【话险危夷】血压、血浆蛋白与心血管疾病：一项网络孟德尔随机化与观察性研究

深度解析医学证据，DeepEvidence为你支撑决策

摘要

背景与目的：导致血压（blood pressure, BP）升高及后续心血管疾病（cardiovascular diseases, CVDs）的生物学通路仍未完全明了。研究血压的蛋白质组学图谱及其与CVD的重叠部分，可为深入理解BP调控所涉及的分子决定因素和通路，以及这些因素对CVD的后续影响提供关键见解。方法：首先，通过利用来自2007种血浆蛋白质的遗传工具变量（即用于遗传推断的基因变异），进行了一项全蛋白质组孟德尔随机化（Mendelian randomization, MR）研究，以评估它们对BP（收缩压和舒张压）的因果效应。随后，进一步分析了与BP显示出强关联的蛋白质对冠状动脉疾病（coronary artery disease, CAD）和卒中（stroke）亚型的潜在因果效应。接着，进行了网络孟德尔随机化分析，以估计通过BP介导的CVD风险比例。此外，应用贝叶斯共定位分析来确定已识别的关联是否共享共同的因果变异位点。最后，在英国生物样本库（UK Biobank, UKB）参与者中，通过线性回归和Cox比例风险模型检验了观察性关联，以评估蛋白质、血压与心血管疾病事件发生之间的关系。结果：全蛋白质组MR分析确定了242种与BP相关的蛋白质，其中48种也与CAD或卒中相关，其中四种（ACOX1、FGF5、FURIN、MST1）也得到了遗传共定位分析的支持（FDR <5%，且PP ≥70%）。遗传预测的FURIN和FGF5与BP和卒中风险强相关，而ACOX1、FGF5和MST1显示出对CAD的潜在因果效应。网络孟德尔随机化分析表明，这些蛋白质对CAD和卒中影响的很大一部分（30.5%–77.2%）是通过血压调节介导的。观察性分析也进一步支持了这些发现。结论：本研究识别了在BP调控和CVD风险中具有潜在因果作用的关键血浆蛋白质，并强调了BP是这些蛋白质对CAD和卒中影响的主要介质。此外，这些发现为高血压相关CVD的分子机制提供了新的见解，并确定了有前景的蛋白质靶点供进一步研究。

结构化图文摘要

关键问题

是否存在一个在高血压（BP）、冠状动脉疾病（CAD）和卒中中共同存在的血浆蛋白质组子集？这些蛋白质如何通过影响血压进而影响心血管风险？

关键发现

孟德尔随机化（MR）和遗传共定位分析确定了四种在BP、CAD、卒中中共同存在的潜在因果蛋白。此外，这四种蛋白质（ACOX1、FGF5、FURIN和MST1）的关联性得到了观察性分析的进一步支持。中介分析进一步表明，它们对心血管风险的影响在很大程度上是通过血压介导的。

要点信息

这些发现为未来试验中测试同时降低血压和心血管风险的新型治疗靶点提供了依据。

关键词 蛋白质组学；血压；孟德尔随机化；心血管疾病

引言

高血压是导致过早死亡、心血管疾病（CVD）和全因死亡率的主要可改变危险因素，全球约12.8亿30-79岁的成年人受其影响。即使是血压（BP）的小幅升高也会显著增加CVD风险；例如，收缩压（SBP）每增加10 mmHg，冠状动脉疾病（CAD）风险增加45%；卒中风险增加约65%。

大量流行病学证据表明，BP和CVD之间存在共同的生活方式和遗传风险因素。然而，BP升高与其向CVD发展的分子通路尚未完全明了。阐明这些通路对于识别新的治疗靶点至关重要，同时也有助于制定更有效的策略以减轻BP相关CVD的负担。蛋白质组学是一个大规模研究蛋白质的迅速发展领域，为揭示这些通路提供了强有力的方法。它能够识别可能作为细胞信号传导和功能关键调控因子的分子靶点，而这些靶点是许多疾病治疗的主要来源。在BP背景下，这些蛋白质可能作为高血压的介质（例如通过血管收缩或血管重塑），也可能作为反映高血压生理相关细胞功能障碍的血浆标志物。因此，研究BP及其与CVD重叠的蛋白质组学决定因素，有助于深入理解BP调控所涉及的分子机制和通路，以及它们对CVD的后续影响。

在本研究中，我们通过全蛋白质组孟德尔随机化（MR）分析，系统地评估了BP的蛋白质组学决定因素。MR利用遗传变异作为工具变量，以评估暴露（例如蛋白质丰度）与结局（例如BP和CVD）之间的潜在因果关系。这种方法类似于随机对照试验，因为遗传变异在受孕时是随机分配的，有助于减轻混杂因素和反向因果关系的影响。近期的大规模蛋白质基因组学研究已经识别出数千个与蛋白质丰度相关的遗传变异（蛋白质数量性状位点，pQTL），这为应用MR研究基于血浆的标志物在疾病通路中的因果作用提供了独特的机会。为了进一步研究基于血浆的BP蛋白质组学决定因素是否与CVD相关，我们将分析扩展到包括CAD和卒中，并进行了网络MR评估BP在连接BP相关蛋白与CVD中的潜在中介作用。我们还开展了广泛的下游分析，包括贝叶斯共定位分析、使用Cox回归模型的观察性分析以及表型组全关联研究（PheWAS），以证实研究结果的稳健性及其与其他临床结局的相关性。总体而言，我们的研究优先确定了BP和CVD相关的血浆生物标志物，加深了对其分子机制的理解，并为开发通过BP管理降低CVD负担的改进预防和治疗策略提供了依据。

如图1所示，我们首先使用2923种血浆蛋白的顺式pQTL进行全蛋白质组MR分析，以评估它们对收缩压和舒张压的潜在因果效应。随后，在同一MR框架下，对与BP显示出强关联的遗传预测蛋白质进行了其与CAD及卒中亚型的潜在因果效应评估。对于与BP和CVD结局均相关的遗传预测蛋白质，进行了贝叶斯共定位分析，以评估这些关联是否基于共同的遗传变异。具有强MR和共定位证据的蛋白质被进一步用于网络MR分析，以估计由BP介导的CVD风险的中介比例。我们在英国生物样本库（UKB）参与者中，通过观察性分析对这些结果进行了三角验证，探讨了蛋白质水平、降压药使用、BP水平和心血管事件之间的关联。最后，对主要的遗传变异进行了表型组全关联研究分析，以评估其在广泛性状中的多效性。

全蛋白质组孟德尔随机化

蛋白质、血压和心血管疾病结局的全基因组关联研究数据来源

从英国生物样本库制药蛋白质组学项目（UKB-PPP）公开可用的全基因组关联研究（GWAS）数据中，获得了与2923种独特血浆蛋白相关的遗传变异数据，该研究涉及最多约54，219名主要具有欧洲血统的参与者。UKB-PPP 是一个由 13 家生物制药公司组成的预竞争性联盟，资助在UKB参与者中生成基于血液的蛋白质组学数据。所有卒中以及四种亚型（包括缺血性卒中、心源性栓塞性卒中、大动脉卒中和腔隙性卒中）的GWAS汇总统计数据来自GIGASTROKE联盟。CAD的GWAS数据来自 van der Harst 等人的荟萃分析。

先前的BP GWAS包含了UKB数据，并在全基因组关联分析模型中校正了体重指数（BMI）作为协变量，这可能分别由于样本重叠及MR中的碰撞偏倚而引入偏差。为了解决这些问题，我们在UKB中多达410，170名欧洲裔个体（排除UKB-PPP亚样本）中，对SBP[均值（标准差）= 141.09 (20.64) mmHg]和DBP[均值（标准差）= 84.28 (11.24) mmHg]进行了GWAS。

简而言之，UKB是一项来自英国的基于人群的前瞻性队列研究，纳入了超过 50 万名年龄在 40 至 69 岁之间的志愿者。研究设计、样本特征和全基因组基因型数据先前已有描述。在知情同意后，参与者完成了关于暴露因素、病史和治疗的标准化问卷，并接受了标准化的表型测试，包括在静坐休息 2 分钟后使用合适的袖带和欧姆龙 HEM-7015IT 数字BP计测量两次BP。如果无法使用标准自动设备，则采用手动BP计。平均SBP和DBP[值是从两次自动（N = 418,755）或两次手动（N = 25,888）BP测量值计算得出的。对于有一次手动和一次自动BP测量值的个体（N = 13,521），使用这两个值的平均值。对于只有一次可用BP测量值的个体（N = 413），我们使用单一值。计算BP测量值后，我们根据报告对正在服用降压药物的个体（n = 94,289）进行了药物使用校正，分别对SBP和DBP进行增加 15 mmHg 和 10 mmHg 的调整。GWAS（未调整体重指数）使用 BOLT-LMM 软件进行，并应用了如先前所述的质量控制筛选条件。接下来，我们系统地比较了我们的BP GWAS与 Evangelou 等人进行的研究，以进一步验证我们的发现。我们计算了两个GWAS数据集之间SBP和DBP的遗传相关性，观察到两个性状均存在强烈的正相关：SBP（rg = 0.95，se = 0.004）和DBP（rg = 0.91，se = 0.005）。这些估计值表明，我们的BP GWAS（不包括 UKB-PPP 队列）的效应估计值与现有BP GWAS中报告的数值高度相关。我们分析中使用的研究均获得了各自机构审查委员会的批准，所有参与者均提供了知情同意。

选择顺式 pQTL 作为遗传工具变量及孟德尔随机化分析

为了获得 2923 种血浆蛋白的遗传工具变量，我们提取了位于相应编码基因上下游1兆碱基范围内的顺式作用双等位单核苷酸多态性（ SNP），并将其定义为顺式-pQTL，同时要求其次要等位基因频率大于0.01。遗传工具变量进一步根据关联强度（P < 5 × 10−8 ）进行筛选，并使用TwoSampleMR R软件包，在成对连锁不平衡（LD）阈值为 r22 < 0.001 和 10,000 千碱基的窗口内进行聚类。对于所有MR及后续的下游敏感性分析，我们使用了一个从UKB中随机选择的 10,000 名欧洲血统个体参考面板来生成工具变量，并使用千人基因组计划欧洲血统个体（第 3 阶段）进行聚类。考虑到我们所使用的GWAS参与者与UKB参与者之间存在大量重叠，该参考面板提供了基础人群的代表性样本，能够实现精确的LD估计。

为了使MR因果估计有效，必须满足以下假设：遗传工具变量 (i) 与暴露因素强相关；(ii) 不关联于任何暴露-结局关联的潜在混杂因素；且 (iii) 不独立于暴露影响结局。对于所有MR分析，主要采用逆方差加权（IVW）法（用于 ≥2 个工具变量）或 Wald 比值法（用于 <2 个工具变量）。简而言之，Wald 比值法通过取 SNP 对结局（BP和CVD结局）的效应与 SNP 对暴露（蛋白质丰度）的效应的比值来估计因果效应，而逆方差加权法通过对特定变异的比值估计值进行逆方差加权线性回归，当所有使用的工具变量都有效时具有更高的统计效力。所有 SNP 效应均来自上一节描述的GWAS汇总统计数据。对于由 >3 个工具变量分析的性状，我们进行了 Cochran's Q 检验以检测异质性的存在。应用了 Benjamini-Hochberg 错误发现率（FDR）校正，FDR 校正后的 P < 0.05 被认为具有统计学显著性。对于连续结局，β 估计值直接从MR估计值中获得，而对于二分类结局，优势比通过对MR估计值取指数得出。对于没有异质性证据的显著关联（FDR 校正后 P < 0.05 ，Cochran's Q > 0.05），我们增加了额外的标准以提高工具变量的可靠性并符合MR假设。因此，在以下情况下，我们将蛋白质排除在下游分析之外：(i) 双向MR或 Steiger 过滤方法显示出反向因果关系的证据（即，结局的遗传易感性对蛋白质具有推定的因果效应），以及 (ii) 来自MR分析的 F 统计量低于 10，以避免潜在的弱工具变量偏倚。

网络孟德尔随机化与介导比例

为了研究BP对蛋白质-CAD/卒中关联的潜在中介效应，我们应用了两步MR策略（网络MR）。具体来说，我们进行了两样本顺式和单变量MR分析，以研究蛋白质对BP的潜在因果效应（β1）、BP对CAD/卒中的潜在因果效应（β2）以及蛋白质对CAD/卒中的潜在因果效应（βTE）。然后将中介比例估计为β1×β2/βTE，并使用德尔塔法估计标准误差和95%可信区间（95%CI）。我们验证了β1、β2和βTE处于相同的效应方向，以避免不一致的中介效应。

遗传共定位

为探究蛋白质、BP与CVD结局之间的遗传关联是否由同一因果变异驱动且不受LD干扰，我们采用了贝叶斯共定位分析方法。共定位分析在相应编码基因的预定义顺式区域内进行，并排除了低频和罕见变异（MAF <0.01）。先验概率设为默认值，即共定位窗口内任一 SNP 仅与任一性状关联的概率为1×10⁻⁴，与两个性状同时关联的概率为1×10⁻⁵。两个性状的每种组合可归属于以下假设之一：假设0（无关联）、假设1与假设2（仅与一个性状关联）、假设3（与两个性状关联但由不同因果变异驱动）、假设4（与两个性状关联且共享同一因果变异）。若假设4的后验概率（PP）高于70%，则视为该区域内两性状存在共定位的证据。共定位分析使用"coloc" R软件包完成。

此外，我们使用多性状共定位来检查跨血浆蛋白水平、BP和CVD的共定位。多性状共定位的窗口设置与前面提到的常规共定位方法相同。默认先验设置为：共定位窗口内的任何变异与一个性状关联的概率为 1 × 10−4 ，与两个性状关联的概率为 1 × 10−6 ，与所有三个性状关联的概率为 1 × 10−7 。多性状共定位 PP > 70% 被认为是强共定位证据，而共定位 PP > 50% 被认为是提示性共定位证据。多性状共定位分析使用 'moloc' R 包进行。

对于基因密集区域（即同源基因位置邻近的蛋白质），我们进行了成对条件共定位（PWCoCo）分析，以解决共定位的单因果变异假设并检查非主要信号的独立共定位。这些区域被定义为与BP和CVD结局均相关的蛋白质候选物中，其中某个基因的 ±500 kb 窗口与另一个基因编码区两侧的 ±500 kb 窗口重叠的区域（N = 22）。此外，为了进一步减轻多效性导致的偏倚，我们交叉参考了基因型组织表达数据库（GTEx）和 Open Targets Genetics 门户网站，针对我们优先考虑的蛋白质，确定这些蛋白质的顺式 pQTL（即用作MR遗传工具变量的变异）是否也是相应基因的顺式 eQTL（即相同的遗传变异是否影响同源基因的表达）。随后，如果 pQTL 被识别为多效性且没有证据表明是 eQTL，则将其排除。

蛋白质-蛋白质相互作用

为了识别与BP相关的通路，并总结与BP和CVD相关的蛋白质在功能网络中的作用，我们将从全蛋白质组MR中获得的与BP和CVD结局均相关的遗传预测蛋白质提交至 STRING 数据库（版本 12.0），以构建蛋白质-蛋白质相互作用（PPI）网络。在 STRING 数据库中，仅考虑置信度阈值达到 0.4 的经过实验验证的相互作用。接下来，我们使用 Leiden 聚类算法识别了衍生网络中存在的群落。使用 Enrichr 对包含在每个群落中的蛋白质进行了富集分析，使用 FDR 校正后 P < 0.05 来声明显著的富集结果。

观察性分析

我们通过来自UKB的观察性证据对MR结果进行了三角验证。为了检查降压治疗与经MR分析在BP上具有因果证据的血浆蛋白之间的关联，我们利用了来自UKB中患有高BP的个体（在血液样本采集前有高BP诊断或在采集时使用降压药物）的蛋白质组学数据。高BP的定义基于 CALIBER 代码列表中针对全科医生记录或医院统计中的高BP代码。个体蛋白质水平根据年龄和性别进行了调整，并对残差进行了秩逆正态化。使用 t 检验比较了服用与未服用降压药物的高BP个体之间调整后的蛋白质水平。为了分离降压药物的效果，我们进行了敏感性分析，排除了服用降胆固醇和降糖药物的个体。应用了错误发现率校正，FDR 校正后 P < 0.05 被认为具有统计学显著性。

我们还评估了每种显示出强因果证据并与BP和CVD共定位的蛋白质与BP水平（横断面分析）和偶发CVD（纵向分析）之间的关联。为了研究蛋白质水平与BP之间的关联，我们使用单独的线性回归分析，以每种感兴趣蛋白质的标准化水平作为预测因子，BP测量值作为结局。报告了蛋白质水平与收缩压之间关联的标准化 β 系数。使用 Cox 比例风险模型计算标准化蛋白质水平与复合CVD（CAD和卒中）事件发生时间、以及分别与卒中和CAD事件发生时间的风险比。对于线性回归和 Cox 回归，我们运行了顺序调整的模型：(a) 年龄和遗传性别；(b) 汤森剥夺指数、体重指数、吸烟状况；(c) 低密度脂蛋白和高密度脂蛋白胆固醇、糖尿病和降胆固醇药物。分别为收缩压和舒张压运行了单独的模型。CAD和卒中的诊断通过患者关联的全科医生记录（readcode）、医院统计数据和死亡记录（ICD-10）定义，使用了 2023 年 6 月UKB发布版中的 CALIBER 卒中代码列表和 Patel 等人的CAD代码列表。参与者随访开始于血液样本采集日期，事件发生时间设定为以先发生者为准：首次诊断日期、参与者死亡日期或删失日期（2023年6月）。基线时患有CVD的参与者被排除在 Cox 回归分析之外。

表型组全关联研究

我们进行了PheWAS分析，以评估超出CVD的多种性状与主要顺式-pQTL 之间的关联，并识别与其他表型的潜在反向效应。我们在UKB中对具有欧洲血统的参与者进行了这些分析，针对显示出强因果证据（FDR < 0.05）和共定位（PP > 70%）的蛋白质的主要顺式-pQTL。从每对亲属（亲缘系数 > 0.0884）中随机排除一人。最终样本包括 424,439 名个体。病例和对照使用国际疾病分类第九版或第十版修订代码定义，这些代码来源于住院医院统计数据记录，并根据 PheWAS R 包转换为 phecodes。对照被定义为没有相应 phecode 记录的个体。我们按照先前的建议，将分析限制在至少 200 例病例的 phecodes 上。采用逻辑回归模型，调整了年龄、性别和前四个遗传主成分。

软件

所有统计分析均使用R开源软件进行。数据协调、聚类及主要孟德尔随机化分析通过TwoSampleMR包完成。我们使用"coloc"包进行常规共定位分析，并使用"moloc"包进行多性状共定位分析。遗传相关性通过LDSC进行估计。常规共定位的区域基因组图谱使用locuscomparer包和gassocplot包绘制。

结果

在测量的2923种蛋白质中，共有2007种循环蛋白质可获得顺式区域遗传关联汇总统计数据（顺式-pQTL；P < 5 × 10−8 ）；在排除位于主要组织相容性复合体区域的蛋白质由于该区域复杂的LD；N = 34）后，符合顺式-pQTLs标准的蛋白质数量为2007种。

与血压和心血管疾病相关的遗传预测蛋白质

全蛋白质组顺式MR分析识别出 242 种与SPB或DBP相关的遗传预测蛋白质（185 种与SBP相关，137 种与DBP相关；FDR < 0.05），没有异质性证据（Cochran's Q > 0.05）或通过双向MR或 Steiger 过滤评估出的反向因果关系证据（图 2）。

在这 242 种与BP相关的遗传预测蛋白质中，使用相同标准，有 48 种（19.8%）也与CAD（42 种蛋白质）或卒中（17 种蛋白质）相关。其中，37 种在BP和CVD性状之间显示出一致的效应方向（图 2C 和 D）。

在PPI分析中，这些蛋白质突出了包括 STK 信号、血管生成素信号、细胞外基质重塑和血管生成在内的通路之间的相互作用。

随后对这 48 种蛋白质进行的共定位分析，突出了 13 种与收缩压或舒张压共享单个因果变异具有强证据的蛋白质（PP ≥ 70%）。其中，5 种蛋白质（ACOX1、BRAP、ERP29、FGF5 和 FURIN）也显示出与CAD和/或卒中的强共定位，并且所有蛋白质在BP与CAD和/或卒中方面都具有一致的效应方向。对于基因密集区域（见方法部分），我们还进行了PWCoCo分析，突显了 MST1 的一个条件独立信号 (rs34484573)，该信号与收缩压（PP = 76.4%）和CAD（PP = 96.5%）具有强共定位证据（图 3）。这 6 种蛋白质（包括 MST1）具有稳健共定位证据的主要顺式 pQTL，除了 BRAP 和 ERP29 外，也是同源基因的顺式 eQTL（基于 GTEx），这表明遗传对蛋白质丰度的影响至少部分是通过 mRNA 水平的基因表达变化介导的。BRAP 和 ERP29 被排除在下游分析之外。

血压相关蛋白在ICBP联盟中的验证

接下来，我们试图在 ICBP 的独立数据中复制这 4 种蛋白质的MR结果。其中，3 种优先考虑蛋白质（ACOX1、FGF5 和 FURIN）的潜在因果效应使用一个独立的BP GWAS（ICBP 联盟，舒张压 N = 299,024，收缩压 n = 287,245）进行了复制。MST1 显示出可比较的效应估计值和一致的效应方向，但未达到名义显著性（P = 0.06）。

中介分析

在上一步中显示出通过共定位与BP和CVD共享单个因果变异强证据的四种蛋白质（ACOX1、FGF5、FURIN 和 MST1）（β₁ 和 βTE）被用于中介分析。较高的遗传预测收缩压和舒张压与较高的CAD和卒中风险相关（Mediation analysis₂）。随后的网络MR（β₁ × β₂ / βTE）表明，遗传预测的收缩压和舒张压可能介导了蛋白质对CAD和卒中的影响。例如，我们估计 FGF5 对CAD影响的 72.6% [95% CI = (49.2%, 96.1%)] 可能通过收缩BP介导（图 4），而 FGF5 对所有卒中影响的 77.2% [95% CI = (31.9%, 100%)] 通过收缩BP介导。

与观察性数据的三角验证

在通过MR分析识别的、在BP和CVD性状间具有一致效应方向的 35 种共享蛋白质的比较分析中，我们发现其中 21 种蛋白质水平与降压治疗相关（图 5）。关于四种优先考虑的蛋白质，与患有高BP但未服用降压药物的个体相比，服用降压药物的个体的 FURIN 和 MST1 循环水平显著较低，即使在排除了患有糖尿病或服用降脂药物的个体后也是如此（图 5）。

使用线性回归模型的观察性分析显示，所有四种具有强因果和共定位证据的蛋白质，在调整了多个潜在混杂因素的模型中，均与基线收缩压显著相关（图 3D）。同样，在 Cox 比例风险模型中，所有蛋白质在最小调整模型（年龄和性别）中均与CVD结局相关，其中 FGF5、FURIN 和 MST1 在随后包含一系列心血管危险因素的模型中与复合CVD风险升高相关（图 3A–C）。

驱动孟德尔随机化与共定位的遗传变异的表型组关联研究

我们还对 845 种表型进行了表型组全关联研究，重点关注在共定位分析中优先考虑的四种蛋白质的主要顺式 pQTL。所有被检查的主要顺式 pQTL 均显示出一系列心血管表型和心血管危险因素的关联，在其他被检查的表型中没有显示出有害或不利影响的证据。

讨论

在此，我们提出了一个整合遗传学和观察性研究的综合框架，突出了血压（BP）的蛋白质组学图谱及其与心血管疾病（CVD）的联系。通过全蛋白质组孟德尔随机化（MR）和贝叶斯共定位分析，我们筛选了12种在BP调节中具有潜在因果关系的循环血浆中的蛋白质。其中，遗传预测的四种蛋白质——酰基辅酶A氧化酶1（ACOX1）、成纤维细胞生长因子5（FGF5）、FURIN和巨噬细胞刺激因子1（MST1）——的水平也显示出与冠状动脉疾病（CAD）和/或卒中的潜在因果关联证据，并得到了观察性研究的支持。中介分析表明，这些蛋白质对CAD和/或卒中的影响很大一部分是通过BP水平介导的（结构化图文摘要）。

我们的研究结果强调了ACOX1作为一种在遗传学和观察性研究中均与BP和CAD呈正相关的蛋白质，尽管观察性关联在调整了其他心血管危险因素后有所减弱。ACOX1是一种主要负责过氧化物酶体中超长链脂肪酸氧化的酶，最近的动物和人类数据支持其在肥胖、脂质代谢和胰岛素抵抗中的作用。据报道，肝脏特异性敲除ACOX1可增强对饮食诱导的肥胖、炎症和胰岛素抵抗的抵抗能力，进一步证实了其代谢重要性。此外，ACOX1中的常见遗传变异与收缩压和血脂水平相关，这与我们的发现一致。综合证据表明，ACOX1可能在心血管病理中起着关键作用，其效应部分通过收缩压调节介导。

FURIN是一种能够激活炎症、血管重构和脂质代谢关键蛋白的肽酶。越来越多的观察性研究、蛋白质基因组学和基础科学研究证据支持FURIN在CVD中的作用。FURIN在动脉组织中表达，其顺式蛋白质数量性状基因座（cis-pQTL）单核苷酸多态性（SNPs）已被证实与CAD及心血管风险因素相关，进一步提示其对血管健康的影响。本研究为FURIN与脑卒中之间的潜在因果关系提供了新证据，其中约40%的效应通过BP调节介导。值得注意的是，一系列观察性研究也验证了该关联，与既往证据一致。目前FURIN正作为药物靶点被探索，多项针对FURIN抑制剂用于癌症免疫治疗的I期和II期临床试验已显示出良好疗效和安全性。我们的表型广泛关联研究（PheWAS）分析结果支持FURIN作为治疗靶点的安全性，尽管尚无临床试验探讨其在CVD治疗中的潜力。现有证据结合既往临床试验的启示，可能为开发针对CVD的FURIN靶向治疗策略提供进一步参考。

FGF5是一个公认的高血压易感基因，其遗传变异与收缩压（SBP）、舒张压（DBP）升高和卒中相关。我们的发现进一步支持了血浆FGF5水平升高与BP以及随后的CAD和缺血性卒中之间的潜在因果关系，这与先前的MR研究一致，并强化了关于FGF5血浆水平的观察性证据。成纤维细胞生长因子因其代谢和血管生成作用，已被广泛研究作为CVD的潜在治疗靶点。然而，FGF5受到的关注相对较少。虽然已有非BP相关机制，如心血管重塑，被提出以解释FGF5在CVD中的作用，但我们的研究结果表明，其对CAD和缺血性卒中影响的很大一部分是通过BP调节介导的。

巨噬细胞刺激因子1（MST1）是Hippo通路的一个关键组成部分，通过MR、共定位和观察性研究被鉴定为具有重要作用。MST1的激活与扩张型心肌病、缺血损伤后的心肌细胞死亡以及心脏生长抑制相关。实验研究进一步表明，敲低MST1可以减少动脉粥样硬化斑块形成并改善代谢健康，这表明MST1的活性与心血管病理过程密切相关。我们的研究提供了MST1与BP之间潜在因果关系的证据，这一关联之前很少被探讨。此外，我们的发现进一步表明，MST1对CAD的影响可能通过其对BP水平的有害作用介导，强化了其作为血管功能障碍潜在促成因素的作用。尽管MST1靶向药物仍处于临床前阶段，但抑制剂已在抑制MST1活性方面显示出潜力。鉴于其广泛的生理影响，需要进一步研究以阐明MST1在心血管健康中的治疗潜力。

优势与局限性

我们的研究有几个优势。首先，据我们所知，这是首批利用大规模基因组学数据研究BP在血浆蛋白与CVD关系中的潜在中介作用的研究之一。其次，我们整合了来自MR、共定位、观察性分析和表型组全关联研究的证据，以增强我们研究结果的稳健性。在解释我们的发现时，需要仔细考虑一些局限性。首先，使用的汇总水平数据主要来自欧洲血统的参与者，这限制了我们研究结果在其他人群中的普适性。其次，MR分析中使用的几个顺式 pQTL 可能是蛋白质改变性变异，或与这些变异存在高度LD，可能导致适配体结合效应的干扰。在我们优先考虑的蛋白质中，我们注意到用作 ACOX1 遗传工具变量的顺式 pQTL 与错义或无义变异处于高LD（r2 > 0.8；基于千人基因组参考面板）。然而，对于 ACOX1，其主要顺式 pQTL (rs10852766) 也是一个顺式 eQTL（基于 eQTLGen 和 Open Target Genetics），表明它独立于适配体结合影响 ACOX1 的表达水平。这可能意味着 ACOX1 与CAD之间的潜在因果关联可能仍然成立。第三，尽管努力避免样本重叠，CAD GWAS中的一些参与者可能同时也参与了 UKB-PPP项目，这可能导致因果效应估计值被低估。我们通过在整个研究中始终使用 F 统计量 > 10 的遗传工具变量来减轻这种偏倚。

总之，我们的研究为与BP、CAD和卒中结局相关的共享蛋白质组特征提供了强有力的证据，突出了可能通过可改变的危险因素（如BP）影响心血管风险的蛋白质。我们的发现强调了BP作为循环蛋白与心血管结局之间关系关键中介因素的作用，特别是对于 FGF5、FURIN、ACOX1 和 MST1。这些蛋白质代表了有前景的进一步研究靶点，可能对旨在BP调节和CVD预防的新型治疗干预措施产生影响。进一步的研究应致力于验证这些发现并探索其机制通路，以促进这些发现的转化潜力。

话险危夷·述评

本研究通过整合多维度数据与多层次分析方法，系统揭示了特定血浆蛋白在血压调控及心血管疾病发生中的因果作用及中介机制。研究构建了“全蛋白质组筛选—共定位验证—中介效应分析—观察性验证”的完整因果推断链条，方法学系统性强，显著提升了结论的可靠性。不仅识别出ACOX1、FGF5等关键蛋白，更通过量化分析明确了血压在其间的核心介导作用，为理解血压在心血管疾病通路中的枢纽地位提供了有力证据。研究主要发现基于欧洲血统人群，其普适性有待在不同种族群体中进一步验证。此外，虽已尽力控制偏倚，但遗传工具变量的潜在多效性及样本重叠等因素可能仍对结果精度产生影响。在机制阐释层面，研究尚未通过实验手段揭示相关蛋白调控血压与血管功能的具体生物学通路，这为后续研究留下了深入探索的空间。未来可以开展跨人群验证研究，确认关键发现在不同群体中的稳健性；借助实验模型阐明相关蛋白的分子作用机制；评估这些蛋白作为动态风险标志物或潜在治疗靶点的临床转化价值；整合多组学数据构建更精细的疾病调控网络。这些工作将有助于推动心血管疾病的精准预防与治疗策略的发展。

总体而言，本研究为心血管疾病的蛋白质组学研究提供了有价值的分析框架和候选靶点，尽管在人群代表性和机制深度上仍需进一步完善，但其发现对深入理解血压相关心血管疾病的发病机制具有重要启示意义，为后续研究奠定了坚实基础。

原始文献

Meena D, Huang J, Smith A, Yarmolinsky J, Wu S, Koskeridis F, Ko YH, Dib MJ, Antonatos C, Vasilopoulos Y, Yu X, Otto GW, Gill D, Mayr M, Elliott P, Dehghan A, Tzoulaki I. Blood pressure, plasma proteins, and cardiovascular diseases: a network Mendelian randomization and observational study. Eur Heart J. 2026 Jan 16;47(3):331-342. doi: 10.1093/eurheartj/ehaf725. PMID: 41065563; PMCID: PMC12807568.