代谢不健康型肥胖学龄儿童的核DNA和线粒体DNA表观遗传修饰与血清铁生物标志物紊乱有关
发布时间:
2025-06-02 12:31
代谢不健康型肥胖学龄儿童的核DNA和线粒体DNA表观遗传修饰与血清铁生物标志物紊乱有关
夏露露 ,罗欣 ,梁月清 ,蒋雪怡 ,杨文丽 ,闫洁 ,齐可民 和平莉
摘要
背景:血清铁生物标志物在肥胖及其相关代谢综合征(MetS)进展过程中会出现紊乱。然而,关于血清铁生物标志物与代谢综合征发病率之间相互作用的研究证据有限。因此,本研究旨在探讨代谢不健康型肥胖(MUO)学龄儿童的核DNA和线粒体DNA(mtDNA)表观遗传修饰是否与血清铁生物标志物紊乱有关。
方法:采用104名肥胖学龄儿童的数据进行了一项具有代表性的横断面研究,以非肥胖受试者作为对照 。然后,根据是否伴有代谢综合征,将104名肥胖受试者分为代谢健康型肥胖(MHO, )和代谢不健康型肥胖(MUO) 亚组。采用酶联免疫吸附测定法(Elisa)测定他们的血清代谢指标、转铁蛋白受体1(TFR1)、转铁蛋白(TF)和全基因组甲基化水平。此外,采用亚硫酸氢盐测序PCR(BSP - PCR)测定TFR1和TF的甲基化水平。进一步地,采用逆转录PCR(RT - PCR)检测线粒体DNA的拷贝数(mtDNA - CN)和甲基化水平,然后采用半长逆转录PCR评估线粒体DNA的损伤情况。
结果:与对照组和MHO组相比,MUO组的代谢综合征相关指标、人体学特征和8 - 羟基脱氧鸟苷(8 - OHdG)水平更高,而过氧化氢酶(CAT)、谷胱甘肽过氧化物酶(GSH - Px)、TF、TFR1和全基因组甲基化水平更低,且与体重指数(BMI)无关( )。此外,MHO组和MUO组的血清铁含量均低于对照组(P < 0.017)。而且,血清铁含量与血清CAT和GSH - Px含量呈正相关,与8 - OHdG、TF和TFR1呈负相关(P < 0.05)。此外,MUO组TF、TFR1和线粒体DNA的甲基化模式高于
夏露露、罗欣和梁月清对本研究贡献相同。
* 通信作者:
平莉
liping87117@163.com
作者的完整信息可在文章末尾获取
MHO组和对照组 ,且与它们的血清含量呈负相关 。同时,线粒体DNA甲基化/未甲基化比率与线粒体DNA拷贝数和损伤情况显著相关(P < 0.05)。
结论:我们的研究结果表明,核DNA(全基因组DNA、TF和TFR1)和线粒体DNA的表观遗传修饰受损与血清铁生物标志物紊乱有关,这可能参与了代谢不健康型肥胖学龄儿童代谢综合征的病理生理过程。
试验注册:本研究已获得首都医科大学附属北京儿童医院伦理委员会批准(编号:IEC - C - 006 - A04 - V.06),并在网站http://www.chictr.org.cn/showproj.aspx?proj = 4673注册(编号:ChiCTR - OCH - 14004900)。
关键词:铁;代谢综合征;线粒体DNA;甲基化;代谢不健康型肥胖
背景
儿童肥胖作为一种过度的脂肪组织堆积,已成为对几种代谢综合征(MetS)的发生产生不利影响的公共卫生问题之一,即腹部肥胖、动脉高血压、血脂异常、胰岛素抵抗、异常的脂质和葡萄糖代谢等,其中超过35%的肥胖儿童至少出现一种上述代谢综合征[1, 2]。与此同时,现有研究也证实,肥胖参与者是否患有代谢综合征对儿童健康有不同程度的显著影响[1]。因此,应首要明确区分不同类型的肥胖,如代谢健康型肥胖(MHO)和代谢不健康型肥胖(MUO),以提供相关的个性化预防和治疗策略[3]。最近,大多数研究主要关注膳食宏量营养素在代谢不健康型肥胖进展过程中的作用,如脂肪和碳水化合物的类型和/或组成。此外,关于微量营养素(包括铁)的相关作用知之甚少[1 - 3]。
作为几乎所有生物必需的元素,根据世界卫生组织(WHO)的数据,缺铁仍然是最常见的疾病[4]。铁在肥胖发展过程中有多种生理功能,它可以作为过氧化氢酶(CAT)、细胞色素、血红蛋白、肌红蛋白和其他非血红素蛋白等抗氧化酶的重要辅助因子,参与脂肪细胞的增殖和分化、DNA合成等过程[5, 6]。同时,铁还可以通过芬顿氧化反应形成有毒的氧自由基,调节线粒体的生物发生和动态变化[7]。因此,适当摄入铁对于避免肥胖(包括代谢健康型肥胖和代谢不健康型肥胖)的进展相当重要。最近,许多研究结果强调,肥胖儿童缺铁的风险随着身体质量指数(BMI)的增加而持续上升[8]。此外,更详细的分层分析也表明,由于低度慢性炎症,缺铁的患病率在肥胖过程中并未增加[9]。此外,苏亚雷斯 - 奥尔特贡(Suárez - Ortegón)等人还证明,代谢综合征人群中的铁储备显著增加[10]。因此,血清铁与 发病率之间的相关性仍不一致。在这种情况下,我们的目标是探讨学龄期代谢健康型肥胖和代谢不健康型肥胖儿童血清铁生物标志物与肥胖发生之间的关联。
众所周知,血清铁在转化过程中有两种不同的形式,即亚铁 和三价铁 。因此,这些铁代谢紊乱会产生大量的活性氧(ROS),对细胞核DNA和线粒体DNA(mtDNA)造成很大损害,从而导致一系列健康问题,如代谢不健康型肥胖和代谢健康型肥胖[14 - 16]。在这个生理过程中,许多蛋白质参与了铁的摄取、储存和外排,如转铁蛋白受体1(TFR1)、转铁蛋白(TF)等[11 - 16]。确切地说,两个 原子可以与转铁蛋白结合形成饱和状态,并转运到细胞表面,通过转铁蛋白受体1介导的内吞作用进入细胞。然后,转铁蛋白受体1可以与血色素沉着症蛋白形成复合物,作为铁感应机制的一个组成部分 。如前所述,我们之前的研究已经证明,在肥胖进展过程中存在甲基化水平紊乱[19]。王 等人也证实,目前的研究结果揭示了铁过载对表观遗传时钟加速的因果关系,为包括转铁蛋白、转铁蛋白受体1等在内的潜在干预措施提供了依据[20]。此外,在线粒体DNA的甲基化和羟甲基化紊乱也在癌症、肥胖、糖尿病、心血管疾病和神经退行性疾病等动物模型和人体组织中被发现[21]。然而,转铁蛋白、转铁蛋白受体1等铁代谢基因的DNA甲基化改变与线粒体DNA之间的关系仍需进一步验证,因此我们进行了这项具有代表性的横断面研究,以评估学龄期代谢不健康型肥胖儿童细胞核DNA和线粒体DNA的表观遗传修饰,并探讨它们与铁生物标志物紊乱的关联。
材料与方法
研究对象
根据美国疾病控制与预防中心(Centers for Disease Control and Prevention, CDC)基于年龄和性别的身体质量指数(body mass index, BMI)分类系统,开展了一项具有代表性的横断面研究,选取104名肥胖学龄儿童作为实验对象,同时通过匹配年龄、性别等因素,选取65名BMI正常的参与者作为对照[22]。2019年7月至2022年4月期间,在北京儿童医院临床营养科,按照严格的纳入和排除标准对上述所有受试者进行研究。具体而言,纳入的受试者为7 - 12岁的健康学龄儿童,无明显的内分泌、自身免疫和遗传代谢疾病。相反,如果参与者此前被诊断为与肥胖共存的遗传综合征、库欣综合征(Cushing’s syndrome)、其他继发性肥胖原因、慢性躯体疾病(心力衰竭、播散性脑脊髓炎痴呆等)和严重精神障碍,则被排除在外。同时,如果参与者及其监护人未提供书面知情同意书,也将被排除。此外,如果受试者因失去兴趣、随访记录缺失或其他不明原因,可主动退出研究。
本研究获得首都医科大学附属北京儿童医院伦理委员会批准(编号:IEC - C - 006 - A04 - V.06),并在http://www.chictr.org.cn/showproj.aspx?proj = 4673网站注册(编号:ChiCTR - OCH - 14004900)。同时,经过培训的调查人员向所有受试者及其监护人明确告知了本调查的意义后,获得了他们的书面知情同意书。
身体成分测量
北京儿童医院临床营养科经过培训的儿科医生通过面对面的方式收集纳入受试者的基本特征。对个体的身高(德国Seca 213)和体重(中国see - higher的H - key 350)进行三次重复测量并记录,以确定BMI、年龄别身长Z评分(length for age Z score, LAZ)、年龄别体重Z评分(weight for age Z score, WAZ)和年龄别BMI Z评分(BMI for age Z score, BMIZ)的值。同时,在空腹状态下,使用全身阻抗分析仪(中国海康的H - key 350)通过生物电阻抗分析(bio - electrical impedance analyses, BIA)获得他们的身体成分,包括体脂、肌肉量、内脏脂肪面积(visceral fat area, VFA)和腰臀比。
血液样本采集
经过培训的专业研究人员在严格统一的方案下,在完成身体成分检测后,于上午8点至9点之间从每位参与者处采集外周血样本(约 )。然后,尽快在 条件下室温放置 后收集血清样本,将其分装到两个EP管中,其中一管留在北京儿童医院检验科用于测定生化指标浓度,另一管立即保存在 条件下备用。
血清生物学指标测定
使用美国贝克曼库尔特5821型全自动生化分析仪测定血清生物学指标,如甘油三酯(triglyceride, TG)、总胆固醇(total cholesterol, TC)、高密度脂蛋白胆固醇(high density lipoprotein cholesterol, HDL - C)、低密度脂蛋白胆固醇(low density lipoprotein cholesterol, LDL - C)、极低密度脂蛋白胆固醇(very low density lipoprotein cholesterol, VLDL - C)、空腹血糖(fasting blood glucose, FBG)、丙氨酸氨基转移酶(alanine aminotransferase, ALT)和天冬氨酸氨基转移酶(aspartate aminotransferase, AST)。然后,使用德国西门子免疫组化化学发光免疫分析仪检测空腹胰岛素(fasting insulin, FINS),并计算胰岛β细胞功能稳态模型评估指标(homeostasis model assessments for - cells function, HOMA - )和胰岛素抵抗稳态模型评估指标(homeostasis model assessments for insulin resistance, HOMA - IR),以评估胰岛β细胞功能。此外,使用美国伯乐公司的高效液相色谱仪(high - performance liquid chromatography, HPLC, Bio - Rad Variant II Turbo)检测血清糖化血红蛋白(glycosylated hemoglobin, HbA1c)。
代谢不健康型肥胖(MUO)和代谢健康型肥胖(MHO)亚组的定义
在104名肥胖学龄儿童中,根据de Ferranti等人[23]提出的儿童代谢综合征(MetS)各组分标准,分别定义了代谢健康型肥胖(MHO )和代谢不健康型肥胖(MUO )亚组,这些标准包括 、 、 、 或 。
血清氧化酶活性评估
按照试剂盒制造商的说明,使用商业试剂盒检测血清中超氧化物歧化酶(SOD)(南京建成生物工程研究所,中国,编号A001 - 3)、过氧化氢酶(CAT)(上海酶联生物科技有限公司,中国,编号ml095171)和谷胱甘肽过氧化物酶(GSH - Px)(上海酶联生物科技有限公司,中国,编号ml09526)的含量。
血清铁、转铁蛋白(TF)和转铁蛋白受体1(TFR1)的测定
采用电感耦合等离子体质谱仪(ICP - MS)检测血清铁浓度,按照试剂盒制造商的说明,使用商业检测试剂盒测定血清转铁蛋白(TF)(上海酶联生物科技有限公司,中国,编号ml092732)和转铁蛋白受体1(TFR1)(上海酶联生物科技有限公司,中国,编号ml063113)的含量。
DNA提取及……的检测
8 - 羟基脱氧鸟苷(8 - OHdG)
在严格控制的工作环境中,使用天根血液凝固DNA提取试剂盒(天根生化科技(北京)有限公司,中国,编号DP335 - 02)从所有纳入研究对象 的外周血(约 )中提取DNA样本。使用NanoDrop 2000 C(赛默飞世尔科技(中国)有限公司)评估纯化DNA的量。然后,使用酶联免疫吸附测定(Elisa)试剂盒(武汉华美生物工程有限公司,中国,编号CSB - E10140h)检测作为氧化DNA损伤标志物的8 - OHdG。具体而言,将DNA样本与稀释的 抗体在 条件下孵育 ,随后洗涤三次,再与辣根过氧化物酶(HRP)标记的链霉亲和素在 条件下孵育 。最后,用四甲基联苯胺(TMB)终止反应,并使用酶标仪在 波长处进行分析。
全基因组甲基化和羟甲基化
按照试剂盒制造商的说明,使用相关酶联免疫吸附测定(Elisa)试剂盒,取约 的DNA样本测定全基因组甲基化水平(Methyl - Flash甲基化DNA定量试剂盒,Epigentek公司,美国,编号P - 1034 - 96)和羟甲基化水平(MethylFlash全球DNA羟甲基化(5 - hmC)Elisa简易试剂盒,Epigentek公司,美国,编号P - 1032 - 96)。

图1 转铁蛋白(TF)和转铁蛋白受体1(TFR1)中的CpG位点和序列。注:A:转铁蛋白(TF),B:转铁蛋白受体1(TFR1)。TF:转铁蛋白,TFR1:转铁蛋白受体1
转铁蛋白(TF)和转铁蛋白受体1(TFR1)中CpG位点的甲基化模式
根据制造商的说明,使用EZ DNA甲基化试剂盒(美国加利福尼亚州欧文市的Zymo Research公司,编号D5002)对DNA样本进行亚硫酸氢盐转化,以确定甲基化水平。通过NCBI基因库数据库(http://www.ncbi.nlm.nih.gov)获取转铁蛋白(TF,正向引物:TTATTTTTAGGA AAAGGTTTGGTTTT,反向引物:CCTTCTATAACCTT CAAAACCCTCT)和转铁蛋白受体1(TFR1,外侧正向引物:TTTTTTT GTATTTTGAGGTTGTAA AATAT,内侧正向引物:TTT GAGGTTGTAAAATATATTTTTATAAGA,反向引物:CTTCCTCCACCCTAATAACCTAAC)中CpG岛的目标序列。使用Meth - Primer(http://www.urogene.org/methprimer)根据目标区域的序列设计甲基化引物。同时,图1展示了跨越的CpG位点。然后,由北京基因组研究所(生工生物工程(上海)股份有限公司)对上述经亚硫酸氢盐转化的DNA样本进行检测,其中PCR反应条件为 进行 个循环, 进行5分钟。
线粒体DNA含量及损伤评估
使用实时定量聚合酶链反应(RT - PCR)测定线粒体DNA的含量,通过MTF3212/R3319(正向引物:CACCCAAGAACAGGGTTTGT,反向引物:TGGCC ATGGGTATGTTAA)和ND1(正向引物:ATGGCCAAC CTCCTACTCCT,反向引物:CTACAACGTTGGGGCCTTT)的比值进行测量,以RPLP0(正向引物:CAGCAAGTGG GAAGGTGTAATCC,反向引物:CCCATT CTATCATCAACGG GTACAA)作为对照基因。
采用半长程RT - PCR技术检测线粒体DNA损伤,在该技术中,模板链上的DNA损伤会阻碍DNA聚合酶,导致目标序列的扩增减少[24]。只有没有任何DNA损伤的DNA模板才能被扩增。因此,根据泊松分布,使用修正公式“线粒体DNA损伤数量 ”计算每个片段的线粒体DNA损伤数量。上述反应中的引物分别为ND1长正向引物:ATGGCCAACCTCCTA CTCCT,ND1长反向引物:GATGAGTGTGCCTGCAAAG A,ND1短正向引物:CCTAA AACCCGCCACATCTA,ND1短反向引物:GCCTAGGTTGAGGTTGACCA。然后,上述反应进行重复实验,反应条件为 进行 , 进行 , 个循环, 进行 。
线粒体DNA甲基化水平检测
通过D环区中甲基化线粒体DNA(正向引物:TAGGAATTA AAGATAGATATTGCGA,反向引物:ACTCTCCATACATTTA ATATTTTCGTC)和未甲基化线粒体DNA(正向引物:GGTA GGAATTAAAGATAGATATTGTGA,反向引物:ACTCTCCAT ACATTTAATATTTTCATC)的估计量之比来确定甲基化水平[24, 25]。
统计分析
统计分析使用SPSS 21.0软件进行。具体而言,通过科尔莫戈罗夫 - 斯米尔诺夫拟合优度检验(Kolmogorov - Smirnov - Goodness - of - Fit test)评估数据的正态性,当连续描述性变量符合正态分布时,以均值±标准误(SE)表示,分类数据以百分比(%)表示。否则,选择四分位间距(IQR)来展示非正态分布的变量。此外,由于线粒体DNA(mtDNA)的甲基化/非甲基化状态及含量数据呈非正态分布,采用对数转换法进行分析。然后,分别使用单因素方差分析(One - way analysis of variance,ANOVA)的多重检验和卡方检验对连续参数和分类参数进行比较,并使用邦费罗尼检验(Bonferroni’s test)进行显著性比较,以确定两两分组间的差异。同时,当数据不呈正态分布时,采用曼 - 惠特尼U非参数检验来确定不同组间的差异。此外,通过校正性别、年龄和其他混杂因素,计算斯皮尔曼相关系数,以评估甲基化水平与相关酶、生物学指标、生长结局和身体成分之间的关系。进一步综合评估残差标准误和半标准化系数,以确定特殊值的敏感性。双侧P < 0.05被认为具有统计学意义,而在邦费罗尼校正检验中,P < 0.017被视为存在显著差异。同时,假设代谢健康型肥胖(MHO)组、代谢不健康型肥胖(MUO)组和对照组之间的DNA甲基化水平(或mtDNA拷贝数)均值及其相关标准差,一类错误设定为0.017,结合当前样本量,最终可选择检验效能大于80%来识别其均值差异。
结果
不同组参与者的基本特征
不同组纳入参与者的基线特征总结于表1。在169名个体中,60名(35.50%)、44名(26.04%)和65名(38.46%)受试者分别被定义为MHO组、MUO组和对照组。在这三组中,年龄、性别、身高、身高别年龄Z评分(LAZ)、肌肉量、母亲特征(身高、体重和身体质量指数,BMI)和父亲特征(身高、体重和BMI)无显著差异(P > 0.05)。显然,与对照组相比(表1和表2),MUO组和MHO组的体重、BMI、体重别年龄Z评分(WAZ)、BMI别年龄Z评分(BMIZ)、体脂、腰臀比、内脏脂肪面积(VFA)、血红蛋白、空腹胰岛素(FINS)、稳态模型评估胰岛β细胞功能指数(HOMA - β)、稳态模型评估胰岛素抵抗指数(HOMA - IR)、甘油三酯(TG)、总胆固醇(TC)、低密度脂蛋白胆固醇(LDL - C)、谷丙转氨酶(ALT)和谷草转氨酶(AST)显著升高(P < 0.05),且MUO组的体脂和VFA比MHO组更严重(P < 0.05)。
表1 不同组受试者的基本特征
| 变量 | 对照组(n = 65) | 代谢健康型肥胖组(MHO组,n = 60) | 代谢不健康型肥胖组 | F/X | |
| 受试者特征 | |||||
| 年龄 | 0.117 | 0.733 | |||
| 性别(男性比例) | 38 (58.46) | 35 (58.33) | 27 (61.37) | 0.119 | 0.942 |
| 身高(厘米) | 0.073 | 0.942 | |||
| 体重(千克) | 4.251 | 0.033 | |||
| 身体质量指数(BMI,千克/平方米) | 29.01±2.35* | 4.869 | 0.005 | ||
| Z评分 | |||||
| 身高别年龄Z评分(LAZ) | 1.225 | 0.224 | |||
| 体重别年龄Z评分(WAZ) | * | 4.429 | 0.018 | ||
| 身体质量指数(BMI) | 5.406 | <0.001 | |||
| 身体成分 | |||||
| 体脂肪(千克) | 29.012 | <0.001 | |||
| 肌肉量(千克) | 0.829 | 0.438 | |||
| 体脂肪百分比 | 39.21±4.72* | 40.77±4.75* | 61.460 | <0.001 | |
| 肌肉量百分比 | 57.13±4.45* | 64.821 | <0.001 | ||
| 内脏脂肪面积百分比 | 101.09 ± 12.08 | 128.73 ± 17.74* | 3.746 | 0.045 | |
| 腰臀比 | 4.709 | 0.011 | |||
| 母亲特征 | |||||
| 身高(厘米) | 0.161 | 0.689 | |||
| 体重(千克) | 0.163 | 0.688 | |||
| 身体质量指数(BMI,千克/平方米) | 0.358 | 0.552 | |||
| 父亲特征 | |||||
| 身高(厘米) | 173.74±6.23 | 2.294 | 0.061 | ||
| 体重(千克) | 77.73 ± 13.14 | 1.407 | 0.249 | ||
| 身体质量指数(BMI,千克/平方米) | 3.032 | 0.052 | |||
注 性别百分比以 表示,并在三个不同组间采用 检验进行分析;而其他变量以均值 标准差(SD)表示,并在进行单因素方差分析(ANOVA)后采用 Bonferroni 校正检验进行分析。MHO:代谢健康型肥胖(metabolically healthy obesity),MUO:代谢不健康型肥胖(metabolically unhealthy obesity),BMI:体重指数(body mass index),LAZ:年龄别身长 Z 评分(length for age Z scores),WAZ:年龄别体重 Z 评分(weight for age Z scores),BMI Z:年龄别 BMI Z 评分(BMI for age Z scores)。*与对照组相比, ,#与 MHO 组相比,
表 2 不同组研究对象的生化指标
| 指标 | 对照组(n = 65) | 代谢健康型肥胖组 | 代谢不健康型肥胖组(n = 44) | |
| 糖代谢 | ||||
| 糖化血红蛋白(HbA1c,%) | 0.047 | |||
| 空腹血糖(mM) | 0.817 | |||
| 空腹胰岛素(μlU/mL) | 0.008 | |||
| 稳态模型评估的胰岛β细胞功能指数(HOMA - β) | 854.13 ± 145.24 | 706.72 ± 108.52 | <0.001 | |
| 稳态模型评估的胰岛素抵抗指数(HOMA - IR) | <0.001 | |||
| 脂代谢 | ||||
| 甘油三酯(TG,mM) | 0.043 | |||
| 总胆固醇(TC,mM) | 0.031 | |||
| 高密度脂蛋白胆固醇(HDL - C,mM) | 0.542 | |||
| 低密度脂蛋白胆固醇(LDL - C,mM) | * | 0.032 | ||
| 极低密度脂蛋白胆固醇(VLDL - C,mM) | 0.875 | |||
| 肝功能 | ||||
| 谷丙转氨酶(ALT,U/L) | <0.001 | |||
| 谷草转氨酶(AST,U/L) | <0.001 | |||
注:以上所有变量均以均值 ± 标准差(SD)表示,并在进行单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。MHO:代谢健康型肥胖,MUO:代谢不健康型肥胖,HbA1c:糖化血红蛋白,HOMA-β:β细胞功能稳态模型评估,HOMA-IR:胰岛素抵抗稳态模型评估,TG:甘油三酯,TC:总胆固醇,HDL-C:高密度脂蛋白胆固醇,LDL-C:低密度脂蛋白胆固醇,VLDL-C:极低密度脂蛋白胆固醇,ALT:丙氨酸氨基转移酶,AST:天冬氨酸转氨酶。*与对照组相比, ;与MHO组相比,

图2 血清铁生物标志物的鉴定及其与代谢相关指标的相关性。注:A:铁的浓度;B:血红蛋白的浓度;C:血清铁含量与代谢相关指标之间回归模型的β系数和95%置信区间。所有相关指标均在进行单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。*与对照组相比,
不同组中氧化指标与血清铁生物标志物相关
与对照组相比,MHO组和MUO组的血清铁(图2A)和血红蛋白(图2B)值显著降低 。此外,MUO组的这些值比MHO组高得多 。此外,血清铁生物标志物与体重、身体质量指数(BMI)、身体质量指数Z评分(BMIZ)、身高体重Z评分(WAZ)、身体成分、血糖(糖化血红蛋白、空腹血糖、空腹胰岛素、β细胞功能稳态模型评估和胰岛素抵抗稳态模型评估)和血脂谱(总胆固醇、甘油三酯和低密度脂蛋白胆固醇)以及肝功能(天冬氨酸转氨酶和丙氨酸氨基转移酶)指标呈正相关(图2C, )。
显然,MHO组和MUO组的氧化指标(过氧化氢酶和谷胱甘肽过氧化物酶)显著降低(图3B),8-羟基脱氧鸟苷含量(图3A)高于对照组 。此外,超氧化物歧化酶含量无显著差异。进一步分析表明,MUO组的过氧化氢酶和谷胱甘肽过氧化物酶含量远低于MHO组,而8-羟基脱氧鸟苷含量则高于MHO组 。其中,血清铁紊乱随 含量呈上升趋势,随过氧化氢酶 和谷胱甘肽过氧化物酶 水平的升高呈下降趋势(图3C和D, )。此外,血红蛋白浓度与 呈负相关。

图3 氧化指标浓度及其与血清铁生物标志物的相关性。注:A:8-羟基脱氧鸟苷;B:过氧化氢酶、超氧化物歧化酶和谷胱甘肽过氧化物酶;C:血清铁/血红蛋白含量与相关氧化指标之间的相关性;D:上述回归模型的 系数和 置信区间。所有指标均在进行单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。*与对照组相比,P < 0.017;*图3D显示回归方程有显著差异,P < 0.05;*与MHO组相比,P < 0.017

图4 不同组中重要铁相关酶的鉴定及其与血清铁生物标志物的相关性。注:A:血清转铁蛋白(TF)含量;B:血清TF含量与铁的相关性; :血清转铁蛋白受体1(TFR1)含量; :血清TFR1含量与铁的相关性。TF:转铁蛋白(transferrin);TFR1:转铁蛋白受体1(transferrin receptor 1)。血清TF和TFR1的浓度在进行单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。*与对照组相比, ;*与代谢健康型肥胖(MHO)组相比,
不同组中铁相关酶的鉴定及其与血清铁水平的相关性
与对照组相比,MHO组和代谢不健康型肥胖(MUO)组的血清TF和TFR1浓度较低(图4A和C, )。正如预期的那样,MUO组的TF和TFR1含量明显低于MHO组 。然后,进行线性回归分析以评估血清TF/TFR1含量与铁之间的相关性,结果显示存在显著的负相关(TF:图4B, ;TFR1:图4D, )。
不同组参与者中铁相关基因的全基因组甲基化模式和CpG位点
为了全面评估图5A中的全基因组甲基化情况,MHO组和MUO组的全基因组甲基化和羟甲基化模式低于对照组 。然后,我们在TF中获得了总共 个单位(图5B),在TFR1中获得了5个CpG单位(图5C)用于进一步分析。与对照组相比,上述 位点的甲基化水平在MHO组和/或MUO组中较高 。MHO亚组和MUO亚组之间的进一步比较显示,TF的CpG 1、CpG 2和平均值以及TFR1的CpG 1和CpG 5的甲基化水平要高得多,而MUO组中TFR1的CpG 2和CpG 3的甲基化含量低于MHO组 。这些检测到的CpG位点的上述显著差异表明,甲基化水平与其含量之间存在很强的相互关联(图5D和G),其中TF中的CpG位点( ,图 和 ,CpG 1: ,4: ,CpG 6: ,平均值: )和TFR1(P < 0.05,图2I和K,CpG 1: )与其相关酶呈负相关。
不同肥胖受试者线粒体DNA拷贝数(mtDNA - CN)和线粒体DNA损伤的评估
如图6A和B所示,与对照组相比,代谢健康型肥胖(MHO)组和代谢不健康型肥胖(MUO)组的线粒体DNA拷贝数(mtDNA - CN,包括ND1和MTF3212/R3319)显著增加 。此外,MUO组的这些数值比MHO组更高 。然而,对照组、MHO组和MUO组之间线粒体DNA损伤无显著差异(P > 0.05,图6C)。但是,这些参数与mtDNA - CN呈负相关(ND1: ,MTF3212/R3319:

图5 全基因组DNA、转铁蛋白(TF)和转铁蛋白受体1(TFR1)的甲基化模式及其与不同肥胖组中表达的相关性。注:A:全基因组DNA甲基化水平;B:全基因组DNA羟甲基化水平;C:TF中CpG位点的甲基化水平;D:TFR1中CpG位点的甲基化水平 ; :TF/TFR1中不同CpG位点的甲基化水平与其含量的相关性。 和 :上述回归模型的β系数和95%置信区间。TF:转铁蛋白;TFR1:转铁蛋白受体1。所有指标在单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。*与对照组相比,P < 0.017。*表示图5D中的回归方程有显著差异,P < 0.05。#与MHO组相比,P < 0.017

图6 不同肥胖组中线粒体DNA的拷贝数差异、损伤和甲基化水平评估。注:A:ND1的相对表达;B:MTF3212/R3319的相对表达;C:线粒体DNA损伤;D:ND1/MTF3212/R3319表达与线粒体DNA损伤之间回归模型的β系数和95%置信区间;E:ND1和MTF3212/R3319表达的相关性;F:ND1表达与线粒体DNA损伤的相关性;G:MTF3212/R3319表达与线粒体DNA损伤的相关性;H:D - 环区域的甲基化水平;I:线粒体DNA甲基化水平与ND1/MTF3212/R3319表达及线粒体DNA损伤的相关性。上述所有指标在单因素方差分析(ANOVA)后采用Bonferroni校正检验进行分析。*与对照组相比,P < 0.017;*与MHO组相比,
D - 环区域的甲基化及其与线粒体DNA拷贝数的相关性
与对照组相比,MHO组和MUO组D - 环区域的DNA甲基化比率均较高 。进一步比较显示,MUO组D - 环区域的甲基化水平比MHO组高得多 。同时,D - 环区域的DNA甲基化模式与mtDNA - CN呈正相关( ,图6I,ND1: ,MTF3212/R3319: )。然而,D - 环区域的甲基化与线粒体DNA损伤之间无显著相关性 。
讨论
如前所述,在肥胖进展过程中,铁的吸收和转运减少,这可能是由激素铁调素(hepcidin)含量增加、炎症反应以及血清转铁蛋白(TF)和转铁蛋白受体1(TFR1)浓度降低所触发的。随后,这会精确降低血清循环铁含量[25]。赵等人以及德尔·朱迪切(Del Giudice)等人均证实,肥胖人群的血清铁和转铁蛋白浓度较低[26, 27]。同时,马尼奥斯(Manios)等人还发现,转铁蛋白饱和度与肥胖程度呈负相关[28]。此外,萨尔(Sal)等人证明,血清铁蛋白和铁的浓度没有显著差异[29]。因此,在不同肥胖程度下,血清铁含量差异显著,且研究结论并不一致[29]。相反,随着伴有代谢综合征(MetS)的肥胖尤其是肝损伤的发展,可能导致铁蛋白释放到血液中的过程紊乱,从而增加血清铁含量,这会引发氧化应激环境,导致肥胖受试者出现胰岛素抵抗和坏死信号,进而加重更严重的肝损伤。此外,近三分之一的代谢综合征患者患有高铁蛋白血症,并伴有代谢紊乱性铁过载综合征[30]。能量稳态的这些深刻变化与铁稳态的明显改变密切相关[31]。本研究的结果与上述研究一致,在学龄儿童中,代谢健康型肥胖(MHO)组和代谢不健康型肥胖(MUO)组的铁水平低于对照组。此外,与代谢健康型肥胖组相比,代谢不健康型肥胖组的铁水平更高。此外,使用线性模型独立分析年龄、性别和其他混杂因素后发现,血清铁与过氧化氢酶(CAT)和谷胱甘肽过氧化物酶(GSH - Px)的浓度呈正相关,而与谷丙转氨酶(ALT)、谷草转氨酶(AST)、转铁蛋白和转铁蛋白受体1的含量呈负相关 。因此,血清铁的紊乱可能呈现出与肥胖相关的铁缺乏的两个相反方向,其中代谢健康型肥胖处于一侧,代谢不健康型肥胖处于另一侧。

图7 肥胖相关的核DNA和线粒体DNA表观遗传修饰可导致血清铁生物标志物紊乱,从而诱发代谢综合征的发生。代谢健康型肥胖适应于细胞核(全基因组、转铁蛋白和转铁蛋白受体1)和线粒体DNA的异常表观遗传修饰,从而以与体重指数无关的方式导致铁相关生物标志物减少。然后,这可能反过来影响氧化应激,随着血清铁生物标志物的增加而加重代谢综合征的发生
最近,有许多基因参与铁的吸收和转运,尤其是转铁蛋白(TF)和转铁蛋白受体1(TFR1)。它们可受遗传、激素、表观遗传和环境因素的调控,其中表观遗传机制可以DNA甲基化模式可逆地抑制基因表达[32 - 34]。我们的研究还表明,代谢健康型肥胖(MHO)组和代谢不健康型肥胖(MUO)组的全基因组甲基化和羟甲基化水平低于对照组。同时,在MUO进展过程中,羟甲基化水平更低。此外,与对照组相比,MHO组和/或MUO组中TF和TFR1的许多 位点的甲基化水平更高。此外,MUO组中TF的CpG 1、CpG 2及平均甲基化水平和TFR1的CpG 1和CpG 5的甲基化水平比MHO组高得多,而其他CpG单位(TFR1的CpG 2和CpG 3)的甲基化水平较低。总体而言,这些检测到的CpG位点的显著差异表明它们与相关酶的表达密切相关。因此,MHO型肥胖的发生会导致全基因组甲基化紊乱,并导致基因稳态下降,从而影响TF和TFR1的表达,进而加剧MUO组中伴有代谢综合征(MetS)的肥胖的发生。同时,作为多种酶的辅因子, 和 的紊乱同时存在于细胞质和线粒体基质中。然后,它们可以通过芬顿氧化反应直接催化自由基形成,从而介导脂质过氧化物的产生[32 - 36]。因此,铁的输入、输出、储存和周转会对糖脂代谢产生显著影响。因此,铁代谢主要导致如8 - 羟基脱氧鸟苷(8 - OHdG)和线粒体DNA(mtDNA)等DNA损伤紊乱,进一步加重患有MetS的肥胖学龄儿童的肝损伤,这可以由我们的研究证实。在我们的研究结果中,MUO组的8 - OHdG、mtDNA拷贝数(mtDNA - CN)和D - 环区域的mtDNA甲基化水平比MHO组显著增加,且与谷丙转氨酶(ALT)和谷草转氨酶(AST)等肝损伤指标呈正相关。然而,这项研究存在许多局限性。首先,样本量较小,这可能会降低我们发现显著差异的能力。因此,我们的结论仍需未来更多大样本研究进一步证实。其次,本研究使用全血来研究DNA甲基化及其与代谢结局的关联。这不能排除铁代谢中组织特异性可能带来的潜在问题。最后,由于全血样本不足,本研究缺乏TF和TFR1等基因表达的数据。
综上所述(图7),我们的研究结果表明,肥胖可能以与体重指数(BMI)无关的方式影响核DNA(如全基因组、TF、TFR1等)和mtDNA的表观遗传修饰损伤,导致血清铁紊乱,这可能反过来影响氧化应激,加重学龄肥胖儿童MetS的进展。此外,该研究还强调了针对不同肥胖程度的铁代谢功能障碍进行个体化临床治疗的重要性。
缩写
MetS 代谢综合征
mtDNA 线粒体DNA
mtDNA - CN 线粒体DNA拷贝数
MHO 代谢健康型肥胖
MUO 代谢不健康型肥胖
CAT 过氧化氢酶
DMT1 二价金属转运蛋白1
TFR1 转铁蛋白受体1
TF 转铁蛋白
FPN 铁转运蛋白
BMI 体重指数
VFA 内脏脂肪面积
BIA 生物电阻抗分析
尿酸(UA,Uric Acid)
丙氨酸氨基转移酶(ALT,Alanine Aminotransferase)
天冬氨酸氨基转移酶(AST,Aspartate Aminotransaminase)
甘油三酯(TG,Triglyceride)
总胆固醇(TC,Total Cholesterol)
高密度脂蛋白胆固醇(HDL - C,High Density Lipoprotein Cholesterol)
低密度脂蛋白胆固醇(LDL - C,Low Density Lipoprotein Cholesterol)
极低密度脂蛋白胆固醇(VLDL - C,Very Low Density Lipoprotein Cholesterol)
空腹血糖(FBG,Fasting Blood Glucose)
空腹胰岛素(FINS,Fasting Insulin)
血红蛋白(HbA1c,Hemoglobin)
胰岛β细胞功能稳态模型评估(HOMA - β,Homeostasis Model Assessment for Cell Function)
胰岛素抵抗稳态模型评估(HOMA - IR,Homeostasis Model Assessment for Insulin Resistance)
致谢
我们感谢J.Y.收集生物样本,也感谢所有受试者参与本研究。
作者贡献
LLX、XL、YQL和PL负责研究设计和数据准确性。LLX和JY收集生物样本。XYJ和WLY进行统计分析。KMQ和PL修订了整篇手稿。所有作者都审阅并批准了最终手稿。
资金支持
本研究得到了国家自然科学基金(项目编号:82173524)、北京市自然科学基金(项目编号:7174302)和北京市卫生健康委员会改革发展资金的资助。
数据可用性
本研究未生成和/或分析任何数据集。
声明
伦理批准和参与同意
本研究获得了首都医科大学附属北京儿童医院北京儿科研究所伦理委员会的批准,该研究已在网站http://www.chictr.org.cn/showproj.aspx?proj=4673注册(编号:ChiCTR - OCH - 14004900)。所有受试者的详细信息已从他们的临床病例描述中删除,以确保匿名性。同时,已获得参与者及其监护人的知情同意。
发表同意
不适用。
利益冲突
作者声明无利益冲突。
作者信息
首都医科大学附属北京儿童医院、北京儿科研究所、国家儿童医学中心、教育部儿童重大疾病重点实验室、营养与发育实验室,中国北京市南礼士路56号,邮编100045 首都医科大学附属北京儿童医院、国家儿童医学中心临床营养科,中国北京市,邮编100045
接收日期:2024年10月16日 / 接受日期:2025年2月26日
在线发表日期:2025年4月2日
参考文献
1. Bussler S, Penke M, Flemming G, Elhassan YS, Kratzsch J, Sergeyev E, et al. Novel insights in the metabolic syndrome in childhood and adolescence. Horm Res Paediatr. 2017;88(3-4):181-93.
2. Weihe P, Weihrauch-Blüher S. Metabolic syndrome in children and adolescents: diagnostic criteria, therapeutic options and perspectives. Curr Obes Rep. 2019;8(4):472-9.
3. lacobini C, Pugliese G, Blasetti Fantauzzi C, Federici M, Menini S. Metabolically healthy versus metabolically unhealthy obesity. Metabolism. 2019;92:51-60.
4. Pasricha SR, Tye-Din J, Muckenthaler MU, Swinkels DW. Iron deficiency. Lancet. 2021;397(10270):233-48.
5. Chopra VK, Anker SD. Anaemia, iron deficiency and heart failure in 2020: facts and numbers. ESC Heart Fail. 2020;7(5):2007-11.
6. Kalra PR, Cleland JGF, Petrie MC, Thomson EA, Kalra PA, Squire IB, et al. Intravenous ferric derisomaltose in patients with heart failure and iron deficiency in the UK (IRONMAN): an investigator-initiated, prospective, randomised, open-label, blinded-endpoint trial. Lancet. 2022;400(10369):2199-209.
7. Park E, Chung SW. ROS-mediated autophagy increases intracellular iron levels and ferroptosis by ferritin and transferrin receptor regulation. Cell Death Dis. 2019;10(11):822.
8. Malden S, Gillespie J, Hughes A, Gibson AM, Farooq A, Martin A, et al. Obesity in young children and its relationship with diagnosis of asthma, vitamin D deficiency, iron deficiency, specific allergies and flat-footedness: A systematic review and meta-analysis. Obes Rev. 2021;22(3):e13129.
9. Teng IC, Tseng SH, Aulia B, Shih CK, Bai CH, Chang JS. Can diet-induced weight loss improve iron homoeostasis in patients with obesity: A systematic review and meta-analysis. Obes Rev. 2020;21(12):e13080.
10. Suárez-Ortegón MF, Echeverri I, Prats-Puig A, Bassols J, Carreras-Badosa G, López-Bermejo A, et al. Iron status and metabolically unhealthy obesity in prepubertal children. Obes (Silver Spring). 2019;27(4):636-44.
11. Kawabata H. Transferrin and transferrin receptors update. Free Radic Biol Med. 2019;133:46-54.
12. McCarthy RC, Sosa JC, Gardeck AM, Baez AS, Lee CH, Wessling-Resnick M. Inflammation-induced iron transport and metabolism by brain microglia. J Biol Chem. 2018;293(20):7853-63.
13. Xie J, Lv H, Liu X, Xia Z, Li J, Hong E, et al. Nox4-and Tf/TfR-mediated peroxidation and iron overload exacerbate neuronal ferroptosis after intracerebral hemorrhage: involvement of EAAT3 dysfunction. Free Radic Biol Med. 2023;199:67-80.
14. Pannunzio NR, Watanabe G, Lieber MR. Nonhomologous DNA end-joining for repair of DNA double-strand breaks. J Biol Chem. 2018;293(27):10512-23.
15. Brestoff JR, Wilen CB, Moley JR, Li Y, Zou W, Malvin NP, et al. Intercellular mitochondria transfer to macrophages regulates white adipose tissue homeostasis and is impaired in obesity. Cell Metab. 2021;33(2):270-e2828.
16. Beaulant A, Dia M, Pillot B, Chauvin MA, Ji-Cao J, Durand C, et al. Endoplasmic reticulum mitochondria miscommunication is an early and causal trigger of hepatic insulin resistance and steatosis. J Hepatol. 2022;77(3):710-22.
17. Liang D, Minikes AM, Jiang X. Ferroptosis at the intersection of lipid metabolism and cellular signaling. Mol Cell. 2022;82(12):2215-27.
18. Ahmed U, Latham PS, Oates PS. Interactions between hepatic iron and lipid metabolism with possible relevance to steatohepatitis. World J Gastroenterol. 2012;18(34):4651-8.
19. Li P, Yan K, Chang X, Chen X, Wang R, Fan X, et al. Sex-specific maternal calcium requirements for the prevention of nonalcoholic fatty liver disease by altering the intestinal microbiota and lipid metabolism in the high-fat-diet-fed offspring mice. Gut Microbes. 2020;11(6):1590-607.
20. Wang Z, Liu Y, Zhang S, Yuan Y, Chen S, Li W, et al. Effects of iron homeostasis on epigenetic age acceleration: a two-sample Mendelian randomization study. Clin Epigenetics. 2023;15(1):159.
21. Stoccoro A, Coppedè F. Mitochondrial DNA methylation and human diseases. Int J Mol Sci. 2021;22(9):4594.
22. Cole TJ, Bellizzi MC, Flegal KM, Dietz WH. Establishing a standard definition for child overweight and obesity worldwide: international survey. BMJ. 2000;320(7244):1240-3.
23. de Ferranti SD, Gauvreau K, Ludwig DS, Neufeld EJ, Newburger JW, Rifai N. Prevalence of the metabolic syndrome in American adolescents: findings from the third National health and nutrition examination survey. Circulation. 2004;110(16):2494-7.
24. Czarny P, Seda A, Wielgorski M, Binczyk E, Markiewicz B, Kasprzak E, et al. Mutagenesis of mitochondrial DNA in Fuchs endothelial corneal dystrophy. Mutat Res. 2014;760:42-7.
25. Slywitch E, Savalli C, Duarte ACG, Escrivão MAMS. Iron deficiency in vegetarian and omnivorous individuals: analysis of 1340 individuals. Nutrients. 2021;13(9):2964.
26. Zhao L, Zhang X, Shen Y, Fang X, Wang Y, Wang F. Obesity and iron deficiency: a quantitative meta-analysis. Obes Rev. 2015;16(12):1081-93.
27. Del Giudice EM, Santoro N, Amato A, Brienza C, Calabrò P, Wiegerinck ET, et al. Hepcidin in obese children as a potential mediator of the association between obesity and iron deficiency. J Clin Endocrinol Metab. 2009;94(12):5102-7.
28. Manios Y, Moschonis G, Chrousos GP, Lionis C, Mougios V, Kantilafti M, et al. The double burden of obesity and iron deficiency on children and adolescents in Greece: the healthy growth study. J Hum Nutr Diet. 2013;26(5):470-8.
29. Sal E, Yenicesu I, Celik N, Pasaoglu H, Celik B, Pasaoglu OT, et al. Relationship between obesity and iron deficiency anemia: is there a role of Hepcidin?? Hematology. 2018;23(8):542-8.
30. Aigner E, Feldman A, Datz C. Obesity as an emerging risk factor for iron deficiency. Nutrients. 2014;6(9):3587-600.
31. Straub LG, Efthymiou V, Grandl G, Balaz M, Challa TD, Truscello L, et al. Antioxidants protect against diabetes by improving glucose homeostasis in mouse models of inducible insulin resistance and obesity. Diabetologia. 2019;62(11):2094-105.
32. Ye J, Wang Z, Chen X, Jiang X, Dong Z, Hu S, et al. YTHDF1-enhanced iron metabolism depends on TFRC m6A methylation. Theranostics. 2020;10(26):12072-89.
33. Mash DC, Pablo J, Buck BE, Sanchez-Ramos J, Weiner WJ. Distribution and number of transferrin receptors in Parkinson’s disease and in MPTP-treated mice. Exp Neurol. 1991;114(1):73-81.
34. Teng C, Gladwell W, Raphiou I, Liu E. Methylation and expression of the lacto-ferrin gene in human tissues and cancer cells. Biometals. 2004;17(3):317-23.
35. Protchenko O, Baratz E, Jadhav S, Li F, Shakoury-Elizeh M, Gavrilova O, et al. Iron chaperone Poly rC binding protein 1 protects mouse liver from lipid peroxidation and steatosis. Hepatology. 2021;73(3):1176-93.
36. Xing G, Meng L, Cao S, Liu S, Wu J, Li Q, et al. PPARa alleviates iron overload-induced ferroptosis in mouse liver. EMBO Rep. 2022;23(8):e52280.
出版商说明
施普林格·自然(Springer Nature)在已发表地图的管辖权主张和机构隶属关系方面保持中立。
代谢不健康型肥胖,线粒体DNA,血清铁,mtDNA甲基化
表观信息
Rhotekin-1 是一种新型相互作用蛋白,也是 TRPC6 活性的调控因子
2026-11-20
2026-11-19
褐飞虱体内细菌内共生菌通过叶酸介导的DNA甲基化抑制解毒作用
2026-11-18
2026-11-17
2026-11-17
2026-11-15
艾维缔官网
艾德官网
B站IVDSHOW
抖音军哥聊表观
视频号艾维缔
小红书艾维缔
快手表观盒子
表观遗传学
联系我们