Polymorphic variants of long non-coding RNA genes in the development of type 2 diabetes mellitus

Cover Page

Cite item

Full Text

Abstract

Type 2 diabetes mellitus (T2DM) is a disease characterized by increased blood glucose, formed as a result of impaired mechanisms of insulin binding to cells. DNA samples of patients with T2DM (N = 535) and healthy individuals (N = 475) were used. We identified the association of lncRNA gene loci LINC02227 rs2149954 (OR = 0.76, P = 0.0083, PFDR = 0.017), LINC00305 rs2850711 (OR = 1.43, P = 0.0017, PFDR = 0.004) and CDKN2B-AS1 rs4977574 (OR = 0.70, P = 0.0001, PFDR = 0.0003) in an additive model with T2DM. The LINC00305 gene locus rs2850711 showed association with fasting glucose level (P = 0.023), C-peptide level (P = 0.00001), LINC02227 rs2149954 and CDKN2B-AS1 rs4977574 loci showed association with hypertension. MALAT rs619586 gene polymorphism was associated with C-peptide (P = 0.017), LDL (P = 0.012) and total cholesterol levels (P = 0.01). CDKN2B-AS1 rs4977574 gene polymorphism showed association with C-peptide levels (P = 0.027). SNP LINC02227 rs2149954 was associated with obesity (P = 0.0011, PFDR = 0.008). MEG3 rs7158663 gene polymorphism was associated with post infarct cardiosclerosis (P = 0.02). ROC curve analysis showed that the studied loci and variables such as sex, age of subjects and BMI level, included in the construction of the risk calculation model, could predict the development of T2DM with a sensitivity of 98.0% and specificity of 97.0%, the area under the AUC curve was 95.30% (95%CI 93.50–97.40).

Full Text

Сахарный диабет 2 типа (СД2) является сложным заболеванием, в развитии которого принимают участие как генетические, так и средовые факторы. Выявление предполагаемых генетических вариантов, обуславливающих вариабельность генов днРНК, а также определение их функциональной значимости остается слабо изученной проблемой. По результатам широкогеномных ассоциативных исследований (GWAS) были выявлены однонуклеотидные полиморфизмы (ОНП) не только в генах, кодирующих белки, большинство из установленных вариантов определено в некодирующих областях, связанных с дисфункцией поджелудочной железы и развитием диабета [1, 2].

днРНК – это один из наиболее распространенных классов длинных некодирующих РНК, транкрибирующихся у человека. днРНК принято определять как транскрипты длиной более 200 нуклеотидов, выполняющие функции РНК без последующей трансляции в белки [3]. Активное исследование днРНК позволило установить потенциальную роль этих транскриптов в развитии и прогрессировании диабета, ожирения, инсулинорезистентости, а также осложнений, вызываемых диабетом [4]. Известно, что днРНК регулируют метаболизм глюкозы, а также синтез и секрецию инсулина [5].

Полиморфные варианты генов днРНК, расположенные в сайтах связывания с мишенями микроРНК, могут влиять на взаимодействие микроРНК – днРНК и регулировать экспрессию генов, кодирующих белки [6]. Известно, что такие днРНК как H19, MEG3 и MALAT1 регулируют гомеостаз глюкозы и функцию β-клеток [7, 8]. Ингибитор циклин-зависимой киназы 2B – антисмысловая РНК 1 (CDKN2B-AS1), ассоциирован с развитием диабета типа 2 [9, 10], ишемической болезнью сердца [11], атеросклерозом [12] и онкологическими заболеваниями [13]. По результатам GWAS установлено, что аллель Т локуса rs2149954 гена LINC02227 ассоциирован с долголетием [14], также для этого ОНП показана ассоциация с такими показателями, как триглицериды и холестерин [15]. Анализ результатов GWAS выявил ОНП rs2850711 гена LINC00305, ассоциированный с развитием воспаления и атеросклерозом [16]. Ассоциации полиморфных вариантов генов днРНК с развитием сахарного диабета типа 2 или сосудистыми осложнениями не вызывают сомнений, однако механизм, посредством которого осуществляется влияние, остается невыясненным. Интеграция знаний о взаимодействии днРНК с другими некодирующими и белок-кодирующими генами будет иметь решающее значение для понимания биологической организации, необходимой для оценки развития многофакторного заболевания. Проведение данного исследования было мотивировано высокой распространенностью СД2 и ожирения в России, так распространенность СД2 в России составляет 5.4%, тогда как распространенность состояния преддиабета достигает 19.3% и ожирения 24.3% [17, 18]. Учитывая данный факт, выявление потенциальных диагностических маркеров и, в частности, новых потенциальных терапевтических мишеней для лечения диабета и ранней диагностики представляется актуальным.

Цель исследования – анализ полиморфных вариантов генов днРНК: MEG3 rs7158663, H19 rs3741219, MALAT rs619586, LINC02227 rs2149954, LINC00305 rs2850711, CDKN2B-AS1 rs4977574 у пациентов с СД2, с осложнениями, вызываемыми диабетом и показателями, характеризующими СД2.

МАТЕРИАЛЫ И МЕТОДЫ

В работе были использованы образцы ДНК неродственных индивидов, татар по этнической принадлежности, проживающих на территории Республики Башкортостан. Группа больных СД2 составила 535 человек. Диагноз СД2 ставился на совокупности кодов МКБ-10 [19]. Группа пациентов была сформирована с учетом клинико-инструментального исследования на базе многопрофильного стационара Городская клиническая больница № 21 г. Уфы. Контрольная группа включала 475 практически здоровых индивидов. Характеристика групп пациентов и контроля представлена в табл. 1.

 

Таблица 1. Характеристика выборок, включенных в исследование

Параметры

Контроль

N = 475

СД2

N = 535

P

Возраст, лет, среднее ± Std. dv.

49.64 ± 10.87

53.58 ± 11.87

0.05

Мужчины, n (%)

131 (27.6)

160 (29.9)

0.234

Женщины, n (%)

344 (72.4)

375 (70.1)

Индекс массы тела (ИМТ) (кг/м2), среднее ± SD

26.40 ± 1.99

30.94 ± 5.82

< 0.0001

Ожирение и избыточная масса тела, n (%)

105 (22.11)

451 (84.30)

< 0.0001

Длительность СД2, медиана [Q1; Q3]

–

6.22 [2; 17]

–

Артериальная гипертензия, n (%)

–

449 (84.0)

–

Сердечно сосудистые заболевания, n (%)

–

193 (36.1)

–

HbA1C (%), медиана [Q1; Q3]

–

7.5 [7.00; 14.00]

–

Глюкоза натощак (ммоль/л), медиана [Q1; Q3]

4.80 [3.20; 5.90]

7.21 [6.1; 16.00]

< 0.0001

Общий холестерин (ммоль/л), медиана [Q1; Q3]

4.50 [3.30; 6.12]

5.43 [3.20; 10.70]

0.0002

ЛПНП (ммоль/л), медиана [Q1; Q3]

2.70 [0.79; 3.99]

3.06 [0.93; 7.83]

< 0.001

ЛПВП (ммоль/л), медиана [Q1; Q3]

1.10 [0.87; 1.40]

1.20 [0.32; 3.60]

0.05

Триглицериды (ммоль/л), медиана [Q1; Q3]

1.32 [1.10; 2.07]

1.68 [1.15; 3.71]

0.001

Примечание. ЛПНП – липопротеины низкой плотности, ЛПВП – липопротеины высокой плотности, Std. dv. – стандартное отклонение, HbA1C – гликированный гемоглобин.

 

Исследование одобрено комитетом по этике ИБГ УФИЦ РАН. От всех участников исследования получали информированное добровольное согласие на использование биологического материала в планируемых исследованиях.

ДНК выделяли из венозной крови методом фенольно-хлороформной экстракции. Исследование полиморфных маркеров проводили с использованием полимеразной цепной реакции (ПЦР) с последующим расщеплением соответствующими эндонуклеазами рестрикции BstF5I (для ОНП rs7158663 гена MEG3) и BstHHI (для rs3741219 гена H19) [5]. Генотипирование локусов генов MALAT, LINC02227 и LINC00305 осуществляли с помощью аллель-специфической ПЦР. Праймеры для локуса rs619586 гена MALAT – F: 5′- AAAGTCCGCCATTTTGCCAC-3′, R: 5′-TGAATGCAAACTACACATGCAGA-3′, A-аллеля – 5′-CTTGTGTTCTCTTGAGGGACACT-3′, G-аллеля – 5′- AAGGTGGTAAACTATACCTG-3′; локуса rs2850711 гена LINC00305 F: 5′- TGAGAGGCTCTAATGGGACC-3′, R: 5′-TCCCATTAATTCCCAACCCACT-3′, G: 5′- AAAGATGAGCTTTGCTGTCG-3′, A: 5′- ACTCAAACTTCCTAAGCATTACT-3′; локуса rs2850711 гена LINC00305 – F: 5′-ACACATGGACAAGAAGCATCAC-3′, R: 5′-CCTCTCCCATGTGTTTTCCCA-3′, A: 5′-AGATCTGAGCAGATCGGTGTTA-3′, T: 5′-AAAATCCGGATTGTTCTACCTGA-3′.

Оценку соответствия частоты генотипов и аллелей равновесию Харди–Вайнберга проводили с помощью критерия χ2. Анализ ассоциаций с развитием заболевания проводили с использованием программы PLINK v.1.9 [20]. Поправку на множественность сравнения PFDR оценивали с помощью онлайн калькулятора https://www.sdmproject.com/utilities/?show=FDR. Ассоциация считалась значимой при уровне PFDR менее 0.05, а 95% CI не пересекал единицу. Анализ ассоциаций, рассчитанных для основной группы, представлен в моделях: кодоминантной и аддитивной, а также в виде аллельного теста. Количественные параметры оценивали с применением критерия Манна–Уитни. Множественный логистический регрессионный анализ и ROQ-анализ проводились с использованием GraphPad Prism 8.4.3.

РЕЗУЛЬТАТЫ

Распределение генотипов и аллелей ОНП генов днРНК MEG3 rs7158663, H19 rs3741219, MALAT rs619586, LINC02227 rs2149954, LINC00305 rs2850711, CDKN2B-AS1 rs4977574 в контрольной группе соответствовало равновесию Харди–Вайнберга (табл. 2). Первоначально мы провели анализ распределения генотипов и аллелей полиморфных локусов генов днРНК у пациентов с СД2 и в контрольной группе. Статистически значимые различия при сравнении групп пациентов и контроля были получены для локусов LINC02227 rs2149954, LINC00305 rs2850711, CDKN2B-AS1 rs4977574 в кодоминантной и аддитивной моделях, а также в аллельном тесте.

 

Таблица 2. Распределение генотипов и аллелей генов днРНК в группе пациентов СД2 и в контроле

Ген, полиморфизм

Генотип, аллель

Контроль, (%)

СД2, (%)

OR (95% CI)

P

P H-W

P FDR

MEG3 rs7158663

Кодоминантная AA

AG

GG

177 (37.3)

210 (44.2)

88 (18.5)

208 (38.9)

239 (44.7)

88 (16.4)

1.00

0.97 (0.74–1.27)

0.85 (0.60–1.22)

0.67

0.071

0.79

Аллельный тест

A

G

564 (59.0)

386 (41.0)

655 (61.0)

415 (39.0)

1.08 (0.91–1.29)

0.42

 

0.61

Аддитивный

–

–

0.94 (0.78–1.12)

0.47

 

0.63

H19 rs3741219

Кодоминантная

TT

CT

CC

176 (37)

211 (44.4)

88 (18.5)

199 (37.2)

228 (42.6)

108 (20.2)

1.00

0.96 (0.73–1.26)

1.09 (0.77–1.54)

0.76

0.087

0.80

Аллельный тест

T

C

563 (59.0)

387 (41.0)

626 (59.0)

444 (41.0)

0.97 (0.81–1.16)

0.76

 

0.80

Аддитивный

–

–

1.04 (0.88–1.24)

0.63

 

0.79

MALAT rs619586

Кодоминантная

AA

AG

GG

429 (90.3)

44 (9.3)

2 (0.4)

461 (86.8)

69 (13)

1 (0.2)

1.00

1.46 (0.98–2.18)

0.47 (0.04–5.15)

0.14

0.34

0.24

Аллельный тест

A

G

902 (95.0)

48 (5.0)

991 (93.0)

71 (7.0)

0.74 (0.51–1.08)

0.14

 

0.24

Аддитивный

–

–

1.25 (0.85–1.85)

0.25

 

0.39

LINC02227

rs2149954

Кодоминантная

CC

CT

TT

172 (36.2)

219 (46.1)

84 (17.7)

234 (44.1)

265 (50)

31 (5.8)

1.00

0.89 (0.68–1.16)

0.27 (0.17–0.43)

0.0001

0.34

0.0003

Аллельный тест

C

T

563 (59.0)

387 (41.0)

733 (69.0)

327 (31.0)

0.65 (0.54–0.78)

0.00001

 

0.00006

Аддитивный

–

–

0.76 (0.62–0.93)

0.0083

 

0.017

Ген, полиморфизм

Генотип, аллель

Контроль, (%)

СД2, (%)

OR (95% CI)

P

P H-W

P FDR

LINC00305 rs2850711

Кодоминантная

AA

AT

TT

355 (74.7)

106 (22.3)

14 (3)

362 (67.7)

132 (24.7)

41 (7.7)

1.00

1.22 (0.91–1.64)

2.87 (1.54–5.36)

0.0014

0.088

0.003

Аллельный тест

A

T

816 (86.0)

134 (14.0)

856 (80.0)

214 (20.0)

1.52 (1.20–1.93)

0.0001

 

0.0003

Аддитивный

–

–

1.43 (1.14–1.80)

0.0017

 

0.004

CDKN2B-AS1 rs4977574

Кодоминантная

GG

AG

AA

124 (26.1)

225 (47.4)

126 (26.5)

188 (35.1)

265 (49.5)

82 (15.3)

1.00

0.78 (0.58–1.04)

0.43 (0.30–0.61)

0.0001

0.27

0.0003

Аллельный тест

G

A

473 (50.0)

477 (50.0)

641 (60.0)

429 (40.0)

0.66 (0.55–0.79)

0.00001

 

0.00006

Аддитивный

–

–

0.70 (0.58–0.84)

0.0001

 

0.0003

Примечание. PH-W – уровень значимости при определении равновесия Харди–Вайнберга для контрольной группы, PFDR – уровень значимости с учетом множественных сравнений. Жирным отмечены статистически значимые различия.

 

Ассоциация с развитием СД2 для локуса rs2149954 гена LINC02227 в аддитивной модели: OR = 0.76 (CI95% 0.62–0.93), Р = 0.0083, PFDR = 0.017. Рисковыми являются генотипы CC–CT OR= 2.14 (CI95% 1.34–3.42), Р = 0.001 (PFDR = 0.004) (табл. 2). Ассоциация с развитием СД2 показана для локуса rs2850711 гена LINC00305 в аддитивной модели OR = 1.43 (CI95% 1.14–1.80), Р = 0.0017, PFDR = 0.004. Рисковым является аллель Т, в аллельном тесте показатель OR составил 1.52 (CI95% 1.20–1.93), Р = 0.0001, PFDR = 0.0003. Ассоциация показана для локуса rs4977574 гена CDKN2B-AS1 OR = 0.43 (CI95% 0.30–0.61), Р = 0.0001. Анализ распределения генотипов и аллелей локуса rs4977574 гена CDKN2B-AS1 выявил снижение частоты генотипа АА среди пациентов, в данном случае генотипами риска являются варианты GG–AG, показатель OR для вариантов риска составил 1.89 (CI95% 1.36–2.59), Р = 0.0001, PFDR = 0.0003.

Далее мы провели анализ в зависимости от наличия ожирения. Анализ проводился в группе пациентов. Данные представлены в табл. 3. Ассоциация с ожирением была показана для локусов rs7158663 гена MEG3 в аддитивной модели: аллель риска G (Р = 0.04, PFDR = 0.07), а также rs619586 гена MALAT в кодоминантной и аддитивной моделях: аллель риска G (Р = 0.029, PFDR = 0.07 и Р = 0.018, PFDR = 0.05 соответственно). Также ожирение ассоциировано с rs2149954 гена LINC02227, генотипами риска являются CC–CT варианты (Р = 0.0011, PFDR = 0.008), а для генотипа TT и аллеля Т установлено протективное значение в кодоминантной и аддитивной моделях (Р = 0.0011, PFDR = 0.008 и Р = 0.0014, PFDR = 0.008 соответственно). Для локуса rs2850711 и LINC00305 ассоциация определена в аддитивной модели: аллель риска Т (Р = 0.03, PFDR = 0.07). Однако не все полученные различия достигали статистической значимости при поправке на множественность.

 

Таблица 3. Ассоциация исследованных локусов генов днРНК с ожирением

Ген, полиморфизм

Модель

Генотип

Контроль

Ожирение

OR (95% CI)

P

P FDR

MEG3 rs7158663

Кодоминантная

AA

AG

GG

36.3

44.7

19.9

42.6

44.8

13.8

1.00

1.21 (0.86–1.71)

1.68 (1.03–2.72)

0.18

0.27

Аддитивная

–

–

–

1.36 (1.01–1.82)

0.04

0.12

H19 rs3741219

Кодоминантная

TT

CT

CC

38.8

42.6

18.7

36.5

46.7

16.8

1.00

0.96 (0.61–1.5)

1.16 (0.82–1.66)

0.58

0.63

Аддитивная

–

–

–

1.01 (0.81–1.26)

0.94

0.94

MALAT rs619586

Кодоминантная

AA

AG

GG

89.3

10.3

0.4

86.9

12.8

0.2

1.00

1.81 (1.06–3.10)

NA

0.029

0.07

Аддитивная

–

–

–

2.33 (1.11– 4.90)

0.018

0.05

LINC02227

rs2149954

Кодоминантная

CC

CT

TT

36.4

49.3

14.3

44.4

49.5

6.1

1.00

0.82 (0.59–1.16)

0.35 (0.20–0.60)

0.0011

0.008

Аддитивная

–

–

–

0.66 (0.51–0.85)

0.0014

0.008

LINC00305 rs2850711

Кодоминантная

AA

AT

TT

78.5

19.6

1.9

72.3

22.7

5

1.00

1.26 (0.85–1.87)

2.84 (0.98–8.23)

0.062

0.124

Аддитивная

–

–

–

1.41 (1.02–1.94)

0.03

0.07

CDKN2B-AS1

rs4977574

Кодоминантная

GG

AG

AA

27.8

49.8

22.5

32.6

47.4

20

1.00

0.81 (0.56–1.18)

0.76 (0.48–1.19)

0.41

0.49

Аддитивная

–

–

–

0.87 (0.69–1.08)

0.21

0.28

Примечание. См. табл. 2.

 

Для выявления ассоциации с тяжестью, осложнениями, вызванными СД2, нами проведен анализ данных локусов в зависимости от количественных характеристик СД2 и сопутствующей заболеваемости. С повышенным уровнем С-пептида ассоциированы: генотип AG локуса rs619586 гена MALAT (Р = 0.017), генотип ТТ локуса rs2850711 гена LINC00305 (Р = 0.00001), генотип АА локуса rs4977574 гена CDKN2B-AS1 (Р = 0.027) (табл. 4). Повышенный уровень общего холестерина и ЛПНП был установлен для носителей генотипа АА локуса rs619586 гена MALAT (Р = 0.01 и Р = 0.012). Повышенный уровень глюкозы, определяемой натощак, выявлен среди носителей генотипа АА локуса rs2850711 гена LINC00305 (Р = 0.023). Осложнение постинфарктный кардиосклероз чаще встречался у пациентов с генотипами GG локуса rs7158663 гена MEG3: OR = 4.91 (CI95% 1.34 – 17.94), (Р = 0.02) и у пациентов с генотипами ТТ локуса rs2850711 гена LINC00305 (Р = 0.005). Гипертония чаще встречалась у пациентов с генотипами GG–AG гена CDKN2B-AS1 rs4977574 (Р = 0.03) и среди носителей вариантов CT–TT локуса rs2149954 гена LINC02227 (Р = 0.05).

 

Таблица 4. Анализ полиморфных вариантов генов днРНК с клиническими характеристиками пациентов

Маркер

Полиморфный локус

Медиана (Q1; Q3)

Р

С-пептид

MALAT rs619586

AG

AA

4.49 (6.32; 2.92)

2.19 (2.28; 1.9)

0.017

LINC00305 rs2850711

AA–AT

TT

2.28 (2.11; 2.34)

10.3 (4.87; 15.28)

0.00001

CDKN-AS rs4977574

GG–AG

AA

2.27 (2.37; 2.47)

4.57 (2.27; 6.91)

0.027

Общий холестерин

MALAT rs619586

AA

AG

5.54 (4.92; 5.63)

5.02 (4.88; 5.17)

0.01

ЛПНП

MALAT rs619586

AA

AG

3.2 (2.98; 3.34)

2.57 (2.22: 2.89)

0.012

Глюкоза натощак

LINC00305 rs2850711

AA

AT–TT

7.38 (7.11; 7.68)

6.64 (6.45; 6.89)

0.023

 

При анализе ROC-кривых для оценки прогностической значимости выявленных рисковых значений в развитии СД2 были построены две модели, для первой модели были учтены только полиморфные локусы: MEG3 rs7158663, H19 rs3741219, MALAT rs619586, LINC02227 rs2149954, LINC00305 rs2850711, CDKN2B-AS1 rs4977574, во вторую модель были включены эти же локусы, а также такие переменные, как пол, возраст обследуемых и ИМТ. Эффективность прогноза измеряли с использованием площади под кривой (AUC). ROC-анализ показал AUC, равную 66.5% (95%CI 63.90–69.40) для модели, включающей только исследуемые полиморфные варианты. Для второй модели AUC составила 95.30% (95%CI 93.50–97.40) с чувствительностью 98.0% и специфичностью 97.0%, что указывает на высокую способность показателей, включенных в анализ, правильно классифицировать индивидов с СД2 и здоровых.

ОБСУЖДЕНИЕ

В последние годы большое внимание уделяется исследованию роли некодирующих частей генома человека в развитии заболеваний, особенно это касается онкологических заболеваний [21]. В настоящее время идет активное исследование днРНК с риском развитий метаболических расстройств, таких как ожирение, инсулинорезистентность, СД2 [22]. В данном исследовании мы впервые выявили ассоциацию полиморфных локусов генов LINC02227 rs2149954 и LINC00305 rs2850711 с развитием СД2, ожирения, а также с осложнениями, вызванными СД2. LINC02227 rs2149954 – данный полиморфный вариант ассоциирован с долголетием по результатам GWAS [23], также данный локус сцеплен с ОНП rs9313772, ассоциированным с гипертонией и ишемической болезнью сердца (ИБС). LINC02227 – это длинная межгенная некодирующая РНК 2227. Согласно данным базы https://regulomedb.org/, полиморфизму rs2149954 соответствует ранг 1f, указывающий на функциональную значимость данного ОНП (eQTL/caQTL + TF binding / chromatin accessibility peak). Для аллеля T установлено повышение уровня экспрессии в жировой ткани, селезенке, крови по данным GTEx проекта (https://www.gtexportal.org/). Также показано, что данный участок является значимым при взаимодействии с такими факторами транскрипции как FOXA1, HNF4A. Известно, что данные транскрипционные факторы вовлечены в регуляцию экспрессии гена GLUT2, переносчика глюкозы [24].

LINC00305 является днРНК, относится к классу межгенных, кодирует РНК 305, а также участвует в активации моноцитов, индуцирует продукцию провоспалительных цитокинов, участвует в регуляции апоптоза. Данный ген входит в генную сеть репрессора арилгидрокарбонового рецептора (AHRR), участника NF-κB-сигналинга. Полиморфный вариант rs2850711 передается сцепленным в одном кластере, состоящем в общей сложности из 16 SNP, один из сцепленных вариантов (rs2850687) является связывающим регионом для USF2 (Upstream Transcription Factor 2). Продукт гена USF2 участвует в метаболизме липидов, усиливает активность фактора транскрипции SREBP1c [25]. Локус rs2850711 гена LINC00305 ассоциирован с развитием атеросклероза [26]. Уровень экспрессии гена LINC00305 выше у носителей аллеля T для генотипов АТ и ТТ по сравнению с носителями аллеля А в гомозиготном состоянии [27]. Повышенная экспрессия гена LINC00305 была выявлена у пациентов с атеросклерозом и ревматоидным артритом, так же как и ассоциация аллеля Т с риском развития этих заболеваний [27, 28]. Ранее было установлено, что повышенная экспрессия LINC00305 модулирует (повышает) экспрессию генов воспаления [29].

Для локуса rs4977574 гена днРНК CDKN2B-AS1 (ANRIL) показана ассоциация как с сердечно-сосудистыми осложнениями при СД2, так и с риском развития СД2 [30]. Авторы в мета-анализе показали, что аллель G локуса rs4977574 обусловливает увеличение уровней ЛПНП у европейцев и, соответственно, предрасположенность к ИБС [31], так же как и среди популяций Азии носители аллеля G имеют повышенный риск развития ишемической болезни сердца [32]. Вопрос остается дискуссионным по поводу функциональной значимости полиморфного локуса rs4977574 гена CDKN2B-AS1. Рядом авторов выдвинуто предположение, что аллель G приводит к образованию линейных изоформ молекулы ANRIL наряду со снижением экспрессии кольцевых транскриптов ANRIL. Линейные изоформы ANRIL вызывают репрессию генов опухолевых супрессоров – CDKN2A и CDKN2B [33]. В конечном итоге это приводит к ингибированию апоптоза и чрезмерной пролиферации проатерогенных клеток. Вместо этого А-аллель может способствовать усиленному образованию кольцевых изоформ ANRIL. Транскрипты гена ANRIL такого типа ингибируют активность комплекса PeBoW, необходимого для созревания рРНК. Это, в свою очередь, приводит к дефициту рРНК, ядрышковому стрессу и активации белка p53, что приводит к ингибированию деления клеток и активации апоптоза. С другой стороны, показано, что аллель G локуса rs4977574 снижает риск развития рака простаты и ИБС среди иранцев [34], программа HaploReg v4 предсказывает, что данный локус изменяет сайты связывания с транскрипционными факторами ETS и глюкокортикоидного рецептора (ГР) [35].

Показана роль глюкокортикоидного рецептора в развитии гипергликемии и диабета [36]. Так, повышенная экспрессия глюкокортикоидного рецептора была выявлена у мышей с диабетом, тогда как отсутствие глюкокортикоидного рецептора в гепатоцитах мышей останавливает развитие гипергликемии, это позволяет предположить, что изменение связывания глюкокортикоидного рецептора с участком 9p21 является значимым в развитии диабетической гипергликемии, что было подтверждено настоящим исследованием, тогда как развитие ожирения не ассоциировано с данным локусом. Ассоциация с диабетом для генов CDKN2A/2В показана и по результатам проведенных широкогеномных исследований [37]. Механизмы этого влияния вероятно заключаются в изменении способности к пролиферации бета-клеток поджелудочной железы под действием продуктов этих генов с возрастом. днРНК CDKN2B-AS1 способствует усилению пролиферации клеток и снижению апоптоза, а также является участником развития воспалительного ответа [38].

В нашем исследовании локус rs619589 гена MALAT1 ассоциирован с уровнем С-пептида, холестерина, ЛПНП и ожирением. MALAT1 – длинная некодирующая РНК – играет роль в развитии различных видов рака, метаболических и других заболеваний. По данным некоторых авторов, аллель G обусловливает снижение экспрессии MALAT1 в клетках сердца, крови и опухолей [39, 40]. Программа HaploReg v4 предсказывает, что данный локус изменяет сайты связывания для транскрипционных факторов HNF1 и PLZF, принимающих участие в контроле основных биологических процессов, включая энергетический обмен, выработку глюкозы в печени и развитие гипергликемии [41, 42]. Так, аллель A связывается с Erythroid-Related Factor (ERF), тогда как аллель G не связывается. В настоящем исследовании носители аллеля G имели сниженный уровень холестерина, сниженный уровень ЛПНП и сниженный уровень С-пептида, что подтверждает данные Wang G. с соавт. о протективном эффекте аллеля G при развитии ишемической болезни сердца [43].

Нами выявлена ассоциация локусов генов днРНК в аддитивной модели – LINC02227 rs2149954 (PFDR = 0.017), LINC00305 rs2850711 (PFDR = 0.004) и CDKN2B-AS1 rs4977574 (PFDR = 0.0003), с риском развития СД2. Для локуса rs2850711 гена LINC00305 выявлена ассоциация с уровнем глюкозы натощак (Р = 0.023), уровнем С-пептида (Р = 0.00001); для локусов LINC02227 rs2149954 и CDKN2B-AS1 rs4977574 установлена ассоциация с гипертонией. Локус MALAT rs619586 ассоциирован с уровнем С-пептида (Р = 0.017), ЛПНП (Р = 0.012) и общим холестерином (Р = 0.01). Для локуса CDKN2B-AS1 rs4977574 показана ассоциация с уровнем С-пептида (Р = 0.027). Локус LINC02227 rs2149954 (PFDR = 0.008) ассоциирован с ожирением, локус rs7158663 гена MEG3 – с постинфарктным кардиосклерозом (Р = 0.02). Локус rs3741219 гена H19 не продемонстрировал ассоциации ни с показателями инсулинорезистентности, ни с ожирением. Проведена оценка ROC-кривых в развитии СД2. Для модели, включающей шесть локусов генов днРНК, был получен показатель AUC, равный 66.5% (95%CI 63.90–69.40), для второй модели, в которую были включены эти же локусы, а также такие переменные, как пол, возраст обследуемых и ИМТ, AUC составил 95.3% (95%CI 93.5–97.4) с чувствительностью 98.0% и специфичностью 97.0%, что указывает на высокую способность показателей, включенных в анализ, правильно классифицировать индивидов с СД2 и здоровых. Таким образом показано, что на развитие СД2 оказывают влияние как вариабельность генов днРНК, так и такие «средовые факторы», как пол, возраст, а также наличие ожирения и избыточной массы тела. Для подтверждения выводов необходимо проведение исследования в других группах.

Исследование поддержано Российским научным фондом (№22-25-00010).

Исследование одобрено Этическим комитетом ИБГ УФИЦ РАН, протокол № 8 от 14.03.2012.

Все процедуры, выполненные в исследовании с участием людей, соответствуют этическим стандартам институционального и/или национального комитета по исследовательской этике и Хельсинкской декларации 1964 г. и ее последующим изменениям или сопоставимым нормам этики. От каждого из включенных в исследование участников было получено информированное добровольное согласие. Все обследованные – совершеннолетние.

Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

×

About the authors

O. V. Kochetova

Ufa Scientific Center of the Russian Academy of Sciences

Author for correspondence.
Email: Olga_MK78@mail.ru

Institute of Biochemisrty and Genetics

Russian Federation, Ufa, 450054

D. S. Avzaleydiniva

Bashkir State Medical University

Email: Olga_MK78@mail.ru
Russian Federation, Ufa, 450008

T. M. Kochetova

Bashkir State Medical University

Email: Olga_MK78@mail.ru
Russian Federation, Ufa, 450008

T. V. Viktorova

Bashkir State Medical University

Email: Olga_MK78@mail.ru
Russian Federation, Ufa, 450008

G. F. Korytina

Ufa Scientific Center of the Russian Academy of Sciences

Email: Olga_MK78@mail.ru

Institute of Biochemisrty and Genetics

Russian Federation, Ufa, 450054

References

  1. Татосян К.А., Зиневич Л.С., Демин Д.Э., Шварц А.М. Функциональные особенности длинных некодирующих РНК, содержащих последовательности мобильных генетических элементов // Мол. биология. 2020. Т. 54. № 5. С. 718–724. doi: 10.31857/S0026898420050109
  2. Ji E., Kim C., Kim W., Lee E.K. Role of long non-coding RNAs in metabolic control // Biochimica et Biophysica Acta (BBA) – Gene Regulatory Mechanisms. 2020. V. 1863. № 4. P. 194348. https://doi.org/10.1016/j.bbagrm.2018.12.006
  3. Mahajan A., Taliun D., Thurner M. et al. Fine-mapping type 2 diabetes loci to single-variant resolution using high-density imputation and islet-specific epigenome maps // Nature Genetics. 2018. V. 50. № 11. P. 1505–1513. doi: 10.1038/s41588-018-0241-6
  4. Pulit S.L., Stoneman C., Morris A.P. et al. Meta-analysis of genome-wide association studies for body fat distribution in 694 649 individuals of European ancestry // Hum. Mol. Genet. 2019. V. 28. № 1. P. 166–174. doi: 10.1093/hmg/ddy327
  5. Ghaedi H., Zare A., Omrani M.D. et al. Genetic variants in long noncoding RNA H19 and MEG3 confer risk of type 2 diabetes in an Iranian population // Gene. 2018. V. 675. P. 265–271. doi: 10.1016/j.gene.2018.07.002
  6. Bak R.O., Mikkelsen J.G. miRNA sponges: Soaking up miRNAs for regulation of gene expression // Wiley Interdisciplinary Reviews: RNA. 2014. V. 5. № 3. P. 317–333. doi: 10.1002/wrna.1213
  7. Ding G.L., Wang F.F., Shu J. et al. Transgenerational glucose intolerance with Igf2/H19 epigenetic alterations in mouse islet induced by intrauterine hyperglycemia // Diabetes. 2012. V. 61. № 5. P. 1133–1142. doi: 10.2337/db11-1314
  8. Ding H., Wang F., Shi X. et al. LncRNA MALAT1 induces the dysfunction of β cells via reducing the histone acetylation of the PDX-1 promoter in type 1 diabetes // Experimental and Mol. Pathology. 2020. V. 114. doi: 10.1016/j.yexmp.2020.104432
  9. Zeggini E., Weedon M.N., Lindgren C.M. et al. Replication of genome-wide association signals in UK samples reveals risk loci for type 2 diabetes // Science. 2007. V. 316. № 5829. P. 1336–1341. doi: 10.1126/science.1142364
  10. Xiao M., Bai S., Chen J. et al. CDKN2B-AS1 participates in high glucose-induced apoptosis and fibrosis via NOTCH2 through functioning as a miR-98-5p decoy in human podocytes and renal tubular cells // Diabetology & Metabolic Syndrome. 2021. V. 13. № 1. P. 1–12. doi: 10.1186/s13098-021-00725-5
  11. Huang K., Zhong J., Li Q. et al. Effects of CDKN2B-AS1 polymorphisms on the susceptibility to coronary heart disease // Mol. Genet. & Genomic Med. 2019. V. 7. № 11. doi.org/10.1002/mgg3.955
  12. Li H., Han S., Sun Q. et al. Long non-coding RNA CDKN2B-AS1 reduces inflammatory response and promotes cholesterol efflux in atherosclerosis by inhibiting ADAM10 expression // Aging (Albany NY). 2019. V. 11. № 6. P. 1695. doi: 10.18632/aging.101863
  13. Foss-Skiftesvik J., Li S., Rosenbaum A. et al. Multi-ancestry genome-wide association study of 4069 children with glioma identifies 9p21.3 risk locus // Neuro-Oncology. 2023. V. 25. № 9. P. 1709–1720. doi: 10.1093/neuonc/noad042
  14. Deelen J., Beekman M., Uh H.W. et al. Genome-wide association meta-analysis of human longevity identifies a novel locus conferring survival beyond 90 years of age // Hum. Mol. Genet. 2014. V. 23. № 16. P. 4420–4432. doi: 10.1093/hmg/ddu139
  15. Martin S., Cule M., Basty N. et al. Genetic evidence for different adiposity phenotypes and their opposing influences on ectopic fat and risk of cardiometabolic disease // Diabetes. 2021. V. 70. № 8. P. 1843–1856. doi: 10.2337/db21-0129
  16. Zhang D.D., Wang W.T., Xiong J. et al. Long noncoding RNA LINC00305 promotes inflammation by activating the AHRR-NF-κB pathway in human monocytes // Sci. Reports. 2017. V. 7. № 1. doi: 10.1038/srep46204
  17. Dedov I., Shestakova M., Benedetti M.M. et al. Prevalence of type 2 diabetes mellitus (T2DM) in the adult Russian population (NATION study) // Diabetes Res. and Clin. Practice. 2016. V. 115. P. 90–95. doi: 10.1016/j.diabres.2016.02.010
  18. Алфёрова В.И., Мустафина С.В. Распространенность ожирения во взрослой популяции Российской Федерации // Ожирение и метаболизм. 2022. Т. 19. № 1. С. 96–105. https://doi.org/10.14341/omet12809
  19. Дедов И.И., Шестакова М.В., Майоров А.Ю. и др. Алгоритмы специализированной медицинской помощи больным сахарным диабетом // Сахарный диабет. 2022. Т. 24. № 1S. С. 1–148. doi: 10.14341/DM20171S8
  20. Purcell S., Neale B., Todd-Brown K. et al. PLINK: A tool set for whole-genome association and population-based linkage analyses // Am. J. Hum. Genet. 2007. V. 81. № 3. P. 559–575. doi: https://doi.org/10.1086/519795
  21. Cao L., Yan G., Yu S. et al. Associations of MALAT1 and its functional single nucleotide polymorphisms with cancer // Pathology-Res. and Practice. 2022. V. 236. doi: 10.1016/j.prp.2022.153988
  22. Yang W., Lyu Y, Xiang R., Yang J. The role of genetic variants in the long non-coding RNA genes MALAT1 and H19 in the pathogenesis of childhood obesity, long non-coding RNAs in the pathogenesis of insulin resistance // Int. J. Mol. Sci. 2022. V. 23. № 24. doi: 10.3390/ijms232416054
  23. Wain L.V., Verwoert G.C., O’Reilly P.F. et al. Genome-wide association study identifies six new loci influencing pulse pressure and mean arterial pressure // Nat. Genetics. 2011. V. 43. № 10. P. 1005–1011. doi: 10.1038/ng.922
  24. David-Silva A., Freitas H.S., Okamoto M.M. et al. Hepatocyte nuclear factors 1α/4α and forkhead box A2 regulate the solute carrier 2A2 (Slc2a2) gene expression in the liver and kidney of diabetic rats // Life Sci. 2013. V. 93. № 22. P. 805–813. doi: 10.1016/j.lfs.2013.10.011
  25. Czech M.P., Tencerova M., Pedersen D.J., Aouadi M. Insulin signalling mechanisms for triacylglycerol storage // Diabetologia. 2013. V. 56. P. 949–964. doi: 10.1007/s00125-013-2869-1
  26. Castellanos-Rubio A., Ghosh S. Disease-associated SNPs in inflammation-related lncRNAs // Front. Immunol. 2019. V. 10. doi: 10.3389/fimmu.2019.00420
  27. Wahba A.S., Ibrahim M.E., Mesbah N.M. et al. Serum LINC00305 expression and its genetic variant rs2850711 are associated with clinical and laboratory features of rheumatoid arthritis // Brit. J. Biomed. Sci. 2020. V. 77. № 3. P. 142–147. doi: 10.1080/09674845.2020.1744942
  28. O’Donnell C.J., Cupples L.A., D’Agostino R.B. et al. Genome-wide association study for subclinical atherosclerosis in major arterial territories in the NHLBI’s Framingham Heart Study // BMC Med. Genet. 2007. V. 8. P. 1–12. doi: 10.1186/1471-2350-8-S1-S4
  29. Zhang D-D., Wang W-T., Xiong J. et al. Long noncoding RNA LINC00305 promotes inflammation by activating the AHRR-NF-κB pathway in human monocytes // Sci. Reports. 2017. V. 7. № 1. https://doi.org/10.1038/srep46204
  30. Rivera N.V., Carreras-Torres R., Roncarati R. et al. Assessment of the 9p21.3 locus in severity of coronary artery disease in the presence and absence of type 2 diabetes // BMC Med. Genet. 2013. V. 14. P. 1–8. doi: 10.1186/1471-2350-14-11
  31. Wei B., Liu Y., Li H. et al. Effect of 9p21.3 (lncRNA and CDKN2A/2B) variant on lipid profile // Front. in Cardiovascular Med. 2022. V. 9. doi: 10.3389/fcvm.2022.946289
  32. Altshuler D., Anand S.S., Andersen K. et al. Large-scale association analysis identifies 13 new susceptibility loci for coronary artery disease // Nat. Genet. 2011. V. 43. № 4. P. 333–338. doi: 10.1038/ng.784
  33. Xu B., Fang Z., He S. et al. ANRIL polymorphism rs4977574 is associated with increased risk of coronary artery disease in Asian populations: A meta-analysis of 12,005 subjects // Medicine. 2018. V. 97. № 39. doi: 10.1097/MD.0000000000012641
  34. Taheri M., Pouresmaeili F., Omrani M.D. et al. Association of ANRIL gene polymorphisms with prostate cancer and benign prostatic hyperplasia in an Iranian population // Biomarkers in Medicine. 2017. V. 11. № 5. P. 413–422. https://doi.org/10.2217/bmm-2016-0378
  35. Ward L.D., Kellis M. HaploReg v4: Systematic mining of putative causal variants, cell types, regulators and target genes for human complex traits and disease // Nucl. Ac. Res. 2016. V. 44. № D1. P. D877–D881. doi.org/10.1093/nar/gkv1340
  36. Kokkinopoulou I., Diakoumi A., Moutsatsou P. Glucocorticoid receptor signaling in diabetes // Int. J. Mol. Sci. 2021. V. 22. № 20. doi: 10.3390/ijms222011173
  37. Kong Y., Sharma R.B., Nwosu B.U., Alonso L.C. Islet biology, the CDKN2A/B locus and type 2 diabetes risk // Diabetologia. 2016. V. 59. № 8. P. 1579–1593. doi: 10.1007/s00125-016-3967-7
  38. Holdt L.M., Teupser D. Long Noncoding RNA ANRIL: Lnc-ing genetic variation at the chromosome 9p21 locus to molecular mechanisms of atherosclerosis // Front. in Cardiovascular Med. 2018. V. 5. doi: 10.3389/fcvm.2018.00145
  39. Li Q., Zhu W., Zhang B. et al. The MALAT1 gene polymorphism and its relationship with the onset of congenital heart disease in Chinese // Biosci. Rep. 2018. V. 38. № 3. doi: 10.1042/BSR20171381
  40. Zheng J., Pang C.H., Du W. et al. An allele of rs619586 polymorphism in MALAT1 alters the invasiveness of meningioma via modulating the expression of collagen type V alpha (COL5A1) // J. Cel. Mol. Med. 2020. V. 24. № 17. P. 10223–10232. doi.org/10.1111/jcmm.15637
  41. Chen S., Qian J., Shi X. et al. Control of hepatic gluconeogenesis by the promyelocytic leukemia zinc finger protein // Mol. Endocrin. 2014. V. 28. № 12. P. 1987–1998. doi: 10.1210/me.2014-1164
  42. Kavitha B., Ranganathan S., Gopi S. et al. Molecular characterization and re-interpretation of HNF1A variants identified in Indian MODY subjects towards precision medicine // Front. in Endocrin. 2023. V. 14. doi: 10.3389/fendo.2023.1177268
  43. Wang G., Li Y., Peng Y. et al. Association of polymorphisms in MALAT1 with risk of coronary atherosclerotic heart disease in a Chinese population // Lipids in Health and Disease. 2018. V. 17. P. 1–7. https://doi.org/10.1186/s12944-018-0728-2

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».