体重指数

BMI被用作衡量肥胖的主要指标。对于儿童 BMI，我们从对 39,620 名年龄在 2 岁至 10 岁之间的参与者的发现荟萃分析中下载了公开可用的全基因组关联研究 (GWAS) 汇总统计数据，其中包含 8,227,807 个单核苷酸多态性 (SNP)。在GWAS中，儿童BMI在调整年龄和性别后转化为标准化偏差评分量表。基因型数据被估算到 1000 Genomes Project 或 Haplotype Reference Consortium。 SNP 被过滤，次要等位基因频率超过 1%，插补质量得分超过 0.6。

对于成人 BMI，我们使用了来自英国生物银行 (UKB) 的数据，这是一项大规模前瞻性队列研究，其中包含英国 40-69 岁之间 50 万参与者的详细表型和遗传数据34。我们仅包括基于遗传成分的 K-means 聚类算法和自我报告的祖先信息（UKB 数据字段 22009 和 21000）35 的欧洲参与者。为了避免潜在的偏差，我们删除了成人 BMI GWAS 中的所有哮喘病例（见下文儿童和成人哮喘病例部分）。在成人 BMI GWAS 中总共选择了来自 UKB 数据字段 21001 的 371,541 名参与者。如之前的研究 36 所述，仅在对照中的样本重叠可以避免孟德尔随机化 (MR) 分析中的潜在偏差。在 GWAS 分析之前，将基于秩的逆正态变换应用于 BMI，以解释标准差单位中的遗传效应大小。在我们的敏感性分析中，我们还使用了来自人体测量特征遗传调查 (GIANT) 联盟（2015 年发布，没有英国生物银行参与者）的成人 BMI GWAS 汇总统计数据，其中约有 200 万个 SNP38。

英国生物银行已通过当地研究伦理委员会的审查和批准。所有参与者都提供了知情的书面同意，并且研究程序是按照世界医学协会赫尔辛基医学研究伦理原则宣言进行的。

肥胖相关生物标志物

BMI 是衡量肥胖的不完善指标，可能无法反映疾病结果风险的潜在生物学机制 39。为了研究肥胖与哮喘之间关联的潜在生物介质，我们获得了两个主要途径中肥胖相关生物标志物的可用 GWAS 汇总统计数据（在补充说明 1、补充表 3 中描述）：胰岛素/胰岛素样生长因子 (IGF) 轴和慢性低度炎症，包括脂联素、C 反应蛋白 (CRP)、IGF-1、白细胞介素 6 (IL-6)、胰岛素、瘦素、抵抗素和肿瘤坏死因子受体 (TNFR1、TNFR2)39。

儿童期和成人期哮喘病例

我们使用来自 UKB 的个体水平数据定义了儿童期和成人期哮喘病例，并进行了 GWAS 分析。 GWAS 分析使我们能够避免与 UKB 中成人 BMI 的样本重叠并进行各种敏感性分析，而公开的 GWAS 哮喘汇总统计数据不符合要求。从 UKB 确定儿童和成人哮喘病例，通过医院住院记录、初级保健数据、癌症/死亡登记记录和基于触摸屏问卷的医生诊断自我报告收集健康相关结果34,40。制定了详细的首次出现的健康结果编码分类 (https://biobank.ctsu.ox.ac.uk/crystal/ukb/docs/first_occurrences_outcomes.pdf) 以协调不同的编码系统（国际疾病分类 [ICD] 代码和阅读代码）。通过 UKB 数据字段 131494 和 131495 首次出现的哮喘被用作确定哮喘病例的主要来源。当数据字段不可用时，我们使用由 UKB 结果裁决小组开发的另一个算法定义的哮喘日期（数据字段 42014）。我们排除了 585 名在两个数据字段 131494 和 42014 之间诊断时年龄差异大于 10 岁的参与者。在本研究中，儿童期和成人期哮喘分别定义为诊断时年龄小于 12 岁和大于 25 岁7， 41.由于其高度异质性，本研究排除了年轻成人哮喘（发病年龄 12-25 岁）6,41。我们注意到哮喘的首次发病年龄可能早于 1 岁，因此，我们在敏感性分析中进一步将儿童期哮喘病例的首次发病年龄限制在 5 至 11 岁之间。我们从这项研究中排除了患有慢性阻塞性肺病、肺气肿或慢性支气管炎的参与者（n = 27,434）6,7,41,42。我们总共纳入了 10,524 例儿童期哮喘病例、36,434 例成人哮喘病例和 373,393 例共享对照组（仅限于欧洲血统的参与者）。

根据赫尔辛基宣言，英国生物银行获得了西北海多克国家研究伦理服务委员会的批准。

波士顿出生队列

为了进一步研究 IL6 与哮喘之间的关联，我们纳入了波士顿出生队列 (BBC)，这是一项于 1998 年在波士顿医学中心滚动招募的前瞻性出生队列研究。 BBC 的详细信息在以前的研究中有所描述43、44、45。在目前的研究中，我们纳入了 394 名同时具有 IL-6 和哮喘信息的儿童。在 BBC，在分娩时收集脐带血以测量 IL-6，并使用流式 Luminex xMAP 技术（Luminex Corp，Austin，TX）通过免疫测定对其进行量化44。在 2 岁及以上儿童中使用医师诊断代码（国际疾病分类，第九版）定义哮喘和喘息。

统计和再现性

全基因组关联分析

全基因组关联分析在 REGENIE 软件 (v2.0.2) 中进行，这是一种针对数量和二元性状的计算高效的全基因组回归 46。对于 UKB 的成人 BMI GWAS，进行了线性回归测试，而对于二元结果哮喘 GWAS，进行了近似 Firth 逻辑回归测试。对于所有 GWAS，我们调整了性别、招募年龄、年龄平方、遗传批次效应和前 20 个遗传成分。具有小于 0.01 的次要等位基因频率和小于 0.6 的插补质量评分的遗传变异被排除在关联测试之外。

遗传相关性

我们使用 LD 评分回归 (LDSC, v1.0.1) 分别评估 BMI 与儿童期和成人期哮喘之间的遗传相关性 47, 48。 BMI 和哮喘 GWAS 汇总统计数据被过滤为 120 万个 HapMap3 SNP，没有主要的组织相容性复合区域。使用了来自欧洲参与者的默认参数和 LD 分数47,48。

基因组结构方程建模

基因组结构方程建模 (genomic SEM) 是一种基于 GWAS 汇总统计数据建模遗传协方差的多元方法，无论样本重叠如何。在这项研究中，在基因组 SEM 框架（R 包 GenomicSEM，v0.0.5）中进行了遗传多变量回归分析，以阐明儿童 BMI 对儿童和成人发作哮喘的影响是否部分由成人的遗传成分解释体重指数。简而言之，内置的 LDSC 函数用于计算一系列输入性状之间的遗传协方差矩阵，允许任意程度的样本重叠。可以基于遗传协方差矩阵拟合定制的多变量模型，以探索儿童 BMI 对儿童和成人哮喘的直接遗传影响，并调整成人 BMI 的遗传影响。

双向孟德尔随机化分析 进行

了两样本 MR 分析，以研究儿童 BMI 和儿童期哮喘之间的假定因果关系 50,51。对于 BMI（作为暴露），我们选择全基因组显着的独立 SNP（P < 5 × 10-8，r2 < 0.001）作为 MR 分析中的遗传工具变量。计算 F 统计量和解释的方差比例 (R2) 以评估遗传工具的强度。使用逆方差加权 (MR-IVW) 方法作为初始分析，其中基于加权线性，将遗传工具对儿童期哮喘（结果）的遗传影响与对儿童期 BMI（暴露）的遗传影响进行回归。具有零截距项的回归模型50。我们还进行了一系列敏感性 MR 分析，以评估允许违反 MR 假设的 IVW 结果的稳健性，包括加权模式、加权中位数和 MR-Egger53、54、55。来自 MR Egger 回归的截距项用于评估潜在的定向水平多效性（即截距接近零且 P 值 > 0.05）54。我们还执行了 MR 多效性残差和和异常值 (MR-PRESSO) 方法来识别异常值变体的潜在偏差（MR-PRESSO 异常值检验）并评估 MR 估计的整体异质性（MR-PRESSO 失真检验）55。反向 MR 分析用于评估哮喘对肥胖风险或肥胖相关生物标志物的影响 56。为了调整多项测试，使用错误发现率 (FDR) 方法优先考虑肥胖相关的生物标志物，考虑特征的数量（9 个生物标志物、儿童/成人 BMI/哮喘）、MR 方法（4 个 MR 方法）和MR分析的方向。

在成人 BMI 和哮喘的 MR 分析中，仅在对照组中 BMI 的样本重叠可以避免由于样本重叠导致的潜在偏差。对于肥胖相关的生物标志物，IGF-1 和 CRP 的 GWAS 汇总统计数据来自 UKB，其中样本与我们的 BMI 和哮喘 GWAS 重叠可能会使 MR 估计产生偏差。使用交叉特征 LD-score 回归方法来近似任意程度的样本重叠并纠正偏差 57。

肥胖和哮喘之间共享的基因组区域

我们使用 COLOC（R 包，版本 5.1.0）进行了贝叶斯共定位分析，以研究儿童 BMI 和儿童期哮喘之间的共享因果变异。为了识别共享变体，我们根据 SNP P 值 < 选择了儿童 BMI 和儿童哮喘的独立索引 SNP。 1 × 10-5 且 R2 ＜ 0.01。测试的基因组区域包括索引 SNP 每侧 1 Mb 窗口内的所有 SNP。在共定位分析中，计算了五个假设的后验概率：H0，与任一特征均无关联； H1 和 H2，与性状 1 或性状 2 相关； H3，与两个特征相关，但有两个独立的因果变体；和 H4，与具有共同因果变体的两个特征相关联。 H4 (PP4) 的后验概率高于其他四个假设支持影响这两个特征的共享因果变体。

报告摘要

有关研究设计的更多信息，请参阅与本文链接的自然研究报告摘要。