FTO基因变异rs9939609与肥胖风险之间的关联：一项病例对照研究

《Endocrine and Metabolic Science》：Association between the FTO gene variant rs9939609 and obesity risk: A case-control study

　　阿里纳尔·哈克（Arynal Haq）|娜妮·玛哈拉尼（Nani Maharani）|恩当·马哈蒂（Endang Mahati）|特里·英达·维纳尼（Tri Indah Winarni）|阿德里安·普拉莫诺（Adriyan Pramono）
印尼三宝垄大学医学院医学系

**摘要**
**背景**
肥胖是一个重大的全球健康问题，其成因是遗传、环境和生活方式之间的复杂相互作用。位于16号染色体12.2位置的脂肪质量和肥胖相关（FTO）基因，通过全基因组关联研究（GWAS）被确定为肥胖风险的关键遗传决定因素。本研究旨在调查FTO基因rs9939609变异与肥胖之间的关联，肥胖以体重指数（BMI）和腰围来定义。

**方法**
本研究在294名19–59岁的成年人中进行，包括93名非肥胖对照组（BMI 18.5–24.9 kg/m2）和201名肥胖对照组（BMI ≥25.0 kg/m2）。使用TaqMan等位基因鉴别测定法对FTO rs9939609基因进行基因分型。人体测量指标包括体重、身高和腰围。食物摄入量通过半定量食物频率问卷（SQ-FFQ）和三次24小时食物回顾来评估，而体力活动则通过国际体力活动问卷（IPAQ）进行评估。

**结果**
在调整年龄、性别、活动量和食物摄入量后进行多元回归分析，结果表明，FTO多态性的AA基因型与肥胖有显著关联，无论是按照BMI还是腰围来衡量（共显性模型：aOR = 3.63，95% CI：1.36–9.67，p = 0.01；隐性模型：aOR = 3.75，95% CI：1.47–9.62，p < 0.01）。同样，按照腰围来衡量，AA基因型也与肥胖风险增加相关（共显性模型：aOR = 3.05，95% CI：1.21–7.69，p = 0.02；隐性模型：aOR = 3.03，95% CI：1.25–7.34，p = 0.01）。

**结论**
FTO rs9939609的AA基因型与印尼人群中总体肥胖和中心性肥胖的风险显著增加有关。需要更大规模的纵向研究，结合额外的遗传、代谢和生活方式因素来确认这些发现，并进一步探究其对于肥胖风险评估的潜在意义。

**1. 引言**
肥胖是一个主要的全球健康问题，其特征是体内脂肪过度积累（世界卫生组织，2021年）。在南亚和东南亚地区，过去几十年来肥胖患病率一直在上升（Tham等人，2023年）。根据印度尼西亚全国健康调查，18岁以上人群的肥胖患病率从2013年的15.4%增加到2018年的21.8%，预计到2025年，每五个人中就有一个会肥胖（印度尼西亚共和国卫生部，2018年；世界肥胖组织，2020年）。同样，15岁以上人群的中心性肥胖患病率也从2013年的26.6%增加到2018年的31.0%（印度尼西亚共和国卫生部，2018年）。尽管总体肥胖和中心性肥胖在脂肪分布和具体健康影响上有所不同，但它们密切相关，并共同影响整体疾病风险（Harbuwono等人，2018年）。肥胖的诊断标准不仅限于BMI ≥25 kg/m2，通过腰围测量的腹部或内脏脂肪积累也与多种心血管代谢疾病的风险增加密切相关（Busetto等人，2024年；Harbuwono等人，2018年）。欧洲肥胖研究协会（EASO）也认识到腰围作为BMI补充指标在评估肥胖相关健康风险中的重要性（Busetto等人，2024年）。

在人类中，FTO基因位于16号染色体12.2位置，是一个编码蛋白质的基因，包含417,979个碱基对，分布在9个外显子上（Claussnitzer等人，2015年；Tews等人，2010年；Huang等人，2023年；Yang等人，2017年）。第1内含子内的变异，如rs9926289、rs9939609、rs8050136、rs9930501、rs9930506、rs17817449、rs9940646、rs9940128、rs1421085和rs8043757，已被广泛研究（Ali等人，2021年；Frayling等人，2007年；Tan等人，2014年；Yang等人，2017年）。所有在全基因组关联研究（GWAS）中发现的FTO变异都表现出强烈的连锁不平衡，表明其与肥胖风险有高度的相关性（Loos和Yeo，2014年），其中单核苷酸多态性（SNP）rs9939609是最常报告的变异，并与肥胖表型有最强的关联（Bairqdar等人，2023年；Karasawa等人，2010年）。FTO基因，特别是rs9939609变异，通过调节体重和能量稳态来影响肥胖风险（Stillman等人，2022年）。研究表明，携带A等位基因（T/A替换）的个体在下丘脑中的基因表达可能发生变化，导致能量摄入增加以及对高能量、高脂肪食物的偏好（Daya等人，2019年；Popovi?等人，2022年）。这种遗传倾向强调了精准医学方法的重要性，即肥胖的预防和治疗策略应根据个体的遗传特征进行定制（Cifuentes等人，2021年）。在本研究中，我们旨在利用体重指数（BMI）和腰围来调查FTO rs9939609多态性与肥胖风险之间的关联。

**2. 方法**
2.1. 研究设计
采用病例对照设计进行分析性观察研究，以评估FTO基因rs9939609变异作为肥胖的风险因素。研究在印度尼西亚三宝垄大学医学系中央实验室进行。数据收集和实验室分析在2024年7月至12月期间进行，已获得机构伦理委员会的批准。
2.2. 抽样技术和样本量
使用分层随机抽样技术选择参与者。首先根据肥胖状态（肥胖组和非肥胖组）对研究人群进行分层，以确保两组有充分的代表性。在每个层内，使用计算机生成的随机抽样方法随机选择符合纳入标准的参与者，以减少选择偏差。样本量通过功效分析确定，假设显著性水平为5%和统计功效为80%，结果至少需要270名受试者。然后将受试者按2:1的比例分配到病例组和对照组，以增加病例组的分析功效，同时保持足够的对照组数量进行比较。
2.3. 研究人群和样本
目标人群为19–59岁的个体。共招募了294名参与者，包括201名肥胖个体（病例组）和93名非肥胖个体（对照组），基于体重指数（BMI）分类。纳入标准为：(1) 年龄19–59岁；(2) 未接受饮食干预或未遵循特定饮食；(3) 对于女性参与者：未怀孕、哺乳或月经期。排除标准为：(1) 年龄≤18岁或≥60岁；(2) BMI <18.5 kg/m2；(3) 有或正在接受类固醇治疗；(4) 有慢性疾病、内分泌疾病、感染或遗传疾病。
2.4. 数据收集程序
2.4.1. 人体测量和生活方式评估
所有参与者均提供书面知情同意书，并接受结构化访谈以收集社会人口统计数据、饮食习惯和体力活动水平。体检包括生命体征、体重、身高和腰围测量。BMI计算方法为体重（kg）除以身高平方（m2），并根据世界卫生组织亚太标准进行分类。中心性肥胖定义为男性腰围>90 cm，女性腰围>80 cm。食物摄入量通过半定量食物频率问卷（SQ-FFQ）和3次24小时食物回顾来评估。体力活动通过国际体力活动问卷（IPAQ）进行评估。
2.5. 基因分析
2.5.1. DNA提取
使用EDTA管收集外周血样本（5–10 mL）。根据制造商的方案，使用Geneaid血液试剂盒从白细胞中提取基因组DNA。过程包括红细胞裂解、细胞膜破坏、蛋白质变性、乙醇沉淀和DNA洗脱。
2.5.2. 基因分型
使用TaqMan? SNP基因分型测定法（Assay ID：C__30090620_10；Thermo Fisher Scientific，美国）在QuantStudio5实时PCR系统（Applied Biosystems，美国）上进行FTO rs9939609（T > A）基因分型。反应体积为10 μL，包括5 μL TaqMan GTXpress Master Mix、0.5 μL SNP基因分型试剂、2.5 μL无核酸酶水和2 μL基因组DNA。PCR条件包括初始变性95°C 5分钟，随后是50个循环的95°C变性15秒和60°C退火/延伸90秒。使用QuantStudio? Design & Analysis Software v1.5.1分析等位基因鉴别，变异类型包括纯合野生型（TT）、杂合型（AT）和纯合变异型（AA）。
2.6. 统计分析
使用R版本4.4.1进行统计分析。使用Kolmogorov–Smirnov检验评估数据正态性。连续变量的差异使用独立t检验（对于正态分布的数据）或Mann–Whitney U检验（对于非正态分布的数据）进行评估。分类变量使用卡方检验进行分析。进行多变量逻辑回归以调整潜在的混杂因素。使用共显性、显性和隐性模型进行遗传关联敏感性分析。统计显著性设定为p < 0.05。

**3. 结果**
共有294名参与者纳入分析，包括93名非肥胖个体和201名肥胖个体（见表1）。非肥胖组的平均年龄（30.3 ± 11.0岁）低于肥胖组（37.6 ± 11.1岁）。非肥胖组的平均身高为159 ± 6.46 cm，肥胖组为163 ± 8.81 cm；平均体重分别为56.0 ± 7.29 kg和80.2 ± 15.1 kg。非肥胖组中72.0%为女性，28.0%为男性；肥胖组中37.8%为女性，62.2%为男性。非肥胖组中有76.3%的腰围正常，肥胖组中分别为12.9%；腰围过高者分别为23.7%和87.1%。在体力活动水平方面，非肥胖组中有48.4%、38.7%和12.9%的人活动量低、中、高，肥胖组分别为38.3%、32.8%和28.9%。在食物摄入方面，非肥胖组中有60.2%的摄入量正常，肥胖组中有55.7%的摄入量过量。非肥胖组中TT、AT和AA基因型的分布分别为47.3%、45.1%和7.5%，肥胖组分别为43.8%、41.3%和14.9%。

**表1. 根据BMI将研究人群分为肥胖组和非肥胖组**
变量 | 肥胖组（N = 201）| 非肥胖组（N = 93）| 总计（N = 294）
--- | --- | --- | ---
年龄（岁） | 37.6 ± 11.1 | 30.3 ± 11.0 | 35.3 ± 11.6
身高（cm） | 163 ± 8.81 | 159 ± 6.46 | 162 ± 8.29
体重（kg） | 80.2 ± 15.1 | 56.0 ± 7.29 | 72.6 ± 17.3
BMI（kg/m2） | 30.2 ± 4.3 | 22.1 ± 1.8 | 27.6 ± 5.3
性别 | 女性 | 76（37.8%） | 67（72.0%） | 143（48.6%） | 男性 | 125（62.2%） | 26（28.0%） | 151（51.4%）
腰围 | 正常 | 26（12.9%） | 71（76.3%） | 97（33.0%） | 高 | 175（87.1%） | 22（23.7%） | 197（67.0%）
活动量 | 高 | 77（38.3%） | 45（38.4%） | 122（41.5%） | 中 | 66（32.8%） | 36（38.7%） | 102（34.7%） | 低 | 58（28.9%） | 12（12.9%） | 70（23.8%）
食物摄入 | 正常 | 89（44.3%） | 56（60.2%） | 145（49.3%） | 过量 | 112（55.7%） | 37（39.8%） | 149（50.7%）
基因型 | TT | 88（43.8%） | 44（47.3%） | 132（44.9%） | AT | 83（41.3% | 42（45.2%） | AA | 30（14.9%） | 7（7.5%） | 37（12.6%）

**3.1. 未校正的逻辑回归模型**
多变量逻辑回归分析的结果总结在表2中，分析了与肥胖和中心性肥胖相关的因素。变量包括人口统计特征（年龄、性别、身高和体重）、生活方式因素（体力活动和高摄入量）以及不同遗传模型（共显性、显性和隐性）下的FTO多态性变异。

**表2. 未校正逻辑回归分析的总结**
研究了人口统计、生活方式和遗传因素与两种结果（肥胖和中心性肥胖）之间的关联。
变量 | 肥胖 | 中心性肥胖
--- | --- | ---
OR（95% CI） | p值 | OR（95% CI） | p值
年龄（岁） | 1.06（95% CI：1.04至1.09） | <0.01 | 1.06（95% CI：1.04至1.09） | <0.01
身高（cm） | 1.05（95% CI：1.02至1.09） | <0.01 | 1.06（95% CI：1.03至1.09） | <0.01
体重（kg） | 1.28（95% CI：1.20至1.36） | <0.01 | 1.17（95% CI：1.12至1.21） | <0.01
性别 | 女性 | 参考 | 参考 | 男性 | 4.24（95% CI：2.48至7.24） | <0.01 | 2.38（95% CI：1.44至3.92） | <0.01
活动量 | 高 | 参考 | 参考 | 中 | 1.07（95% CI：0.62至1.85） | 0.81 | 0.55（95% CI：0.32至0.96） | 0.03 | 低 | 2.82（95% CI：1.37至5.82） | <0.01 | 1.60（95% CI：0.80至3.18） | 0.18
食物摄入 | 正常 | 参考 | 参考 | 过量 | 1.90（95% CI：1.16至3.14） | 0.01 | 1.21（95% CI：0.75至1.98） | 0.43
共显性 | TT | 参考 | 参考 | AT | 0.99（95% CI：0.59至1.66） | 0.96 | 1.09（95% CI：0.65至1.83） | 0.74
AA | 2.14（95% CI：0.87至5.26） | 0.10 | 2.00（95% CI：0.85至4.74） | 0在主要模型中，携带AT + AA基因型的个体与TT基因型相比，肥胖的 odds 没有显著增加（OR = 1.15，95% CI: 0.70–1.89，p = 0.57）。在隐性模型中，AA基因型的个体肥胖风险是AT + TT基因型的两倍（OR = 2.16，95% CI: 0.91–5.11，p = 0.08），尽管这一结果没有达到统计显著性。在基于腰围的中心性肥胖模型中，年龄较大、身高较高和体重较重都与中心性肥胖呈正相关（年龄：OR = 1.06，95% CI: 1.04–1.09，p < 0.01；身高：OR = 1.06，95% CI: 1.03–1.09，p < 0.01；体重：OR = 1.17，95% CI: 1.12–1.21，p < 0.01）。男性比女性更容易患有中心性肥胖（OR = 2.38，95% CI: 1.44–3.92，p < 0.01）。在体力活动方面，低活动量的个体与高活动量的个体没有显著差异（OR = 1.60，95% CI: 0.80–3.18，p = 0.18），而中等活动量的个体中心性肥胖的风险较低（OR = 0.55，95% CI: 0.32–0.96，p = 0.03）。食物摄入量与中心性肥胖没有显著关联（OR = 1.21，95% CI: 0.75–1.98，p = 0.43）。关于基因多态性，没有一个基因型模型显示出与中心性肥胖的显著关联。在共显性模型中，AT基因型（OR = 1.09，95% CI: 0.65–1.83，p = 0.74）和AA基因型（OR = 2.00，95% CI: 0.85–4.74，p = 0.11）与TT参考组没有显著差异。在显性模型中，AT + AA基因型的个体与TT基因型相比没有显著差异（OR = 1.24，95% CI: 0.76–2.02，p = 0.39）。在隐性模型中，AA基因型的个体与AT + TT基因型相比也没有显著关联（OR = 1.92，95% CI: 0.84–4.38，p = 0.12）。

3.2. 多变量回归分析FTO rs9939609与肥胖的关系（基于BMI）
第一个基于BMI的肥胖模型进一步使用多元逻辑回归进行了分析，调整了基因变量、年龄、性别、活动和食物摄入量。年龄、性别、低活动量和过量食物摄入量被一致地认为是肥胖的重要预测因素。在共显性模型中（图1A），年龄（aOR: 1.06，95% CI: 1.03–1.09，p < 0.01）、男性性别（aOR: 2.74，95% CI: 1.51–4.99，p < 0.01）、低体力活动（aOR: 2.51，95% CI: 1.13–5.57，p = 0.02）和过量食物摄入量（aOR: 1.79，95% CI: 1.01–3.18，p = 0.05）是肥胖的显著风险因素。对于遗传因素，FTO多态性的AA基因型与肥胖有强烈关联（aOR: 3.63，95% CI: 1.36–9.67，p = 0.01），而AT基因型没有显著关联（aOR: 0.93，95% CI: 0.52–1.67，p = 0.80）。

在显性模型中（图1B），年龄与肥胖显著相关（aOR: 1.05，95% CI: 1.03–1.08，p < 0.01）。同样，男性（aOR: 2.63，95% CI: 1.46–4.73，p < 0.01）、低体力活动（aOR: 2.35，95% CI: 1.08–5.15，p = 0.03）和过量食物摄入量（aOR: 1.79，95% CI: 1.02–3.14，p = 0.04）也是肥胖的显著预测因素。相比之下，在显性模型中，FTO变异与肥胖没有显著关联（aOR: 1.25，95% CI: 0.73–2.17，p = 0.42）。同样，在隐性模型中（图1C），年龄较大（aOR: 1.06，95% CI: 1.03–1.09，p < 0.01）、男性性别（aOR: 2.74，95% CI: 1.51–4.99，p < 0.01）、低体力活动（aOR: 2.52，95% CI: 1.14–5.59，p = 0.02）和过量食物摄入量（aOR: 1.79，95% CI: 1.01–3.18，p = 0.05）也是肥胖的显著预测因素。就遗传贡献而言，FTO多态性的AA基因型个体的肥胖风险高于AT/TT基因型携带者（aOR: 3.75，95% CI: 1.47–9.62，p < 0.01）。

3.3. 多变量回归分析FTO rs9939609与肥胖的关系（基于腰围）
第二个基于腰围的模型还使用了三种等位基因分析方法进行了进一步评估，即共显性、显性和隐性模型。在共显性模型中（图2A），年龄增长与中轴性肥胖的风险增加显著相关（aOR: 1.06，95% CI: 1.03–1.09，p < 0.01）。男性性别显示出增加风险的趋势，但未达到显著水平（aOR: 1.71，95% CI: 0.96–3.06，p = 0.07）。中等体力活动对肥胖具有保护作用（aOR: 0.52，95% CI: 0.28–0.95，p = 0.03），而低活动量没有显著效果。过量食物摄入量与中心性肥胖没有显著关联（aOR: 1.21，95% CI: 0.70–2.10，p = 0.49）。FTO多态性的AA基因型个体中心性肥胖的风险显著增加（aOR: 3.05，95% CI: 1.21–7.69，p = 0.02），而AT基因型没有显著关联（aOR: 1.02，95% CI: 0.58–1.78，p = 0.96）。

在显性模型中（图2B），年龄是中心性肥胖的显著预测因素（aOR: 1.06，95% CI: 1.03–1.08，p < 0.01）。男性性别也有显著关联（aOR: 1.66，95% CI: 0.94–2.94，p = 0.08）。体力活动显示出保护作用，中等活动量的个体比高活动量的个体更不容易患中心性肥胖（aOR: 0.53，95% CI: 0.29–0.97，p = 0.04），但低活动量没有显著关联（aOR: 1.42，95% CI: 0.68–2.97，p = 0.35）。食物摄入量（aOR: 1.22，95% CI: 0.71–2.11，p = 0.46）和显性FTO基因型（AT + AA vs. TT: aOR: 1.29，95% CI: 0.76–2.19，p = 0.34）与中心性肥胖风险没有显著关联。在隐性模型中（图2C），多变量逻辑回归显示年龄增长与中心性肥胖独立相关（aOR: 1.06，95% CI: 1.03–1.09，p < 0.01）。男性没有显著影响（aOR: 1.71，95% CI: 0.96–3.06，p = 0.07），而体力活动有显著效果，中等活动量相对于高活动量可降低中心性肥胖的风险（aOR: 0.52，95% CI: 0.28–0.95，p = 0.03），低活动量没有显著关联（aOR: 1.47，95% CI: 0.70–3.10，p = 0.31）。值得注意的是，FTO多态性的AA基因型个体比AT或TT基因型携带者更容易患中心性肥胖（aOR: 3.03，95% CI: 1.25–7.34，p = 0.01）。

4. 讨论
本研究显示，FTO rs9939609变异与研究人群中的肥胖风险增加有关，这体现在BMI和腰围上。在携带AA基因型的个体中，这种关联似乎更强，表明可能存在隐性遗传效应。这些发现表明FTO基因可能在增加个体对肥胖的易感性方面起着重要作用，特别是通过调节体重和脂肪积累的机制。这一观察结果与先前的研究一致，这些研究在包括孟加拉国、韩国和印度尼西亚在内的多个国家报告了rs9939609携带者肥胖易感性增加的情况（Al-Jawadi et al., 2021; Daya et al., 2019; Park and Choi, 2023; Priliani et al., 2020; Salim et al., 2020; Shill and Alam, 2023）。更详细地说，雅加达的一项研究报道，AT或AA基因型携带者的肥胖风险是TT基因型携带者的三到四倍，并且他们的和高脂肪食物的摄入量也高出六倍（Al-Jawadi et al., 2021）。同样，另一项研究在女性和农村人群中观察到AA基因型携带者的BMI更高（Priliani et al., 2020）。然而，值得注意的是，包括FTO rs9939609在内的基因多态性在不同种族人群中的等位基因频率及其与肥胖的关联可能有所不同。因此，本研究的结果应在特定背景下进行解释，特别是在印度尼西亚人群中。遗传背景、环境暴露和生活方式因素的差异可能导致不同地区研究中观察到的关联强度的差异。

这种关联的生物学机制涉及FTO编码的N6-甲基腺苷（m6A）RNA去甲基化酶的表达改变，从而导致目标RNA（包括调控瘦素表达的RNA）的m6A修饰减少（Daya et al., 2019）。下丘脑中瘦素信号传导的破坏，通过受损的瘦素pSTAT3信号传导，会升高CX3CL1的表达，进而与CX3CR1受体相互作用，导致SOCS3的积累。这一过程抑制了下丘脑对瘦素的反应，导致瘦素抵抗和饱腹感信号传导受损。此外，脂肪生成基因（包括RUNX1T1）的可变剪接失调会促进脂肪细胞分化并加速脂肪组织积累，从而增加整体肥胖风险（Azzam et al., 2022; Daya et al., 2019; Liu et al., 2024; Magno et al., 2018）。除了遗传因素外，这项研究还发现肥胖和中心性肥胖风险与年龄、性别、食物摄入量和体力活动有显著关联。年龄增长与肥胖患病率增加相关，可能是由于基础代谢率降低、激素变化和体脂重新分布（Wells et al., 2007）。此外，性别特定的脂肪分布模式，即男性内脏脂肪占主导地位而女性皮下脂肪积累较多，可能解释了男性和女性在中心性肥胖和代谢紊乱方面的差异（Wells et al., 2007）。值得注意的是，较高水平的体力活动似乎可以预防肥胖，特别是在具有遗传易感性的人中。然而，这种效应可能因使用的肥胖指标而异。这些发现支持定期体力活动在减少脂肪质量和增加瘦肌肉质量方面的重要性，从而可能提高代谢效率（Martinez et al., 2019）。先前的研究表明，体力活动可能减轻FTO风险等位基因的致胖效应，强调了生活方式干预在遗传易感个体中的潜力（Martinez et al., 2019）。尽管如此，食物摄入量对我们队列中的肥胖风险的影响较小。同时，其他研究显示FTO变异与偏好高能量密度食物有很强的关联（Azzam et al., 2022; Daya et al., 2019），这可能与受试者的测量方法有关。虽然多基因风险评分本身可能不会带来显著的行为改变（Law et al., 2023; Li et al., 2016），但结合基因咨询和定制的生活方式干预可能会提高依从性和效果。针对高风险基因型（特别是FTO rs9939609 AA携带者）的精准医疗方法可能有助于改善肥胖预防和管理。

然而，这项研究也存在一些局限性。首先，一些预测因素与结果之间的关联不明确，这可能是由于测量偏差造成的。食物摄入量是通过SQ-FFQ和3×24小时食物回忆法评估的，这两种方法都存在回忆偏差和报告不准确的问题。同样，体力活动是通过IPAQ问卷评估的，可能无法完全捕捉长期活动模式。最后，未测量因素如激素状态、心理压力和睡眠质量（已知是肥胖的风险因素）未包括在本研究中。将这些因素纳入未来的风险评估可能会提供更强有力的证据，证明遗传因素与肥胖风险之间的关联，并强调在肥胖预防策略中纳入遗传风险分层的相关性。

5. 结论
本研究的结果表明，FTO rs9939609变异是肥胖的一个重要风险因素。在肥胖组中，这种变异的频率高于非肥胖组，表明存在遗传倾向。此外，生活方式和人口统计因素如年龄、性别、体力活动水平和食物摄入量也被证明对肥胖风险有贡献。然而，未来研究探索其他潜在的修饰因素，包括压力、睡眠质量和持续时间以及激素谱型，可能会更全面地了解遗传因素与环境之间的相互作用。此外，鉴于印度尼西亚不同地区的文化、食物和生活方式的多样性，建议在不同地区进行多中心研究合作，以进一步探讨观察到的遗传关联的影响。他们已经清楚地了解了研究的目的、程序以及他们随时有权在没有任何后果的情况下退出研究的权利。所有个人数据都经过了匿名处理，以保护参与者的隐私。

资金来源：作者没有收到任何外部资助。