GEO数据库联合孟德尔随机化分析:基因决定的高血脂与2型糖尿病周围性神经病变的效应关系

目的：通过生物信息学技术确定影响2型糖尿病（diabetes mellitus type 2,T2DM）周围神经病变（diabetic peripheral neuropathy,DPN）发生的潜在机制。方法：采用Gene Expression Omnibus(GEO)数据库下载相关数据集（数据集编号：GSE24290）,R包‘limma’对数据集进行差异表达分析,利用‘org.Hs.eg.db’和‘clusterProfiler’包对靶标基因进行GO和KEGG富集分析,利用STRING网站（https://cn.string-db.org/）获得相关基因的蛋白-蛋白交互作用网络。基于Python中的‘Networkx’和‘Netwulf’库对分子网络进行可视化。引用临床样本确定筛选到的影响疾病发生的因素是否符合中国人样本。最后采用孟德尔随机化分析方法确定筛选到的影响因素与T2DM、T2DM DPN风险存在的基因层面因果效应关系。结果：GEO数据库数据相关数据经差异分析后,GO与KEGG结果显示,差异基因生物学通路主要集中在脂肪代谢过程。STRING结果显示,与脂质代谢相关途径的基因共同点是促进高血脂发生和发展。在中国人临床样本中T2DM群体、T2DM DPN群体的总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、载脂蛋白B表达水平高于健康对照组（P<0.05）,与T2DM组相比血脂相关指标表达水平较高,但差异无统计学意义（P>0.05）。MR分析结果显示,血脂-T2DM、高血脂-T2DM DPN不存在效果效应关系。MR-Egger、WME、Weighted mode、Simple mode确定MR结果的稳定性,散点图、留一法、漏斗图证实结果可靠。结论：高血脂是T2DM DPN发生潜在影响因子,但基因层面并未发现存在因果效应关系。