新加坡和马来西亚华人群体中痤疮易感基因位点及其与基因-环境相互作用（尤其是屏幕使用时间）的关联性研究

《JID Innovations》：Replication of Acne Susceptibility Loci and Gene–Environment Interactions with Screen Time in Singapore and Malaysia Chinese Population

　　刘凌书 | 杨叶秀 | 曹定宇 | 黄嘉仪·凯伦 | 陈向然 | 赛怡浩 | 雷吉娜尔德·卡维塔 | 周福添
新加坡国立大学生物科学系，新加坡

**摘要**
寻常痤疮是一种常见的慢性炎症性皮肤病，具有显著的遗传因素影响。然而，在不同人群中复制全基因组关联研究（GWAS）的发现仍然有限。在这项研究中，我们评估了来自新加坡/马来西亚交叉序列遗传流行病学研究（SMCGES）的2,741例痤疮患者和2,235例对照组中先前报告的88个与痤疮相关的单核苷酸多态性（SNPs）。两个位点，rs1159268位于TGFB2附近，以及rs738409位于PNPLA3中，在经过Bonferroni校正后的显著性水平上得到了验证，并且其效应方向一致。功能注释和转录组证据支持这些位点参与了与毛囊皮脂腺单元生物学相关的途径，包括上皮分化、组织稳态、视黄醇调节和脂质代谢。基因-环境相互作用分析进一步确定了12个其痤疮风险关联受到屏幕使用时间影响的SNPs。这些发现表明，与屏幕使用相关的环境暴露可能通过生活方式相关的代谢因素、昼夜节律内分泌调节和氧化应激反应等途径，作为遗传易感性的环境修饰因子。总体而言，这些发现强调了在理解痤疮发病机制时考虑环境暴露的重要性。

**引言**
寻常痤疮是最常见的慢性炎症性皮肤病之一，主要影响毛囊皮脂腺单元。它影响高达85%的青少年和年轻人，以及全球大约9-10%的人口，构成了重大的疾病负担（Tan和Bhate，2015；Williams等人，2012）。痤疮的发病机制是多因素的，涉及皮脂分泌增加、毛囊角化过度、痤疮丙酸杆菌（C. acnes）的定植以及炎症反应失调，激素和代谢因素进一步调节疾病活动（Tan和Bhate，2015；Williams等人，2012）。寻常痤疮具有很强的遗传基础，遗传率估计为70-80%（Bataille等人，2002）。先前的系统评价表明，其遗传结构是异质性的，涉及炎症信号传导、雄激素调节、脂质代谢和角化途径（Heng等人，2021）。基于这些早期研究，全基因组关联研究（GWAS）极大地推进了我们对痤疮生物学基础的理解。虽然最初在中汉族人群中的研究确定了1q24.2和11p11.2位点（He等人，2014），但最近在欧洲血统队列中的大规模荟萃分析确定了大约50个易感位点（Mitchell等人，2022；Teder-Laving等人，2024）。值得注意的是，功能基因组学证据将致病框架从先天免疫转向了毛囊发育、形态发生和组织重塑（Mitchell等人，2022；Petridis等人，2018）。特别是关键风险基因如WNT10A、LGR6和TP63强调了毛囊皮脂腺单元结构和稳态在建立易于粉刺形成的毛囊环境中的关键作用（Petridis等人，2018）。因此，包括Wnt和MAPK在内的核心信号通路已成为遗传易感性的核心调节因子，而脂质生物合成通路可能作为下游因素起作用（Teder-Laving等人，2024）。然而，由于跨血统的复制研究相对不足，需要在代表性不足的人群中进行进一步验证，以获得更全面的全球痤疮遗传学理解。

**环境和生活方式因素的作用**
除了遗传易感性外，环境和生活方式因素也在痤疮风险和严重程度中起重要作用。流行病学研究一致指出家族史、年龄、体重指数和皮肤类型的影响，而其他暴露因素（如饮食和吸烟）在不同人群中的关联仍存在异质性（Heng和Chew，2020）。饮食因素受到了特别关注：高血糖指数饮食模式和乳制品摄入与痤疮有关，这可能是通过胰岛素/IGF-1介导的PI3K–Akt–FoxO1–mTORC1轴在皮脂细胞和角质形成细胞中的激活（Burris等人，2013；Melnik和Zouboulis，2013）。最近的营养基因组学研究进一步支持了这一框架，表明血糖饮食暴露可以与遗传变异相互作用，调节痤疮风险，涉及IGF-1/FoxO1/mTORC1信号通路之外的分子途径（Say等人，2022）。心理压力和环境污染物也与观察性和时间序列研究中的痤疮加重有关（El Haddad等人，2021；Zari和Alrahmani，2017）。这些发现共同表明，痤疮起源于遗传倾向与多种环境因素的相互作用。而且许多当代的生活方式暴露与痤疮风险的关系尚未得到充分研究（Heng和Chew，2020）。

**基因-环境相互作用（G×E）分析**
基因-环境相互作用（G×E）分析提供了一个强有力的框架，以阐明遗传易感性如何受到环境背景的影响，并可能解释仅通过主要效应GWAS无法解释的疾病变异（Hunter，2005；Manolio等人，2009）。将环境暴露纳入遗传模型揭示了其他复杂性状的生物学意义上的相互作用（Ober和Vercelli，2011；Thomas，2010），但在痤疮领域的G×E研究仍然很少，尤其是在非欧洲人群中。在这项研究中，我们的目标是：（i）在新加坡/马来西亚交叉序列遗传流行病学研究（SMCGES）队列中复制先前报告的与痤疮相关的位点；（ii）调查该人群中的基因-环境相互作用，特别关注当代生活方式因素。通过这种方法，我们希望更深入地了解东南亚人群中痤疮风险的综合遗传和环境决定因素。

**结果**
**先前报道的与痤疮相关的变异鉴定**
系统文献搜索确定了七项关于痤疮的独立GWAS研究（图1）。从这些研究中提取了88个先前报道的与痤疮相关的SNPs进行复制分析（补充表S1）。所有变异在之前的报告中都显示出显著的关联证据，其定义的显著性阈值为P < 1×10^-5。其中，五个SNPs（rs80293268、rs1256580、rs2901000、rs629725和rs34560261）在多个先前的痤疮GWAS中被报道过。

**结论**
本文在新加坡/马来西亚交叉序列遗传流行病学研究（SMCGES）队列中复制了先前报道的88个与痤疮相关的位点，并调查了这些位点与基因-环境之间的相互作用，特别关注当代生活方式因素。通过这种方法，我们希望更深入地了解东南亚人群中痤疮风险的综合遗传和环境决定因素。这种基因预测的下调与在病变皮肤样本中观察到的TGFB2抑制作用高度一致。此外，代理变异rs17048367（r2 = 1.0；CHB）在培养的成纤维细胞中也表现出显著的eQTL信号（GTEx v6；P = 1.15 × 10-5），进一步证明了该基因组的调节潜力。综上所述，这些发现支持TGFB2是1q41位点上最有可能的功能候选基因。

**图3. TGFB2位点上重复的rs1159268信号的功能解释。**
a. 染色体1q41上报道的SNP rs1159268及其代理变异rs17048367的基因组背景，基于1000 Genomes Chinese Beijing Han（CHB）参考队列，两者之间存在完美的连锁不平衡（LD；r2 = 1.0）。报道的SNP rs1159268用红色标出，代理SNP rs17048367用蓝色标出。
b. 来自公共微阵列数据集（GEO: GSE53795）的痤疮病灶和非病灶皮肤样本中TGFB2的表达水平。TGFB2因其一致的遗传关联和调节证据而被优先考虑，这独立于转录组数据集。每条线连接同一个体的配对样本。统计显著性通过配对检验进行评估。
c. 建立的机制框架，解释rs1159268与痤疮风险之间的关联。rs1159268变异可能调节TGFB2的表达和/或转化生长因子-β（TGF-β）的信号传导活性。通过影响毛囊上皮的稳态、皮脂细胞的分化和脂质生成以及细胞外基质的重塑，该位点可能增加痤疮的风险和临床严重程度。

**图4. 痤疮病灶和非病灶皮肤中TGFB2表达的荟萃分析。**
森林图显示了三个独立队列（GSE53795, n = 24; GSE6475, n = 12; Navarini et al., 2014, n = 12）中病灶和非病灶皮肤之间TGFB2表达的差异。效应大小以对数2倍数变化（病灶 vs. 非病灶皮肤）表示，并附有95%置信区间（CI）。菱形代表随机效应模型的汇总估计值。与非病灶皮肤相比，病灶皮肤中的TGFB2表达降低（汇总log2FC = -0.67；P < 0.001），研究间的异质性很小（I2 = 0.011%，pheterogeneity = 0.374）。

**图5. PNPLA3位点上重复的rs738409（I148M）信号的功能解释。**
a. 染色体22q13.31上重复的SNP rs738409的基因组背景。该变异位于PNPLA3的第三个外显子内，导致一个错义替换（I148M）。报道的SNP rs738408用红色标出。
b. PNPLA3蛋白的结构，显示I148M错义替换位于类似patatin的磷脂酶域（蓝色）内。保守的催化基序用紫色标出。
c. 建立的机制框架，解释rs738409变异与痤疮风险之间的关联。I148M替换可能调节PNPLA3的酶活性，进而影响视黄醇酯的稳态、皮脂脂质的重塑和炎症信号通路。视黄醇酯代谢的异常可能影响皮脂细胞的分化和毛囊角化，而甘油三酯代谢的变化可能改变皮脂脂质组成。这些变化可能增强毛囊-皮脂腺单元内的促炎信号传导，从而增加痤疮的易感性和临床严重程度。

**基因-环境相互作用分析**
鉴于之前报告的痤疮GWAS位点在SMCGES队列中的复制次数有限，进一步评估了环境暴露对遗传关联的潜在修饰作用。基因-环境相互作用分析使用逻辑回归模型进行，模型中包含了SNP主效应、环境暴露以及SNP × 暴露的交互项，并调整了年龄和性别因素。
在评估的环境因素中，屏幕使用时间显示出最一致的显著交互证据。根据交互模型中估计的SNP效应（PSNP），有12个SNP在屏幕使用时间分析中达到了Bonferroni校正后的显著性阈值（P = 5.68×10-4，表3）。所有12个变异还显示出屏幕使用时间暴露的效应修饰证据，SNP × 屏幕使用时间的交互项具有名义上的显著性（PG×E < 0.05）。

**表3. 对痤疮风险有显著基因型 × 屏幕使用时间交互效应的SNP。**
| rs ID | Chr:Pos (GRCh37) | Minor/Major Allele | MAF | Main-effect Model | Interaction Model | Implicated Gene(s) |
|--------|------------|--------------|--------|----------------|--------------|
| |--------------|--------------|--------|----------------|----------------|
| rs12566581:21 | 920631 | A/G | 0.28 | 1 | | |
| | | 0.077 | 3 | 0.922 (0.842-1.009) | 1.25E-04 | 0.656 (0.529-0.814) |
| | | 0.930 | 1.12 (1.047-1.197) | | |
| LYPLA | | - | | | |
| rs130133492:11 | 3492 | 1/A | 0.348 | 0.972 (0.897-1.052) | 6.34E-05 | 0.722 (0.616-0.847) |
| | | | | | 1.108 (1.056-1.163) |
| IL1A, IL37, IL36B, IL36 | | 414:148 | 1/A | 0.213 | 0.290 | 0.949 (0.861-1.046) |
| | | | | | 8.54E-05 | 0.609 (0.476-0.780) | 1.56E-04 | 1.163 (1.075-1.257) |
| EDNRA | | 5:558 | 1688 | 0.388 | 0.217 | 0.950 (0.875-1.031) | 2.38E-04 | 0.712 (0.594-0.853) |
| | | 5:558 | 1688 | 0.388 | 0.217 | 0.950 (0.875-1.031) | 2.38E-04 | 0.712 (0.594-0.853) |
| C5orf67 | | 797:40 | 1/C | 0.476 | 0.661 | 0.982 (0.907 - 1.064) | 3.57E-05 | 0.715 (0.610-0.839) |
| | | 797:40 | 1/C | 0.476 | 0.661 | 0.982 (0.907 - 1.064) | 3.57E-05 | 0.715 (0.610-0.839) |
| SUGC | | 927:40 | 2428 | 0.475 | 0.607 | 0.979 (0.904-1.061) | 6.78E-05 | 0.723 (0.616-0.848) |
| | | 941:11 | 1982 | 0.394 | 0.307 | 0.957 (0.880-1.041) | 2.06E-04 | 0.718 (0.603-0.855) |
| FADS2, FEN1, TMEM2 | | 561 | 384 | 1/A | 0.480 | 0.058 | 0.925 (0.854-1.003) | 3.72E-04 | 0.715 (0.610-0.839) |
| | | 6174 | 438 | 1/A | 0.480 | 0.058 | 0.925 (0.854-1.003) | 3.72E-04 | 0.715 (0.610-0.839) |
| MAP3K | | 11, RNASEH2 | 26, EIF1AD | 26, CNX3 | 1, RELA-DT | 1, OVOL1-AS1 | 1, PCNX3 | 1, SIPA1 | 1, BANF1 | 1, KAT5 |
| | | 602 | 11:69 | 393 | 0.486 | 0.009 | 0.897 (0.828-0.973) | 2.40E-07 | 0.655 (0.558-0.769) |
| | | 12:12 | 592 | 0.259 | 0.245 | 0.947 (0.863-1.038) | 3.35E-04 | 0.657 (0.522-0.826) | 5.78E-04 | 1.134 (1.056 - 1.219) |
| BORCS | | 122:29 | 453 | 0.447 | 0.315 | 0.959 (0.885-1.040) | 1.13E-04 | 0.724 (0.614-0.853) | 1.09E-04 | 1.103 (1.05-1.159) |
| ZNRF3 | | 11:69 | 393 | 0.486 | 0.009 | 0.897 (0.828-0.973) | 2.40E-07 | 0.655 (0.558-0.769) | 1.13E-05 | 1.113 (1.061-1.167) |

**注释：**
1. SNP：单核苷酸多态性；Chr：染色体；Pos：位置；MAF：次要等位基因频率；OR：比值比；CI：置信区间。
2. 图6a显示所有12个位点都表现出名义上显著的SNP × 屏幕使用时间交互信号，并且交互强度存在明显梯度。其中，rs4723979的交互信号最强。为了进一步表征这些交互作用背后的联合效应，按遗传风险和屏幕使用时间的组合检测了分层比值比（图6b和图7）。对于rs4723979，在高风险/高屏幕组（+/+）中估计的效应与遗传风险和屏幕使用时间独立组合下的预期效应不同（后者由高风险/低屏幕组（-/+）和高遗传风险/低屏幕组（+/?）中观察到的分层特异性效应的乘积近似得出）。其余位点也观察到类似的偏差模式，尽管偏差幅度因SNP而异。
3. 图6b和图7展示了SNP × 屏幕使用时间交互作用及其可能的机制。这些机制包括：（i）与久坐生活方式相关的行为和代谢因素以及相关的内分泌信号传导；（ii）与睡眠紊乱和光照暴露相关的昼夜节律和内分泌失调；（iii）与氧化应激相关的信号传导，涉及细胞应激反应和炎症通路。这些过程可能共同影响毛囊-皮脂腺单元的稳态，从而调节遗传易感性对痤疮的影响。
4. TGFB2在1q41位的关联表明TGF-β信号通路在痤疮易感性中起作用。GTEx v8分析显示，rs1159268的痤疮风险等位基因[A]是上皮组织中TGFB2表达降低的显著eQTL。这种基因预测的下调与我们跨队列荟萃分析中观察到的强烈TGFB2抑制作用高度一致。虽然该eQTL信号不是直接来自皮肤组织，但先前的研究表明，由于保守的调节机制，许多调节效应在生物学上不同的组织中是共享的。代理变异rs17048367（r2 = 1.0；CHB）在成纤维细胞中表现出显著的eQTL效应，并与表皮角质形成细胞的潜在增强子元素重叠。虽然确切的分子通路尚未完全明确，但我们的发现表明1q41的遗传变异可能通过调节TGFB2表达水平影响痤疮易感性。
5. TGFB2编码转化生长因子-β（TGF-β）超家族的多功能细胞因子，在上皮稳态和组织重塑中起核心作用。TGF-β信号调节角质细胞的分化和增殖，参与毛囊的发育和周期，这些过程对于维持毛囊-皮脂腺单元的完整性至关重要。因此，TGFB2可能通过调节毛囊上皮中的增殖和分化平衡来影响痤疮风险，从而导致毛囊过度角化和早期粉刺的形成。此外，TGF-β信号还调节皮脂细胞的分化和脂质生成，保持皮脂细胞的相对未分化状态并抑制脂质积累。鉴于TGF-β信号在细胞外基质重塑和纤维化中的关键作用，TGFB2也可能影响严重痤疮病变后的炎症后疤痕风险。
6. PNPLA3在22q13位的关联表明视黄醇代谢在痤疮易感性中起作用。rs738409变异导致异亮氨酸到甲硫氨酸的替换（I148M），已被广泛研究为调节PNPLA3活性的功能性等位基因。该位点的调节证据进一步证实了这一点的合理性。我们的GTEx v8数据分析显示，风险等位基因与PNPLA3表达增加相关。这种双重功能性和调节性影响强烈支持PNPLA3作为22q13区域关联的主要驱动因素。值得注意的是，虽然PNPLA3主要因其对肝脏脂质代谢的作用而闻名，但系统转录组分析（GTEx v8）和先前的研究（Bruschi等人，2017年）证实了其在人类皮肤中的显著表达，这表明类似的脂质调节机制可能也参与了痤疮的发病机制。PNPLA3编码一种与脂滴相关的酶，参与甘油三酯和视黄醇酯的代谢。因此，与痤疮相关的rs738409（I148M）变异可能提供了脂滴动态与毛囊皮脂单位稳态之间的机制联系，如图5c所示。除了其在甘油三酯重塑中的作用外，PNPLA3还具有视黄醇-棕榈酸水解酶活性，并有助于细胞内视黄醇的稳态（Kovarova等人，2015年；Pirazzi Carlo等人，2014年）。鉴于视黄醇信号在毛囊皮脂单位生物学中的已知作用，包括皮脂细胞分化和毛囊角化过程，与I148M变异相关的视黄醇可用性的变化可能会影响与粉刺形成相关的通路（Durgin等人，2026年；Everts，2012年）。PNPLA3还参与甘油三酯的更新和多不饱和脂肪酸的动员，这表明rs738409变异可能会影响与痤疮生物学相关的皮脂成分变化（Del Rosso和Kircik，2024年；Johnson等人，2024年；Luukkonen等人，2019年；Okoro等人，2021年）。PNPLA3还与其他疾病模型中的炎症信号增强有关。这些脂质成分的变化可能会促进毛囊皮脂单位内的促炎信号，从而促进病变的发展（Jung等人，2021年；Yuan等人，2020年）。

屏幕使用时间作为遗传效应对痤疮影响的背景调节因素

我们的相互作用分析表明，屏幕使用时间会改变痤疮风险等位基因与疾病表现之间的关联，在某些位点上存在位置特异性的异质性，而不是统一的相互作用模式。对优先考虑屏幕使用时间的变异进行功能注释后，发现其富集了与炎症信号、脂质代谢和对氧化应激的细胞反应相关的基因本体（GO）术语（补充表S5）。这些富集的过程与痤疮生物学相关，但它们也受到代谢状态和环境暴露的影响（Grafanaki等人，2026年；Van Steensel，2025年）。最近的研究进一步表明，氧化应激、脂质失衡和细胞因子信号与毛囊皮脂单位功能密切相关，可以影响角质形成细胞的分化和皮脂腺活动以及局部组织稳态（Durgin等人，2026年；Li等人，2025年）。在这种情况下，我们的富集结果提示，与屏幕使用相关的暴露可能会影响毛囊皮脂单位的生物环境，从而改变遗传易感性对疾病表现的影响。

在此基础上，我们提出了一个概念框架，认为与屏幕使用相关的暴露可能通过三种途径影响痤疮风险（图6c）：（i）与久坐生活方式和饮食相关的行为和代谢因素，（ii）昼夜节律和内分泌失调，以及（iii）与氧化应激相关的信号。在潜在的机制中，最合理的是与长时间使用屏幕相关的行为聚集。流行病学研究一致显示，较长的屏幕使用时间与久坐行为、体力活动减少以及不太健康的饮食模式（包括摄入高能量密度或高血糖指数的食物）相关（Alnaqbi等人，2025年；Bejarano等人，2021年；Rocka等人，2022年）。这些因素与痤疮相关的内分泌和代谢通路密切相关，特别是胰岛素/IGF-1信号、皮脂腺活动和脂肪生成（Bungau等人，2023年；Mosca等人，2025年）。尽管我们队列中个体体力活动和饮食的测量值与痤疮没有显著关联（表1），但这些变量可能无法完全捕捉到代谢暴露的复杂性。因此，屏幕使用时间可以作为聚集的生活方式行为的综合代理，反映了难以通过现有调查措施量化的潜在代谢和内分泌背景。较高的屏幕暴露，尤其是在晚上，还与睡眠中断和昼夜节律紊乱有关。实验研究表明，发光设备可以抑制褪黑激素的分泌并延迟昼夜节律（Chang A. M.等人，2015年；Chinoy等人，2018年）。这些扰动可能会影响皮肤内的激素和视黄醇相关信号，这些过程与角质形成细胞分化和毛囊皮脂单位稳态密切相关（Durgin等人，2026年；Sadur等人，2025年；Samaniego等人，2025年）。相比之下，尽管蓝光可以在体外皮肤模型中诱导氧化应激和炎症信号，但在体内对痤疮的实质性影响仍证据有限（Montero等人，2023年；Werner等人，2025年）。总体而言，这些发现支持这样一个模型，即屏幕使用时间更多地作为一种背景暴露，可能与痤疮的遗传易感性相互作用。

结论与未来方向

总之，本研究在SMCGES队列中复制了两个先前报道的与痤疮相关的SNP，并将其与参与毛囊皮脂单位生物学的基因联系起来。值得注意的是，复制的信号来自欧洲血统的研究，而某些先前报道的汉族中国人群位点没有达到显著性，这可能反映了人群特定的遗传结构和连锁模式。基因-环境相互作用分析进一步确定了12个受屏幕使用时间影响而改变的SNP，支持了一个观点，即与屏幕使用相关的暴露可能会塑造痤疮遗传易感性的生物背景。需要注意的是，几个局限性。屏幕使用时间的暴露是自我报告的，这可能会引入回忆和报告偏差。多个变异的功能效应需要通过实验验证。分析仅限于中国血统的个体，这可能会限制其普遍性。此外，由于不同队列的数据稀缺，潜在的混杂因素（如心理社会因素）未能得到充分考虑，因此需要谨慎解释基因-环境相互作用。未来的研究应纳入数字暴露的客观测量和随时间重复的暴露评估。需要在具有不同祖先背景的队列中进行复制，以评估其普遍性。需要进行功能和实验研究，以定义所识别位点和基因-环境相互作用的分子机制。这些结果共同表明，遗传和环境因素都 contributed to 痤疮的易感性，并为未来的机制研究和转化研究提供了基础。

**方法**

**文献搜索和SNP选择用于复制**
在Web of Science和PubMed中进行了系统的文献搜索，以识别先前发表的痤疮全基因组关联研究（GWAS）。搜索词包括“acne”或“acne vulgaris”与“genome-wide association”或“GWAS”的组合。符合条件的研究是报告全基因组关联或提示性关联的研究（无论是关于痤疮的存在与否还是临床分级的痤疮严重程度）。所有满足预设显著性阈值（P < 1×10-5）的报道变异都被收集起来，并将研究中重复出现的信号合并为独特的位点；当同一位点在多个队列中被报道时，保留原始出版物中最显著的索引变异。

**研究设计、伦理和参与者**
参与者来自SMCGES数据集，这是一个在三个大学（新加坡国立大学、Tunku Abdul Rahman大学和Sunway大学）进行的持续流行病学研究，经过多次招募（Huang等人，2025年）。为了最小化潜在的混杂因素，本研究仅限于中国血统的个体。在入组前，所有参与者都获得了书面知情同意。本研究符合赫尔辛基宣言，并得到了新加坡和马来西亚相关伦理委员会的批准，包括新加坡国立大学机构审查委员会（NUS-IRB）的批准（Heng等人，2022年）以及马来西亚Tunku Abdul Rahman大学和Sunway大学的伦理批准（Say等人，2021年）。使用从标准化国际儿童哮喘和过敏研究（ISAAC）协议改编的经验证的调查问卷收集了人口统计信息和环境暴露变量（Huang等人，2025年）。

**疾病定义**
痤疮状态是根据SMCGES流行病学分析中先前采用的标准化标准定义的（Huang等人，2025年）。如果参与者回答“您是否曾因痤疮就诊？”或“您的痤疮/疖子是否留下了疤痕（瘢痕）？”为“是”，并且/或者根据SMCGES痤疮表型协议中的现场皮肤科评估符合病例定义，则被归类为痤疮病例。如果参与者对这两个问题都回答“否”并且不符合基于评估的病例定义，则被归类为痤疮对照组。

**基因分型、插入和质量控制**
基因分型使用了五种不同的SNP阵列平台：Infinium OmniZhongHua-8（v1.3/v1.4）、Illumina HumanHap550K、Infinium Omni2.5-Exome、Infinium Global Screening Array和Infinium Asian Screening Array。每个数据集都独立进行了标准的样本和变异水平质量控制（QC）以确保基因分型的完整性。随后使用IMPUTE2（Howie等人，2009年）和CHB参考面板进行了相位划分和插入（Fairley等人，2019年）。插入后的数据质量使用既定指标进行了评估，下游关联测试仅限于直接基因分型的变异或高质量代理（r2 ≥ 0.8）。

**关联测试和多重检验控制**
主要分析使用加法模型进行了逻辑回归。为了考虑潜在的人群分层，模型调整了年龄、性别和前十个主成分（PCs）。关联测试使用PLINK版本2.0（Chang Christopher C等人，2015年）进行。对于每个变异，估计了比值比（ORs）、95%置信区间（CI）和Wald检验p值。为了考虑在评估复制的候选SNP集合中的多重检验，使用了基于总测试变异数的Bonferroni校正阈值来确定统计显著性。

**基因-环境相互作用分析**
为了评估环境暴露是否改变与痤疮的遗传关联，进行了基因-环境相互作用分析。首先评估了环境因素与痤疮易感性的独立关联。在所有暴露水平上表现出稳健且一致表型相关性的变量被优先用于后续的GxE相互作用分析。相互作用效应使用多变量逻辑回归进行建模，同时调整了年龄和性别。为了透明度，所有其他环境因素的相互作用分析也是并行进行的，并在补充表S2中作为探索性数据报告。所有相互作用分析都是使用PLINK版本2.0（Chang Christopher C等人，2015年）和R版本4.5.1（Team，2025年）实施的。相互作用效应在乘法尺度上进行评估，并使用Wald检验评估效应修饰的统计证据。根据研究预先指定的标准，显示与环境暴露有统计学显著交互作用的变异被优先用于下游的功能映射和通路级别分析。

**功能注释**
使用公共基因组注释资源来表征分析变异的基因组背景。使用Ensembl（Dyer等人，2024年）和UCSC基因组浏览器（Perez等人，2025年）获得了基因组位置、基因邻近性和预测的功能后果。使用标准的窗口（每个位点上游和下游各500 kb）总结了区域基因组背景。在R中使用Gviz包（Hahne和Ivanek，2016年）进行了区域基因组特征的可视化。

**调控和转录组证据**
eQTL信息主要来自GTEx v8（Consortium等人，2020年），同时使用GTEx v6作为补充资源以确保全面的功能表征。在包括皮肤、脂肪细胞和血液在内的痤疮相关组织中审查了调控关联。应用了各自GTEx版本报告的显著性阈值和假发现率（FDR）控制。使用Haploreg v4.2（Ward和Kellis，2016年）进一步评估了候选变异的功能注释，以检查调控特征，包括染色质状态、转录因子结合和组织间的保守性。从Gene Expression Omnibus（Barrett等人，2012年）获取了痤疮病变皮肤和非病变皮肤的公共转录组数据，访问号为GSE53795（Kelh?l?等人，2014年）。使用原始研究提供的处理和标准化表达矩阵比较了配对样本，遵循数据集作者描述的程序。

**通路富集和蛋白质-蛋白质相互作用分析**
使用STRING平台（Szklarczyk等人，2024年）进行了功能富集分析。前景基因集包括从12个G×E显著变异中映射的蛋白质编码基因，所有注释的人类蛋白质编码基因被用作背景宇宙。对基因本体（GO）生物过程术语进行了过表达分析，显著性阈值保持为STRING报告的标准（Szklarczyk等人，2024年）。使用Benjamini-Hochberg方法进行了多重检验校正，假发现率（FDR）< 0.05被认为具有统计学意义。

**未引用的参考文献**
Chang等人，2015年；Pirazzi等人，2014年。