Népbetegségekkel szembeni genetikai kockázat a magyar populációban Fiatal Szilvia Megelőző Orvostani Intézet Népegészségügyi Kar Debreceni Egyetem

Átírás

1 Népbetegségekkel szembeni genetikai kockázat a magyar populációban Fiatal Szilvia Megelőző Orvostani Intézet Népegészségügyi Kar Debreceni Egyetem XXIV. Magyarországi Egészségügyi Napok Debrecen, október 4 6.

2 Áttekintés Népegészségügyi genomika Transzlációs kutatások jelentősége Kardiovaszkuláris rizikótényezők, heritabilitás Genetikai kockázat becslése a magyar populációban Dohányzás Kóros mértékű alkoholfogyasztás Csökkent HDL-koleszterin szint Elhízás

3 Népegészségügyi genomika

4 Transzlációs kutatások fázisai Forrás: Khoury et al (2007), Genet Med, The continuum of translation research in genomic medicine: how can we accelerate the appropriate integration of human genome discoveries into health care and disease prevention?

5 Nők és férfiak összes halálozásának ok szerinti megoszlása hazánkban Forrás: Egészségjelentés

6 Kardiovaszkuláris rizikófaktorok módosítható dohányzás nem- módosítható genetikai tényezők kóros lipidszintek emelkedett LDL-C alacsony HDL-C emelkedett trigliceridszint magas vérnyomás diabétesz mellitus elhízás táplálkozási tényezők fizikai aktivitás hiánya túlzott alkoholfogyasztás családi anamnézis kor nem etnikai hovatartozás

7 Kardiovaszkuláris rizikófaktorok heritabilitása módosítható dohányzás kóros lipidszintek Emelkedett LDL-C alacsony HDL-C Emelkedett trigliceridszint magas vérnyomás diabetes mellitus elhízás fizikai aktivitás hiánya túlzott alkoholfogyasztás heritabilitás 44-75% (Wink 2005) 42-48% (Luo, 2010) 40-60% (Qasim and Rader 2006) 36% (Zarakesh, 2012) 30-50% (Snieder, 2000) 20-80% (Meigs, 2000; Poulsen 1999) 40-70% (Magnusson, 2002) 48-71% (Stubbe, 2002) 50-60% (Buscemi et al 2012)

8 Kardiovaszkuláris rizikó gének keresése több mint 30 éve analóg módon a CV rizikó faktorokhoz rizikóbecslés prevenció és terápia Pl. Framingham score-ba beépíthető e? kandidáns gén megközelítés single gene association studies (SGA) genome wide association studies (GWA) genetic risk score (GRS) hasznosak e az ezzel a módszerrel azonosított genetikai tényezők?? direkt rizikóbecslés pathofiziológiai, diagnosztikus és terápiás konzekvenciák Fenotípus prevenció (népegészségügyi hasznosítás)

9 McCarthy / Manolio modell Forrás: Manolio et al: Finding the missing heritability of complex diseases Nature Oct 8; 461(7265):

10 Add a Slide Title - 1

11 Add a Slide Title - 1

12 Add a Slide Title - 1

13 Add a Slide Title - 1

14 Módszerek I.: vizsgálati elrendezés Vizsgálatok közelmúltban végzett keresztmetszeti vizsgálatok során gyűjtött vizsgálati alanyok (Szigethy et al 2012, Adany et al 2013, Kosa Z et al 2015) Mintavétel Rétegzett többlépcsős mintavétel korra és nemre reprezentatív Segregált roma telepek, észak-magyarországi,észak-alföldi régiók HMAP megyék háziorvosi praxisai Minták DNS minták (N=4240) Magyar Roma populáció N=1273 Általános magyar populáció N=2967

15 Módszerek II.:SNP-k kiválasztása Többlépcsős folyamat o1. lépés Szisztémás irodalomkeresés (PubMed) o kandidáns gének, fogékonysági/protektív allélok, a hatás erőssége biostatisztikai szempontból elfogadható elemszám meta-analízisek o 2. lépés Assay tervezés Genotipizálás: Sequenom MassARRAY platform (MAF Karolinska Institute, Sweden) o 3. lépés A vizsgált fenotípussal összefüggésbe hozható SNPk elemzése dohányzás: 20 SNP, alkoholfogyasztás: 22 SNP, Csökkent HDL-C: 21 SNP, obesitás: 20 SNP

16 Módszerek III.: statisztikai elemzés Allél frekvencia összehasonlítás chi 2 próba, többszörös tesztkorrekció p<0.002 Genetikai kockázat számítása (súlyozatlan-grs és súlyozottwgrs) Zavaró tényezők PLINK 1.07, STATA12, MS Excel szoftverek GRS and wgrs számítása (Talmud et al 2010, Johnson 2012) I GRS = i=1 wgrs = I i=1 G i w OR_i G i G i a kockázati allélok száma az az i dik SNP esetében w ORi = log OR i Súlyok (w OR_i ) korábbi vizsgálatokban kapott hatásmérő mutatók

17 Genetikai kockázat (GRS) GWAS vizsgálatok Nincs a priori hipotézis Független a biológiától Új és váratlan gének azonítása új kandidáns gének nagy elemszám pontos becslés Forrás: Witt S. Analysis of the Genetic Overlap of Borderline Personality Disorder and Bipolar Disorder

18 Dohányzás a Roma populációban válogatott európai adatok A dohányzás prevalenciája 41% és 72% közötti a roma populációkban, magasabb,mint az adott ország általános populációiban (Kosa et al 2007, Paulik et al 2011, Skaric-Juric et al 2007, Sandor et al 2017) Szlovénia: a roma lakosság ismeri a dohányzás káros hatásait, de többségük soha nem gondolta komolyan a leszokást (Petek et al 2006). Várandós Roma nők jellemzően nem szoknak le a dohányzásról : a Roma nők 54% %-a dohányzik a terhessége előtt, de csak 2-11% szokik le a terhesség alatt (Balazs et al 2013, Bobak et al 2005, Foley et al 2011)

19 A vizsgálat célja Dohányzási szokásokra való örökletes hajlam összehasonlítása az általános magyar és roma populációkban: A dohányzási szokásokhoz igazoltan köthető allélok gyakoriságának két populációban való összevetésével A genetikai kockázatot jellemző súlyozatlan és súlyozott GRS számításával.

20 Fogékonysági (A) és protektív (B) allélok prevalenciája az általános and roma populációban (dohányzás) A) B) Genes SNPs Roma (n=1273) General (n=2388) p value COMT rs <0.001 CHRNA4 rs <0.001 CYP2A6 rs CTNNA3 rs CHRNA5 rs <0.001 CHRNA3 rs <0.001 rs <0.001 DRD2 rs <0.001 MAOA rs males/females 41.6/ /30.6 <0.001 KCNJ6 rs Genes SNPs Roma (n=1273) General (n=2388) p value CYP2A6 rs AGPHD1 rs CHRNA5 rs <0.001 CHRNA3 rs <0.001 rs <0.001 rs <0.001 ANKK1 rs <0.001 TRPC7 rs <0.001 GABRA4 rs <0.001 NRXN1 rs <0.001

21 Normalized frequency Genetikai kockázat megoszlása a vizsgálati populációkban (dohányzás) 0,1 0,08 0,06 0,04 0,02 0 Hungarian Roma Hungarian general Number 19 of 21 risk alleles Weighted Genetic Risk Score p<0.001 Hungarian Roma Population Hungarian General population (p<0.001, Kolmogorov-Smirnov test) % of general population % of Roma population 1st quintile of wgrs ( <3.1) nd quintile of wgrs (3.1 - <3.9) rd quintile of wgrs (3.9 - <4.4) th quintile of wgrs (4.4 - < 5.03) th quintile of wgrs ( ) p<0.001

22 Alkoholfogyasztás Magasabb prevalencia roma gyerekek, serdülők körében: Részegség (Aszmann, A. et al , Sárváry, A. et al.2012) Alkoholt napi szinten fogyasztók (Kanapeckiené, V. et al 2009) Alkohol intoxikáció (Gerevich, J. et al. 2010) Felnőtt lakosság Moldova: alkohol-, és dohánytermékek kiadások 3% (1% nem Roma) (Cace, S. et al. 2007) Törökország: alkoholizmus EH=3,2 (p<0,05) (Ekuklu, G. et al. 2004) Spanyolország: nemi különbségek (Ibanez, V. 2009) Férfiak: absztinens 24,8% (31,3% általános populáció) Nők: absztinens 62,1% (55,9% általános populáció) Bulgária, Görögország, Cseh Köztársaság: Roma férfiak fiatalabb életkorban kezdenek alkoholt fogyasztani Magasabb alkohol/kábítószer problémával küzdő háztartások száma (Fundación Secretariado Gitano. 2006) Magyarország: absztinensek prevalenciája magasabb (Kósa, Z. et al. 2007)

23 Vizsgálat célja A roma lakosság káros mértékű alkoholfogyasztással szembeni genetikai fogékonysága általános magyar populációval Alkoholfogyasztási szokásokat befolyásoló allél- és genotípusfrekvenciák elemzése révén A genetikai variánsok együttes hatásának vizsgálata: súlyozott és súlyozás nélküli genetikai kockázati pontszámok A genetikai fogékonyság mértékének meghatározása fontos szereppel bír a roma lakosságot célzó népegészségügyi intervenciós programok megtervezése és végrehajtása során.

24 Alkoholfogyasztási szokásokat befolyásoló kockázati allél frekvenciák Gén SNP Összefüggés Alkoholizmus, elfogyasztott alkoholos R (%) (N=1267) M (%) (N=2917) p érték ADH1C rs italok maximális mennyisége, alkohol 37,37 36,99 0,744 dependencia ADH4 rs Alkohol dependencia, kábítószer dependencia, kokain dependencia 26,68 30,77 <0,001 ADH5 rs Alkohol dependencia 29,31 34,25 <0,001 ADH7 rs Alkoholizmus 39,39 41,29 0,201 GABRA2 rs Alkohol dependencia 27,17 38,65 <0,001 rs Alkohol dependencia 28,54 39,77 <0,001 SLC6A3 rs Káros mértékű alkoholfogyasztás 20,97 22,45 DDC rs Elfogyasztott alkohol mennyisége 18,9 20,14 0,0536 0,012 OPRK1 rs Alkohol dependencia 33,99 47,6 <0,001 OPRM1 rs Alkohol dependencia, 19,90 13,04 <0,001 POMC rs Alkohol dependencia 52,35 39,37 <0,001 rs Alkohol dependencia 40,17 26,15 <0,001 R: telepszerű körülmények között élő roma populáció; M: általános magyar populáció; N:

25 Alkoholfogyasztási szokásokat befolyásoló protektív allél frekvenciák Gén SNP Összefüggés R (%) (N=1267) M (%) (N=2917) P érték Alkoholizmus, ADH1B rs alkoholfogyasztási <0,001 szokások 12,87 8,00 ADH4 rs Alkohol dependencia 35,70 40,79 <0,001 ALDH1A1 rs Káros mértékű alkoholfogyasztás 31,51 45,05 <0,001 BDNF rs6265 Szerhasználat zavarai 11,34 19,88 <0,001 GABRA2 rs Alkohol dependencia 27,19 38,67 <0,001 GABRG1 rs Alkoholizmus 36,33 48,23 <0,001 HTR1B rs Alkohol dependencia 35,59 27,88 <0,001 MAOA rs Alkohol dependencia 41,93 31,66 <0,001 GRIN2A rs Alkohol dependencia 9,04 13,72 <0,001 CHRM2 rs Alkohol dependencia ,80 0,120 R: telepszerű körülmények között élő roma populáció; M: általános magyar populáció; N: mintanagyság

26 Normalizált allél frekvencia Súlyozott genetikai rizikó Genetikai kockázat megoszlása a vizsgálati populációkban (alkohol) Telepszerű körülmények között élő roma populáció Általános magyar populáció Kockázati allélok száma P<0,001

27 Az alacsony HDL-C szint prevalenciája a magasabb a roma lakosság körében

28 Protektív és kockázati allélok gyakorisága a vizsgálati populációkban (csökkent HDL-C szint)

29 Genetikai kockázat megoszlása a vizsgálati populációkban (HDL-C)

30 Obesitásra való fogékonyság vizsgálata A Roma lakosság anthropometriai tulajdonságait elemző vizsgálatok (Szlovákia, Spanyolország, Szerbia) magasabb BMI-t és gyakorabban előforduló obesitást igazoltak (Gallagher et al 2009, Poveda et al 2014, Fedacko 2014) Jelen vizsgálatban az obesitás prevalenciája magasabb volt az általános populációban (Nagy et al 2017). Környezeti tényezők szerepe meghatározó, de az örökletes tényezők szerepe is igazolt (Bell et al 2005, Pigeyre et al 2016) A vizsgálat célja volt annak felderítése, hogy van e genetikai prediszpozíciós különbség az általános magyar és roma populáció között az obesitásra való fogékonyság tekintetében.

31 Kockázati allélok megoszlása vizsgálati populációkban

32 A genetikai kockázat megoszlása a vizsgálati populációkban

33 A genetikai terheltség és az obesitás kockázatának a kapcsolata

34 Következtetések I (alkohol és dohányzás) A dohányzással és alkoholfogyasztással kapcsolatba hozható gentikai terheltség (súlyozatlan és súlyozott GRS) az általános magyar populációban nagyobb. A vizsgálati populációk dohányzási és alkohol fogyasztási szokásai között tapasztalható különbséget feltehetően nem genetikai tényezők határozzák meg. A tapasztalt fenotípus különbségek inkább az eltérő kulturális szokások/környezeti expozíciók eredménye. A leszoktatásra irányuló populációs alapú intervencióknak potenciálisan kulturális és környezeti tényezőket kell megcéloznia a romák körében.

35 Következtetések II (HDL-C és obesitás) A GRS és wgrs összefüggést mutatott a HDL-C szinttel mindkét vizsgálati csoportban. A genetikai kockázat megoszlásának különbözősége arra utal, hogy a roma populáció alacsony HDL-C szintje genetikai tényezők által erősen befolyásolt. A roma lakosság kardiovaszkuláris egészségi állapotát javítani célzó intervencióknak a fokozott genetikai fogékonyságot fogyelembe kell vennie. Az obesitás prevalenciában tapasztalt különbségek hátterében elsősorban etnikum specifikus kulturális és környezetei tényezők feltételezhetők, melyek a genetikai tényezők eltérő penetranciáját eredményezték.

36 Köszönöm a figyelmet. TÁMOP B-09/1/KONV TÁMOP AA-11/1/KONV GINOP