基于代謝組學探究非脂質代謝物在肥胖與糖尿病視網膜病變間的中介作用：孟德爾隨機化研究

【關鍵詞】糖尿病視網膜病變；肥胖癥；代謝組學；非脂質代謝物；體質指數；腰臀比；孟德爾隨機化分析 【中圖分類號】R587.26【文獻標識碼】A DOI：10.12114/j.issn.1007-9572.2023.0641

【Abstract】Background Obesity can influence the occurrence and progression of diabetic retinopathy（DR）throughvarious pathways，howevertherearelimitedstudiesonthemediationofDRbyobesitythrough non-lipid metabolicpathways.ObjectiveToinvestigate the mediatingroleofnon-lipid metabolites in therelationshipbetweenobesityand DRretinopathy：aMendelianrandomizationstudy[J].ChineseGeneralPractice，2O25，28（21）：2625-2634.°ledcirc Editorial Offce of Chinese General Practice.This is an open access article under the CC BY-NC-ND 4.0 license.MethodsIn August2023，weutilized genome-wideasociationstudy（GWAS）dataandconductedMendelianrandomization （MR）analysis to explore themediating roleofnon-lipid metabolites intheassociationbetweenobesityandDR.ResultsBMI （OR=1.78，P=5.3E-12）and waist-to-hip ratio （WHR）（ OR =1.91，P=1.3E-1O）was associated with increased risk of DR，respectively.Lower levels of isoleucine（ OR =0.62，P=0.039），pyruvate（OR=0.60，P=0.039），albumin（OR=0.65， （204 P =0.002），glycoprotein（OR=0.92， P =0.002），and decreased ratio of dienes to double bonds（OR=0.93， P =0.048） wasasociatedwith increasedriskofDR，respectivelyPositivecausalasociations wereobservedbetweenBMIandisoleucine （OR=1.21，P=1.0E-08），glycoprotein（ OR =1.33， P =3.2E-14），pyruvate（ OR =1.08， P =0.03），and negative causal associations with albumin（OR=0.93，P=0.04）andtheratioof dienestodoublebonds（OR=0.82，P=2.8E-05）.Positive causal associationswere also found between WHR and isoleucine （ OR =1.34， P =3.4E-O8）and glycoprotein （OR=1.26， P =1.2E-04）.Isoleucine（ β=-0.16 ， P =0.019），glycoprotein（ β=-0.05 ，P=0.029），pyruvate（ β=-0.07 ， P=0.027），and the ratio of dienes to double bonds（ β=0.02 ，P=O.O36）mediated the causal association between BMI and DR，while isoleucine （ β=-0.21 ，P=7.2E-O4）and glycoprotein（ β=-0.03 ，P=0.031）mediated the causal association between WHR and DR.ConclusionObesity has a positive causal association with DR，with BMI'sassociation with DR mediated by isoleucine，glycoprotein，pyruvate，and the ratioof dienes to double bonds，and WHR'sassciation with DR mediated by isoleucine and glycoprotein.Non-lipid metabolic products playamediating rolebetweenobesity and DR.

【Key Words】Diabetic retinopathy；Obesity；Metabolomics；Non-lipid metabolites；Body massindex，Waist-tohipratio;Mendelianrandomizationanalysis

糖尿病視網膜病變（diabeticretinopathy，DR）是糖尿病常見并發癥之一，也是導致全球范圍內工作年齡段人群視力喪失的主要原因[1]。據統計，2020 年全球DR患者數量超過1億，DR正在成為全球公共衛生問題；國際糖尿病地圖研究預測，2045年我國糖尿病患者數量將達1.74億[2]。以是否有從視網膜發出的異常新生血管為判斷標準，DR主要分為增殖性糖尿病視網膜病變（proliferative diabetic retinopathy，PDR）和非增殖性糖尿病視網膜病變（nonproliferativediabeticretinopathy，NPDR）。

肥胖是一種常見的內分泌與代謝性疾病，與DR相關［3-4]，并可通過多種途徑影響DR的發生和發展，但目前研究多聚焦于肥胖通過脂質代謝途徑介導而影響DR，關于肥胖通過非脂質代謝途徑介導而影響DR的研究報道較少見。此外，現有觀察性研究并不能建立時間關系和因果關聯，且潛在混雜因素也可能導致研究結果產生偏倚[5］，有必要進一步探討肥胖與DR間是否存在因果關聯，以及因果關聯是否直接或間接通過非脂質代謝物介導。

孟德爾隨機化（mendelianrandomization，MR）是一種遺傳流行病學方法，其使用遺傳變異估計暴露與結局間的因果關系，可用于估計直接效應、間接效應及中介比例[6]。與傳統非工具變量中介分析方法不同，MR分析可以減少暴露因素、中介因素與結局之間的混雜及測量誤差造成的偏倚[7]。本研究通過兩樣本MR分析探究肥胖對DR的影響，并通過兩步孟德爾隨機化（twostepMR，TSMR）分析探究非脂質代謝物在肥胖與DR間的中介作用，以期為進一步揭示DR的發病機制等提供參考。

1資料與方法

1.1 研究設計

本研究完成時間為2023年8月。

MR分析中的工具變量必須滿足關聯性、獨立性、排他性3個核心假設，其中關聯性指工具變量與暴露因素強關聯，獨立性指工具變量與影響暴露、和結局關聯的其他混雜因素相互獨立，排他性指工具變量只能通過暴露因素影響結局，不能與結局有直接或間接關聯（圖1）。本研究以BMI、腰臀比（waist-to-hipratio，WHR）為暴露因素，DR及其兩種分型為結局，進行兩樣本MR分析；靶向核磁共振波譜（nuclear magneticresonance，NMR）代謝組學中共含有123個代謝物的全基因組關聯數據（genome-wide associationstudy，GWAS），其中脂質代謝物102種，非脂質代謝物21種。21種非脂質代謝物包含9種氨基酸（異亮氨酸、氨酸、組氨酸、肌氨酸、酪氨酸、谷氨酰胺、苯丙氨酸、亮氨酸、丙氨酸），5種蛋白質（白蛋白、糖蛋白、載脂蛋白B、載脂蛋白A1、糖蛋白乙酰化物），3種碳水化合物（丙酮酸、乳酸、葡萄糖），1種能量（檸檬酸），1種酮酸（乙酰乙酸），2種代謝物比例（每個雙鍵的平均亞甲基數目、雙烯基與雙鍵的比率）。本研究選擇上述21種非脂質代謝物為中介因素進行TSMR分析，以探究非脂質代謝物在肥胖與DR間的中介作用。

1.2 數據來源

BMI、WHR的GWAS參考PULIT等[8]研究，非脂質代謝物的GWAS參考KETTUNEN等[9］研究，DR及其分型的GWAS來源于芬蘭生物銀行（FinnGen）；上述GWAS均源自歐裔人群，其基本信息見表1。

注：GWAS=全基因組關聯數據，WHR 腰臀比， DR= 糖尿病視網膜病變， PDR= 增殖性糖尿病視網膜病變， NPDR= 非增殖性糖尿病視網膜病變；FinnGen=芬蘭生物銀行； SNP= 單核苷酸多態性，可用SNP位點數量表示去除連鎖不平衡后納入的SNP位點數量；一表示不適用。

1.3數據整理

從PubMed、IEU OpenGWAS project（mrcieu.ac.uk）檢索所需GWAS［8-10]，在全基因組顯著水平上獲得與BMI、WHR、21種非脂質代謝物相關的單核苷酸多態性（SNP）位點（ Plt;5×10^-8 ）并作為工具變量。使用歐洲千人基因組項目全基因信息作為參考以評估SNP位點之間的連鎖不平衡（linkagedisequilibrium，LD），篩選獨立SNP（ R²lt;0.001 ，距離 gt;10 000kb ）并作為工具變量。為保證納入的SNP位點僅通過暴露因素與結局關聯，使用PhenoScanner數據庫對每個SNP位點進行篩查，并通過計算 F 值進一步驗證關聯性假設，評估選擇的工具變量是否存在弱工具變量偏倚。 F 值計算公式如下：

公式（2）

其中 N 為暴露樣本量， R² 為工具變量解釋的暴露因素變異比例， β 為等位基因的效應值，EAF為效應等位基因頻率；單個SNP點的 F 值計算公式如下：

其中 SE 為標準誤。

1.4 統計學方法

采用逆方差加權法（inversevarianceweighted，IVW）作為主要分析方法，MR Egger 回歸法[11]、加權中位數法（weighted median）［12]、加權模式法（weightedmode）［13]、穩健的調整曲線評分法（MR-RAPS）［14]作為補充分析方法，評估暴露因素與結局間的因果關聯。IVW的特點是回歸時不考慮截距項的存在且用結局方差的倒數作為權重進行擬合，當所納入的SNP位點均為有效工具變量時，則該方法將提供最準確的結果[15-16] 。

通過異質性檢驗和多效性檢驗進行敏感性分析。對符合3個假設的SNP位點進行Cochran's Q 檢驗，以評估個體遺傳變異之間的異質性；使用MREgger截距法檢查是否由于存在水平多效性而違反MR假設；采用留一法檢驗敏感性，以推斷最終SNP位點的任意一個值是否為離群值；通過觀察漏斗圖中的不對稱性來檢查結果穩定性；以MRPRESSO法識別離群值，評估離群值對結果的影響。

上述統計分析基于R4.2.3軟件“MendelianRandomization”“TwoSampleMR”“MRPRESSO”軟件包實現。以雙側 Plt;0.05 為差異有統計學意義。

2結果

2.1工具變量的篩選

去除LD（ R²lt;0.001 ）后共確定了312個與BMI顯著相關的SNP位點，209個與WHR顯著相關的SNP位點（ Plt;5×10^-8 ）。所有SNP位點的 F 值 gt;10 ，表明所有SNP位點是強工具變量；在DR及其分型的GWAS中，共有18個SNP位點因未檢索到而被刪除，包括6個與BMI相關的SNP位點，6個與WHR相關的SNP位點，1個與纈氨酸相關的SNP位點，1個與肌氨酸相關的SNP位點，2個與酪氨酸相關的SNP位點，1個與苯丙氨酸相關的SNP位點，1個與載脂蛋白A1相關的SNP位點。此外，后續MR分析中還去除了20個回文SNP位點。

2.2 BMI、WHR對DR的影響

最終納人293個SNP位點作為工具變量進行BMI與DR及PDR、NPDR的MR分析，納入196個SNP位點作為工具變量進行WHR與DR及PDR、NPDR的MR分析。

IVW分析結果顯示，BMI增大與DR（ OR=1.78 ）及PDR（ OR=1.30 ）、NPDR（ OR=1.81 ）發病風險升高有關；WHR增大與DR（ OR=1.91 ）及PDR（ OR=1.51 ）、NPDR（ OR=1.78 ）發病風險升高有關（ Plt;0.05 ，圖2、表2）。

Cochran's Q 檢驗結果顯示，BMI與DR（ Q=410.08Plt;0.001 ）、PDR（ Q=343.94 ， P=0.02 ），WHR與DR（ Q=264.93 ， Plt;0.001 ）、NPDR（ Q=231.17 ， ）之間均存在異質性，因此采用隨機效應IVW模型。MREgger回歸法的截距項均未發現水平多效性（表3）。MRPRESSO法分析結果顯示，DR的GWAS中可能存在BMI、WHR的多效性SNP位點，PDR的GWAS中可能存在BMI的多效性SNP位點，但在校正離群值后分析結果并未改變（表3＼～4）。留一法分析結果顯示，依次剔除單個SNP位點后的IVW分析結果與納入全部SNP位點的IVW分析結果基本一致，即檢測到的估計效應不依賴于特定SNP位點。

2.3 非脂質代謝物對DR的影響

Wald比值（Waldratio）分析結果顯示，異亮氨酸（ OR=0.62 ， P=0.039 ）、丙酮酸（ OR=0.60 ， P=0.039 ）降低與DR發病風險升高有關。

IVW分析結果顯示，白蛋白降低與DR（ OR=0.65 P/=0.002 ）、PDR（ OR=0.66 ， Plt;0.001 ）、NPDR（ OR=0.70 P=0.049 ）發病風險升高有關；糖蛋白降低與DR（ OR=0.92 ， P=0.002 ）、NPDR（ OR=0.92 ， P=0.02 ）發病風險升高有關；雙烯基與雙鍵的比率降低與DR（ OR=0.93 ， P=0.048 ）發病風險升高有關（圖3、表5）。

根據Cochran's Q 檢驗結果，針對具有異質性的數據（ Plt;0.05 ）采用隨機效應IVW模型進行分析。MREgger截距法結果顯示，非脂質代謝物對DR、PDR、NPDR影響的MR分析結果不存在水平多效性（表6）。MRPRESSO法分析結果顯示，DR的GWAS中可能存在載脂蛋白B和糖蛋白乙酰化物的多效性SNP位點，PDR的GWAS中可能存在載脂蛋白A1和糖蛋白乙酰化物的多效性SNP位點，但去除離群值后MR分析結果未改變（表7）。留一法分析結果顯示，逐步剔除各SNP位點后，未發現工具變量中具有對結果強影響的SNP位點。

2.4BMI、WHR對非脂質代謝物的影響

表3BMI、WHR對DR影響的MR分析結果的異質性和多效性檢驗結果

Table3 Heterogeneityand pleiotropytest forMRanalysisresultsof impact of BMI and WHR on diabetic retinopathy

IVW分析結果顯示，BMI與異亮氨酸（ OR=1.21P=1.0E-08 ）、糖蛋白（ OR=1.33 ， P=3.2E-14 ）、丙酮酸（ OR=1.08 ， P=0.03 ）呈正向因果關聯，與白蛋白（ OR=0.93 ！ P=0.04 ）、雙烯基與雙鍵的比率（ OR=0.82 ， P=2.8E-05 ）呈負向因果關聯；WHR與異亮氨酸（ OR=1.34 ， P=3.4E-08 ）、糖蛋白（ OR=1.26 P=1.2E-04 ）呈正向因果關聯（圖4、表8、表9）。

注： MR= 孟德爾隨機化，WHR Ψ：=Ψ 腰臀比， 逆方差加權法，weightedmedian=加權中位數法，weightedmode=加權模式法，MR-RAPS=穩健的調整曲線評分法

2.5非脂質代謝物在肥胖與DR間的中介作用

由于異亮氨酸、糖蛋白、白蛋白、丙酮酸、雙烯基與雙鍵的比率受到BMI影響，異亮氨酸、糖蛋白受到WHR影響，且均與DR存在因果關聯，因此將BMI、WHR對潛在介質的因果關聯和在BMI、WHR控制下介質對DR的直接因果關聯相乘，以估計其中介作用。TSMR分析結果顯示，異亮氨酸（ β= -0.16， P=0.019 ）、糖蛋白（ β=-0.05 ， P=0.029 ）、丙酮酸（ β=-0.07 ， P=0.027 ）、雙烯基與雙鍵的比率（ β=0.02 ， P=0.036 ）介導BMI與DR間的因果關聯，異亮氨酸（ β=-0.21 ， P=7.2E-04 ）、糖蛋白（ β= -0.03 ， P=0.031 ）介導WHR與DR間的因果關聯；糖蛋白（ β=-0.04 ， P=0.032 ）介導BMI與NPDR間的因果關聯（表10）。

3討論

DR主要表現為血管通透性增加、糖尿病性黃斑水腫和/或增殖性病變[17]，多與肥胖、脂質代謝異常、血糖過高等有關，是導致成年人失明及視力障礙的主要原因[18-20]。LIU等[21]通過 MR分析發現，腸道微生物

柳怡瑩等[24]通過一項回顧性研究發現，內臟脂肪面積與DR的發生相關，內臟脂肪面積增大是DR的危險因素之一；鄭錦標等［25]研究認為，吸煙、飲酒、肥胖、血脂異常等是造成糖尿病及DR的常見原因；但一項橫斷面研究結果顯示，BMI增高與DR的發生呈負相關，較高的BMI似乎對DR具有保護作用［26］。本研究利用目前公開發表的GWAS，基于代謝組學與MR分析探究非脂質代謝物在肥胖與DR的中介作用，結果顯示，BMI、WHR增大均與DR、PDR、NPDR發病風險升高有關，提示肥胖是DR的危險因素。

氨基酸作為糖尿病代謝網絡中的重要物質，與糖尿病及其眾多并發癥的發生、發展密切相關[27]。張艷等[28]研究發現，DR大鼠血清支鏈氨基酸異亮氨酸濃度升高；本研究結果顯示，異亮氨酸升高與DR發病風險升高有關，與既往研究結果一致。一項橫斷面研究結果顯示，DR 患者分泌性糖蛋白水平明顯降低[29］，提示分泌性糖蛋白可能與DR的發生、發展有關；本研究結果顯示，糖蛋白降低與DR、NPDR發病風險升高有關，與既往研究結果一致。

白蛋白在維持體內平衡中具有重要作用，是人體血漿中最重要的蛋白質，肝臟合成功能受損、丟失增加或慢性炎癥等狀態下白蛋白水平明顯降低，因此白蛋白水平降低是多種疾病預后不良的預測指標。WANG等[30]通過一項橫斷面研究發現，血清白蛋白水平升高與2型表9BMI、WHR對非脂質代謝物影響的MR分析結果的異質性和多效性檢驗糖尿病患者DR發生風險升高呈負相關。此外，慢性炎癥和氧化應激均可能導致DR的發生、發展，這一方面可能是因為慢性炎癥增加了毛細血管通透性，繼而導致白蛋白滲出增多，血清白蛋白水平升高；另一方面是因為炎癥損傷導致白蛋白降解速率增快，進而導致全身白蛋白總量降低。本研究結果顯示，白蛋白降低與DR、PDR、NPDR發病風險升高有關，與既往研究結果一致。

HAINES等[31]研究發現，DR患者玻璃體內丙酮酸水平降低，但XIA等［32]進行的一項觀察性研究發現，DR患者眼內液、血液樣本等丙氨酸水平相較老年性黃斑變性和早產兒視網膜變性患者升高，提示可能成為DR的標志物。本研究結果顯示，丙酮酸降低與DR發病風險升高有關，但未發現丙氨酸與DR之間存在因果關聯，尚需進一步研究、驗證。

肥胖是包括糖尿病、心血管疾病等在內的多種疾病的主要危險因素，而支鏈氨基酸代謝與肥胖密切相關，體內支鏈氨基酸及其代謝物增加與肥胖相關代謝疾病發生風險升高呈正相關。MA等[33]研究發現，白色脂肪中代謝支鏈氨基酸的關鍵酶BCAT2全脂肪特異敲除小鼠及白色脂肪特異敲除小鼠能抵抗高脂飲食誘導的肥胖，敲除脂肪組織中BCAT2減少了支鏈氨基酸來源的乙酰輔酶A合成，造成PR結構域蛋白16（ Prdm16 ）乙酰化水平下降，進而增強轉錄因子 Prdm16 和過氧化物酶體增殖物激活受體 γ （ PPARγ ）的相互作用，促進白色脂肪棕色化。一項觀察性研究發現，肥胖患者支鏈氨基酸（亮氨酸、異亮氨酸、氨酸）水平升高[34]；本研究結果顯示，BMI、WHR均與異亮氨酸呈正向因果關聯，與既往研究結果一致。至于肥胖與蛋白質的關系，FUERTES-MARTIN等［35］研究認為，糖蛋白譜可作為反映肥胖及其他病理過程中全身炎癥的潛在生物標志物；本研究結果顯示，BMI、WHR均與糖蛋白呈正向因果關聯，提示肥胖與體內糖蛋白水平變化密切相關。

ZHONG等［36]通過分析BMI的代謝組學發現，攜帶肥胖相關代謝物者包括DR在內的眼部疾病發病率、病死率較攜帶正常健康代謝物者高，提示代謝物可作為中介因素介導肥胖與DR;YUMNAMCHA等37研究認為，關于代謝組學在DR中的作用研究將進一步推動DR預防和治療靶點的發現。本研究結果顯示，異亮氨酸、糖蛋白、丙酮酸、雙烯基與雙鍵的比率介導BMI與DR間的因果關聯，異亮氨酸、糖蛋白介導WHR與DR間的因果關聯，且糖蛋白介導BMI與NPDR間的因果關聯，提示非脂質代謝物在肥胖與DR間具有中介作用，這對于了解DR的發病機制及尋找DR的早期干預靶點具有重要意義。

綜上所述，本研究基于代謝組學與MR分析探究非脂質代謝物在肥胖與DR的中介作用，結果不容易受到混雜因素的影響，從遺傳預測的角度證實肥胖與DR、PDR、NPDR有正向因果關聯，其中BMI與DR的關聯由異亮氨酸、糖蛋白、丙酮酸、雙烯基與雙鍵的比率介導，WHR與DR的關聯由異亮氨酸、糖蛋白介導，表明非脂質代謝產物在肥胖與DR間具有中介作用；但本研究僅發現BMI與NPDR的關聯由糖蛋白介導，未發現其他非脂質代謝物在肥胖與PDR關聯間的中介作用，有待進一步深入研究。需要指出的是，本研究利用的是目前公開發表的GWAS，但GWAS源自歐裔人群，尚需考慮不同國家/地區、種族人群之間的基因差異；此外，雖然遺傳變異可能對暴露因素的影響很小（即遺傳變異只能解釋一小部分變異），但這仍可能導致MR分析的統計效能，可能會造成假陰性或假陽性結果，因此，本研究結果在進行外推時仍存在一定局限性。

作者貢獻：王爽負責研究的構思與設計、研究的實施；王爽、吳樹法、令垚負責論文撰寫；王爽、譚茜蔚負責數據整理與分析；曹汝岱、曾慧婷進行圖、表繪制與優化；孔丹莉、丁元林、于海兵負責文章的修訂，質量控制與審查，對文章整體負責。

本文無利益沖突。

參考文獻

［1］薛朔，毛一凡，王春芳.糖尿病視網膜病變危險因素的研究進展［J].安徽醫藥，2023，27（5）：863-867.D0I：10.3969/j.issn.1001-5817.2015.05.032.

［2］王賽怡，繆丹丹，孫中明，等.BMI、WC和腰臀比與2型糖尿病患者死亡風險的隊列研究［J].中華疾病控制雜志，2023，27（3）：288-293，312.DOI： 10.16462/j.cnki.zhjbkz.2023.03.007.

［3］和思敏，張雨，彭劉慶，等.傾向性評分與孟德爾隨機化國內研究現狀［J].中華疾病控制雜志，2022，26（3）：325-330.DOI：10.16462/j.cnki.zhjbkz.2022.03.014.

[4]YOUSRINA，SUHREK，YASSINE，etal.Metabolic andmetabo-clinical signaturesof type2diabetes，obesity，retinopathy，anddyslipidemia［J].Diabetes，2022，71（2）：184-205.DOI：10.2337/db21-0490.

［5］于天琦，徐文濤，蘇雅娜，等.孟德爾隨機化研究基本原理、方法和局限性［J].中國循證醫學雜志，2021，21（10）：1227-1234. D0I： 10.7507/1672-2531.202107008.

[6]CSCO生物統計學專家委員會RWS方法學組.孟德爾隨機化模型及其規范化應用的統計學共識［J］.中國衛生統計，2021，38（3）：471-475，480.D0I：10.3969/j.issn.1002-3674.2021.03.042.

［7］劉婉秋.氨基酸與脂質的代謝物譜異常在2型糖尿病腎病關聯研究［D］.大連：大連醫科大學，2021.

[8]PULITSL，STONEMANC，MORRISAP，etal.Meta-analysisofgenome-wide association studies forbody fat distribution in 694 649individuals of European ancestry［J].Hum Mol Genet，2019，28（1）：166-174.D0I：10.1093/hmg/ddy327.

[9]KETTUNENJ，DEMIRKANA，WURTZ P，et al.Genome-widestudyfor circulating metabolitesidentifies62 loci and reveals novelsystemiceffectsofLPA[J].NatCommun，2016，7：11122.DOI：10.1038/ncomms11122.

[10]KURKI MI，KARJALAINENJ，PALTAP，et al.FinnGen：unique genetic insights from combining isolated population andnational health register data[J].Genetic and Genomic Medicine，2022，1： 22271360.D0I： 10.1101/2022.03.03.22271360.

[11]DANG X， SONG M，LV L，et al. Proteome-wide Mendelianrandomization reveals the causal effects of immune-related plasmaproteins on psychiatric disorders[J].Hum Genet，2023，142（6）：809-818.D0I： 10.1007/s00439-023-02562-0.

[12]PAPAVASILEIOU G，TSILINGIRIS D，SPYROU N，et al.Obesity and main urologic cancers：current systematic evidence，novel biological mechanisms，perspectives and challenges [J].Semin Cancer Biol，2023，91：70-98.DOI：10.1016/j.semcancer.2023.03.002.

[13]HARTWIGFP，SMITHG D，BOWDEN J. Robust inference insummarydata Mendelianrandomizationviathe zero modal pleiotropyassumption［J].Int JEpidemiol，2018，48（3）.DOI：10.1093/ije/dyx102.

[14] ZHAO Q，WANG J，HEMANI G，et al. Statistical inference intwo-sample summary-data Mendelian randomization using robustadjusted profile score[J].TheAnnalsof Statistics，2O17，46（6）：1985-1998.DOI： 10.1214/19-AOS1866.

[15］BURGESS S，BUTTERWORTHA，THOMPSON S G.Mendelianrandomization analysis with multiple genetic variants usingsummarized data[J].Genet Epidemiol，2013，37（7）：658-665.DOI：10.1002/gepi.21758.

[16]GUDICHADW，SCHMITTMANNVD，VERMUNTJK.Statistical power of likelihood ratio and Wald testsinlatent classmodels with covariates[J].Behav Res Methods，2O17，49（5）：1824-1837. DOI： 10.3758/s13428-016-0825-y.

[17］吳慧慧，劉乃嘉，李燕良，等.肥胖與KCNJ11基因多態性在中國漢族人群糖尿病視網膜病變發生中的作用［J］.復旦學報（醫學版），2016，43（4）：409-413.D0I：10.3969/j.issn.1672-8467.2016.04.005.

[18］劉鑫宇，楊娟，李紅波.糖尿病視網膜病的發病機制研究進展［J]．生命的化學，2022，42（4）：746-751.DOI：10.13488/j.smhx.20210677.

［19］包敏，葡曉慧.糖尿病視網膜病變易感性與相關基因多態性研究進展［J].國際眼科雜志，2021，21（2）：262-265.DOI：10.3980/j.issn.1672-5123.2021.2.14.

[20]TAN TE，WONG TY. Diabetic retinopathy：looking forward to2030［J].Front Endocrinol（Lausanne），2023，13：1077669.DOI：10.3389/fendo.2022.1077669.

[21]LIU K，ZOU J，FAN H，et al.Causal effects of gut microbiota ondiabetic retinopathy：aMendelian randomization study[J].FrontImmunol，2022，13：930318.DOI：10.3389/fimmu.2022.930318.

[22]SOBRIN L，CHONG YH，FAN Q，et al. Geneticall determinedplasma lipid levels and risk of diabetic retinopathy：a Mendelianrandomizationstudy[J].Diabetes，2017，66（12）：3130-3141.DOI： 10.2337/db17-0398.

［23］賴宇微.糖尿病視網膜病變與血脂代謝的相關性分析［J］.世界最新醫學信息文摘（連續型電子期刊），2019，19（49）：82，92.DOI：10.19613/j.cnki.1671-3141.2019.45.049.

［24］柳怡瑩，萬沁.糖尿病患者內臟脂肪面積與糖尿病視網膜病變的相關性研究「J].醫學研究雜志．2020．49（5）：72-75.DOI：10.11969/j.issn.1673-548X.2020.05.016.

[25］鄭錦標，馬萍萍，馬瑞倩.糖尿病伴發視網膜微血管異常臨床特征及危險因素調查研究［J].陜西醫學雜志，2019，48（11）：1571-1573. DOI： 10.3969/j.issn.1000-7377.2019.11.045.

[26]MAN R E，SABANAYAGAM C，CHIANG PP，et al. Differentialassociation of generalized and abdominal obesity with diabeticretinopathy in Asian patients with type 2 diabetes[J].JAMAOphthalmol，2016，134（3）：251-257.D01：10.1001/jamaophthalmol.2015.5103.

[27]ZHENG C，WEI X，CAO X.The causal effect of obesity ondiabeticretinopathy：a two-sample Mendelian randomization study[J].Front Endocrinol（Lausanne），2023，14：1108731.DOI：10.3389/fendo.2023.1108731.

［28］張艷，徐佑東，胡櫻凡，等.葛根提取物對糖尿病視網膜病變大鼠血清氨基酸代謝的影響［J］.中藥藥理與臨床，2016，32（1）：102-106.D0I：10.13412/j.cnki.zyyl.2016.01.029.

[29］李娜，李寶新，田茜，等.2型糖尿病視網膜病變患者血清鋅-α2-糖蛋白水平及其臨床意義［J］.廣西醫學，2020，42（10）：1189-1192，1218.DOI： 10.11675/j.issn.0253-4304.2020.10.01.

[30]WANG GX，FANG ZB，LIJT，et al. The correlation betweenserum albumin and diabetic retinopathy among people with type 2diabetes mellitus：NHANES 2011-2020[J].PLoS One，2022，17（6）：e0270019.DOI：10.1371/journal.pone.0270019.

[31]HAINES N R，MANOHARAN N，OLSONJL，et al.Metabolomics analysis of human vitreous in diabetic retinopathy andrhegmatogenous retinal detachment [J].J Proteome Res，2018，17（7）：2421-2427.D01：10.1021/acs.jproteome.8b00169.

[32]XIA M，ZHANG F.Amino acids metabolism in retinopathy：fromclinical and basic research perspective[J].Metabolites，2022，12（12）：1244.DOI：10.3390/metabo12121244.

[33]MA QX，ZHU WY，LU X C，et al.BCAA-BCKA axis regulatesWAT browning through acetylation of PRDM16[J].Nat Metab，2022，4（1）：106-122.D0I：10.1038/s42255-021-00520-6.

［34］舒楊，張春燕，程昱璇，等．肥胖與超敏C反應蛋白、肝功能指標以及氨基酸水平的相關性研究［J］.國際檢驗醫學雜志，2020，41（11）：1296-1299，1305.D01：10.3969/j.issn.1673-4130.2020.11.004.

[35]FUERTES-MARTIN R，MONCAYO S， INSENSER M，et al.Glycoprotein A and B height-to-width ratios as obesity-independent novel biomarkers of low-grade chronic inflammationin women with polycystic ovary syndrome（PCOs）[J].JProteome Res，2019，18（11）：4038-4045.D01：10.1021/acs.jproteome.9b00528.

[36] ZHONG P， TAN S， ZHU Z，et al. Metabolomic phenotypingof obesity for profiling cardiovascular and ocular diseases[J].JTransl Med，2023，21（1）：384.DOI：10.1186/s12967-023-04244-

[37]YUMNAMCHA T，GUERRA M，SINGH L P，et al. Metabolicdysregulation and neurovascular dysfunction in diabeticretinopathy[J].Antioxidants（Basel），2020，9（12）：1244.DOI：10.3390/antiox9121244.（收稿日期：2024-04-27；修回日期：2024-09-05）（木文編輯．鹿飛飛）