A tágult perivaszkuláris terek terhelése, az agyi kisérbetegség új markere, erősen örökölhető

Bevezetés

A perivaszkuláris terek (PVS), más néven Virchow-Robin terek, normális fiziológiás struktúrák, amelyek cerebrospinalis MRI jelszerű folyadékkal vannak kitöltve és pialis sejtekkel vannak bevonva, és az artériák, arteriolák, vénák és venulák falát veszik körül, ahogy azok behatolnak az agyi parenchimába. A PVS a glimfatikus rendszerhez tartozik, és részt vesz a salaktalanításban, az energiaszubsztrát szállításában és a véráramlás szabályozásában.1,2 Bizonyos körülmények között, mint például a növekvő életkor és az agyi kisérbetegség (cSVD), a PVS kitágulhat (tágult perivaszkuláris tér ) és kimutathatóvá válik az agyi MRI-n.3-7 A tágulás hátterében álló mechanizmusok, amelyek valószínűleg a csökkent glimfatikus tisztítást tükrözik, spekulatívak.1 Kimutatták, hogy a dPVS erősen korrelál a cSVD más MRI-markereivel, mint például a fehérállomány hiperintenzitásának térfogata (WMHV), a lacunáris agyi infarktusok (LI) és az agyi mikrovérzések.3-6,8 Korábban kimutattuk, hogy a bazális ganglionok (BG) vagy a fehérállomány (WM) magas fokú dPVS-értékei a demencia fokozott kockázatával járnak együtt, függetlenül a cSVD egyéb MRI-markereitől, idősebb közösségi személyeknél.9

A dPVS meghatározó tényezői kevéssé ismertek. A fő ismert rizikófaktorok az életkor és a magas vérnyomás, utóbbi erősebben társul a dPVS-hez a BG-ben. A dPVS genetikai meghatározóinak azonosítása fontos támpontokat nyújthat a mögöttes molekuláris mechanizmusokkal, valamint a cSVD és a demencia patofiziológiájával kapcsolatban. Arra törekedtünk, hogy megvizsgáljuk a dPVS terheléséhez való genetikai hozzájárulást az öröklődésük és a cSVD más MRI-markereivel való közös öröklődésük mérésével a populáción alapuló Three City (3C) Dijon Study-ban.

Módszerek

A tanulmány eredményeit alátámasztó adatok indokolt kérésre a megfelelő szerzőtől elérhetők.

Vizsgálati populáció

A 3C-Dijon tanulmány egy közösségi alapú kohorszvizsgálat, amely 4931, ≥65 éves, nem intézményesített, Dijon város választói névjegyzékéből 1999 és 2001 között véletlenszerűen kiválasztott ≥65 éves résztvevőt foglal magában.10 A <80 éves, 1999 júniusa és 2000 szeptembere között felvett résztvevőket (n=2763) agyi MRI vizsgálatra hívták. Bár 2285 résztvevő (82,7%) anyagi korlátok miatt beleegyezett a részvételbe, csak 1924 résztvevőnél végeztek MRI-vizsgálatot. Közülük 1683-an genomszintű genotipizálásnak is alávetették magukat. Az agydaganatban (n=8), stroke-ban (n=71) vagy demenciában (n=7) szenvedő személyek kizárása után a fennmaradó minta 1597 résztvevőből állt. A dPVS esetében 1559 résztvevőnél állt rendelkezésre vizuális értékelés és mennyiségi meghatározás, a LI esetében pedig 1562 résztvevőnél (35, nem lacunáris agyi infarktusban szenvedő személyt kizártak); és 1495 résztvevőnél volt automatizált kvantitatív WMHV-mérés. A vizsgálati protokollt a Kremlin-Bicêtre-i Egyetemi Kórház etikai bizottsága hagyta jóvá. Minden résztvevő írásbeli beleegyezését adta.

Genotipizálás

A 3C-Dijon résztvevőinek DNS-mintáit Illumina Human610Iquad BeadChips segítségével genotipizálták a Centre National de Génotypage-ban (Evry, Franciaország).

A genotipizálás 4263 résztvevőn történt, akik közül 186-ot a minőségellenőrzés után kizártak (Methods in the online-only Data Supplement), így összesen 4077 résztvevő maradt. A 3C-Dijon minta első 20 főkomponensét (PC) az EIGENSOFT segítségével generálták, és a populáció származás szerinti rétegződésének korrigálására használták (Methods in the online-only Data Supplement). A genotípusokat a MaCH 1.0 segítségével imputáltuk az 1000 Genomes I. fázis 3. verziójú referenciapanelhez (minden etnikum), a standard minőségellenőrzési eljárások alkalmazása után (Módszerek az online elérhető adatkiegészítésben). Összesen 11 572 501 egynukleotid-polimorfizmus (SNP) állt rendelkezésre az elemzéshez a minőségellenőrzést követően.

MRI felvétel

A dPVS értékelése

A dPVS-t egy tapasztalt olvasó (Y.-C.Z.) értékelte és egy félkvantitatív skálán számszerűsítette. Úgy definiáltuk őket, mint agy-gerincvelői folyadékhoz hasonló jelű (T1-en hipointenzív és T2-n hiperintenzív), kerek, tojásdad vagy lineáris alakú, <3 mm maximális átmérőjű, sima körvonalú kontúrokkal rendelkező, perforáló artériák által ellátott területeken elhelyezkedő elváltozásokat. Az ugyanezen kritériumoknak megfelelő, ≥3 mm átmérőjű elváltozásokat gondosan megvizsgáltuk a 3 síkban (alak, jelintenzitás), hogy megkülönböztessük őket a LI-től és a fehérállomány hiperintenzitásától (WMH). Csak a tipikus érformával rendelkező és a perforáló erek orientációját követő elváltozásokat tekintettük dPVS-nek.3 A BG-ben és a WM-ben, amelyek a legnagyobb dPVS-sűrűségű helyek, a legnagyobb számú dPVS-t tartalmazó szeletet használtuk az értékeléshez.3

A BG-ben a dPVS-t egy 4 fokozatú pontozással értékelték: 1. fokozat <5 dPVS, 2. fokozat 5-10 dPVS, 3. fokozat >10 dPVS, de még mindig számottevő, és 4. fokozat számtalan dPVS, ami a BG-ben cribriform elváltozást eredményez (ábra). A WM-ben a dPVS-eket szintén egy 4 fokozatú pontozással értékelték: 1. fokozat <10 dPVS a teljes WM-ben, 2. fokozat >10 dPVS a teljes WM-ben és <10 a legtöbb dPVS-t tartalmazó szeletben, 3. fokozat 10-20 dPVS a legtöbb dPVS-t tartalmazó szeletben, és 4. fokozat >20 dPVS a legtöbb dPVS-t tartalmazó szeletben (ábra).3 A hippokampuszban és az agytörzsben a dPVS-t ≥1 dPVS jelenléte és a dPVS hiánya szerint dichotomizáltuk. A globális dPVS-terhelés változót a BG és a WM dPVS fokozatok összegzésével és a hippokampuszban ≥1 dPVS jelenlétéért 1 pont, valamint az agytörzsben ≥1 dPVS jelenlétéért 1 pont hozzáadásával alakítottuk ki. A legmagasabb kategóriákba tartozó résztvevők kis száma miatt ezeket összevonták (globális pontszám ≥8). A globális változó vizuális vizsgálat alapján normális eloszlású volt (Módszerek az online-only Data Supplementben).

Egyéb MRI-mérések

A WMHV lokalizálására és mérésére automatizált és validált eljárást használtunk.11 A WMH két alcsoportját határozták meg: periventrikuláris WMH (pvWMH), ha a kamrai rendszertől való távolság <10 mm volt, és egyébként mély WMH. A LI-ket vizuálisan ugyanaz az értékelő (Y.-C.Z.) értékelte, mint a dPVS-t, és olyan fokális elváltozásokként definiálták őket, amelyek minden szekvencián a cerebrospinalis folyadékkal azonos jeljellemzőkkel rendelkeztek, és amelyek átmérője 3-15 mm volt.3 A dPVS-től a fent leírtak szerint különböztették meg őket. A szürkeállomány, a WM és a cerebrospinalis folyadék térfogatát voxel-alapú morfometria segítségével becsültük; az intrakraniális térfogatot (ICV) e 3 térfogat összegzésével számoltuk ki.12

Statisztikai elemzés

A globális dPVS-terhelést folyamatos változóként elemeztük, tekintettel annak normális eloszlására, míg a dPVS altípusait (WM és BG) dichotomizált változóként vizsgáltuk (3-4. fokozat versus 1-2. fokozat). Mivel a WMHV eloszlása ferde volt, a korábbi elemzésekhez hasonlóan természetes log-transzformált értékeket (Ln) használtunk.13,14 A cSVD MRI-markerei közötti fenotípusos korrelációt Spearman-korreláció alapján számoltuk ki a SAS szoftver 9.3-as verziójának (SAS Institute, Inc, Cary, NC) segítségével.

A dPVS, WMHV és LI öröklődésének becsléséhez genom-szintű komplex tulajdonságelemzést (GCTA v1.26.0) használtunk. Ez megfelel a cSVD MRI-markerek fenotípusos varianciájának a genomszerte elérhető összes közös SNP által magyarázott arányának becslésének, lineáris kevert modellelemzéssel (Módszerek az online-only Data Supplementben).15 Ezután a dPVS-terhelés és a WMHV közötti közös örökölhetőség arányát SNP-alapú genomi kapcsolatok és genomi rokonsági alapú korlátozott maximális valószínűség (bivariate GREML módszer) segítségével értékeltük.16 Ezzel a módszerrel, amelyet a genom-szintű komplex tulajdonságelemző szoftverben implementáltunk, meg tudtuk becsülni a dPVS-terhelés és a WMHV közötti genetikai korrelációt (összességében és fő altípusok szerint, Módszerek az online-only Data Supplementben). A LI-vel való genetikai korreláció becslése nem volt lehetséges (a modellek nem konvergáltak vagy aberrált értékeket adtak). Az öröklődhetőségre és a megosztott öröklődhetőségre vonatkozó összes elemzést nem rokon egyéneken végeztük el, miután minden párból véletlenszerűen eltávolítottunk 1 olyan egyént, amelynek becsült rokonsága >0,125 (genetikai rokonsági mátrix >0,125). A dPVS-terhelés és a WMHV elemzéseit az ICV-hez igazítottuk, hogy figyelembe vegyük a fejméret, az életkor, a nem és a 20 PC közötti különbségeket, a szoftver által ajánlott módon15 .

Vizsgáltuk a WMHV ismert független genetikai kockázati variánsait (rs7214628, rs7894407, rs78857879, rs2984613 és rs11679640)14 kombináló genetikai kockázati pontszám és a dPVS-terhelés kapcsolatát lineáris regresszió (dPVS globális) vagy logisztikus regresszió (dPVS a WM-ben és a BG-ben) segítségével, az életkor, a nem, az első 4 PC és az ICV figyelembevételével. A genetikai kockázati pontszámot a WMHV-kockázati allélok számának összesítésével konstruáltuk az összes független WMHV-kockázati lokuszon (r2<0,010 az SNP-k között). Ezt a pontszámot nem súlyoztuk, mivel a WMHV genom-szerte végzett asszociációs vizsgálatot, amelyből a kockázati lókuszokat származtattuk, z-pontszám alapú metaanalízissel végeztük, amely nem ad hatásbecslést.

Eredmények

Vizsgálati populáció

Fenotípusos összefüggések

Korlátozott, de szignifikáns fenotípusos összefüggés volt (ρ=0.23; P<0,0001) a BG dPVS és a WM dPVS – a dPVS 2 fő altípusa – között. A dPVS és a cSVD egyéb MRI-markerei közötti fenotípusos korrelációkat a 2. táblázat mutatja be: valamennyi marker bizonyos fokú korrelációt mutatott P<0,01 mellett (ρ 0,08 és 0,33 között). A legmagasabb fenotípusos korrelációs együttható (ρ=0,33; P<0,0001) a dPVS BG és a teljes WMHV vagy pvWMHV között volt megfigyelhető. A dPVS (globális) és a LI közötti korreláció alacsonyabb volt, 0,18 (P<0,0001; 2. táblázat).

A dPVS és a cSVD egyéb MRI-markereinek öröklődési elemzése

A dPVS (globális) kor, nem, ICV és 20 PC-vel korrigált öröklődését 59%-ra becsülték (P=0.007), és a WM-ben volt a legmagasabb és szignifikáns, 79%-ra becsült (P=0,042), összehasonlítva a BG-vel (3. táblázat). A dPVS jelenlétének öröklődése a hippokampuszban és az agytörzsben alacsony (<4%) és nem volt szignifikáns. Egy másodlagos elemzésben, amikor a hippokampuszban és az agytörzsben a dPVS számának felső kvartilisét vettük a jelenlét és a hiány helyett, a hippokampuszban a dPVS öröklődőképességét magasabbnak találtuk, de még mindig nem volt szignifikáns (II. táblázat az online-only Data Supplementben). Összehasonlításképpen a WMHV életkorral, nemmel, ICV-vel és 20 PC-vel korrigált öröklődőképességét 54%-ra értékelték (P=0,010) és szignifikánsnak bizonyult a pvWMHV és a mély WMHV esetében, míg a LI életkorral, nemmel és 20 PC-vel korrigált öröklődőképessége alacsonyabb és nem szignifikáns volt (48%; P=0,278; 3. táblázat). Megjegyzendő, hogy a dPVS és a cSVD egyéb MRI-markereinek öröklődési becslései lényegében nem változtak a magas vérnyomás és a cukorbetegség – a cSVD 2 fő ismert kockázati tényezője – kiigazítása után (III. és IV. táblázat az online elérhető adatkiegészítésben).

A dPVS és a cSVD egyéb MRI-markereinek közös öröklődése

Az ismert kockázati variánsok asszociációja az WMHV és a dPVS terhelése között

Nominálisan szignifikáns összefüggést találtunk az összes publikált független WMHV kockázati variánst kombináló genetikai kockázati pontszám és a dPVS között BG-ben (P=0.031), a WMHV-kockázati allélok összességében a BG-ben a magas dPVS-osztályok fokozott kockázatával társultak (5. táblázat). Megjegyzendő, hogy ezt az összefüggést nem a WMHV egyetlen kockázati variánsa okozta (P>0,09 az egyes SNP-dPVS összefüggésekre vonatkozóan; V. táblázat az online-only Data Supplementben).

Diszkusszió

Egy >1500 stroke- és demenciamentes idős, nem rokon személyt vizsgáló nagy populációs vizsgálatban a dPVS-terhelésre vonatkozóan magas, genomszintű genotípusokból származó öröklődési becsléseket találtunk, a WMHV öröklődési becsléseivel azonos tartományban, míg a LI öröklődése alacsonyabb volt. Úgy tűnik, hogy a dPVS és a WMHV becsült örökölhetőségének egy része közös. A legmagasabb genetikai korrelációt találtuk a BG-ben a dPVS és a WMHV között, ami összhangban van a WMHV és a dPVS között ezen a helyen megfigyelt magas fenotípusos korrelációval. Nominálisan szignifikáns összefüggést találtunk a WMHV és a dPVS ismert genetikai kockázati variánsait kombináló genetikai kockázati pontszám között is a BG-ben.

A dPVS örökölhetőségét tudomásunk szerint korábban még nem írták le. A WMHV és a LI esetében az eredményeink összhangban vannak a családi alapú vizsgálatokból származó becslésekkel, amelyek a WMH terhelés esetében közepes-magas öröklődést mutatnak (49%-80%)17-21 , míg a LI esetében alacsonyabb öröklődést (29%).21 Megjegyzendő, hogy a családi alapú vizsgálatokból származó öröklődési becslések mindig nagyobbak, mint az SNP-kből származó öröklődési becslések, mivel csak a szűk értelemben vett öröklődést képviselik.22

A WMHV erősebb genetikai korrelációja a dPVS terheléssel a BG-ben, mint a WM-ben, megerősíti azt a hipotézist, hogy a dPVS mögött legalább részben különböző folyamatok állnak e két helyen.9 Korábban leírtuk, hogy a dPVS súlyossága a BG-ben és a WM-ben nem feltétlenül esik egybe. Valóban, a WM-ben 4-es fokozatú dPVS-ben szenvedő egyének közül csak 23%-uknak volt 3. vagy 4. fokozatú a BG-ben is, és a BG-ben 4-es fokozatú dPVS-ben szenvedő egyének 42%-ának volt 3. vagy 4. fokozatú a WM-ben is.3 Mi és mások is kimutatták, hogy a vaszkuláris rizikófaktorok profilja a dPVS elhelyezkedése szerint változik.3,23 Ezt a jelen eredmények is alátámasztják, amelyek erősebb fenotípusos korrelációt és közös genetikai variációt mutatnak a WMHV és a dPVS között a BG-ben, mint a WM-ben lévő dPVS között. Érdekes módon csak a dPVS súlyossága a BG-ben összefüggött a kognitív hanyatlás magasabb arányával a 3C-Dijon Study9 idősebb közösségi személyek körében, valamint a feldolgozási sebesség rosszabb teljesítményével a cSVD-ben szenvedő vagy a cSVD magas kockázatának kitett betegek egy kohorszában.24 Az interleukin-6 szintje összefüggött a dPVS magasabb súlyosságával a BG-ben, de nem a WM-ben.25 Úgy tűnik tehát, hogy közelednek a bizonyítékok arra vonatkozóan, hogy a dPVS-nek legalább részben különböző kockázati tényezői lehetnek, beleértve a genetikaiakat is, és klinikai következményei a lokalizációtól függően.

A PVS tágulásának hátterében álló mechanizmusok spekulatívak. Az egyik hipotézis szerint az öregedéssel csökken a cerebrospinalis folyadéktermelés, ami a glimfatikus clearance csökkenéséhez és a toxikus fehérjék felhalmozódásához vezet.26-28 Ezzel párhuzamosan az öregedéssel vagy betegséggel járó artériás falmerevedés az artériás pulzatilitás csökkenéséhez vezethet, ami elősegíti a PVS tágulását.28,29 Az asztrociták hipertrófiája és a perivascularis aquaporin-4 polarizáció elvesztése, ami az asztroglia víztranszportjának diszregulációjához vezet, valamint a vér-agy gát diszfunkciója is szerepet játszhat.30-33 A dPVS legtöbb feltételezett patofiziológiai útja állatmodellekből származik. A dPVS genetikai meghatározóinak feltárása az egész genomra kiterjedő elfogulatlan megközelítéssel további betekintést nyújthat az emberi dPVS hátterében álló biológiai útvonalakba, ami további bizonyítékot szolgáltathat a fent említett hipotézisek közül egy vagy több mellett, vagy új, korábban gyanútlan mechanizmusokra utalhat. A dPVS terhekre vonatkozó magas SNP-eredetű öröklődési becslések azt sugallják, hogy a dPVS genetikai meghatározóinak keresése valóban hatékony megközelítés lehet. Bár a WMHV és a dPVS közötti genetikai korreláció viszonylag magas volt, úgy tűnik, hogy a dPVS-terheléshez való genetikai hozzájárulás jelentős része nem osztozik a cSVD más MRI-markereivel, ami indokolja a dPVS-terhelés genetikájának specifikus megfejtésére irányuló erőfeszítéseket. A jövőbeli erőfeszítések szempontjából fontos lesz a résztvevők számának növelése és a dPVS-mérések harmonizálása a meglévő vizsgálatokban,34 valamint a környezeti kockázati tényezők, különösen a magas vérnyomás okozta zavaró hatások és hatásmódosítások figyelembevétele.

Vizsgálatunk erősségei közé tartozik a nagy mintanagyság egy populáción alapuló környezetben, a dPVS gondos értékelése ugyanazon tapasztalt olvasó által, teljes agyi MR-felvételek felhasználásával, a dPVS alakjának pontos értékelésével a 3 dimenziós milliméteres T1-felvételeken, valamint a WMH-tól és a LI-től való megkülönböztetés a 3 síkban történő gondos vizsgálat és a T2- és protondenzitás-szekvenciák feltárása révén. A dPVS-terhelés automatizált és kvantitatív értékelésének kidolgozására irányuló erőfeszítések folyamatban vannak, de még nem állnak rendelkezésre a széles körű alkalmazáshoz. Szigorú minőségellenőrzési kritériumokat alkalmaztak, szigorúan eltávolítva a kapcsolódó egyéneket és kiigazítva a 20 első PC-t. Mivel a kisérbetegség MRI-markerei erősen korrelálnak az életkorral,3,35 nem zárhatjuk ki az életkor okozta maradék zavaró hatásokat, bár az MRI időpontjában a korosztályunk viszonylag korlátozott volt, és az idősebb egyénekre korlátozódott (65-80 év). Érdekesek lehetnek a jövőbeni, nagyobb mintán végzett vizsgálatok, amelyek lehetővé teszik a szűkebb korosztályokra rétegzett elemzéseket, és a fiatalabb korcsoportokat is magukban foglalják, amelyekben a cSVD-terhelés nagyobb mértékben lehet öröklődő. A viszonylag korlátozott mintanagyság miatt óvatosság indokolt az öröklődhetőség és a megosztott öröklődhetőség abszolút értékeinek értelmezésekor, különösen a megosztott öröklődhetőségi elemzések esetében, amelyek nem érik el a statisztikai szignifikanciát, és ezért feltáró jellegűnek tekintendők. A pontosabb becslésekhez a jövőben független mintákon végzett hasonló elemzésekkel való összehasonlításra lesz szükség.

Következtetések

A jelen tanulmány előzetes bizonyítékot szolgáltat a dPVS terhének fontos genetikai hozzájárulására idősebb közösségi személyeknél, ami arra utal, hogy a dPVS genetikai kockázati tényezőinek keresése hatékony módja lehet a dPVS hátterében álló biológiai mechanizmusok feltárásának, valamint a cSVD és következményeinek magas kockázatú egyének azonosításának. További vizsgálatokra is szükség van a dPVS klinikai jelentőségének és fontosságának jobb feltárásához, amelyeknek lehetséges következményei lehetnek mind a cerebrovaszkuláris, mind a neurodegeneratív betegségek megelőzésére.

Köszönet

Köszönjük a 3C Study résztvevőinek, fontos hozzájárulásukat.

Lábjegyzetek

.