15.7/Q1，英国爱丁堡大学44K影像0实验，深度学习+MR流水线发NC：骨髓脂肪生信“速成模板”与避坑指南

如果您对骨科疾病生信临床研究感兴趣，请为小骨点点关注，持续解读骨科前沿生信文献和思路。如果您需要定制化服务，欢迎扫码联系小骨~

🌟今日文章亮点：

研究的核心优势在于利用英国生物样本库（UK Biobank）的大规模影像与遗传数据，首次通过表型广泛关联分析（PheWAS）与孟德尔随机化（MR）相结合的方法，系统揭示了不同骨骼部位骨髓脂肪与疾病的关联及因果方向。其发现不仅证实了股骨骨髓脂肪是骨质疏松和骨折的新的因果风险因素，更强调了骨骼部位特异性研究的重要性，为临床干预提供了精准靶点。

主要挑战在于，脊柱骨髓脂肪的因果关联未达显著，这可能受限于临床诊断中对髋部骨丢失的侧重；此外，MR分析中存在的异质性提示潜在的未知混杂因素，未来需借助更精确的测量技术和多祖先队列加以验证。

下面和小骨一起来看具体文章内容吧！

文章标题：Clinical implications of bone marrow adiposity identified by phenome-wide association and Mendelian randomization in the UK Biobank

中文标题：英国生物样本库中通过全表象关联和孟德尔随机化确定的骨髓肥胖的临床意义

发表期刊：Nat Commun

发表时间：2025年9月

影响因子：15.7/Q1

研究背景

骨髓脂肪组织长期以来被视为一种填充空闲骨髓腔的惰性填充物，但其在骨髓微环境中的活跃内分泌功能日益受到关注。然而，由于缺乏大规模的人体研究数据，骨髓脂肪量与广泛健康结局之间的因果关系尚不明确。本研究旨在利用英国生物银行这一大规模人群队列的宝贵资源，结合表型组范围关联研究（PheWAS）系统性地筛查骨髓脂肪量与多种疾病的相关性，并进一步采用孟德尔随机化（MR）分析方法，以遗传工具变量推断其因果关联，从而全面揭示骨髓脂肪量对人类健康的潜在临床影响。

研究方法

1. 数据基础：利用英国生物样本库中约3,900名参与者的腰椎MRI影像，精确量化骨髓脂肪含量作为核心研究指标。
2. 表型广泛关联分析：采用 PheWAS 方法，无假设地扫描骨髓脂肪与1,400多种临床表型（如疾病诊断、体检指标、血液检测值）的横断面关联。
3. 因果推断验证：采用孟德尔随机化方法，使用与骨髓脂肪含量相关的遗传变异作为工具变量，重点检验PheWAS中发现的显著关联（如与骨质疏松、糖尿病的关联）是否存在潜在的因果关系。
4. 分析策略：形成了“广泛筛查（PheWAS） → 因果验证（MR）”的严谨研究流程，并使用多种统计模型和敏感性分析以确保结果稳健。

文章结果

观察性表型广泛关联研究

（Obs-PheWAS）

研究通过观察性表型广泛关联分析发现，四个关键骨骼区域（股骨头、全髋关节、骨干、脊柱）的骨髓脂肪分数（BMFF）与多种突发疾病的发病风险存在显著关联。

不同骨骼部位的骨髓脂肪分数（BMFF）与疾病风险关联各异：股骨和髋部BMFF升高在增加骨质疏松风险的同时，会显著降低2型糖尿病等多种代谢性疾病风险；而脊柱BMFF升高则与骨质疏松、2型糖尿病、慢阻肺等全身性疾病的风险全面正相关。这些发现揭示了BMFF的临床意义具有显著的骨骼部位特异性。

多基因风险评分

为深入探究骨髓脂肪的遗传病因，本研究为每个骨骼区域生成了多基因风险评分（PRS），并以此为工具变量进行了大规模PRS-PheWAS分析。关键策略在于为每个骨区构建了两个PRS：一个包含所有相关SNP（PRS1），另一个则特意排除了与骨密度相关的SNP（PRS2），以专门用于厘清BMFF与骨质疏松症之间的独立遗传关联。分析结果证实，所有PRS均与对应骨区的BMFF含量呈现极显著正相关，验证了其作为后续分析可靠工具变量的有效性。