Diese Studie verwendete Genomic Structural Equation Modeling (SEM), um die gemeinsame genetische Architektur von Insulinresistenz und verwandten metabolischen Merkmalen zu untersuchen. Die Analyse umfasste die Messung von Fasting-Insulin, Insulinempfindlichkeit, Triglyceriden und dem Taillenumfang-Hüftverhältnis. Ein latenter genetischer Faktor wurde konstruiert, der ein biologisch konsistentes genetisches Muster aufzeigte, mit spezifischen Lastungen für jede gemessene Eigenschaft.
Identifizierung von Genen und SNP
Die Forschung identifizierte 3.067 genome-weite signifikante Kandidat-SNP und 100 genomische Risikoloci. Funktional-annotationsanalysen ergaben 1.530 FDR-signifikante Gene, wobei priorisierte Regionen in der Nähe von Genen wie PPARG, RSPO3, SLC38A11, SLC39A8, BCL2, GDF5 und SPATA5 gefunden wurden. Transcriptom-weite Assoziationsanalysen und weitere Untersuchungen stellten Kandidatengen beteiligt an der Adipozytenbiologie, Glukose-Lipid-Metabolismus, Insulinsekretion und Expressionsregulation fest, darunter MLXIPL, TCF7L2, FAM13A, CCDC92 und SLC22A3.
Strukturelle Biologie-Modellierung
Enrichment-Analysen zeigten Assoziationen mit Fettverteilung, kardiovaskulären Merkmalen, Adipozentgewebe, mesenchymalen Zelllinien und aktiven regulatorischen genomischen Regionen. Eine explorative Analyse nutzte strukturelle Biologie-Modellierung, um potenzielle strukturelle Störungen ausgewählter Missense-Substitutionen in Kandidatenproteinen zu bewerten, einschließlich BCL2-W188G, GDF5-C400Y und RSPO3-C129Y. Diese Substitutionen wurden auf Grundlage ihres funktionalen Einflusses und der Modellierungsfähigkeit ausgewählt.