Модель раннего прогнозирования хронической болезни почек

Абстрактный

Учитывая высокую заболеваемость хронической болезнью почек (ХБП) в последние годы, необходима более совершенная модель раннего прогнозирования для выявления лиц с высоким риском до развития терминальной стадии почечной недостаточности (ТПН). Мы провели вложенное исследование случай-контроль у 348 субъектов (116 случаев и 232 контроля) из «Когорты хронических заболеваний Тяньцзиньского медицинского университета». У всех субъектов не было ХБП на исходном уровне, и они наблюдались в течение 5 лет до 20августа 18 года. Используя многофакторный регрессионный анализ Кокса, мы обнаружили пять негенетических факторов риска, связанных с риском ХБП. Была проведена логистическая регрессия для выбора однонуклеотидных полиморфизмов (SNP), которые мы получили в результате анализа GWAS в британском биобанке и других базах данных. Мы использовали модель логистической регрессии и взвешивание значений натурального логарифма OR для создания моделей прогнозирования генетического/негенетического риска ХБП. Кроме того, окончательная модель комплексного прогнозирования представляет собой арифметическую сумму двух оптимальных моделей. AUC прогностической модели достигла 0,894, чувствительность 0,827, а специфичность - 0,801. Мы обнаружили, что возраст, диабет и нормальные высокие значения азота мочевины, TGF- и ADMA были независимыми факторами риска ХБП. Также была создана комплексная модель прогнозирования, которая может помочь выявить лиц, у которых наиболее вероятно развитие ХБП на ранних стадиях.

Нажмите здесь, чтобы узнать, каковы преимущества Cistanche

Введение

Хроническая болезнь почек (ХБП), особенно ее осложнения, представляют серьезную угрозу для здоровья населения во всем мире. Глобальный уровень смертности от ХБП среди всех возрастов увеличился на 41,5 процента в период с 1990 по 2017 год1. Поперечное исследование показало, что распространенность хронической болезни почек в Китае составляет примерно 10,8 процента2, что означает, что в Китае насчитывается около 119,5 миллионов пациентов с ХБП. Китай.

На сегодняшний день некоторые факторы риска тесно связаны с хроническим заболеванием почек, включая возраст 3, женский пол 4, ожирение 5 и сахарный диабет 6. Недавно было обнаружено несколько биомаркеров, связанных с ХБП. Несколько предыдущих исследований показали, что повышенный уровень АДМА (асимметричного диметиларгинина) может вызывать повреждение почек7. Несколько исследований показали, что ADMA является мощным биомаркером для прогнозирования смертности от ХБП8–10. Также было показано, что уровни экспрессии NFAL (липокалин, ассоциированный с нейтрофильной желатиназой) коррелируют со степенью почечной дисфункции, что может помочь выявить пациентов с высоким риском более быстрого снижения почечной функции11. Кроме того, снижение CysC в сыворотке (цистатин C) коррелирует со снижением концентрации рСКФ12. Было высказано предположение, что CysC можно использовать вместе с креатинином сыворотки в качестве нового биомаркера или в качестве заменителя креатинина сыворотки, чтобы лучше идентифицировать возникновение заболевания почек в общей популяции13,14. TGF- (трансформирующий фактор роста-) является основным регулятором канальцевого интерстициального фиброза15, а передача сигналов TGF- может влиять на несколько важных реакций на повреждение почек в других сигнальных путях фактора роста16,17, в конечном итоге влияя на начало ХБП18. Предыдущие исследования показали, что во всем мире более 50 однонуклеотидных полиморфизмов (SNP) связаны с индексами функции почек или ХБП19.

The treatment of chronic kidney disease and renal failure is costly and rarely effective. However, less than 5% of patients with early CKD report awareness of their disease20. Once CKD can be diagnosed, glomerular damage has reached over 50% and is usually irreversible. Effective prediction of chronic kidney disease can be immensely useful in this aspect. Therefore, several CKD prediction models for different populations were21–24 introduced. Recently, a study developed equations for predicting CKD based on 34 multinational cohorts25. Nevertheless, few models have considered both genetic and nongenetic risk factors. Although many prediction models reached high prediction power in a relatively large population, early prediction [at least when eGFR>60 мл/(мин·1,73 м2)] необходим для лечения и профилактики ХБП. В этом исследовании мы разработали генетические, негенетические (включая биомаркеры) и комплексные модели прогнозирования оценки риска для ХБП во вложенном исследовании случай-контроль.

Цистанхе трубчатая

Обсуждение

Раннее прогнозирование ХБП является сложной задачей. Десятилетия исследований показали, что диабетическая нефропатия, первичный гломерулонефрит, гипертония, интерстициальный нефрит и поликистоз почек могут вызывать ХБП. Осведомленность о ХБП общеизвестно низка; как только ХБП развилась, лечение обычно ограничивается до тех пор, пока не потребуются последние средства диализа и трансплантации почки при ХПН. рСКФ является чувствительным индикатором почечной функции; однако это не ранний предиктор ХБП. Хотя многие биомаркеры были проверены на ХБП, необходима переоценка в проспективных когортных исследованиях с большим размером выборки. Поиск ранней, чувствительной, простой в исполнении и рентабельной модели прогнозирования.

Мы провели вложенное исследование случай-контроль для прогнозирования ХБП в «Когорте хронических заболеваний Тяньцзиньского медицинского университета»26,27, с высокой уместностью, облегченным прогнозом вероятности возникновения хронической болезни почек в течение 5- года в этой области. . Средний возраст испытуемых составил 63 года; таким образом, эти люди были более склонны к развитию ХБП, чем более молодые люди.

Мы объединили традиционные лабораторные индикаторы, несколько биомаркеров, связанных с функцией почек, и локусы SNP для разработки моделей прогнозирования ХБП. В модель NGRS мы не только включили некоторые показатели, которые использовались в других исследованиях, такие как диабет и возраст25,28,29, но и несколько биомаркеров, особенно TGF- и ADMA, также использовались в модели в качестве ранних предикторов ХБП.

Хотя были обнаружены сотни ассоциаций между генами ХБП и предрасположенности, GWAS с большой выборкой также дала очень важные результаты, а генетические факторы лишь немного улучшили прогностическую модель. Учитывая определенный SNP, относительный генетический риск (GRR) может быть высоким; однако его вклад в риск ХБП в общей популяции был ограниченным. Все 17 SNP, использованных в нашем исследовании, были получены из GWAS из Британского биобанка и других крупных когорт; однако AUC модели генетического риска (GRS) составляла всего 0,643 и давала лишь незначительное улучшение AUC в комплексной модели (с 0,889 до 0). .894). Исследование, проведенное в Японии, показало, что генетические предикторы не вносят существенного вклада в повышение эффективности прогнозирования комплексной модели прогнозирования29. Хотя некоторые SNP имели очень значимую связь с ХБП в GWAS с большой выборкой (т. е. высокий генетический относительный риск, GRR), их вклад в вариабельность фенотипа может быть ограниченным.

Несколько биомаркеров были протестированы и включены в нашу модель прогнозирования. Уровень TGF- в плазме, отдельно от ADMA, обеспечивает лучшую прогностическую ценность, чем более прямой индикатор клубочковой фильтрации цистатин C. В нашем предыдущем исследовании мы обнаружили, что гены пути TGF сильно экспрессируются в почках очень ранней стадии диабетической нефропатии. биопсии почек, задолго до почечного фиброза и снижения фильтрации. Действительно, ранний скрининг биомаркеров до снижения рСКФ может дать прогноз ХБП на несколько лет раньше, хотя раннее начало лечения может быть еще одним препятствием, которое необходимо преодолеть.

Это исследование имеет несколько ограничений. Во-первых, исследование биомаркеров, связанных с ХБП, проводилось в рамках вложенного исследования случай-контроль, которое было выбрано из когорты хронических заболеваний, и размер выборки был относительно небольшим; поэтому результаты исследования могли иметь определенные отклонения. Во-вторых, наша модель прогнозирования риска фокусировалась только на начале хронического заболевания почек, но не оценивала прогрессирование хронического заболевания почек до почечной недостаточности или других осложнений. В-третьих, участники, которые составили «Когорту хронических заболеваний Тяньцзиньского медицинского университета», в основном были учителями и государственными служащими, работавшими в городских районах. Эта группа людей была более дисциплинированной и уделяла больше внимания здоровью. Вопрос о том, можно ли применить нашу модель предсказания к другим группам людей, нуждается в дополнительной внешней проверке. Наши будущие исследования позволят обнаружить больше биомаркеров, связанных с функцией почек, в больших когортах, чтобы подтвердить и улучшить модель прогнозирования ХБП.

В последнее время были созданы многочисленные прогностические модели, которые стали использоваться в клинике для принятия решений. Среди них существует несколько моделей, оценивающих риск распространенной и впервые возникшей ХБП22,28–31. Однако из-за различий в расе, образе жизни и географической среде по-прежнему необходимо разработать эффективную прогностическую модель хронической болезни почек в разных этнических группах, которая может помочь выявить людей с повышенным риском ХБП на более раннем этапе, тем самым улучшив здравоохранение за счет выделение ресурсов тем лицам, которые получают от этого наибольшую выгоду, при одновременном предотвращении потенциального злоупотребления ресурсами здравоохранения лицами, относящимися к группе низкого риска.

Экстракт цистанхе

Методы

1. Дизайн исследования и популяция.

Это исследование было разработано как вложенное исследование случай-контроль с участием 348 участников из «Когорты хронических заболеваний Тяньцзиньского медицинского университета». Когорта была создана в 2006 г. с первоначальным числом 2068 человек для ежегодного медицинского осмотра. К концу 2018 года в когорту было включено 21 750 человек, а самый длительный период наблюдения составил 13 лет. Мы собрали демографические маркеры, лабораторные маркеры и результаты генотипирования для 110 локусов (включая 380 случаев с данными полногеномного генотипирования). Мы провели скрининг пациентов, которые соответствовали следующим критериям: (i) с периодом наблюдения не менее 5 лет; (ii) отсутствие ХБП при первом физикальном обследовании; (iii) образцы крови и другую важную информацию, среди которых 1804 человека соответствовали критериям; 116 человек были выбраны в качестве контрольной группы; и 232 человека были отобраны в качестве контрольной группы с совпадением пола и возраста ± 3 года; таким образом, всего было включено 348 предметов. Все испытуемые отрицали наличие в семейном анамнезе наследственных заболеваний и употребления нефротоксических препаратов.

Это исследование было рассмотрено и одобрено Комитетом по этике Тяньцзиньского медицинского университета, и все участники подписали формы информированного согласия.

2. Диагностические критерии.

Диагностическими критериями ХБП были рСКФ.<60 mL/(min·1.73 m2 ) or positive proteinuria (≥1+). The glomerular filtration rate is estimated using the simplified Chinese MDRD equation 32. The determination of diabetes mellitus (DM) is based on the diagnostic criteria of diabetes published by the World Health Organization (WHO) in 1999: fasting plasma glucose≥7.0 mmol/L and/or 2 h postprandial glucose≥11 mmol/L. Obesity was defined as a body mass index (BMI)≥28 kg/m2 according to the recommendation of the "Guidelines for the Prevention and Control of Overweight and Obesity among Chinese Adults"33 by the Ministry of Health. Hypertension was defined as systolic blood pressure (SBP)≥140 mmHg and/or diastolic blood pressure (DBP)≥90 mmHg or a self-reported history of physician-diagnosed hypertension. The diagnostic criteria for hyperuricemia (HUA)34 were blood uric acid levels≥420 μmol/L in men and≥360 μmol/L in women.

3. Измерения биомаркеров.

После двенадцати часов голодания образцы венозной крови участников собирали в пробирки для сбора крови без антикоагулянтов в 7:30–9:00 утра, инкубировали при комнатной температуре в течение получаса, а затем центрифугировали при 3000 об/мин при 4 градусах. в течение 10 мин для отделения сыворотки. Сыворотку перед анализом хранили при температуре -80 градусов. Уровни глюкозы плазмы натощак, креатинина сыворотки, азота мочевины, мочевой кислоты сыворотки, общего холестерина, триглицеридов, аланинаминотрансферазы, общего белка, альбумина, глобулина, общего билирубина и прямого билирубина определяли с помощью автоматического биохимического анализатора Hitachi. Цистатин С (CysC), трансформирующий фактор роста бета (TGF-), асимметричный диметиларгинин (ADMA) и липокалин, ассоциированный с желатиназой нейтрофилов (NGAL), измеряли с помощью наборов ELISA (Shanghai Huyu Biotechnology Co., LTD).

Цистанхе порошок

4. Выбор связанных с ХБП негенетических/генетических факторов риска.

Мы включили 21 потенциальный фактор риска, включая несколько биомаркеров, в одномерную модель пропорциональных рисков Кокса, а затем значимые факторы были взяты в качестве объясняющих переменных и включены в многомерную модель регрессии пропорциональных рисков Кокса. Наконец, мы получили пять негенетических факторов риска. После получения части доступа к данным в базе данных UK-Biobank мы использовали PLINK для проведения полногеномного ассоциативного анализа (GWAS) для показателей, связанных с функцией почек, включая рСКФ, SCr и CysC. Результаты GWAS показаны на манхэттенском графике (дополнительный рисунок S1). В сочетании с результатами предыдущих исследований было проверено в общей сложности 10 локусов SNP в 10 генах (дополнительная таблица S1). Между тем, после интеграции информации из баз данных GWAS, базы данных геномной биоинформатики UCSC и результатов GWAS для фенотипов, связанных с функцией почек, в Азии или Китае35–37, локусы SNP имеют как высокий относительный риск генотипа (GRR), так и общегеномную полигенетическую оценку (GPS). ) для ХБП. Наконец, мы выбрали в общей сложности 27 локусов SNP из 24 генов, чтобы построить модель генетического риска ХБП (дополнительная таблица S2). 27 SNP, отобранных в этом исследовании, были генотипированы у 348 вложенных субъектов случай-контроль с использованием платформы времяпролетной масс-спектрометрии с лазерной десорбцией и ионизацией с использованием матрицы (MALDI-TOF-MS). Равновесие Харди-Вайнберга (HWE) было проверено для всех 27 SNP, и мы удалили 2 SNP, которые не прошли HWE; поэтому были задокументированы данные генотипирования для 25 SNP.

5. Разработка моделей прогнозирования.

В этом исследовании модели оценки генетического риска (GRS) и модели оценки негенетического риска (NGRS) были построены на основе весов натуральных логарифмов ( ) значений ОШ различных факторов риска. Комбинированные эффекты каждого негенетического или генетического фактора рассчитывались взвешенным образом, и для разработки прогностической модели ХБП был выбран метод оптимальной комбинации. Уравнение GRS было установлено на основе различного вклада каждого сайта-кандидата SNP в патогенез ХБП. Каждый сайт SNP считался потенциальным фактором риска ХБП. Различные веса для вклада в возникновение ХБП определялись различными значениями OR (или ) из логистического регрессионного анализа, чтобы установить несколько комбинаций и отобрать оптимальную комбинацию. Используя взвешенную оценку генетического риска (ωGRS), ωGRS{{0}} I 1 iGi ( i — это вес i-го SNP, Gi — количество аллелей в i-м SNP и присваивает значение 0, 1, 2). Вес представляет собой натуральный логарифм отношения шансов (OR) SNP и может быть оцененным эффектом (коэффициентом). Для каждого человека ωGRS представляет собой сумму количества аллелей риска, взвешенных по значению OR ( ) каждого сайта SNP в логистической регрессии. Подробности см. в формуле (1).

В приведенной выше формуле, чтобы заранее зафиксировать вес, мы использовали значение логарифмически преобразованных аллелей одиночного риска в исследованиях с большими размерами выборки и высокой надежностью (например, метаанализ) в качестве веса при построении фактической модели. Принцип построения модели оценки негенетического риска такой же, как и у GRS. То есть, в соответствии с разным вкладом выявленных негенетических факторов риска, связанных с ХБП (например, нормальное высокое значение TGF-, пожилые люди) в заболеваемость ХБП, используются разные значения OR (или ) логистического регрессионного анализа для определить различные веса для начала ХБП, установить различные комбинации и выбрать оптимальную комбинацию. Использовалась взвешенная оценка негенетического риска (ωNGRS), ωNGRS= I 1 iSi ( i — вес i-го соответствующего негенетического фактора риска в риске развития ХБП, а Si — i-й соответствующий негенетический фактор риска), и вес представляет собой натуральный логарифм значения ОШ, полученного с помощью логистического регрессионного анализа различных факторов риска. Для каждого человека ωNGRS представляет собой сумму факторов риска, взвешенных по значению ОШ ( ) различных негенетических факторов риска в логистической регрессии. Подробности см. в формуле (2).

В приведенной выше формуле S представляет собой заданный вектор группы негенетических факторов риска (Si представляет собой состояние i-го негенетического фактора риска; если у человека есть фактор риска, значение равно 1; если нет, значение равно {{ 1}}). Значение, использованное в этом исследовании, представляло собой значение каждого негенетического фактора риска в логистическом регрессионном анализе.

Построение комплексной модели оценки риска объединяет оптимальную модель GRS и модель NGRS, которая представляет собой сумму двух моделей. Подробности см. в формуле (3).

6. Оценка модели прогнозирования.

Для оценки построенной модели GRS, модели NGRS и комплексной прогностической модели использовался метод площади кривой рабочих характеристик приемника (ROC) под кривой (AUC). Программное обеспечение MedCalc использовалось для определения оптимальной точки отсечки ROC-кривой, а также чувствительности и специфичности в оптимальной точке отсечки. Наконец, осуществляется оценка прогностической эффективности построенной прогностической модели ХБП. Сконструированная модель GRS, модель NGRS и комплексная модель прогнозирования прошли внутреннюю проверку в рамках вложенного исследования случай-контроль с использованием пятикратной перекрестной проверки начальной загрузки. Все анализы данных были выполнены с использованием программного обеспечения SPSS 21.0. Статистическую значимость определяли с пороговым значением P, равным<0.05.

Все методы выполнялись по соответствующим руководствам и правилам.

Цистанхе капсулы

Заключение

Возраст, сахарный диабет, нормальные высокие значения креатинина, TGF- и ADMA являются независимыми индикаторами заболеваемости ХБП. Была создана всеобъемлющая модель прогнозирования, хотя генетические факторы, проанализированные в нашем исследовании, дали ограниченные прогностические значения заболеваемости ХБП. Раннее и соответствующее вмешательство может быть предпринято, чтобы избежать ухудшения и даже необратимого состояния.

Рекомендации

1. Бикбов Б. и соавт. Глобальное, региональное и национальное бремя хронической болезни почек, 1990–2017 гг.: систематический анализ для исследования глобального бремени болезней, 2017 г. Lancet 395, 709 (2020).

2. Чжан Л. и соавт. Распространенность хронической болезни почек в Китае: поперечное исследование. Ланцет 379, 815 (2012).

3. О'Салливан, Э.Д., Хьюз, Дж. и Ференбах, Д.А. Старение почек: причины и последствия. Варенье. соц. Нефрол. 28, 407 (2017).

4. Карреро, Дж. Дж., Хекинг, М., Чеснай, Н. С. и Джагер, К. Дж. Половые и гендерные различия в эпидемиологии и исходах хронической болезни почек. Нац. Преподобный Нефрол. 14, 151 (2018).

5. Юн Х.Р. и соавт. Ожирение, метаболические нарушения и прогрессирование ХБП. Являюсь. Дж. Почки Дис. 72, 400 (2018).

6. Цай В. и соавт. Факторы риска развития и прогрессирования хронической болезни почек. Медицина 95, e3013 (2016).

7. Флисер Д. и соавт. Асимметричный диметиларгинин и прогрессирование хронического заболевания почек: исследование заболевания почек от легкой до умеренной степени тяжести. Варенье. соц. Нефрол. 16, 2456 (2005).

8. Равани П. и др. Асимметричный диметиларгинин предсказывает прогрессирование диализа и смерть у пациентов с хроническим заболеванием почек: подход к моделированию конкурирующих рисков. Варенье. соц. Нефрол. 16, 2449 (2005).

9. Миядзаки Х. и др. Эндогенный ингибитор синтазы оксида азота: новый маркер атеросклероза. Тираж 9, 1141 (1999).

10. Трипепи Г. и соавт. Воспаление и асимметричный диметиларгинин для прогнозирования смерти и сердечно-сосудистых событий у пациентов с терминальной почечной недостаточностью. клин. Варенье. соц. Нефрол. 6, 1714 (2011).

11. Виау, А. и соавт. Липокалин 2 необходим для прогрессирования хронического заболевания почек у мышей и людей. Дж. Клин. расследование 120, 4065 (2010).

12. Фергюсон, М.А. и Вайкар, С.С. Установленные и новые маркеры функции почек. клин. хим. 58, 680 (2012).

13. Филлер Г. и соавт. Цистатин С как маркер СКФ — история, показания и будущие исследования. клин. Биохим. 38, 1 (2005).

14. Фергюсон Т.В., Коменда П. и Тангри Н. Цистатин С как биомаркер для оценки скорости клубочковой фильтрации. Курс. мнение Нефрол. гипертензии. 24, 295 (2015).

15. Meng, X., Nikolic-Peterson, DJ & Lan, HY TGF-: главный регулятор фиброза. Нац. Преподобный Нефрол. 12, 325 (2016).

16. Tazat, K., Hector-Greene, M., Blobe, GC & Henis, YI Tibetan независимо связывает рецепторы TGF-бета типа I и типа II для ингибирования передачи сигналов TGF-бета. Мол. биол. Ячейка 26, 3535 (2015).

17. Ван, С., Уилкс, М.С., Леоф, Э.Б. и Хиршберг, Р. Неканонические TGF-пути, mTORC1 и Abl, в почечном интерстициальном фиброгенезе. Являюсь. Дж. Физиол. Ренал 298, F142 (2010).

18. Нланду-Ходо С. и соавт. Блокирование ТФР-бета и бета-катенина эпителиальных перекрестных помех усугубляет ХБП. Варенье. соц. Нефрол. 28, 3490 (2017).

19. O'Seaghdha, CM & Fox, CS Исследования ассоциации всего генома при трансплантации почки: преимущества и ограничения. Нац. Преподобный Нефрол. 8, 89 (2011).

20. Chen, TK, Knicely, DH & Grams, ME Диагностика и лечение хронической болезни почек. JAMA 322, 1294 (2019).

21. Каррильо-Ларко Р.М. и соавт. Оценка риска для первого скрининга распространенного невыявленного хронического заболевания почек в Перу: оценка риска Te CRONICASCKD. БМК Нефрол. 18, 343 (2017).

22. Тангри Н. и др. Динамическая прогностическая модель прогрессирования ХБП. Являюсь. Дж. Почки Дис. 69, 514 (2017).

23. Ma, J., Yang, Q., Hwang, S., Fox, CS & Chu, AY. Оценка генетического риска и риск 3-й стадии хронической болезни почек. БМК Нефрол. 18, 32 (2017).

24. Имаи Э. и др. Распространенность хронической болезни почек среди населения Японии в целом. клин. Эксп. Нефрол. 13, 621 (2009).

25. Нельсон Р.Г. и соавт. Разработка уравнений прогнозирования риска возникновения хронической болезни почек. ДЖАМА 322, 2104 (2019).

26. Чжао Дж. и соавт. Триглицерид является независимым предиктором диабета 2 типа среди людей среднего и пожилого возраста: проспективное исследование с последующим наблюдением в течение 8-года в двух когортах. Дж. Пер. Мед. 17, 403 (2019).

27. Вей Ф. и соавт. Связь между мочевой кислотой в сыворотке и заболеваемостью гипертонией: динамическое когортное исследование пожилых людей в Китае. Дж. Пер. Мед. 14, 110 (2016).

28. Чиен К. и соавт. Модель прогнозирования риска возникновения хронической болезни почек. Являюсь. Дж. Мед. 123, 836 (2010).

29. O'Seaghdha, CM et al. Оценка риска хронического заболевания почек в общей популяции. Являюсь. Дж. Мед. 125, 270 (2012).

30. Echoufo-Tcheugui, JB & Kengne, AP Модели риска для прогнозирования хронического заболевания почек и его прогрессирования: систематический обзор. ПЛОС Мед. 9, e1001344 (2012).

31. Fujii, R. et al. Ассоциация оценки генетического риска и хронического заболевания почек у населения Японии. Нефрология 24, 670 (2019).

32. Ма, Ю.С. и др. Улучшенная оценка СКФ путем объединения измерений креатинина и цистатина С. почки инт. 72, 1535 (2007).

33. Касим А. и др. О происхождении ожирения: выявление биологических, экологических и культурных факторов генетического риска среди населения. Обес. Версия 19, стр. 121 (2018 г.).

34. Бардин Т. и Ришетт П. Определение гиперурикемии и подагрических состояний. Курс. мнение Ревматол. 26, 186 (2014).

35. Окада Ю. и соавт. Мета-анализ идентифицирует несколько локусов, связанных с признаками, связанными с функцией почек, в популяциях Восточной Азии. Нац. Жене. 44, 904 (2012).

36. O'Seaghdha, CM & Fox, CS Общегеномные ассоциативные исследования хронического заболевания почек: чему мы научились? Нац. Преподобный Нефрол. 8, 89 (2011).

37. Рид, Дж. С. и соавт. Метаанализ основных компонентов множества антропометрических признаков идентифицирует новые локусы для формы тела. Нац. коммун. 7, 13357 (2016).

Цзин Чжао1,4, Юань Чжан1,2,4, Цзяли Цю1,4, Сяодань Чжан1,4, ФэнцзянВэй1, Цзяи Фэн1, Чен Чен3, Кай Чжан3, Шужи Фэн3, Вэй-Дун Ли1

1 Кафедра генетики, Колледж фундаментальных медицинских наук, Тяньцзиньский медицинский университет, Тяньцзинь 300070, Китай.

2 Школа общественного здравоохранения Тяньцзиньского медицинского университета, Тяньцзинь, Китай.

3 Больница общего профиля Тяньцзиня, Тяньцзиньский медицинский университет, Тяньцзинь 300052, Китай.

4 Эти авторы внесли равный вклад: Цзин Чжао, Юань Чжан, Цзяли Цю и Сяодань Чжан.