γ-氨基丁酸(GABA)受体GABRA4、GABRE和GABRQ基因多态性与偏头痛风险
Gamma-aminobutyric acid (GABA) receptors GABRA4,
γ-氨基丁酸(GABA)受体GABRA4、GABRE和GABRQ基因多态性与偏头痛风险
DOI: https://doi.org/10.1007/s00702-017-1834-4
摘要总结
使用TaqMan实时PCR检测法设计检测GABRA4(rs2229940)、GABRE(rs1139916)和GABRQ(rs3810651)中最常见的SNP,在197名偏头痛患者和394名年龄和性别匹配的对照中进行检测。
还研究了性别、偏头痛发病年龄、偏头痛家族史阳性、有无先兆以及乙醇触发偏头痛对基因型频率的可能影响。
GABRE rs1139916AA基因型频率在女性偏头痛组中显著低于对照,但差异在校正多重比较后未达到统计学显著性。
GABRQ rs3810651AA基因型患者的偏头痛平均发病年龄(均值±标准差)显著低于其他两种基因型。
GABRA4 rs2229940GG基因型患者中乙醇触发偏头痛的频率显著较低,而GABRQ rs3810651TT基因型患者中频率较高,但差异在校正多重比较后失去统计学显著性。
引言
γ-氨基丁酸(GABA)是大脑中最广泛的抑制性神经递质,已被认为参与偏头痛的发病机制(既在负责先兆的皮层扩散性抑制中,也在负责疼痛的三叉神经血管系统激活中),许多药理学、生物化学、实验和神经生理学数据提示了其在偏头痛发病机制中的作用(García-Martín等综述[57])。
尽管GABR基因未被列入近期的GWAS研究中描述的38个偏头痛易感位点(Gormley等[58]),但GABA在该疾病病理生理学中的可能作用使得评估GABR基因多态性与偏头痛风险之间的可能关联具有合理性。
我们研究了GABRA4(GABRA4-L26M,Leu26Met,rs2229940)、GABRE(GABRE-S102A,Ser102Ala,rs1139916)和GABRQ(GABRQ-I478F,Ile478Phe,rs3810651)基因中最常见的非同义单核苷酸多态性(SNPs)与高加索西班牙人群患偏头痛风险的关联。
患者与方法
使用对照个体中观察到的变异等位基因频率,通过遗传模型进行样本量确定,该模型分析了疾病基因携带者的频率,RR值 = 1.5(p = 0.05),正如药物基因组学研究通常推荐的那样(Daly和Day[59],Pértegas Díaz和Pita Fernández[60])。
本研究组中次要等位基因频率的单尾和双尾关联的统计功效分别为:GABRA4 rs2229940为94.4%和90.0%,GABRE rs1139916为90.7%和84.3%,GABRQ rs3810651为89.6%和82.7%。
使用卡方检验或Fisher精确检验(适当时)进行二次分析,比较偏头痛患者亚组之间根据偏头痛发病年龄(≤15岁 vs. ≥16岁)、偏头痛家族史阳性或阴性、有无先兆以及乙醇触发偏头痛发作的基因型和等位基因频率。
结果
rs2229940基因型变异的频率在偏头痛患者和对照组中均符合Hardy-Weinberg(HW)平衡。
关于rs1139916和rs3810651这两个SNP,由于它们位于X染色体上,HW平衡分析仅在女性中进行,两个SNP在患者和对照女性中均符合HW平衡。
讨论
GABRE rs1139916和GABRQ rs3810651 SNP与偏头痛风险的可能关联此前已由Quintas等[61]报道。
该研究组发现GABRQ rs3810651AT基因型携带者的偏头痛风险增加,OR(95% CI)= 4.07(1.71-9.73),并且在女性中GABRE rs1139916和GABRQ rs3810651 SNP之间存在显著的基因-基因交互作用。
将本研究中获得的GABRQ rs3810651 SNP在女性中的汇总数据与Quintas等[61]报道的数据合并分析,涉及289名偏头痛患者和489名对照,显示次要等位基因频率差异存在边际关联(OR 1.23;95% CI 1.00-1.52;p = 0.048),次要等位基因阳性存在显著关联(OR 1.44;95% CI 1.06-1.96;p = 0.020)。
致谢
本文为García-Martín, Elena; Esguevillas, Gara; Serrador, Mercedes; Alonso-Navarro, Hortensia; Navacerrada, Francisco; Amo, Gemma; García-Albea, Esteban; Agúndez, José A. G.; Jiménez-Jiménez, Félix Javier. 2018年发表于Journal of Neural Transmission的机器生成摘要。