level 5
科研资料帮
楼主
大家好，今天跟大家分享一篇题为Genetic impu tation of kidney transcri ptome, proteome and multi-omics illuminates new blood pressure and hyper tension targets（肾脏转录组、蛋白质组和多组学的遗传归因揭示了新的血压和高血压靶点）持续升高的血压 (BP)（高血压）是全球死亡的最重要的单一危险因素，BP调节的遗传机制仍然不明确。
01
研究背景
血压 （BP） 调节的遗传机制仍然不明确。使用肾脏特异性表观基因组注释和 3D 基因组信息，我们生成并验证了基因表达预测模型，用于 700 个人类肾脏的转录组范围关联研究。我们确定了 889 个与 BP 相关的肾脏基因，其中 399 个被优先考虑为 BP 调节的贡献者。
肾蛋白质组和 microRNA组的插补发现了 97 个与 BP 相关的肾蛋白和 11 个 miRNA。与血浆蛋白质组学和代谢组学的整合阐明了肌醇、4-胍基丁酸酯和血管紧张素原的循环水平作为几个肾脏 BP 基因 （SLC5A11、AGMAT、AGT 的下游效应物）。
我们表明，遗传决定的肾脏表达降低可能模拟罕见的功能丧失变异对肾脏 mRNA/蛋白的影响，并导致 BP 升高（例如，ENPEP）。我们证明了从尿液和肾脏收获的细胞之间蛋白质编码基因的表达具有很强的相关性 （r = 0.81），突出了尿细胞转录组学的诊断潜力。
我们发现了腺苷酸环化酶激活剂作为高血压的再利用机会，并说明了抗癌药物（例如微管蛋白聚合抑制剂）的血压升高作用的例子。总的来说，我们的研究为 BP 的遗传调控提供了新的生物学见解，并有可能推动高血压的临床转化。
见图一
转录组范围的关联研究、肾脏和血压 – 输入数据源（含样本量）、分析过程和输出数据的示意图。
图一
A 血压组织优先次序。
B 肾脏 GReX 通过使用染色质构象和表观基因组学 （PUMICE） 算法提供的模型进行预测得出 - 发现分析。
C 肾脏 GReX – 验证分析。
D BP 肾 TWAS 分析。
E 因果关系和药物重新定位分析。输入数据源为蓝色，示意图中间结果为灰色，主要输出为黄色，下游单基因分析为绿色。GReX – 遗传调节表达，GWAS – 全基因组关联研究，TWAS – 转录组范围关联研究，Beta – 效应量估计，SE – β 标准误差，ChIP-seq – 染色质免疫沉淀测序，HiChIP – 通过测序和免疫沉淀捕获染色体构象，ENCODE – DNA 元件百科全书联盟，H3K27me3 – 组蛋白 3，赖氨酸残基 27，三甲基化，H3K4me3 – 组蛋白 3，赖氨酸残基 4，三甲基化，DHS – DNase I超敏位点，H3K27ac – 组蛋白 3，赖氨酸残基 27，乙酰化，HK2 细胞系 – 人肾 2 细胞系，BP – 血压，ICBP – 国际血压联盟，FDR – 错误发现率，PMR – 概率孟德尔随机化，FOCUS – 致病基因集的精细定位。
见图二
血压 TWAS – 从人体组织的优先级到增强基因表达预测肾脏模型的开发。
图二
A 来自 GTEx 项目的 49 种人体组织和细胞类型的代表，按与收缩压 （SBP） 和舒张压 （DBP） 的关联幅度排序。分数越高表示与血压的相关性越强。每个组织的排名从 1 到 49 标记，由 SBP 和 DBP 评分之和得出。色标基于从橙色、绿色、蓝色、紫色到粉红色的排名（从最高到最低）。每个组织或细胞类型都以黑色突出显示。更多信息见图 1。S1-2 中。由 Idoya Lahortiga 创建。
B 肾脏知情的基因表达增强预测。显示了每个肾脏数据层的特征数量（峰值、3D 结构）。TAD – 优化了变异包含窗口 [由拓扑关联结构域 （TAD）、染色质环结构域 （Loop）、1 Mb 固定窗口或 250 kb 固定窗口分隔] 和变异特异性加权策略，以使用直接在肾脏中测量的 3D 基因组和表观基因组数据，在肾脏转纤组范围关联研究 （TWAS） 中最大限度地发现基因。CTCF – CCCTC 结合因子。HiChlP – 通过染色质免疫沉淀捕获染色体构象，基因组接触 – HK-2 细胞系中物理上非常接近的两个染色质区域。
C TWAS 模型预测工作流程。数据按类型着色：基因型 – 灰色，基因表达 – 蓝色，预测模型 – 橙色。
D、E 预测的遗传调控表达 （GReX） 与观察到的 ERAP2 在 HKTR（蓝色）和 NIH 资源（红色）中的表达之间的相关性。表示具有 95% 置信区间（以灰色突出显示）的最佳拟合线，P – 名义 P 值根据双侧 Pearson 相关计算得出。
F 预测性能 （r2） 来自发现资源 （HKTR， n = 478） 与验证资源 （NIH， n = 222） 的基因表达模型。r – 皮尔逊相关系数。
G 生物型中可插补基因（上）和所有表达基因（下）的百分比。数据按生物型着色：蛋白质编码基因 – 粉红色，长链非编码 RNA – 红色，其他 – 橙色。
H. 与溶质的细胞运输相关的可归因肾基因的例子。每个基因的 GReX 与显著相关的数量和疾病性状之间的关联由大箭头表示，表示性状变化的方向性（向上 - 风险较高或血液水平升高，向下 - 风险较低或血液水平较低）。
见图三399 个推定的血压致病基因的信息循环表示，以及它们与 SBP（蓝色）、DBP（红色）和 PP（绿色）的共同关联程度。
图三
基因按其生物学主题分组（显示为彩色区域）。从最外层到最内层的数据圈：与收缩压 （SBP） 的关联（蓝色），与舒张压 （DBP） 的关联（红色），与脉压 （PP） 的关联（绿色）。
见图四
基因预测的肾脏基因表达及其生化读数 - 综合多组学分析。
图四
A 钠/肌醇协同转运蛋白 2 （SMIT2） 的定位，由 SLC5A11 编码，位于肾近端肾小管细胞的顶端极。SMIT2 促进 Na+ 和肌醇跨细胞膜的共转运。使用 BioRender.com 创建。
B 全转录组关联研究 （TWAS） 中肾SLC5A11遗传调控表达 （GReX） 对脉压 （PP） 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。UKB – 英国生物样本库，ICBP – 国际血压联盟，估计 – SLC5A11 GReX 每升高一个单位的 PP 单位变化，CI – 置信区间。
C 表示 SLC5A11 mRNA 表达对血浆水平肌醇介导的 PP 的 58.4% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。MP – 中介比例，B – 估计效应，SE – 估计效应的标准误差，EM – 来自暴露于中介，EO – 来自暴露于结果，MO – 来自中介至结果，间接 – 来自暴露至结果的间接效应，总 – 从暴露至结果的总效应。
D 精氨酸分解代谢的多胺途径。由 AGMAT 编码的胍丁胺酶催化胍丁胺和腐胺之间的反应，从而产生尿素。使用 BioRender.com 创建。
E 肾脏 AGMAT （GReX） 对 TWAS 收缩压 （SBP） 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。估计 – AGMAT 的 GReX 每高一个单位的 SBP 变化。
F 表示 AGMAT mRNA 表达对 4-胍基丁酸酯血浆水平介导的 SBP 的 11.7% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。
G 肾素催化从 ANG（血管紧张素原）到血管紧张素 I （AngI） 的反应，血管紧张素 I （AngI） 随后被血管紧张素转换酶 （ACE） 转化为 AngII。使用 BioRender.com 创建。
H 肾脏 AGT mRNA （GReX） 对 TWAS SBP 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。估计 – AGT 的 GReX 每高一个单位，SBP 的单位变化。
I 表示 AGT mRNA 表达对血管紧张素原循环血浆蛋白水平介导的 SBP 的 52.7% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。
见图五
肾脏 miRNA 和血压。
图五
A 人肾中表达的 miRNA 数量及其遗传来源的分布。红色 – 外显，绿色 – 内含子，黄色 – 内生。部分使用 BioRender.com 创建。
B 肾脏中表达的基因生物型的累积比例，按染色体分层。红色 – 蛋白质编码基因，黄色 – 长链非编码 RNA，紫色 – 假基因，橙色 – miRNA。
C miRNA 表达总和 （log2（TPM + 1））和基因表达 （log2（TPM + 1））对照按表达降序排列的 miRNA 和基因的总数。红色 – 蛋白质编码基因，黄色 – 长链非编码 RNA，紫色 – 假基因，橙色 – miRNA。
D 52 种 miRNA 的组织富集谱，肾脏中表达富集/增强水平最高 - 35 个组织的数据。蓝色 – 组织增强（表达量比跨组织平均值高 4 倍），紫色 – 组富集（2-5 个组织的组，表达量比任何其他组织高 4 倍），灰色 – 无富集。
E TWAS 中使用的预测 miRNA 表达模型工作流程。灰色 – 基因型，蓝色 – 基因表达，黄色 – 预测模型。
F 预测的 GReX 与观察到的 miR-196-3p 表达之间的相关性。表示具有 95% 置信区间（以灰色突出显示）的最佳拟合线。蓝色 – HKTR （n = 339），红色 – NIH 肾脏验证资源 （n = 150）。P – P 值是根据双侧 Pearson 相关计算得出的。
G 80 个难以验证的、经过验证的肾脏 miRNA 与血压特征之间的关联概述，按染色体排序。红色 – 与 SBP 显著相关，蓝色 – 与 DBP 显著相关，紫色 – 与 PP 显著相关，灰色 – 不显著关联。
H 与至少一种血压性状显著相关的 miRNA 的选定特征。“遗传起源”代表每个 miRNA 相对于其他基因的位置。红色 – 外显，绿色 – 内含子，黄色 – 内生。“Imputability”表示由预测模型 r 确定的每个 miRNA 的可插补程度2.蓝色 ― 较高的插补性，白色 ― 较弱的插补性。“表达”表示与表达量最高的肾脏 miRNA 相比，每种 miRNA 的表达倍数变化。紫色 – 强烈表达，白色 – 弱表达。“特异性”表示与跨组织平均值相比，每种 miRNA 的表达倍数变化。
见图六
肾组织蛋白质组学和血压 PWAS。
图六
A 通过预测定位对人肾中 20,082 种蛋白质（来自人类蛋白质图谱 （HPA））和 7,291 种可测量蛋白质（来自 CPTAC）进行分类。显示了每个类别中所有可测量蛋白质的百分比，可以预测单个蛋白质属于多个类别。
B 与所有 HPA 蛋白（20,082 种蛋白质）相比，可测量的肾蛋白（6608 种蛋白质）的组织特异性（肾脏富集、肾脏增强和群体富集基因）富集。组织富集和增强状态取自 HPA。富集是通过双侧 Fisher 精确检验计算的，彩色圆圈表示具有统计学意义的富集结果，增加的大小和红色强度表示较大的负对数10 P 值。圆圈按富集比值比定位，水平误差线显示比值比的 95% 置信区间。
C 6712 个蛋白质/基因对的蛋白质丰度和基因表达之间的 Spearman 相关系数密度，以及 HPA 肾脏富集基因、单基因高血压/低血压基因、抗高血压药物靶标和肾脏 TWAS 基因的相关富集估计，显示与 BP 有因果关系（来自本研究）。富集 P 值通过单侧双样本 Kolmogorov Smirnov 检验计算。
D 两个降血压治疗靶点 （SLC12A3 和 SLC12A1） 的肾组织基因表达与组织蛋白丰度之间的相关性。误差带表示 95% 置信区间。
E 人肾组织 PWAS 工作流程概述。对象按其数据类型着色：基因型 – 灰色，蛋白质丰度 – 紫色，预测模型 – 橙色，表型 – 红色，BP PWAS 蛋白 – 粉红色。
F 在 97 种 BP PWAS 蛋白中，有 46 种至少有一个与 BP 相关的额外证据。基因数量显示在维恩图的每个区域中。TWAS（蓝色圆圈）– PWAS 蛋白具有来自 BP 肾脏 TWAS 分析的证据，肾脏共定位（绿色圆圈）– PWAS 蛋白具有先前与 BP 共定位分析的证据（Eales 等人。25).
G 在 97 BP PWAS 蛋白中过量代表 KEGG 通路和人类表型本体疾病 （单侧超几何检验）。所有在 5% FDR 时显著的途径都显示为彩色圆圈，圆圈按名义 P 值（大 - 最显著，小 - 最不显著）调整大小，并按过度代表量级着色（浅粉色 - 最不积极的过度代表，深红色 - 最积极的过度代表）。通路按共享的重叠基因 （>65%） 分组，并根据重叠基因的已知功能手动分类为主题。
H 三种治疗方式中 97 BP PWAS 蛋白药物易处理性的富集（排列试验）。显示的分布是 100,000 个与 BP PWAS 蛋白大小相等的随机排列基因集 （n = 97） 的类别计数的平滑密度估计。红点表示 97 BP PWAS 蛋白中每个可处理性类别的观测计数。
02
研究结论
最后，由于来自非欧洲白人血统个体的肾组织样本的可用性非常有限24我们的研究仅限于欧洲血统群体。需要更多的国际努力来克服后 GWAS 时代对肾脏相关疾病进行交叉祖先分析的障碍。
综上所述，这些研究证明了肾脏组学的价值，它为血压的遗传调控提供了新的生物学理解，并产生了与高血压治疗相关性的见解。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
2025年03月20日 08点03分
1
01
研究背景
血压 （BP） 调节的遗传机制仍然不明确。使用肾脏特异性表观基因组注释和 3D 基因组信息，我们生成并验证了基因表达预测模型，用于 700 个人类肾脏的转录组范围关联研究。我们确定了 889 个与 BP 相关的肾脏基因，其中 399 个被优先考虑为 BP 调节的贡献者。
肾蛋白质组和 microRNA组的插补发现了 97 个与 BP 相关的肾蛋白和 11 个 miRNA。与血浆蛋白质组学和代谢组学的整合阐明了肌醇、4-胍基丁酸酯和血管紧张素原的循环水平作为几个肾脏 BP 基因 （SLC5A11、AGMAT、AGT 的下游效应物）。
我们表明，遗传决定的肾脏表达降低可能模拟罕见的功能丧失变异对肾脏 mRNA/蛋白的影响，并导致 BP 升高（例如，ENPEP）。我们证明了从尿液和肾脏收获的细胞之间蛋白质编码基因的表达具有很强的相关性 （r = 0.81），突出了尿细胞转录组学的诊断潜力。
我们发现了腺苷酸环化酶激活剂作为高血压的再利用机会，并说明了抗癌药物（例如微管蛋白聚合抑制剂）的血压升高作用的例子。总的来说，我们的研究为 BP 的遗传调控提供了新的生物学见解，并有可能推动高血压的临床转化。
见图一
转录组范围的关联研究、肾脏和血压 – 输入数据源（含样本量）、分析过程和输出数据的示意图。
图一A 血压组织优先次序。
B 肾脏 GReX 通过使用染色质构象和表观基因组学 （PUMICE） 算法提供的模型进行预测得出 - 发现分析。
C 肾脏 GReX – 验证分析。
D BP 肾 TWAS 分析。
E 因果关系和药物重新定位分析。输入数据源为蓝色，示意图中间结果为灰色，主要输出为黄色，下游单基因分析为绿色。GReX – 遗传调节表达，GWAS – 全基因组关联研究，TWAS – 转录组范围关联研究，Beta – 效应量估计，SE – β 标准误差，ChIP-seq – 染色质免疫沉淀测序，HiChIP – 通过测序和免疫沉淀捕获染色体构象，ENCODE – DNA 元件百科全书联盟，H3K27me3 – 组蛋白 3，赖氨酸残基 27，三甲基化，H3K4me3 – 组蛋白 3，赖氨酸残基 4，三甲基化，DHS – DNase I超敏位点，H3K27ac – 组蛋白 3，赖氨酸残基 27，乙酰化，HK2 细胞系 – 人肾 2 细胞系，BP – 血压，ICBP – 国际血压联盟，FDR – 错误发现率，PMR – 概率孟德尔随机化，FOCUS – 致病基因集的精细定位。
见图二
血压 TWAS – 从人体组织的优先级到增强基因表达预测肾脏模型的开发。
图二A 来自 GTEx 项目的 49 种人体组织和细胞类型的代表，按与收缩压 （SBP） 和舒张压 （DBP） 的关联幅度排序。分数越高表示与血压的相关性越强。每个组织的排名从 1 到 49 标记，由 SBP 和 DBP 评分之和得出。色标基于从橙色、绿色、蓝色、紫色到粉红色的排名（从最高到最低）。每个组织或细胞类型都以黑色突出显示。更多信息见图 1。S1-2 中。由 Idoya Lahortiga 创建。
B 肾脏知情的基因表达增强预测。显示了每个肾脏数据层的特征数量（峰值、3D 结构）。TAD – 优化了变异包含窗口 [由拓扑关联结构域 （TAD）、染色质环结构域 （Loop）、1 Mb 固定窗口或 250 kb 固定窗口分隔] 和变异特异性加权策略，以使用直接在肾脏中测量的 3D 基因组和表观基因组数据，在肾脏转纤组范围关联研究 （TWAS） 中最大限度地发现基因。CTCF – CCCTC 结合因子。HiChlP – 通过染色质免疫沉淀捕获染色体构象，基因组接触 – HK-2 细胞系中物理上非常接近的两个染色质区域。
C TWAS 模型预测工作流程。数据按类型着色：基因型 – 灰色，基因表达 – 蓝色，预测模型 – 橙色。
D、E 预测的遗传调控表达 （GReX） 与观察到的 ERAP2 在 HKTR（蓝色）和 NIH 资源（红色）中的表达之间的相关性。表示具有 95% 置信区间（以灰色突出显示）的最佳拟合线，P – 名义 P 值根据双侧 Pearson 相关计算得出。
F 预测性能 （r2） 来自发现资源 （HKTR， n = 478） 与验证资源 （NIH， n = 222） 的基因表达模型。r – 皮尔逊相关系数。
G 生物型中可插补基因（上）和所有表达基因（下）的百分比。数据按生物型着色：蛋白质编码基因 – 粉红色，长链非编码 RNA – 红色，其他 – 橙色。
H. 与溶质的细胞运输相关的可归因肾基因的例子。每个基因的 GReX 与显著相关的数量和疾病性状之间的关联由大箭头表示，表示性状变化的方向性（向上 - 风险较高或血液水平升高，向下 - 风险较低或血液水平较低）。
见图三399 个推定的血压致病基因的信息循环表示，以及它们与 SBP（蓝色）、DBP（红色）和 PP（绿色）的共同关联程度。
图三基因按其生物学主题分组（显示为彩色区域）。从最外层到最内层的数据圈：与收缩压 （SBP） 的关联（蓝色），与舒张压 （DBP） 的关联（红色），与脉压 （PP） 的关联（绿色）。
见图四
基因预测的肾脏基因表达及其生化读数 - 综合多组学分析。
图四A 钠/肌醇协同转运蛋白 2 （SMIT2） 的定位，由 SLC5A11 编码，位于肾近端肾小管细胞的顶端极。SMIT2 促进 Na+ 和肌醇跨细胞膜的共转运。使用 BioRender.com 创建。
B 全转录组关联研究 （TWAS） 中肾SLC5A11遗传调控表达 （GReX） 对脉压 （PP） 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。UKB – 英国生物样本库，ICBP – 国际血压联盟，估计 – SLC5A11 GReX 每升高一个单位的 PP 单位变化，CI – 置信区间。
C 表示 SLC5A11 mRNA 表达对血浆水平肌醇介导的 PP 的 58.4% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。MP – 中介比例，B – 估计效应，SE – 估计效应的标准误差，EM – 来自暴露于中介，EO – 来自暴露于结果，MO – 来自中介至结果，间接 – 来自暴露至结果的间接效应，总 – 从暴露至结果的总效应。
D 精氨酸分解代谢的多胺途径。由 AGMAT 编码的胍丁胺酶催化胍丁胺和腐胺之间的反应，从而产生尿素。使用 BioRender.com 创建。
E 肾脏 AGMAT （GReX） 对 TWAS 收缩压 （SBP） 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。估计 – AGMAT 的 GReX 每高一个单位的 SBP 变化。
F 表示 AGMAT mRNA 表达对 4-胍基丁酸酯血浆水平介导的 SBP 的 11.7% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。
G 肾素催化从 ANG（血管紧张素原）到血管紧张素 I （AngI） 的反应，血管紧张素 I （AngI） 随后被血管紧张素转换酶 （ACE） 转化为 AngII。使用 BioRender.com 创建。
H 肾脏 AGT mRNA （GReX） 对 TWAS SBP 的影响。名义 P 值是根据双侧 Z 分数检验计算得出的。估计 – AGT 的 GReX 每高一个单位，SBP 的单位变化。
I 表示 AGT mRNA 表达对血管紧张素原循环血浆蛋白水平介导的 SBP 的 52.7% 影响。名义 P 值是根据双侧 Z 分数检验计算得出的。
见图五
肾脏 miRNA 和血压。
图五A 人肾中表达的 miRNA 数量及其遗传来源的分布。红色 – 外显，绿色 – 内含子，黄色 – 内生。部分使用 BioRender.com 创建。
B 肾脏中表达的基因生物型的累积比例，按染色体分层。红色 – 蛋白质编码基因，黄色 – 长链非编码 RNA，紫色 – 假基因，橙色 – miRNA。
C miRNA 表达总和 （log2（TPM + 1））和基因表达 （log2（TPM + 1））对照按表达降序排列的 miRNA 和基因的总数。红色 – 蛋白质编码基因，黄色 – 长链非编码 RNA，紫色 – 假基因，橙色 – miRNA。
D 52 种 miRNA 的组织富集谱，肾脏中表达富集/增强水平最高 - 35 个组织的数据。蓝色 – 组织增强（表达量比跨组织平均值高 4 倍），紫色 – 组富集（2-5 个组织的组，表达量比任何其他组织高 4 倍），灰色 – 无富集。
E TWAS 中使用的预测 miRNA 表达模型工作流程。灰色 – 基因型，蓝色 – 基因表达，黄色 – 预测模型。
F 预测的 GReX 与观察到的 miR-196-3p 表达之间的相关性。表示具有 95% 置信区间（以灰色突出显示）的最佳拟合线。蓝色 – HKTR （n = 339），红色 – NIH 肾脏验证资源 （n = 150）。P – P 值是根据双侧 Pearson 相关计算得出的。
G 80 个难以验证的、经过验证的肾脏 miRNA 与血压特征之间的关联概述，按染色体排序。红色 – 与 SBP 显著相关，蓝色 – 与 DBP 显著相关，紫色 – 与 PP 显著相关，灰色 – 不显著关联。
H 与至少一种血压性状显著相关的 miRNA 的选定特征。“遗传起源”代表每个 miRNA 相对于其他基因的位置。红色 – 外显，绿色 – 内含子，黄色 – 内生。“Imputability”表示由预测模型 r 确定的每个 miRNA 的可插补程度2.蓝色 ― 较高的插补性，白色 ― 较弱的插补性。“表达”表示与表达量最高的肾脏 miRNA 相比，每种 miRNA 的表达倍数变化。紫色 – 强烈表达，白色 – 弱表达。“特异性”表示与跨组织平均值相比，每种 miRNA 的表达倍数变化。
见图六
肾组织蛋白质组学和血压 PWAS。
图六A 通过预测定位对人肾中 20,082 种蛋白质（来自人类蛋白质图谱 （HPA））和 7,291 种可测量蛋白质（来自 CPTAC）进行分类。显示了每个类别中所有可测量蛋白质的百分比，可以预测单个蛋白质属于多个类别。
B 与所有 HPA 蛋白（20,082 种蛋白质）相比，可测量的肾蛋白（6608 种蛋白质）的组织特异性（肾脏富集、肾脏增强和群体富集基因）富集。组织富集和增强状态取自 HPA。富集是通过双侧 Fisher 精确检验计算的，彩色圆圈表示具有统计学意义的富集结果，增加的大小和红色强度表示较大的负对数10 P 值。圆圈按富集比值比定位，水平误差线显示比值比的 95% 置信区间。
C 6712 个蛋白质/基因对的蛋白质丰度和基因表达之间的 Spearman 相关系数密度，以及 HPA 肾脏富集基因、单基因高血压/低血压基因、抗高血压药物靶标和肾脏 TWAS 基因的相关富集估计，显示与 BP 有因果关系（来自本研究）。富集 P 值通过单侧双样本 Kolmogorov Smirnov 检验计算。
D 两个降血压治疗靶点 （SLC12A3 和 SLC12A1） 的肾组织基因表达与组织蛋白丰度之间的相关性。误差带表示 95% 置信区间。
E 人肾组织 PWAS 工作流程概述。对象按其数据类型着色：基因型 – 灰色，蛋白质丰度 – 紫色，预测模型 – 橙色，表型 – 红色，BP PWAS 蛋白 – 粉红色。
F 在 97 种 BP PWAS 蛋白中，有 46 种至少有一个与 BP 相关的额外证据。基因数量显示在维恩图的每个区域中。TWAS（蓝色圆圈）– PWAS 蛋白具有来自 BP 肾脏 TWAS 分析的证据，肾脏共定位（绿色圆圈）– PWAS 蛋白具有先前与 BP 共定位分析的证据（Eales 等人。25).
G 在 97 BP PWAS 蛋白中过量代表 KEGG 通路和人类表型本体疾病 （单侧超几何检验）。所有在 5% FDR 时显著的途径都显示为彩色圆圈，圆圈按名义 P 值（大 - 最显著，小 - 最不显著）调整大小，并按过度代表量级着色（浅粉色 - 最不积极的过度代表，深红色 - 最积极的过度代表）。通路按共享的重叠基因 （>65%） 分组，并根据重叠基因的已知功能手动分类为主题。
H 三种治疗方式中 97 BP PWAS 蛋白药物易处理性的富集（排列试验）。显示的分布是 100,000 个与 BP PWAS 蛋白大小相等的随机排列基因集 （n = 97） 的类别计数的平滑密度估计。红点表示 97 BP PWAS 蛋白中每个可处理性类别的观测计数。
02
研究结论
最后，由于来自非欧洲白人血统个体的肾组织样本的可用性非常有限24我们的研究仅限于欧洲血统群体。需要更多的国际努力来克服后 GWAS 时代对肾脏相关疾病进行交叉祖先分析的障碍。
综上所述，这些研究证明了肾脏组学的价值，它为血压的遗传调控提供了新的生物学理解，并产生了与高血压治疗相关性的见解。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。