048
Intro
Association between Air Pollution Exposure and Increased Chronic Kidney Disease Risk: The Modifying Effects of Genetic Susceptibility, Transcriptomic, and Proteomic Signatures 是 Jian Lu 等人在 2026 年发表于 BMC Medicine 的 UK Biobank 环境流行病学文章。它用基线居住地址链接的长期空气污染暴露，分析 PM2.5、PM2.5-10、PM10、NO2 和 NOX 与新发慢性肾病（CKD）风险的关系，并进一步考察高血压、糖尿病、遗传易感性和多组学候选机制。
Why I Read It
我读它是因为它和我关心的 UK Biobank 环境暴露研究非常接近。它的布局很典型：先把暴露和 incident disease 的 Cox 主关联建立起来，再做 RCS、亚组、敏感性分析、中介分析、PRS 联合分层，最后把 TWAS 和蛋白质组两步 MR 放在机制探索位置。
这类文章最值得学习的不是某一个 HR，而是证据层级的安排。主证据是前瞻性队列中的环境暴露和新发疾病；中介和易感性分析帮助解释路径和人群差异；组学部分提供 biological plausibility 和 hypothesis generation。这个顺序比一上来就把多组学讲成主结论更稳。
What It Says
研究最初考虑 501,946 名 UK Biobank 参与者，排除缺失空气污染数据、缺失基线协变量、基线已有 CKD 或 eGFR < 60 mL/min/1.73 m2 的人后，主分析纳入 330,002 人。平均随访 13.0 年，期间发生 14,931 例 incident CKD。
暴露是五类长期环境空气污染：PM2.5、PM2.5-10、PM10、NO2 和 NOX。作者使用 Land Use Regression (LUR) 模型和欧洲范围空气污染地图估计污染物浓度，并链接到参与者基线居住地址。因此这里的暴露不是自报，也不是个人监测，而是住址层面的年均环境暴露估计。
主要结局是 incident CKD，来自 primary care、hospitalization records 和 death registry records。基线自报诊断和 eGFR 用于排除 baseline cases。随访从基线开始，到 CKD 诊断、死亡、失访或 2022 年 10 月 31 日结束。作者还把 AKI、肾小球疾病、肾小管间质疾病、肾积水、肾结石和先天性肾脏异常作为补充肾脏结局。
主模型是 Cox proportional hazards model。全调整模型纳入社会人口学和生活方式因素、地理和环境因素、基线共病以及相关用药。结果显示，PM2.5、PM2.5-10、PM10 和 NOX 与 CKD 风险升高相关：PM2.5 每增加 5 ug/m3 的 HR 为 1.36，PM2.5-10 每增加 5 ug/m3 的 HR 为 1.25，PM10 每增加 10 ug/m3 的 HR 为 1.20，NOX 每增加 20 ug/m3 的 HR 为 1.04。NO2 的主关联不显著，HR 为 0.98。
敏感性分析支持主结果。排除随访前 3 年 CKD 病例、限制为至少 5 年固定居住地址者、排除极端暴露值后，PM2.5、PM2.5-10、PM10 和 NOX 的关联总体保持；NO2 仍然没有显示主 CKD 关联。RCS 分析提示 PM2.5-10 和 PM10 与 CKD 风险存在非线性关系。
作者进一步分析了临床路径和易感性。中介分析显示，新发高血压显著中介 PM2.5、PM2.5-10、PM10 和 NOX 与 CKD 的关联，中介比例约为 2.95% 到 5.81%；新发 T2DM 也有较小中介作用，中介比例约为 0.51% 到 2.20%。基线高血压和部分污染暴露之间存在加性交互，提示已有代谢或血流动力学脆弱性的人群可能更容易受到污染影响。
遗传风险部分，作者用 FinnGen CKD GWAS 构建 CKD PRS，并按三分位分为低、中、高遗传风险。联合分层显示，高遗传风险且高污染暴露者 CKD 风险最高；但作者没有发现 PRS 与空气污染之间显著的加性交互。因此这个结果更适合理解为联合高风险组风险最高，而不是遗传风险明确放大了污染效应。
最后，作者做了 TWAS 和蛋白质组两步 MR。TWAS 提出 STX2、PHOSPHO2、NECAB3、CDK3、MEIOB、NDUFAF1、CRIPAK 等候选基因，但 eQTL 共定位没有强证据。蛋白质组两步 MR 提出 ALDH3A1、F12、SNCG 可能是风险蛋白，GNLY 和 MEGF10 可能是保护蛋白，其中部分 pQTL-CKD 共定位证据较强。
What I Take From It
这篇文章的主干是清楚的：长期 PM2.5、PM2.5-10、PM10 和 NOX 暴露与 incident CKD 风险升高相关，NO2 在主结局中不显著。它真正有参考价值的地方，是把一个环境流行病学问题铺成完整文章结构，而没有让组学探索完全盖过主分析。
我会把它当作一个很接近“可复用布局”的例子。暴露来自住址链接的环境模型，结局来自 UKB 多源健康记录，主模型用 Cox，然后依次检查剂量反应、稳健性、易感人群、中间临床路径和候选机制。对于类似的环境暴露到慢病结局研究，这个顺序是可以学习的。
但它也提醒我，PRS 联合分层和交互不是一回事。高 PRS 加高污染组风险最高，并不自动等于 gene-environment interaction 成立。作者这里也明确没有发现显著加性交互，这个边界必须保留。
Note
这篇最可靠的是观察性队列中的主关联，而不是机制证明。空气污染暴露是基线居住地址层面的年均估计，不能捕捉室内污染、职业暴露、通勤、日常移动或搬家后的暴露变化。CKD 虽然来自多源健康记录，但仍依赖疾病编码体系，可能存在表型异质性，也不能细分 CKD 严重程度。
中介分析也要谨慎。新发高血压和 T2DM 只解释了一小部分空气污染与 CKD 的关联，而且这些中间疾病本身也可能受到诊断频率、医疗接触和残余混杂影响。它们更像是临床路径线索，而不是已经完全拆解出的因果通道。
组学部分尤其需要克制。TWAS 是预测表达与性状的统计关联，不等于真实生物因果；两步 MR 支持方向一致的潜在通路，但不正式证明生物学中介。空气污染 GWAS 工具变量还可能带有居住地和社会经济因素结构。ALDH3A1、F12、SNCG、GNLY 和 MEGF10 因此更适合作为候选机制，而不是已确认机制。