注点是它们对非欧洲血统人群的普适性，因为正在发现并应用于这些PRS计算的遗传变异通常来自缺乏血统多样性的研究。
在本研究中，我们试图确定在主要为欧洲血统的多祖先人群中识别的心力衰竭或LVM相关变异位点是否与JHS中非洲裔美国人队列中的LVM相关。我们根据心力衰竭或LVM相关变异为JHS参与者推导PRSs，并寻找与LVM的两个指数的关联，并在我们的模型中包括LVM协变量和因素年龄、BMI、性别、糖尿病和高血压。与已发表文献一致，我们在评估后者与LVM之间的关系时观察到统计学显著结果。然而，未观察到任一PRS与LVM之间存在统计学显著关联。
在探索性分析中，当评估LVM、PRS和连续协变量年龄和BMI之间的未经调整相关性时，我们发现年龄与两个LVM指数以及BMI与LVMh之间存在中等正相关（图1）。众所周知，左心室的结构性重构与衰老密不可分。虽然关于衰老与LVM实际变化之间联系的争论仍在继续，但共识似乎是传统计算LVM的方法与年龄增长呈正相关。BMI与LVMh呈正相关，而与LVMbsa的相关系数约为零（-0.054）。关于BMI与LVMbsa缺乏关联，先前研究指出，LVMbsa在超重/肥胖个体中对LVM变化的估计效果不佳，尤其是与LVMh的性能相比。本研究队列的平均BMI为31.5，根据标准BMI分类属于肥胖范围，这可能解释了我们的结果。不出所料，我们还观察到LVMh和LVMbsa之间存在强正相关。
还通过每个类别水平内LVM指数值的并排箱线图评估了其他分类变量，包括性别、糖尿病和高血压（在线补充图S1）。我们没有观察到男性和女性在LVMh上的差异。然而，对于LVMbsa，男性的值高于女性。这可能与研究表明按身高索引可能不足以解释可能导致LVM误算的性别差异有关。同样，对于两个LVM指数，与没有这些状况的参与者相比，糖尿病和高血压参与者的LVM升高，这与已发表的研究一致。
我们对两个LVM测量值的对数转换拟合了一个多元一般线性模型，然后使用MANOVA假设检验来确定每个变量对LVM的影响（表2）。我们的线性模型发现年龄、性别、糖尿病、高血压和BMI对LVM的影响都很重要，而任一PRS均与LVMhf或LVMbsa无显著关联。基于探索性数据分析，这些结果并不令人意外，我们的敏感性分析也支持这些发现。与非遗传解释变量的关联与已发表的研究一致，这些研究发现LVM随年龄和BMI增加，而糖尿病和高血压患者LVM增加的风险更大。
我们发现没有足够证据表明JHS中这些特定遗传变异与LVM相关。我们观察到这些与引用研究结果不一致的结果有几个解释。根据一般做法，PRS分析应涉及至少100名个体的样本量。然而，这样的样本量可能不足以检测更温和的PRS效应。虽然本研究中开发的PRS在这些一般术语上是足够的，但有建议表明PRS性能可通过增加样本量来提高。考虑到这一点，加上我们采样的变异位点所来自的参考研究包括超过43,000名参与者（LVM研究）和超过100,000名参与者（心力衰竭研究），本研究队列的2175名参与者可能不足以复制参考研究的结果。此外，我们采样的变异位点所来自的参考研究与JHS队列之间的遗传血统组成存在显著差异可能起着重要作用。心力衰竭和LVM研究中非洲血统个体分别少于15%和黑人个体少于2%。我们还注意到，所引用的LVM GWAS使用心脏磁共振（CMR）成像来估计LVM，而JHS使用的是ECHO估计。由于有研究表明ECHO与CMR相比高估了LVM，这两种技术的技术差异可能影响了参考GWAS中收集的遗传变异与本研究中LVM的关联。心力衰竭GWAS变异也可能通过除LVM以外的中间表型发挥作用。最后，此队列中高血压和肥胖等健康因素的高患病率可能简单地超过了这些变异的遗传效应。这两种状况都与心脏超负荷相关，高血压与压力超负荷相关，肥胖与容量超负荷相关。无论遗传倾向如何，这些健康因素的存在都可能刺激心脏重构并诱导LVM变化。
局限性
我们的统计方法中存在一些应承认的局限性。首先，我们本研究的方法遵循了一个简约模型，旨在关注关键兴趣变量并避免模型扩展。这样做时，我们没有包括某些据报道与LVM相关的环境解释变量，如吸烟和饮酒。我们承认，包括这些变量将有机会从我们的统计模型中获得更多见解，特别是关于非遗传解释变量。
我们统计方法的第二个局限性是决定进行完整案例分析，而不是尝试填补缺失的LVM测量值。在本研究准备过程中，使用图形、描述性统计和t检验对具有和不具有PRS值的受试者的两个LVM进行了比较（数据未显示）。这两组之间没有发现差异。因此，虽然分析仅限于完整案例，但排除引入的偏倚风险似乎很小。未对缺失的遗传数据进行多重插补，因为基因型信息并非随机缺失，而是对未进行基因分型的参与者结构性缺失。此外，LVM的插补需要更复杂的结局建模，可能会掩盖真实关联。然而，我们承认缺失数据可能会影响本研究结果的普适性。
第三，多元一般线性模型（本研究的主要分析工具）未包括遗传血统的主成分或家族随机效应。JHS队列是位于密西西比州杰克逊大都市区的相对同质的非洲裔美国人群体。虽然JHS参与者中显然存在遗传血统变异，但我们假设该人群中遗传血统差异对LVM关联的任何影响都不会产生重大影响。为解决我们的假设，我们在敏感性分析中包括了使用PC-AIR计算的五个遗传血统PCs，观察到我们的总体结果没有变化。
心力衰竭是一种复杂、异质性的疾病，具有多种风险因素。在Levin等人引用的研究中，作者应用了广泛的"全因"心力衰竭定义来识别遗传变异。这些遗传变异在相关心力衰竭原因上可能过于多样化，这在作者指出的某些位点的多效性效应中得到了强调。因此，与LVM变化相关的性状的这种变异性可能削弱了可能的关联，这可能解释了为什么我们观察不到与PRShf的关联。
遗传血统对PRS在不同群体中适用性的影响近年来一直是重要讨论话题。将本研究中评估的欧洲衍生变异应用于非洲裔美国人队列可能与在类似主要为欧洲血统的多祖先人群中进行的分析产生不同结果。此外，应用于GRS的变异数量也被认为是预测性能中的一个问题。我们的研究应用了非常适度数量的变异。可能包含数百个变异的真实PRS可能表现更好。最终，应在未来工作中检查额外的PRS模型，使用更大的队列。
最后，不能过分强调环境因素（如社会经济地位（SES）和压力）对LVM的影响。慢性压力和较低的SES与高血压发病率较高相关，而高血压本身是LVM增加的主要原因。这些关系也可以在JHS中找到，因为压力和较低的SES与高血压患病率增加相关。因此，对于LVM这样的性状，它与高血压密切相关，所选遗传变异的效应贡献可能简单地被环境所压倒。此外，如前所述，吸烟和饮酒等因素也值得注意，应予以考虑。未来研究LVM变化的遗传风险应评估遗传与环境因素之间的相互作用。
结论
总体而言，我们发现没有足够证据表明在主要为欧洲血统的多祖先人群中识别的这些特定心力衰竭和LVM相关变异与JHS中非洲裔美国成年人的LVM相关，尽管在我们相对较小的队列中不能排除轻微影响。未来研究可能通过优化应用于PRS计算的遗传变异数量并将特定环境因素纳入分析来扩展这项工作。针对非洲血统人群的LVM和心力衰竭未来GWAS也可能改善PRS评分可用的GWAS训练数据。
【全文结束】
