在UK Biobank做点临床数据挖掘，9.2+的前瞻性SCI就到手了！
“论文没发出来，想想这些年有没有在努力搞分析！”哈哈哈，开个玩笑，小云才不会像哪些大咖们不食人间烟火呢！小云当然知道各位小伙伴们都在日复一日的努力搞科研呢！在繁重的实验结束之后，刷刷手机的同时不妨看一篇搞数据分析发高分SCI的技巧吧！ 大家伙儿无比熟悉的UK Biobank，简直就是生信分析人发文的法宝啊，包含了大规模的关于致病或预防疾病的基因和环境因子的资源，不管是疾病还是药品处方以及死亡记录都能找到，所以非常适合做数据的二次分析和前瞻性研究。学会数据分析，不仅利于发文还可以指导自己的课题研究哟！ 今天小云带来的这篇前瞻性研究来自华中科技大学，近年有很多国人都在搞这种分析哦，一定要学会码住！这项研究针对植物性饮食(PDI)和非酒精性脂肪性肝病(NAFLD)的风险关联研究，根据与NAFLD相关的风险变量计算加权多基因风险分数，利用Cox比例风险模型估计危险比，一项对大众饮食健康非常有指导价值的研究。小云建议下载原文好好的学习，一方面是具体的数据处理筛选，另一方面是生信分析和结果讨论，相信一定会有很大的收获，同时有任何生信分析问题都可以@小云哟！
(ps：不知道怎么创新的小伙伴可以来找小云！这里有新鲜出炉的生信热点方向，还有一大波的可复现的创新思路，感兴趣的直接来后台找我噢！)。
题目：植物性饮食、遗传易感性和非酒精性脂肪性肝病的风险
杂志：
BMC Medicine
影响因子：IF= 9.2994
发表时间：2023年9月12日
研究背景
非酒精性脂肪性肝病(NAFLD)已成为全球最常见的慢性肝病。饮食是NAFLD的一个重要的可改变的危险因素。植物性饮食模式因其环境可持续性而受到关注，富含植物性食物的饮食与NAFLD的风险较低相关。然而，并非所有植物性食物都对NAFLD有益。为区分不同质量的植物性饮食，以往研究建立了三种植物性饮食指数(PDI)，分别为总体植物性饮食指数(总体PDI)、健康植物性饮食指数(hPDI)和不健康植物性饮食指数(uPDI)。但基于有限的样本和现有研究结果的不一致，对于前瞻性研究的证据很有限。这项研究的目的是调查植物性饮食与NAFLD风险的关联，并探索这种关联是否会被NAFLD的遗传风险所改变。
数据来源及处理
数据来源于UKB，纳入了饮食评估的参与者(n=210673)，在饮食信息收集后排除了那些被诊断为NAFLD、肝硬变或其他肝病的人（n=2920）；排除随访结束时被诊断为酒精相关疾病的参与者(n=266)；排除不合理的能量摄入量（n=2994）；排除没有完整遗传数据或不是欧洲血统的参与者（n=13111）；排除患有心血管疾病或癌症的参与者（n=32160）。最后159222名参与者被纳入NAFLD风险分析，20692名参与者被纳入肝脏脂肪含量分析。
研究思路
这项纵向队列研究包括UKB中159222名NAFLD患者，计算了总体PDI、hPDI和uPDI。根据与NAFLD相关的风险变量计算加权多基因风险分数；利用Cox比例风险模型估计危险比（HR）和95%可信区间（CI）；然后利用磁共振成像衍生质子密度脂肪分数(MRI-PDFF)测量了20692名参与者的肝脏脂肪含量；最后使用广义线性模型评估PDI与MRI-PDFF之间的关系。
主要结果
159222名参与者的基线特征如表1所示，平均年龄为58.0±8.0，其中55.7%为女性。24小时饮食评估的平均(SD)次数为2.2(1.2)。总体PDI范围为25至74，hPDI范围为27至82，uPDI范围为27至78。总体PDI和hPDI较高，但uPDI较低的参与者往往是女性、受过良好教育、非当前吸烟者，并且较低的体重指数。总体PDI较高的参与者的总能量摄入较高，而hPDI和uPDI较高的参与者的总能量摄入较低。总体参与者和具有MRI-PDFF数据的参与者的基线特征和PDI基本一致(n=20692)(
表1
)。
表1 通过三个植物性饮食指标对159222名参与者进行基线特征分析
在中位9.5年的随访期间，记录了1541例NAFLD病例。当使用RCS测试总体PDI、hPDI和uPDI与NAFLD风险的非线性时，作者没有观察到明显的线性偏离(图1，所有PDI的p非线性>0.05)。与最低五分位数相比，最高五分位数NAFLD的多变量调整，总体PDI、hPDI和uPDI的HRs分别为0.78(95%CI，0.66-0.93，p-trend=0.02)、0.74(95%CI，0.62-0.87，p-trend<0.0001)和1.24(95%CI，1.05-1.46，p-trend=0.02)。当不调整BMI时，这些关联更强(
表2
)。此外，PDI每增加10点，NAFLD的风险分别降低11%、20%和14%(总PDI、hPDI和uPDI的HRs分别为0.89[95%CI，0.81-0.97]、0.80[95%CI，0.73-0.88]和1.14[95%CI，1.05-1.24])(
表2
)。当肝脏脂肪含量通过MRI-PDFF显示并在最终模型中进一步根据MRI年龄进行调整时，较高的总体PDI和hPDI与较低的肝内脂肪含量相关（每10点增量β[95%CI]分别为-0.34[-0.44，-0.25]和-0.45[-0.54，-0.36]），而较高的uPDI与较高的肝脏脂肪含量相关（β[95%CI]，0.41[0.32,0.49]，图2)。
表2 根据总体植物性饮食指数、健康植物性饮食指数和不健康植物性饮食指数的五分位数，NAFLD的风险比(95%置信区间)
当评估PDI和PRS与NAFLD风险的联合关系时，与最高风险组合相比，总体PDI和hPDI的大多数其他组的NAFLD风险显著较低，并且在遗传风险低和PDI/hPDI最高的参与者中NAFLD风险最低分数。相反，与具有最低PRS和最低uPDI的人相比，较高的PRS和uPDI会增加NAFLD风险。在MRI-PDFF的联合关联中，β系数随着PDI和PRS的增加而逐渐增加。在按遗传风险进行分层分析中，较高的总体PDI和较低的uPDI与较低的NAFLD风险之间的关联并未因NAFLD的遗传易感性而改变，但hPDI与NAFLD风险的关联会因遗传风险而显著改变（对于总体PDI和uPDI，P交互作用>0.05，对于hPDI，P相互作用=0.03）。
图1 总的植物性饮食指数、健康植物性饮食指数和不健康植物性饮食指数与NAFLD风险之间的限制三次样条关系
当使用特定性别的PDI五分位数时，PDI与NAFLD风险和肝脏脂肪含量的关联仍然存在，并且没有观察到性别和PDI之间存在显著的相互作用。此外，作者观察到其他主要危险因素（年龄、肥胖、能量摄入、饮酒或体力活动）对NAFLD风险或MRI-PDFF没有显着影响，除了uPDI和NAFLD风险之间的关联因肥胖而改变（p交互作用=0.0009<0.003（0.05/（3次暴露*5组））。
图2 总体植物性饮食指数、健康植物性饮食指数和不健康植物性饮食指数与MRI-PDFF的关系
当作者进一步调整慢性疾病和肝功能时、进一步调整代谢指标和腰围时、排除饮食评估少于两次的参与者时、排除随访时间少于2年的参与者时，PDI和NAFLD之间的关联基本保持不变。此外，作者观察到BMI对PDI-NAFLD风险关联的显着中介作用，对于PDI、hPDI和uPDI分别为51.8%、47.0%和46.5%。此外，当作者一次从PDI中排除17种食物组中的每一种并针对排除的食物组摄入量进行调整时，PDI每10点增量的调整后HR并未发生实质性改变。然而，较高的坚果、茶和咖啡摄入量与较低的NAFLD风险相关，但较高的含糖饮料、鱼类和海鲜摄入量与较高的NAFLD风险相关。这些结果表明，PDI与NAFLD风险之间的关联可能很大程度上是由于咖啡和茶摄入量较高以及含糖饮料、鱼和海鲜摄入量较低所致。
文章小结
在这项纵向研究中，作者发现摄入更多的植物性饮食，尤其是健康的植物性饮食，与较低的NAFLD风险和肝脏脂肪含量相关，而较高的uPDI则与NAFLD风险增加和较高的肝脏脂肪含量相关。与最低五分位数相比，总体PDI、hPDI和uPDI最高五分位数的参与者患NAFLD的风险分别降低22%、26%和24%，并分别降低0.51%、0.71%和0.72%肝脏脂肪含量。作者利用UKB大量数据进行的一项大规模的前瞻性研究，挖掘公共数据库进行二次分析，这样的研究具有基础性参考价值，当今生信分析可谓是太卷了，小云建议有时候也可以做点二次分析的研究，即丰富基础性研究数据，还能0实验上高分，性价比还是杠杠的！至于很多生信分析手段，都可以联系小云获取哦！
