Neuer polygener Score sagt Adipositasrisiko über Abstammungen und Lebensphasen hinweg vorher
Eine umfangreiche Multi-Ancestry-GWAS-Metaanalyse liefert einen polygenen Score, der BMI und Adipositas vom Kindesalter bis ins hohe Alter vorhersagt.
Zusammenfassung
Forscher kombinierten genomweite Assoziationsdaten von über 5 Millionen Personen aus unterschiedlichen Abstammungsgruppen, um den bislang leistungsfähigsten polygenen Score zur Vorhersage des Body-Mass-Index und von Adipositas zu entwickeln. Der neue Score – abgeleitet aus mehr als 1.000 genetischen Varianten – erklärt bis zu 17 % der BMI-Varianz bei Erwachsenen europäischer Abstammung und zeigt eine aussagekräftige Vorhersagekraft in ostasiatischen, südasiatischen, afrikanischen, hispanischen und weiteren Bevölkerungsgruppen. Bedeutsam ist, dass der Score BMI-Verläufe von der Kindheit bis ins höhere Lebensalter vorhersagt, Personen mit erhöhtem Adipositas-Risiko Jahrzehnte vor der klinischen Manifestation identifiziert und mit nachgelagerten Stoffwechselerkrankungen wie Typ-2-Diabetes, Herz-Kreislauf-Erkrankungen und Sterblichkeit korreliert. Die Ergebnisse legen nahe, dass polygenes Scoring zu einem praktischen klinischen Instrument für eine frühzeitige, personalisierte Adipositasprävention werden könnte.
Detaillierte Zusammenfassung
Adipositas gehört zu den am stärksten erblich bedingten häufigen Erkrankungen, dennoch war es bislang schwierig, genetische Entdeckungen in klinisch nützliche Risikovorhersagen umzusetzen – vor allem, weil frühere polygene Scores überwiegend auf Daten europäischer Abstammung aufgebaut wurden und eine begrenzte Übertragbarkeit auf andere Abstammungsgruppen zeigten. Diese wegweisende Studie adressierte beide Lücken, indem sie die bislang größte und abstammungsdiverseste GWAS-Metaanalyse des BMI durchführte. Insgesamt flossen Daten von mehr als 5,3 Millionen Personen ein, die europäische, ostasiatische, südasiatische, afrikanische, hispanische/lateinamerikanische und weitere Abstammungsgruppen umfassten und aus Dutzenden globaler Kohorten stammten – darunter UK Biobank, das Million Veteran Program, Biobank Japan sowie Studien des CHARGE-Konsortiums.
Die zentrale analytische Leistung ist ein neuer multi-ancestry polygener Score (PGS), der mithilfe der Methoden PRSice-2 und LDpred2 auf Basis einer Discovery-GWAS mit rund 4,5 Millionen Teilnehmern konstruiert wurde. Der resultierende Score umfasst mehr als 1.000 unabhängige genetische Varianten und erklärt bei Personen europäischer Abstammung bis zu 17 % der Varianz im adulten BMI – eine Verbesserung von etwa 30–40 % gegenüber den bisher besten verfügbaren Scores. Bei nicht-europäischen Abstammungsgruppen lag die erklärte Varianz bei etwa 5–12 %, was dennoch die bisher stärkste abstammungsspezifische Leistung darstellt und einen bedeutenden Schritt in Richtung einer gerechteren genomischen Medizin markiert.
Eine wesentliche Neuerung ist die longitudinale Analyse über den gesamten Lebensverlauf. Anhand von Kohorten mit wiederholten BMI-Messungen von der Kindheit bis ins späte Erwachsenenalter zeigten die Autoren, dass der polygene Score BMI-Verläufe über die gesamte Lebensspanne vorhersagt. Kinder im obersten Dezil des genetischen Risikos wiesen bereits im Alter von 7–10 Jahren eine signifikante Abweichung gegenüber Kindern mit durchschnittlichem Risiko auf (mittlere BMI-Differenz ~1,5–2,0 kg/m²), wobei sich dieser Unterschied ins Erwachsenenalter hinein kontinuierlich vergrößerte. Personen in den obersten 10 % des PGS hatten im Vergleich zu jenen in den untersten 10 % eine etwa 3- bis 4-fach erhöhte Wahrscheinlichkeit, eine Adipositas (BMI ≥ 30) zu entwickeln; die Hazard Ratios für eine neu auftretende Adipositas im Erwachsenenalter überstiegen in den größten Validierungskohorten den Wert 3,5.
Der Score zeigte außerdem starke Assoziationen mit adipositasbedingten kardiometabolischen Outcomes. Ein höherer PGS war – selbst nach Adjustierung für den gemessenen BMI – mit einem erhöhten Risiko für Typ-2-Diabetes (OR ~1,8 pro SD-Anstieg des PGS), koronare Herzerkrankung, Hypertonie, nichtalkoholische Fettlebererkrankung und Gesamtmortalität assoziiert, was darauf hindeutet, dass der genetische Score über den Phänotyp hinaus zusätzliche biologische Information erfasst. Mendel'sche Randomisierungsanalysen bestätigten, dass ein genetisch instrumentierter BMI mehrere nachgelagerte Krankheitsendpunkte kausal beeinflusst, was die biologische Plausibilität dieser Assoziationen untermauert.
Aus der Perspektive der klinischen Translation zeigten die Autoren, dass der PGS in allen untersuchten Abstammungsgruppen einen prognostischen Mehrwert gegenüber konventionellen Risikofaktoren bietet. Kalibrierungsanalysen ergaben eine gute Übereinstimmung zwischen vorhergesagter und beobachteter Adipositasinzidenz über die Dezile des genetischen Risikos hinweg. Die Autoren räumen ein, dass die Vorhersageleistung bei Personen europäischer Abstammung am höchsten ist (was die Zusammensetzung aktueller GWAS-Ressourcen widerspiegelt), das multi-ancestry-Design jedoch die Ungleichheit gegenüber früheren Instrumenten erheblich verringert. Zu den wesentlichen Einschränkungen zählen eine verbleibende abstammungsspezifische Abschwächung der Effektgrößen, eine mögliche phänotypische Heterogenität bei der BMI-Messung zwischen den Kohorten sowie der Umstand, dass genetische Risikoscores eine Prädisposition und kein Schicksal abbilden – Ernährung, körperliche Aktivität und Umweltfaktoren bleiben weiterhin wirksame Modulatoren.
Wichtigste Erkenntnisse
- Polygenic score explains up to 17% of BMI variance in European-ancestry adults, a ~35% improvement over prior best-in-class scores
- Cross-ancestry performance ranged from ~5–12% variance explained in non-European groups, the strongest reported to date for BMI PGS
- Individuals in the top 10% of genetic risk had 3.5× the hazard of developing adult obesity compared to the bottom 10%
- BMI divergence between high- and low-genetic-risk children was detectable as early as age 7–10 (mean difference ~1.5–2.0 kg/m²), widening through adulthood
- Higher PGS associated with ~1.8× increased odds of type 2 diabetes per SD increase, independent of measured BMI
- Mendelian randomization confirmed causal effects of genetically instrumented BMI on coronary artery disease, hypertension, and all-cause mortality
- Discovery meta-analysis included data from over 5.3 million individuals across 6 major ancestry groups spanning dozens of global biobanks
Methodik
Die Studie führte eine Multi-Ancestry-GWAS-Metaanalyse des BMI an approximately 5,3 Millionen Personen aus globalen Kohorten durch (UK Biobank, Million Veteran Program, Biobank Japan, CHARGE und andere). Polygene Scores wurden mittels LDpred2 und PRSice-2 auf Basis von Zusammenfassungsstatistiken aus ~4,5 Millionen Entdeckungsset-Teilnehmern konstruiert und anschließend in zurückgehaltenen Stichproben validiert. Longitudinale Lebensverlaufsanalysen nutzten BMI-Wiederholungsmessungen aus Kindheitskohorten. Zu den statistischen Methoden zählten lineare Regression zur Bestimmung der erklärten Varianz (R²), logistische Regression für Adipositas-Odds-Ratios, Cox-Proportional-Hazards-Modelle für inzidente Adipositas sowie Two-Sample-Mendel'sche Randomisierung zur kausalen Inferenz auf nachgelagerte Erkrankungen.
Studienlimitierungen
Die Vorhersageleistung ist in Bevölkerungsgruppen europäischer Abstammung nach wie vor deutlich höher, was die anhaltende Unterrepräsentation nicht-europäischer Abstammungen in groß angelegten GWAS widerspiegelt und die klinische Chancengleichheit einschränkt. Der BMI ist ein unzulängliches Maß für die Körperfettmasse, da er weder zwischen Fettmasse und Muskelmasse unterscheidet noch die Fettverteilung erfasst, was das genetische Signal potenziell abschwächt. Die Autoren weisen darauf hin, dass der PGS zwar Risikoverläufe vorhersagt, jedoch noch keine spezifischen Interventionen leitet, und dass Umwelt-, Ernährungs- und Verhaltensfaktoren unabhängig von der genetischen Veranlagung die dominierenden veränderbaren Einflussgrößen bei Adipositas bleiben.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: