134 Plasmaproteine mit Osteoporose-Risiko in Studie mit 42.000 Personen identifiziert
Eine große Proteomik-Studie der UK Biobank identifiziert 134 Plasmaproteine, die mit Osteoporose in Verbindung stehen – ein 10-Protein-Modell sagt den Beginn der Erkrankung bis zu 5 Jahre im Voraus vorher.
Zusammenfassung
Forscher analysierten Plasma-Proteomik-Daten von 42.325 UK Biobank-Teilnehmern und identifizierten 134 Proteine, die im Beobachtungszeitraum signifikant mit dem Osteoporoserisiko assoziiert waren. Sclerostin (SOST), Adiponectin (ADIPOQ) und Kreatinkinase Typ B (CKB) zeigten die stärksten Assoziationen. Die Mendel'sche Randomisierung bestätigte Kausalzusammenhänge für 17 Proteine. Ein maschinelles Lernmodell, das lediglich 10 Proteine verwendet, erreichte eine AUC von 0,803 bei der Vorhersage von Osteoporose bis zu 5 Jahre vor der Diagnose. Die Netzwerkanalyse deckte drei funktionelle Proteinmodule auf, die mit Immunität, Lipidstoffwechsel und der Regulierung des follikelstimulierenden Hormons verknüpft sind und jeweils den Einfluss von Lebensstil- und genetischen Risikofaktoren auf den Knochenverlust vermitteln. Diese Erkenntnisse vertiefen das Verständnis der Osteoporose-Pathogenese und eröffnen neue Ansatzpunkte für die Frühdiagnose und Therapie.
Detaillierte Zusammenfassung
Osteoporose betrifft weltweit etwa 1 von 5 Erwachsenen und verursacht schwerwiegende Fragilitätsfrakturen, dennoch bleibt die Früherkennung unzureichend. Zirkulierende Plasmaproteine bieten einen Einblick in die Krankheitsbiologie, der eine frühere Intervention ermöglichen könnte, doch frühere proteomische Studien waren durch kleine Stichproben, Querschnittsdesigns und begrenzte Proteinpanels eingeschränkt.
Diese prospektive Kohortenstudie schloss 42.325 Erwachsene aus der UK Biobank ein, die zu Beginn frei von Osteoporose waren. Von diesen entwickelten 1.477 im Verlauf der Nachbeobachtung bis November 2022 eine Osteoporose. Die Plasma-Proteomik verwendete den Olink Explore Proximity Extension Assay und quantifizierte nach Qualitätskontrolle 2.919 Proteine. Eine Cox-Proportional-Hazards-Regression überprüfte alle Proteine auf longitudinale Zusammenhänge mit dem Auftreten von Osteoporose unter Berücksichtigung von Demografie, Lebensstil und Komorbiditäten. Zwei-Stichproben-Mendel-Randomisierung (MR) unter Verwendung von Protein-QTLs aus UKB-PPP und GWAS-Zusammenfassungsdaten aus FinnGen (8.017 Fälle, 391.037 Kontrollen) testete die kausale Richtung. Maschinelles Lernen (LightGBM) ordnete anschließend die Protein-Prädiktoren, und eine Weighted Gene Correlation Network Analysis (WGCNA) identifizierte ko-exprimierte Proteinmodule.
Von 2.919 getesteten Proteinen waren 134 nach Bonferroni-Korrektur signifikant mit Osteoporose assoziiert. Die stärksten Assoziationen betrafen SOST (Sclerostin), einen kanonischen Wnt-Signalweg-Inhibitor, der die Knochenbildung supprimiert; ADIPOQ (Adiponektin), ein Adipokin mit Rolle im Knochenstoffwechsel; und CKB (Kreatinkinase vom B-Typ). Zwölf Proteine zeigten signifikante Assoziationen mit den Knochendichte-T-Scores am Femurhals, der Lendenwirbelsäule und dem Gesamtkörper. Die MR-Analyse bestätigte kausale Zusammenhänge für 17 Proteine, wobei FSHB (Follitropin-Untereinheit beta), SOST und ADIPOQ als führende prädiktive Merkmale im maschinellen Lernen hervorgingen. Das 10-Protein-Prädiktionsmodell erreichte einen AUC = 0,803 für das Auftreten innerhalb von 5 Jahren und übertraf damit ein Modell, das ausschließlich traditionelle Risikofaktoren verwendete.
Die WGCNA-Netzwerkanalyse identifizierte drei osteoporosebezogene Proteinmodule: eines angereichert mit Immun- und Komplementpathways, eines im Lipidstoffwechsel und eines zentriert auf die FSH-Regulation. Mediationsanalysen zeigten, dass diese Module als biologische Vermittler zwischen etablierten Risikofaktoren – Rauchen, Schlaf, körperliche Aktivität, polygener Risikoscore und Menopause – und der Entstehung von Osteoporose wirkten. Dieser Befund legt nahe, dass verschiedene umweltbedingte und genetische Expositionen auf eine begrenzte Anzahl molekularer Signalwege konvergieren, um den Knochenverlust voranzutreiben.
Der große Umfang der Studie, das prospektive Design und die Integration von Kausalinferenzmethoden stellen wesentliche Stärken dar. Die Population ist jedoch überwiegend europäischer Abstammung, was die Generalisierbarkeit einschränkt. Proteinmessungen wurden zu einem einzigen Basiszeitpunkt durchgeführt, was die Beurteilung dynamischer Proteinverläufe ausschließt. Darüber hinaus wurde Osteoporose anhand von Krankenhausakten und ICD-10-Codes erfasst, was milde oder ambulant diagnostizierte Fälle möglicherweise untererfasst.
Wichtigste Erkenntnisse
- 134 of 2,919 plasma proteins significantly associated with osteoporosis; SOST, ADIPOQ, and CKB showed the strongest links.
- Mendelian randomization confirmed causal relationships between 17 plasma proteins and osteoporosis.
- A 10-protein LightGBM model predicted osteoporosis onset up to 5 years ahead with AUC = 0.803.
- Three protein network modules (immunity, lipid metabolism, FSH regulation) mediate lifestyle and genetic risk on bone loss.
- FSHB, SOST, and ADIPOQ ranked highest in predictive importance among all proteins tested.
Methodik
Prospektive Kohorte mit 42.325 erwachsenen Teilnehmenden der UK Biobank; 2.919 Plasmaproteine wurden mittels Olink Explore Assay zu Studienbeginn gemessen. Cox-Regression untersuchte longitudinale Zusammenhänge; Two-Sample MR nutzte pQTLs und FinnGen GWAS-Daten zur Kausalitätsprüfung; LightGBM und WGCNA ermöglichten prädiktive Modellierung sowie netzwerkbasierte Signalweganalyse.
Studienlimitierungen
Die Studienpopulation besteht überwiegend aus Europäern, was die allgemeine Übertragbarkeit einschränkt. Die einmalige Proteinmessung kann keine longitudinale Proteindynamik erfassen. Die Erfassung von Osteoporose anhand von ICD-10-Krankenhausdaten kann ambulant diagnostizierte oder subklinische Fälle nicht berücksichtigen.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: