Association of arterial hypertension gene polymorphisms with the risk of sudden cardiac death in young people

Full Text

Введение. Общеизвестно, что повышенное кровяное давление опасно не само по себе, а поражением органов-мишеней – сердца, почек, головного мозга, сетчатки глаза. Плохо контролируемое течение гипертонической болезни (ГБ) приводит к развитию гипертрофии и фиброза миокарда левого желудочка (ГЛЖ), увеличению левого предсердия, развитию вначале диастолической дисфункции, а в последующем сердечной недостаточности. Данные изменения могут приводить к развитию различных нарушений сердечного ритма, таких как фибрилляция предсердий и желудочковые аритмии, являющихся главными факторами риска внезапной сердечной смерти (ВСС). Связь между ГЛЖ и ВСС достаточно хорошо изучена. В многочисленных работах доказано, что ГЛЖ является мощным независимым предиктором фибрилляции предсердий, желудочковых аритмий и ВСС. Воспаление, фиброз, окислительный стресс и ишемия миокарда играют значительную роль в патогенезе развития ремоделирования камер сердца, аритмий и ВСС [8]. В то же время показано, что риск ВСС в возрасте 30 лет выше на 30% у лиц, страдающих артериальной гипертензией (АГ), а каждое повышение систолического/диастолического артериального давления (АД) на 20/10 мм рт. ст. ассоциируется с дополнительным увеличением риска ВСС на 20% [11].

Хотя в европейских рекомендациях по лечению больных артериальной гипертензией отмечено, что обычное генетическое обследование больных АГ не рекомендуется (класс рекомендаций – III, уровень доказательности – С) [4], исследование взаимосвязей полиморфизмов генов, ответственных за возможность развития АГ, у лиц с предикторами ВСС представляется достаточно интересным и актуальным.

Как известно, избыточная активация ренин-ангиотензин-альдостероновой (РААС) системы играет ключевую роль в развитии АГ, и, соответственно, наличие полиморфизмов генов, кодирующих элементы РААС, может приводить под воздействием факторов риска к развитию АГ. К таким ключевым генам можно отнести ген ангиотензиногена (полиморфизм AGT 704 T>C (Met235Thr), ген рецептора 1-го типа для ангиотензина II (AGTR1 1166A>C), ген рецептора 2-го типа для ангиотензина II (AGTR2 1675 G>A); ген альдостеронсинтетазы (CYP11B2 344 C>T). Наличие полиморфизма AGT 704 T>C (Met235Thr) обусловливает замену треонина (Тhr) на метионин (Мet) в 235-м положении аминокислотной последовательности гена ангиотензиногена и ассоциируется с риском развития АГ и гипертрофией миокарда левого желудочка [1, 2]. Наличие полиморфизма гена рецептора 1-го типа для ангиотензина II (AGTR1 1166 A>C) приводит к замене аденина на цитозин в 1166-м положении нуклеотидной последовательности, что приводит к повышению цифр АД и развитию АГ. Полиморфизм гена рецептора 2-го типа для ангиотензина II (AGTR2 1675 G>A) ассоциируется со структурными изменениями левого желудочка у молодых мужчин вследствие АГ [9], и его наличие может потенциально использоваться в группе маркеров, определяющих генетическую предрасположенность к ГЛЖ [6]. Альдостеронсинтетаза является одним из ключевых ферментов синтеза альдостерона, а наличие полиморфизма кодирующего ее гена (CYP11B2 344 C>T) повышает риск развития «соль-чувствительной» АГ и ремоделирования миокарда [3].

Помимо РААС, в развитии АГ важную роль играет белок α-аддуктин, входящий в состав клеточной мембраны и участвующий в транспорте натрия в клетках почечных канальцев. Кодирует синтез данного белка ген ADD1, а наличие полиморфизма 1378 G>T (Gly460Trp) увеличивает риск развития АГ [6]. Ген бета 3 субъединицы G-белка (GNB3 825 C>T) является важным генетическим фактором развития АГ и значимым генетическим фактором развития ГЛЖ [8]. Ген NO-синтазы отвечает за выработку фермента, осуществляющего синтез окиси азота (NO) – эндотелиального фактора релаксации, приводящего к расширению сосудов. Полиморфизм же данного гена в варианте NOS3 894 G>T приводит к нарушению выработки NO-синтазы и соответственно уменьшению синтеза NO, что может приводить к развитию АГ [5].

Цель исследования. Изучить частоту встречаемости генов АГ у лиц с риском развития ВСС и выявить взаимосвязи между факторами риска развития ВСС и наличием полиморфизмов генов АГ.

Материалы и методы. Обследованы 319 лиц молодого возраста без сопутствующих хронических заболеваний (средний возраст составил 19,7±2,1 года). В объем обследования входило анкетирование по специально разработанной анкете, направленной на выявление факторов риска развития сердечно-сосудистых заболеваний и риска развития ВСС, регистрация 12-канальной электрокардиограммы (ЭКГ) с помощью комплекса для интегрированной комплексной оценки функционального состояния системы кровообращения «Кардиометр-МТ» и проведение генетического анализа на наличие генов, ассоциированных с возможностью развития АГ. Все обследованные лица перед началом исследования подписали добровольное информированное согласие.

Результаты и их обсуждение. На основании анкетирования и данных ЭКГ все обследованные были разделены на 2 группы: 1-я – с низким и 2-я –с умеренным риском развития ВСС.

В анкете обращалось внимание на наличие таких факторов риска, как курение, избыточная масса тела и ожирение, употребление алкоголя, жалобы на выраженную необъяснимую одышку при физической нагрузке, боль в грудной клетке при физической нагрузке, перебои в работе сердца и приступы необъяснимого учащенного сердцебиения. При наличии вышеперечисленных жалоб такие лица относились ко 2-й группе (с умеренным риском возникновения ВСС). Также ко 2-й группе относились лица, у которых по данным анамнеза имелись необъяснимые эпизоды потери сознания, случаи ВСС у близких родственников в возрасте до 50 лет, а в семейном анамнезе отмечалось наличие у близких родственников таких заболеваний, как гипертрофическая, дилатационная и аритмогенная кардиомиопатии, синдром удлиненного или укороченного интервала Q–T и жизнеугрожающие нарушения сердечного ритма. Кроме того, в процессе регистрации ЭКГ у 2 пациентов выявлен синдром укороченного интервала P–Q и выявлено по 1 пациенту с синдромом укороченного и удлиненного интервала Q–T, которые также были отнесены ко 2-й группе.

При регистрации ЭКГ автоматически оценивались такие параметры, как источник ритма, частота сердечных сокращений, длительность основных интервалов и сегментов, длительность и амплитуда всех основных зубцов во всех отведениях, с расчетом их цифровых значений с последующей проверкой полученных значений врачом-кардиологом. Помимо этого, рассчитывался индекс Соколова – Лайона и Корнельский вольтажный индекс.

Среди выявленных лиц из 2-й группы случайным образом отобрано 69 человек. Их клинико-антропометрические показатели представлены в таблице 1.

Таблица 1

Клинико-антропометрические показатели обследованных лиц, n (%)

Показатель	Значение
Возраст, лет	19,8±1,6
ИМТ, кг/м2	23,4±3,9
Курение	34 (49,3)
Употребление алкоголя	45 (65,2)
Низкая физическая активность	18 (26,1)
Необъяснимые эпизоды потери сознания в анамнезе	4 (5,8)
Выраженная одышка при физической нагрузке	41 (59,4)
Боль/дискомфорт в грудной клетке при физической нагрузке	27 (39,1)
Жалобы на перебои в работе сердца	11 (15,9)
Приступы необоснованного учащенного сердцебиения	14 (20,3)
Случаи внезапной сердечной смерти у родственников	13 (18,8)

В дальнейшем пациентам проведено исследование крови с использованием наборов фирмы «ДНК-технология» для определения полиморфизмов генов, представляющих собой однонуклеотидные замены оснований-ОНП (или SNP), в следующих генах: ADD1 1378 G>T (rs 4961), AGT 521 C>T, AGT 704 T>C (rs 699), AGTR1 1166 A>C (rs 5186), AGTR2 1675 G>A (rs 1403543), GNB3 825 C>T (rs 5443), CYP11B2 344 C>Т, NOS3 894 G>T (rs 1799983), таблица 2.

Таблица 2

Результаты исследования генов, ассоциированных с развитием АГ

Ген	Полиморфизм	Распределение пациентов – носителей мутаций, n (%)
		С нормальным вариантом	С гетерозиготным вариантом риска	С гомозиготным вариантом риска	Общее количество гомо- и гетерозиготных вариантов
ADD1	1378 G>T rs 4961	46 (66,7)	21 (30,4)	2 (2,9 )	23 (33,3)
AGT	521 C>T 704 T>C rs 699	52 (75,4) 21 (30,4)	17 (24,6) 37 (53,6)	0 (0) 11 (16,0)	17 (24,6) 48 (69,6)
AGTR1	1166 A>C rs 5186	45 (65,2)	19 (27,5)	5 (7,3)	24 (34,8)
AGTR2	1675 G>A rs 1403543	39 (56,5)	0 (0)	30 (43,5)	30 (43,5)
GNB3	825 C>T rs 5443	35 (50,7)	28 (40,6)	6 (8,7)	34 (49,3)
CYP11B2	344 C>Т	21 (30,4)	22 (31,9)	26 (37,7)	48 (69,6)
NOS3	894 G>T rs 1799983	35 (50,7)	31 (44,9)	3 (4,4)	34 (49,3)

По данным проведенного исследования генетических вариантов? выявлена высокая частота встречаемости гомозиготных вариантов риска: AGTR2 АА и CYP11B2 ТТ, то есть полиморфизмов, ответственных за развитие ГЛЖ, в том числе и у молодых лиц. А наиболее высокая частота гетерозиготных вариантов риска выявлена в SNP NOS3 GT и AGT 704 TC. При этом у обследованных лиц достаточно редко встречались единичные полиморфизмы в исследованных генах. Так, только у 3 человек выявлены единичные полиморфизмы, у 12 человек – 2 полиморфизма, у 16 человек – 3 полиморфизма, у 16 человек – 4 полиморфизма, у 16 человек – 5 полиморфизмов, у 4 человек – 6 полиморфизмов и по 1 человеку с 7 и 8 полиморфизмами. Логично предположить, что с увеличением количества полиморфизмов увеличивается степень риска развития АГ.

Корреляционный анализ позволил выявить прямую корреляционную взаимосвязь слабой силы между наличием летальных исходов у родственников в возрасте до 50 лет по механизму ВСС и количеством гомозиготных вариантов у человека (r=0,31; р=0,009) с геном CYP11B2: 344 C>T (r=0,32; р=0,007), таблица 3. Также отмечена прямая корреляционная взаимосвязь слабой силы между длительностью корригированного интервала Q–T и геном AGT 521 C>T. Выявлены корреляционные связи между такими предикторами ВСС, как укорочение интервала P–Q, атриовентрикулярная (AV) блокада 1-й степени и синдром ранней реполяризации желудочков с рядом генов.

Таблица 3

Результаты корреляционного анализа

Показатель	R	р
Количество гомозиготных генов & случаи смерти у близких родственников до 50 лет	0,31	0,009
Количество гомозиготных генов & укорочение интервала P–Q	–0,18	0,028
Количество гомозиготных генов & наличие AV-блокады 1-й степени	0,19	0,02
Боль/дискомфорт в грудной клетке при физической нагрузке & GNB 825 C>T	0,24	0,04
Случаи смерти у близких родственников до 50 лет & CYP11B2 344 C>T	0,32	0,007
Длительность корригированного интервала Q–T, мс & AGT 521 C>T	0,24	0,04
Укорочение интервала P–Q & AGTR2 1675 G>A	–0,22	0,008
Укорочение интервала P–Q & NOS3 894 G>T	0,17	0,04
Признаки ГЛЖ & ADD1 1378 G>T	–0,18	0,02
Синдром ранней реполяризации желудочков & ADD1 1378 G>T	–0,3	0,0003
Синдром ранней реполяризации желудочков & AGTR1 1166 A>C	–0,24	0,004
AV-блокада 1-й степени & AGT 521 C>T	0,21	0,01
AV-блокада 1-й степени & AGT 704 T>C	0,19	0,02
AV-блокада 1-й степени & GNB 825 C>T	0,21	0,01

C целью разработки модели прогнозирования наличия полиморфизма (гетеро- или гомозиготного) в исследованных генах, ассоциированных с развитием АГ, применен метод логистической регрессии, в результате которого были определены факторы и разработаны математические модели для выявления вероятности носительства мутаций в генах, ассоциированных с развитием АГ. Информационная способность моделей, сформированных в результате логистического регрессионного анализа, определялась по данным обучающей выборки с расчетом ее чувствительности, специфичности и точности.

Сформированные математические модели представлены в виде:

P(Y)=1/(1+e^{–(В0+В1×Х1+В2×Х2+…..+Bn×Хn)}),

где P(Y) – вероятность возникновения события Y, т. е. вероятность отнесения исследуемого лица к группе носителей мутаций (гетеро- или гомозиготы) по исследованному гену, ответственному за развитие артериальной гипертензии; e – основание натурального логарифма (~2,72); Х1, Х2 … Хn – исследуемые признаки, включенные в модель прогнозирования; B – коэффициенты регрессионного уравнения, отражающие влияние соответствующих предикторов на зависимую переменную.

В процессе проведения исследования построены следующие математические модели:

Математическая модель для выявления носителей мутаций в гене ADD1 1378 G>T (rs 4961) (χ²=26,02; df=3; p<0,001):

P(Y)=1/(1+e^{–(12,150–0,091×Х1+3,117×Х2–0,206×Х3)}),

где Х1 – длительность зубца Р, мс; Х2 – амплитуда зубца Р в отведении aVL, мм; Х3 – амплитуда зубца R в отведении V4, мм.

Чувствительность построенной модели составила 73,9%, специфичность – 78,2%, точность – 76,8%.

Математическая модель для выявления носителей мутаций в гене AGT 521 C>T (χ²=17,656; df=3; p=0,001):

P(Y)=1/(1+e^{–(–7,309–2,564×Х1+0,514×Х2+1,737×Х3)}),

где Х1 – амплитуда зубца Р в отведении aVL, мм; Х2 – амплитуда зубца S в III стандартном отведении, мм; Х3 – амплитуда зубца Т в I стандартном отведении, мм.

Чувствительность построенной модели составила 35%, специфичность – 94,2%, точность – 79,7%.

Математическая модель для выявления носителей мутаций в гене AGT 704 T>C (rs 699) (χ²=18,53; df=3; p<0,001):

P(Y) = 1/(1+e^{–(6,211–0,122×Х1–5,478×Х2–0,655×Х3)}),

где Х1 – угол альфа зубца Р; Х2 – амплитуда зубца Р в отведении aVL, мм; Х3 – амплитуда зубца T в отведении aVR, мм.

Чувствительность построенной модели составила 85,4%, специфичность – 38,1%, точность – 71,0%.

Математическая модель для выявления носителей мутаций в гене AGTR1 1166 A>C (rs 5186) (χ²=26,557; df=4; p<0,0001):

P(Y)=1/(1+e^{–(–3,141+0,883×Х1–0,360×Х2–0,861×Х3+0,291×Х4)}),

где Х1 – амплитуда зубца S в отведении aVF, мм; Х2 – амплитуда зубца T в отведении V2, мм; Х3 – амплитуда зубца T в отведении V4, мм; Х4 – значение индекса Соколова – Лайона (SV1+RV6).

Чувствительность построенной модели составила 62,5%, специфичность – 84,4%, точность – 76,8%.

Математическая модель для выявления носителей мутаций в гене AGTR2 1675 G>A (rs 1403543) (χ²=5,06; df=1; p<0,024):

P(Y)=1/(1+e^{–(1,59–0,032×Х1)}),

где Х1 – угол альфа QRS.

Чувствительность построенной модели составила 43,3%, специфичность – 76,9%, точность – 62,3%.

Математическая модель для выявления носителей мутаций в гене GNB3 825 C>T (rs 5443) (χ²=30,571; df=5; p<0,001):

P(Y)=1/(1+e^{–(–4,781–1,195×Х1+17,212×Х2–12,849×Х3–11,372×Х4+0,75×X5)}),

где Х1 – наличие болей в грудной клетке при физической нагрузке (0 – нет, 1 – есть); Х2 – амплитуда зубца Р во II стандартном отведении, мм; Х3 – амплитуда зубца Р в отведении aVF, мм; Х4 – амплитуда зубца P в отведении V4, мм; X5 – амплитуда зубца R в отведении V1, мм.

Чувствительность построенной модели составила 61,7%, специфичность – 68,6%, точность – 65,2%.

Математическая модель для выявления носителей мутаций в гене CYP11B2 344 C>Т (χ²=22,99; df=4; p<0,001):

P(Y)=1/(1+e^{–(8,196+0,028×Х1–3,701×Х2+0,217×Х3–0,041×Х4)}),

где Х1 – длительность интервала Q–T, мм; Х2 – амплитуда зубца Q в отведении V4, мм; Х3 – длительность зубца Q в отведении V5, мс; Х4 – время внутреннего отклонения в отведении aVL, мc.

Чувствительность построенной модели составила 91,6%, специфичность – 61,9%, точность – 82,6%.

Математическая модель для выявления носителей мутаций в гене NOS3 894 G>T (rs 1799983) (χ²=42,52; df=6; p<0,001):

P(Y)=1/(1+e^{–(31,728–3,897×Х1–1,125×Х2–0,283×Х3–0,179×Х4–0,11×X5+0,097×Х6)}),

где Х1 – наличие в анамнезе смерти родственников по механизму ВСС в возрасте до 50 лет (0 – нет, 1 – есть); Х2 – амплитуда зубца Т в отведении V4, мм; Х3 – время внутреннего отклонения в III стандартном отведении, мc; X4 – время внутреннего отклонения в отведении aVR, мс; Х5 – время внутреннего отклонения в отведении V2, мс; X6 – время внутреннего отклонения в отведении V6, мс.

Чувствительность построенной модели составила 79,4%, специфичность – 68,6%, точность – 73,9%.

Среди построенных математических моделей наиболее информативными оказались модели по выявлению носителей мутаций в генах ADD1 1378 G>T, CYP11B2 344 C>Т и NOS3 894 G>T.

Таким образом, в процессе проведенного обследования лиц с повышенным риском развития ВСС выявлен ряд особенностей. Так, у данной категории отмечена высокая частота встречаемости гомозиготных вариантов риска: AGTR2 АА и CYP11B2 ТТ, то есть полиморфизмов, ответственных за развитие ГЛЖ, в том числе и у молодых лиц. В то же время выявлена корреляционная взаимосвязь случаев смерти у близких родственников до 50 лет с наличием полиморфизмов в гене CYP11B2 344 C>T. Полученные данные могут свидетельствовать о целесообразности проведения исследования полиморфизма данного гена и быть использованы при стратификации риска ВСС. Построенная математическая модель прогнозирования наличия варианта риска (гетеро- или гомозиготного) в данном гене обладает высокой чувствительностью (91,6%) и точностью (82,6%).

Также показано наличие корреляционных взаимосвязей между некоторыми известными факторами риска развития ВСС и различными полиморфизмами генов АГ. Выявлены корреляционные взаимосвязи между наличием летальных исходов у родственников в возрасте до 50 лет по механизму ВСС и количеством гомозиготных вариантов у человека (r=0,31; р=0,009) с геном CYP11B2: 344 C>T (r=0,32; р=0,007). Кроме того, выявлена прямая корреляционная взаимосвязь длительности корригированного интервала Q–T c геном AGT 521 C>T, а также корреляционные связи между такими предикторами ВСС, как укорочение интервала P–Q, AV-блокада 1-й степени и синдром ранней реполяризации желудочков с рядом генов.

Выводы

1. Выявлены взаимосвязи между риском развития ВСС, некоторыми известными предикторами ее возникновения и генами артериальной АГ.
2. У молодых лиц с риском развития ВСС следует проводить генетический анализ для поиска мутаций генов АГ, особенно в гене CYP11B2 344 C>T, в целях проведения профилактических мероприятий по раннему выявлению и лечению АГ и снижению риска развития ВСС.
3. При принятии решения о необходимости проведения генетического анализа можно использовать полученные нами математические модели по прогнозированию наличия полиморфизмов в генах, ответственных за возможность развития артериальной гипертензии.

About the authors

V. A. Kachnov

Military medical academy of S.M. Kirov

Author for correspondence.
Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

V. V. Tyrenko

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

S. N. Kolubaeva

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

D. V. Cherkashin

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

G. G. Kutelev

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

L. A. Myakoshina

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

A. S. Buntovskaya

Military medical academy of S.M. Kirov

Email: vmeda-nio@mil.ru
Russian Federation, Saint Petersburg

References

Supplementary files