Metabolomics Based Mediating Role of Non-lipid Metabolites in the Relationship between Obesity and Diabetic Retinopathy: a Mendelian Randomization Study

doi:10.12114/j.issn.1007-9572.2023.0641

Chinese General Practice ›› 2025, Vol. 28 ›› Issue (21): 2625-2634.DOI: 10.12114/j.issn.1007-9572.2023.0641

Special Issue: 内分泌代谢性疾病最新文章合辑；肥胖/减重最新文章合辑

• Original Research • Previous Articles Next Articles

Metabolomics Based Mediating Role of Non-lipid Metabolites in the Relationship between Obesity and Diabetic Retinopathy: a Mendelian Randomization Study

School of Public Health, Guangdong Medical University, Dongguan 523808, China

Received:2024-04-27 Revised:2024-09-05 Published:2025-07-20 Online:2025-06-05
Contact: KONG Danli, DING Yuanlin, YU Haibing

基于代谢组学探究非脂质代谢物在肥胖与糖尿病视网膜病变间的中介作用：孟德尔随机化研究

523808　广东省东莞市，广东医科大学公共卫生学院

通讯作者: 孔丹莉, 丁元林, 于海兵
作者简介:
作者贡献：
王爽负责研究的构思与设计、研究的实施；王爽、吴树法、令垚负责论文撰写；王爽、谭茜蔚负责数据整理与分析；曹汝岱、曾慧婷进行图、表绘制与优化；孔丹莉、丁元林、于海兵负责文章的修订，质量控制与审查，对文章整体负责。
基金资助:
广东省基础与应用基础研究基金自然科学基金项目(2022A1515012407); 广东省基础与应用基础研究基金区域联合基金项目（重点项目）(2020B1515120021); 广东省中医药科学技术研究项目(20221209); 广东省医学科研基金项目(A2021395); 广东医科大学学科建设项目(4SG21276P); 广东医科大学本科教学质量和教学改革工程项目(1JG22125); 东莞市科技特派员项目(20221800500342); 东莞市社会发展科技项目（重点）(20221800905642); 大学生创新创业训练计划项目(S202210571088，GDMU2021112)

Abstract

Abstract:

Background

Obesity can influence the occurrence and progression of diabetic retinopathy (DR) through various pathways, however there are limited studies on the mediation of DR by obesity through non-lipid metabolic pathways.

Objective

To investigate the mediating role of non-lipid metabolites in the relationship between obesity and DR.

Methods

In August 2023, we utilized genome-wide association study (GWAS) data and conducted Mendelian randomization (MR) analysis to explore the mediating role of non-lipid metabolites in the association between obesity and DR.

Results

BMI (OR=1.78, P=5.3E-12) and waist-to-hip ratio (WHR) (OR=1.91, P=1.3E-10) was associated with increased risk of DR, respectively. Lower levels of isoleucine (OR=0.62, P=0.039) , pyruvate (OR=0.60, P=0.039) , albumin (OR=0.65, P=0.002) , glycoprotein (OR=0.92, P=0.002) , and decreased ratio of dienes to double bonds (OR=0.93, P=0.048) was associated with increased risk of DR, respectively. Positive causal associations were observed between BMI and isoleucine (OR=1.21, P=1.0E-08) , glycoprotein (OR=1.33, P=3.2E-14) , pyruvate (OR=1.08, P=0.03) , and negative causal associations with albumin (OR=0.93, P=0.04) and the ratio of dienes to double bonds (OR=0.82, P=2.8E-05) . Positive causal associations were also found between WHR and isoleucine (OR=1.34, P=3.4E-08) and glycoprotein (OR=1.26, P=1.2E-04) . Isoleucine (β=-0.16, P=0.019) , glycoprotein (β=-0.05, P=0.029) , pyruvate (β=-0.07, P=0.027) , and the ratio of dienes to double bonds (β=0.02, P=0.036) mediated the causal association between BMI and DR, while isoleucine (β=-0.21, P=7.2E-04) and glycoprotein (β=-0.03, P=0.031) mediated the causal association between WHR and DR.

Conclusion

Obesity has a positive causal association with DR, with BMI's association with DR mediated by isoleucine, glycoprotein, pyruvate, and the ratio of dienes to double bonds, and WHR's association with DR mediated by isoleucine and glycoprotein. Non-lipid metabolic products play a mediating role between obesity and DR.

Key words: Diabetic retinopathy, Obesity, Metabolomics, Non-lipid metabolites, Body mass index, Waist-to-hip ratio, Mendelian randomization analysis

摘要：

背景

肥胖可通过多种途径影响糖尿病视网膜病变（DR）的发生和发展，但目前关于肥胖通过非脂质代谢途径介导而影响DR的研究报道较少见。

目的

探究非脂质代谢物在肥胖与DR间的中介作用。

方法

2023年8月，基于全基因组关联数据（GWAS），通过孟德尔随机化（MR）探究非脂质代谢物在肥胖与DR间的中介作用。

结果

BMI增大（OR=1.78，P=5.3E-12）、腰臀比（WHR）增大（OR=1.91，P=1.3E-10）均与DR发病风险升高有关。异亮氨酸（OR=0.62，P=0.039）、丙酮酸（OR=0.60，P=0.039）、白蛋白（OR=0.65，P=0.002）、糖蛋白（OR=0.92，P=0.002）、双烯基与双键的比率降低（OR=0.93，P=0.048）均与DR发病风险升高有关。BMI与异亮氨酸（OR=1.21，P=1.0E-08）、糖蛋白（OR=1.33，P=3.2E-14）、丙酮酸（OR=1.08，P=0.03）呈正向因果关联，与白蛋白（OR=0.93，P=0.04）、双烯基与双键的比率（OR=0.82，P=2.8E-05）呈负向因果关联；WHR与异亮氨酸（OR=1.34，P=3.4E-08）、糖蛋白（OR=1.26，P=1.2E-04）呈正向因果关联。异亮氨酸（β=-0.16，P=0.019）、糖蛋白（β=-0.05，P=0.029）、丙酮酸（β=-0.07，P=0.027）、双烯基与双键的比率（β=0.02，P=0.036）介导BMI与DR间的因果关联，异亮氨酸（β=-0.21，P=7.2E-04）、糖蛋白（β=-0.03，P=0.031）介导WHR与DR间的因果关联。

结论

肥胖与DR有正向因果关联，其中BMI与DR的关联由异亮氨酸、糖蛋白、丙酮酸、双烯基与双键的比率介导，WHR与DR的关联由异亮氨酸、糖蛋白介导，非脂质代谢产物在肥胖与DR间具有中介作用。

关键词: 糖尿病视网膜病变, 肥胖症, 代谢组学, 非脂质代谢物, 体质指数, 腰臀比, 孟德尔随机化分析

CLC Number:

R 587.26

WANG Shuang,WU Shufa,LING Yao, et al. Metabolomics Based Mediating Role of Non-lipid Metabolites in the Relationship between Obesity and Diabetic Retinopathy: a Mendelian Randomization Study[J]. Chinese General Practice, 2025, 28(21): 2625-2634. DOI: 10.12114/j.issn.1007-9572.2023.0641.
王爽,吴树法,令垚等. 基于代谢组学探究非脂质代谢物在肥胖与糖尿病视网膜病变间的中介作用：孟德尔随机化研究[J]. 中国全科医学, 2025, 28(21): 2625-2634. DOI: 10.12114/j.issn.1007-9572.2023.0641.

Figures/Tables 14

References 37

[1]	薛朔，毛一凡，王春芳. 糖尿病视网膜病变危险因素的研究进展[J]. 安徽医药，2023，27(5)：863-867. DOI：10.3969/j.issn.1001-5817.2015.05.032.
[2]	王赛怡，缪丹丹，孙中明，等. BMI、WC和腰臀比与2型糖尿病患者死亡风险的队列研究[J]. 中华疾病控制杂志，2023，27(3)：288-293，312. DOI：10.16462/j.cnki.zhjbkz.2023.03.007.
[3]	和思敏，张雨，彭刘庆，等. 倾向性评分与孟德尔随机化国内研究现状[J]. 中华疾病控制杂志，2022，26(3)：325-330. DOI：10.16462/j.cnki.zhjbkz.2022.03.014.
[4]	YOUSRI N A, SUHRE K, YASSIN E, et al. Metabolic and metabo-clinical signatures of type 2 diabetes，obesity，retinopathy，and dyslipidemia[J]. Diabetes，2022，71(2)：184-205. DOI：10.2337/db21-0490.
[5]	于天琦，徐文涛，苏雅娜，等. 孟德尔随机化研究基本原理、方法和局限性[J]. 中国循证医学杂志，2021，21(10)：1227-1234. DOI：10.7507/1672-2531.202107008.
[6]	CSCO生物统计学专家委员会RWS方法学组. 孟德尔随机化模型及其规范化应用的统计学共识[J]. 中国卫生统计，2021，38(3)：471-475，480. DOI：10.3969/j.issn.1002-3674.2021.03.042.
[7]	刘婉秋. 氨基酸与脂质的代谢物谱异常在2型糖尿病肾病关联研究[D]. 大连：大连医科大学，2021.
[8]	PULIT S L, STONEMAN C, MORRIS A P, et al. Meta-analysis of genome-wide association studies for body fat distribution in 694 649 individuals of European ancestry[J]. Hum Mol Genet，2019，28(1)：166-174. DOI：10.1093/hmg/ddy327.
[9]	KETTUNEN J, DEMIRKAN A, WÜRTZ P, et al. Genome-wide study for circulating metabolites identifies 62 loci and reveals novel systemic effects of LPA[J]. Nat Commun，2016，7：11122. DOI：10.1038/ncomms11122.
[10]	KURKI M I, KARJALAINEN J, PALTA P, et al. FinnGen：unique genetic insights from combining isolated population and national health register data[J]. Genetic and Genomic Medicine，2022，1：22271360. DOI：10.1101/2022.03.03.22271360.
[11]	DANG X, SONG M, LV L, et al. Proteome-wide Mendelian randomization reveals the causal effects of immune-related plasma proteins on psychiatric disorders[J]. Hum Genet，2023，142(6)：809-818. DOI：10.1007/s00439-023-02562-0.
[12]	PAPAVASILEIOU G, TSILINGIRIS D, SPYROU N, et al. Obesity and main urologic cancers：current systematic evidence，novel biological mechanisms，perspectives and challenges[J]. Semin Cancer Biol，2023，91：70-98. DOI：10.1016/j.semcancer.2023.03.002.
[13]	HARTWIG F P, SMITH G D, BOWDEN J. Robust inference in summary data Mendelian randomization via the zero modal pleiotropy assumption[J]. Int J Epidemiol，2018，48(3). DOI：10.1093/ije/dyx102.
[14]	ZHAO Q, WANG J, HEMANI G, et al. Statistical inference in two-sample summary-data Mendelian randomization using robust adjusted profile score[J]. The Annals of Statistics，2017，46(6)：1985-1998. DOI：10.1214/19-AOS1866.
[15]	BURGESS S, BUTTERWORTH A, THOMPSON S G. Mendelian randomization analysis with multiple genetic variants using summarized data[J]. Genet Epidemiol，2013，37(7)：658-665. DOI：10.1002/gepi.21758.
[16]	GUDICHA D W, SCHMITTMANN V D, VERMUNT J K. Statistical power of likelihood ratio and Wald tests in latent class models with covariates[J]. Behav Res Methods，2017，49(5)：1824-1837. DOI：10.3758/s13428-016-0825-y.
[17]	吴慧慧，刘乃嘉，李燕良，等. 肥胖与KCNJ11基因多态性在中国汉族人群糖尿病视网膜病变发生中的作用[J]. 复旦学报（医学版），2016，43(4)：409-413. DOI：10.3969/j.issn.1672-8467.2016.04.005.
[18]	刘鑫宇，杨娟，李红波. 糖尿病视网膜病的发病机制研究进展[J]. 生命的化学，2022，42(4)：746-751. DOI：10.13488/j.smhx.20210677.
[19]	包敏，蔺晓慧. 糖尿病视网膜病变易感性与相关基因多态性研究进展[J]. 国际眼科杂志，2021，21(2)：262-265. DOI：10.3980/j.issn.1672-5123.2021.2.14.
[20]	TAN T E, WONG T Y. Diabetic retinopathy：looking forward to 2030[J]. Front Endocrinol（Lausanne），2023，13：1077669. DOI：10.3389/fendo.2022.1077669.
[21]	LIU K, ZOU J, FAN H, et al. Causal effects of gut microbiota on diabetic retinopathy：a Mendelian randomization study[J]. Front Immunol，2022，13：930318. DOI：10.3389/fimmu.2022.930318.
[22]	SOBRIN L, CHONG Y H, FAN Q, et al. Genetically determined plasma lipid levels and risk of diabetic retinopathy：a Mendelian randomization study[J]. Diabetes，2017，66(12)：3130-3141. DOI：10.2337/db17-0398.
[23]	赖宇微. 糖尿病视网膜病变与血脂代谢的相关性分析[J]. 世界最新医学信息文摘（连续型电子期刊），2019，19(49)：82，92. DOI：10.19613/j.cnki.1671-3141.2019.45.049.
[24]	柳怡莹，万沁. 糖尿病患者内脏脂肪面积与糖尿病视网膜病变的相关性研究[J]. 医学研究杂志，2020，49(5)：72-75. DOI：10.11969/j.issn.1673-548X.2020.05.016.
[25]	郑锦标，马萍萍，马瑞倩. 糖尿病伴发视网膜微血管异常临床特征及危险因素调查研究[J]. 陕西医学杂志，2019，48(11)：1571-1573. DOI：10.3969/j.issn.1000-7377.2019.11.045.
[26]	MAN R E, SABANAYAGAM C, CHIANG P P, et al. Differential association of generalized and abdominal obesity with diabetic retinopathy in Asian patients with type 2 diabetes[J]. JAMA Ophthalmol，2016，134(3)：251-257. DOI：10.1001/jamaophthalmol.2015.5103.
[27]	ZHENG C, WEI X, CAO X. The causal effect of obesity on diabetic retinopathy：a two-sample Mendelian randomization study[J]. Front Endocrinol（Lausanne），2023，14：1108731. DOI：10.3389/fendo.2023.1108731.
[28]	张艳，徐佑东，胡樱凡，等. 葛根提取物对糖尿病视网膜病变大鼠血清氨基酸代谢的影响[J]. 中药药理与临床，2016，32(1)：102-106. DOI：10.13412/j.cnki.zyyl.2016.01.029.
[29]	李娜，李宝新，田茜，等. 2型糖尿病视网膜病变患者血清锌-α2-糖蛋白水平及其临床意义[J]. 广西医学，2020，42(10)：1189-1192，1218. DOI：10.11675/j.issn.0253-4304.2020.10.01.
[30]	WANG G X, FANG Z B, LI J T, et al. The correlation between serum albumin and diabetic retinopathy among people with type 2 diabetes mellitus：NHANES 2011-2020[J]. PLoS One，2022，17(6)：e0270019. DOI：10.1371/journal.pone.0270019.
[31]	HAINES N R, MANOHARAN N, OLSON J L, et al. Metabolomics analysis of human vitreous in diabetic retinopathy and rhegmatogenous retinal detachment[J]. J Proteome Res，2018，17(7)：2421-2427. DOI：10.1021/acs.jproteome.8b00169.
[32]	XIA M, ZHANG F. Amino acids metabolism in retinopathy：from clinical and basic research perspective[J]. Metabolites，2022，12(12)：1244. DOI：10.3390/metabo12121244.
[33]	MA Q X, ZHU W Y, LU X C, et al. BCAA-BCKA axis regulates WAT browning through acetylation of PRDM16[J]. Nat Metab，2022，4(1)：106-122. DOI：10.1038/s42255-021-00520-6.
[34]	舒杨，张春燕，程昱璇，等. 肥胖与超敏C反应蛋白、肝功能指标以及氨基酸水平的相关性研究[J]. 国际检验医学杂志，2020，41(11)：1296-1299，1305. DOI：10.3969/j.issn.1673-4130.2020.11.004.
[35]	FUERTES-MARTÍN R, MONCAYO S, INSENSER M, et al. Glycoprotein A and B height-to-width ratios as obesity-independent novel biomarkers of low-grade chronic inflammation in women with polycystic ovary syndrome（PCOS）[J]. J Proteome Res，2019，18(11)：4038-4045. DOI：10.1021/acs.jproteome.9b00528.
[36]	ZHONG P, TAN S, ZHU Z, et al. Metabolomic phenotyping of obesity for profiling cardiovascular and ocular diseases[J]. J Transl Med，2023，21(1)：384. DOI：10.1186/s12967-023-04244-x.
[37]	YUMNAMCHA T, GUERRA M, SINGH L P, et al. Metabolic dysregulation and neurovascular dysfunction in diabetic retinopathy[J]. Antioxidants（Basel），2020，9(12)：1244. DOI：10.3390/antiox9121244.

研究性状	PubMed ID/数据来源	样本量（例）	可用SNP位点数量（个）
暴露因素
BMI	30239722	806 834	312
WHR	30239722	697 734	209
中介因素
非脂质代谢物	27005778	12 134~24 923	155
结局
DR	FinnGen	5 988/314 042（实验/对照）	—
PDR		2 222/314 042（实验/对照）	—
NPDR		3 446/314 042（实验/对照）	—

研究性状	PubMed ID/数据来源	样本量（例）	可用SNP位点数量（个）
暴露因素
BMI	30239722	806 834	312
WHR	30239722	697 734	209
中介因素
非脂质代谢物	27005778	12 134~24 923	155
结局
DR	FinnGen	5 988/314 042（实验/对照）	—
PDR		2 222/314 042（实验/对照）	—
NPDR		3 446/314 042（实验/对照）	—

暴露因素	结局	分析方法	OR（95%CI）	SE	P值
BMI	DR	IVW	1.78（1.51~2.09）	0.08	5.3E-12
		weighted median	2.00（1.57~2.54）	0.12	1.6E-08
		MR Egger回归法	2.23（1.50~3.31）	0.20	9.2E-05
		weighted mode	2.23（1.35~3.68）	0.26	1.9E-03
		MR RAPS	1.76（1.54~2.02）	0.07	2.2E-16
WHR		IVW	1.91（1.57~2.33）	0.10	1.3E-10
		weighted median	1.72（1.30~2.26）	0.14	1.2E-04
		MR Egger回归法	1.30（0.78~2.15）	0.26	0.315
		weighted mode	1.55（0.98~2.46）	0.24	0.065
		MR RAPS	1.93（1.63~2.29）	0.09	2.2E-14
BMI	PDR	IVW	1.30（1.14~1.47）	0.06	5.7E-05
		weighted median	1.13（0.89~1.43）	0.12	0.308
		MR Egger回归法	1.40（1.03~1.90）	0.16	0.034
		weighted mode	1.00（0.71~1.40）	0.17	0.978
		MR RAPS	1.30（1.16~1.46）	0.06	7.5E-06
WHR		IVW	1.51（1.30~1.76）	0.08	8.1E-08
		weighted median	1.66（1.29~2.13）	0.13	6.9E-05
		MR Egger回归法	1.53（1.04~2.26）	0.20	0.034
		weighted mode	1.67（1.20~2.33）	0.17	2.7E-03
		MR RAPS	1.49（1.29~1.72）	0.07	4.2E-08
BMI	NPDR	IVW	1.81（1.52~2.17）	0.09	9.4E-11
		weighted median	2.38（1.69~3.36）	0.18	7.3E-07
		MR Egger回归法	2.12（1.34~3.38）	0.24	1.6E-03
		weighted mode	2.46（1.49~4.08）	0.26	5.3E-04
		MR RAPS	1.80（1.51~2.15）	0.09	9.5E-11
WHR		IVW	1.78（1.40~2.27）	0.12	2.6E-06
		weighted median	1.44（0.99~2.10）	0.19	0.060
		MR Egger回归法	1.29（0.69~2.39）	0.32	0.426
		weighted mode	1.30（0.68~2.49）	0.33	0.435
		MR RAPS	1.76（1.41~2.20）	0.11	5.2E-07

暴露因素	结局	分析方法	OR（95%CI）	SE	P值
BMI	DR	IVW	1.78（1.51~2.09）	0.08	5.3E-12
		weighted median	2.00（1.57~2.54）	0.12	1.6E-08
		MR Egger回归法	2.23（1.50~3.31）	0.20	9.2E-05
		weighted mode	2.23（1.35~3.68）	0.26	1.9E-03
		MR RAPS	1.76（1.54~2.02）	0.07	2.2E-16
WHR		IVW	1.91（1.57~2.33）	0.10	1.3E-10
		weighted median	1.72（1.30~2.26）	0.14	1.2E-04
		MR Egger回归法	1.30（0.78~2.15）	0.26	0.315
		weighted mode	1.55（0.98~2.46）	0.24	0.065
		MR RAPS	1.93（1.63~2.29）	0.09	2.2E-14
BMI	PDR	IVW	1.30（1.14~1.47）	0.06	5.7E-05
		weighted median	1.13（0.89~1.43）	0.12	0.308
		MR Egger回归法	1.40（1.03~1.90）	0.16	0.034
		weighted mode	1.00（0.71~1.40）	0.17	0.978
		MR RAPS	1.30（1.16~1.46）	0.06	7.5E-06
WHR		IVW	1.51（1.30~1.76）	0.08	8.1E-08
		weighted median	1.66（1.29~2.13）	0.13	6.9E-05
		MR Egger回归法	1.53（1.04~2.26）	0.20	0.034
		weighted mode	1.67（1.20~2.33）	0.17	2.7E-03
		MR RAPS	1.49（1.29~1.72）	0.07	4.2E-08
BMI	NPDR	IVW	1.81（1.52~2.17）	0.09	9.4E-11
		weighted median	2.38（1.69~3.36）	0.18	7.3E-07
		MR Egger回归法	2.12（1.34~3.38）	0.24	1.6E-03
		weighted mode	2.46（1.49~4.08）	0.26	5.3E-04
		MR RAPS	1.80（1.51~2.15）	0.09	9.5E-11
WHR		IVW	1.78（1.40~2.27）	0.12	2.6E-06
		weighted median	1.44（0.99~2.10）	0.19	0.060
		MR Egger回归法	1.29（0.69~2.39）	0.32	0.426
		weighted mode	1.30（0.68~2.49）	0.33	0.435
		MR RAPS	1.76（1.41~2.20）	0.11	5.2E-07

暴露因素	结局	Cochran's Q检验		MR Egger截距法		MR PRESSO法
暴露因素	结局	Q值	P值	截距	P值	RSSobs^a	P值
BMI	DR	410.08	<0.001	-0.004	0.220	413.54	<0.001
	PDR	343.94	0.018	-0.002	0.340	347.08	0.017
	NPDR	325.97	0.083	-0.003	0.468	328.23	0.088
WHR	DR	264.93	<0.001	0.007	0.104	268.55	<0.001
	PDR	217.56	0.128	0.003	0.947	219.72	0.132
	NPDR	231.17	0.039	0.006	0.264	238.89	0.050

Metabolomics Based Mediating Role of Non-lipid Metabolites in the Relationship between Obesity and Diabetic Retinopathy: a Mendelian Randomization Study

基于代谢组学探究非脂质代谢物在肥胖与糖尿病视网膜病变间的中介作用：孟德尔随机化研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 14

References 37

Related Articles 15

Recommended Articles

Metrics

Comments

暴露因素	结局	MR分析	OR（95%CI）	P值
BMI	DR	原始值	1.78（1.51~2.09）	3.3E-11
	DR	校正值	1.81（1.55~2.12）	1.4E-12
	PDR	原始值	1.30（1.14~1.47）	7.3E-05
	PDR	校正值	NA	NA
WHR	DR	原始值	1.91（1.57~2.33）	9.8E-10
WHR	DR	校正值	1.92（1.59~2.32）	1.6E-10

暴露因素	结局	分析方法	OR（95%CI）	SE	P值
氨基酸
异亮氨酸	DR	Wald ratio	0.62（0.40~0.98）	0.23	0.039
蛋白质
白蛋白	DR	IVW	0.65（0.49~0.86）	0.14	0.002
		weighted median	0.63（0.50~0.87）	0.16	0.005
		MR Egger回归法	0.59（0.21~1.66）	0.53	0.499
		weighted mode	0.63（0.43~0.92）	0.20	0.011
		MR RAPS	0.65（0.49~0.87）	0.15	0.004
	PDR	IVW	0.66（0.53~0.83）	0.12	<0.001
		weighted median	0.70（0.53~0.93）	0.14	0.013
		MR Egger回归法	0.41（0.18~0.97）	0.43	0.291
		weighted mode	0.76（0.53~1.10）	0.19	0.287
		MR RAPS	0.66（0.52~0.85）	0.12	<0.001
	NPDR	IVW	0.70（0.48~0.99）	0.18	0.049
		weighted median	0.76（0.49~1.18）	0.23	0.220
		MR Egger回归法	1.07（0.27~4.16）	0.70	0.942
		weighted mode	0.78（0.48~1.27）	0.25	0.417
		MR RAPS	0.69（0.48~1.01）	0.19	0.057
糖蛋白	DR	IVW	0.92（0.87~0.97）	0.03	0.002
		weighted median	0.93（0.87~1.01）	0.04	0.076
		MR Egger回归法	0.93（0.84~1.02）	0.05	0.129
		weighted mode	0.94（0.87~1.02）	0.04	0.149
		MR RAPS	0.92（0.87~0.97）	0.03	0.003
	NPDR	IVW	0.92（0.85~0.98）	0.04	0.023
		weighted median	0.93（0.84~1.03）	0.05	0.142
		MR Egger回归法	0.96（0.85~1.09）	0.06	0.522
		weighted mode	0.92（0.84~1.02）	0.05	0.137
		MR RAPS	0.92（0.85~0.99）	0.04	0.024
碳水化合物
丙酮酸	DR	Wald ratio	0.60（0.38~0.97）	0.24	0.039
代谢物比例
双烯基与双键的比率	DR	IVW	0.93（0.86~0.99）	0.03	0.048
		weighted median	0.96（0.88~1.05）	0.05	0.357
		MR Egger回归法	0.94（0.81~1.09）	0.07	0.434
		weighted mode	0.96（0.88~1.05）	0.04	0.391
		MR RAPS	0.93（0.86~0.99）	0.04	0.049

暴露	结局	MR分析	OR（95%CI）	P值
载脂蛋白B	DR	原始值	0.98（0.88~1.08）	0.660
载脂蛋白B	DR	校正值	NA	NA
载脂蛋白A1	PDR	原始值	0.99（0.87~1.23）	0.890
载脂蛋白A1	PDR	校正值	0.96（0.87~1.05）	0.370
糖蛋白乙酰化物	DR	原始值	0.93（0.74~1.16）	0.540
	DR	校正值	NA	NA
	PDR	原始值	1.01（0.80~1.28）	0.940
	PDR	校正值	1.02（0.87~1.21）	0.800

暴露因素	结局	分析方法	OR（95%CI）	SE	P值
BMI	异亮氨酸	IVW	1.21（1.14~1.30）	0.03	1.0E-08
		weighted Median	1.27（1.14~1.42）	0.06	1.5E-05
		MR Egger回归法	1.35（1.14~1.58）	0.08	3.9E-04
		weighted mode	1.33（1.12~1.58）	0.09	1.4E-03
		MR-RAPS	1.22（1.16~1.28）	0.03	3.4E-11
	白蛋白	IVW	0.93（0.86~0.99）	0.04	0.041
		weighted Median	0.93（0.80~1.06）	0.07	0.278
		MR Egger回归法	0.91（0.76~1.09）	0.09	0.300
		weighted mode	0.89（0.73~1.08）	0.10	0.243
		MR-RAPS	0.93（0.88~0.96）	0.03	0.016
	糖蛋白	IVW	1.33（1.23~1.43）	0.04	3.2E-14
		weighted Median	1.43（1.27~1.61）	0.06	5.8E-09
		MR Egger回归法	1.44（1.20~1.72）	0.09	9.5E-05
		weighted mode	0.99（0.76~1.28）	0.09	0.912
		MR-RAPS	1.32（1.24~1.40）	0.04	3.9E-12
	丙酮酸	IVW	1.08（1.01~1.16）	0.04	0.031
		weighted Median	1.11（0.97~1.25）	0.07	0.117
		MR Egger回归法	1.17（0.99~1.39）	0.08	0.064
		weighted mode	1.08（0.92~1.27）	0.08	0.350
		MR-RAPS	1.08（1.01~1.15）	0.03	0.010
	双烯基与双键的比率	IVW	0.82（0.75~0.90）	0.05	2.8E-05
		weighted Median	0.81（0.69~0.93）	0.07	4.3E-03
		MR Egger回归法	0.82（0.65~1.02）	0.11	0.081
		weighted mode	0.78（0.62~0.98）	0.11	0.028
		MR-RAPS	0.82（0.77~0.88）	0.03	3.7E-11
WHR	异亮氨酸	IVW	1.34（1.21~1.48）	0.05	3.4E-08
		weighted Median	1.46（1.27~1.67）	0.07	1.4E-07
		MR Egger回归法	1.42（1.07~1.88）	0.15	0.022
		weighted mode	1.66（1.30~2.12）	0.13	7.3E-05
		MR-RAPS	1.36（1.24~1.47）	0.05	7.7E-10
	白蛋白	IVW	1.04（0.95~1.15）	0.05	0.398
		weighted Median	1.00（0.86~1.16）	0.04	0.970
		MR Egger回归法	1.08（0.83~1.40）	0.13	0.547
		weighted mode	0.90（0.61~1.31）	0.19	0.582
		MR-RAPS	1.04（0.96~1.15）	0.04	0.327
	糖蛋白	IVW	1.26（1.12~1.42）	0.06	1.2E-04
		weighted Median	1.32（1.10~1.57）	0.09	2.8E-03
		MR Egger回归法	1.11（0.81~1.53）	0.16	0.502
		weighted mode	0.80（0.61~1.06）	0.15	0.123
		MR-RAPS	1.26（1.14~1.40）	0.05	3.8E-06
	丙酮酸	IVW	1.03（0.94~1.13）	0.05	0.517
		weighted Median	1.09（0.95~1.25）	0.07	0.203
		MR Egger回归法	0.98（0.76~1.28）	0.17	0.906
		weighted mode	1.09（0.86~1.37）	0.12	0.473
		MR-RAPS	1.03（0.95~1.11）	0.04	0.460
	双烯基与双键的比率	IVW	0.91（0.81~1.03）	0.06	0.130
		weighted Median	0.96（0.80~1.16）	0.11	0.710
		MR Egger回归法	1.11（0.80~1.53）	0.17	0.541
		weighted mode	0.94（0.71~1.24）	0.14	0.656
		MR-RAPS	0.92（0.84~1.01）	0.05	0.095

[1]	YANG Caiyi, HU Xiaohai, ZHU Hongjun, XU Yifan. Therapeutic Effect of Chaigu Decoction Combined with Western Medicine on Hypertension with Liver Depression and Blood Deficiency Pattern and Its Serum Metabolomics Analysis [J]. Chinese General Practice, 2026, 29(31): 4589-4599.
[2]	XIE Yuanling, CHENG Li, LONG Xiangyu, SU Zhengxin, SU Yiyi, ZHANG Renyue, SUN Guoqiang, CHEN Xuxia, ZHOU Jilan. Effectiveness of an AI-powered Ophthalmic Telemedicine Diagnostic Platform in Community Eye Health Screening [J]. Chinese General Practice, 2026, 29(31): 4641-4649.
[3]	LI Lan, LIU Lidi, ZHANG Peng, LI Dongze, YANG Ziyu, CHENG Yonglang, LIAO Xiaoyang, WAN Zhi. Lifestyle Intervention-based Weight Management: an Analysis of Key Highlights from the Partial Update of the 2025 NICE Guideline Overweight and Obesity Management (NG246) [J]. Chinese General Practice, 2026, 29(30): 4353-4359.
[4]	FU Xiaoya, YANG Fei, GU Keyi, GU Handong, WANG Weiqiang. Correlation between Relative Fat Mass Index and Decreased Glomerular Filtration Rate in Patients with Cardiometabolic Comorbidities [J]. Chinese General Practice, 2026, 29(28): 4187-4192.
[5]	ZHANG Han, CAI Genshen, FENG Zhengwen, ZHANG Kaiyue, LIAN Dongbo, ZHANG Hua, ZHANG Jing. Evaluating the Availability of Health Services for Obesity Comorbidities under Hierarchical Diagnosis and Treatment in Beijing: a Healthcare Institution Survey Study [J]. Chinese General Practice, 2026, 29(28): 4117-4124.
[6]	ZHANG Ying, TANG Yijun, LIU Lidi, JIANG Lihua, JIA Yu, YANG Rong, YANG Ziyu, LIAO Xiaoyang. Management of Cardiovascular Metabolic Risks in Obese Children and Adolescents in China: Based on the 2024 Italian Society of Pediatric Endocrinology and Diabetes Position Paper on Cardiometabolic Risk in Children and Adolescents with Obesity [J]. Chinese General Practice, 2026, 29(27): 3879-3887.
[7]	Expert Group on Guidelines for the Assessment, Treatment, and Prevention of Childhood Obesity in China, Professional Committee on Obesity Control in Women and Children, China Maternal and Child Health Research Association. Guidelines for the Assessment, Treatment, and Prevention of Childhood Obesity in China (Second Edition) [J]. Chinese General Practice, 2026, 29(23): 3233-3252.
[8]	YANG Lening, WANG Liming, ZHAO Chenxu, LI Ge, GAO Ying. The Effect of Sleep Fragmentation on Cardiac Remodeling in High-fat Fed Mice [J]. Chinese General Practice, 2026, 29(23): 3329-3335.
[9]	HAN Congcong, QIU Xinyu, SHAN Chunfang, SONG Ning, CHEN Qingjie, MULADILI· Abudureheman, LI Xiaomei, YANG Yining, ZHAO Qian. Impact of Metabolic Obesity Phenotype on Long-term Prognosis after Percutaneous Coronary Intervention in Patients with Acute Coronary Syndrome [J]. Chinese General Practice, 2026, 29(21): 2950-2958.
[10]	ZHANG Ke, ZENG Xianchang, ZOLZAYA Enkhzaya, ZHU Yelin, HUANG Yiwen, LIU Zhenxiu, TAO Feng. Effect of Xiere Xingpi Yin on Eating Behaviors and Weight-related Outcomes in Patients with Obesity: a Randomized Controlled Trial [J]. Chinese General Practice, 2026, 29(20): 2759-2765.
[11]	WU Zhen, XI Yaqi, HU Linlin. Characteristics of Policy Instrument Selection and Combination for Weight Management in China: a Content Analysis of National Policy Documents (2016-2025) [J]. Chinese General Practice, 2026, 29(20): 2766-2774.
[12]	REYILAI· Maimaiti, ZHOU Yiran, WU Yun, LIU Zhencheng, LU Yaoqin, WU Haiyan. Association between Novel Obesity Indicators and Cardiovascular Disease Risk in Hypertensive Patients [J]. Chinese General Practice, 2026, 29(20): 2836-2845.
[13]	CHEN Xiangyang, HUANG Hongmei, LI Sheyu. Prevention and Management of Adult Obesity: Progress and Trends from Six Keywords in 2025 [J]. Chinese General Practice, 2026, 29(20): 2753-2758.
[14]	TANG Lijuan, QI Qi, ZHANG Fan, GAO Yifu, CAO Yajing, YUE Fujuan, GAO Jinchai, LIU Xiaoli. Characterisation of the Prevalence of Overweight/Obesity among Residents Aged 18-44 Years in Hebei Province in 2013 and 2020 [J]. Chinese General Practice, 2026, 29(19): 2695-2704.
[15]	LI Yachan, YANG Yang, XU Qianting, KE Tingyu. Association between the Chinese Visceral Adiposity Index and Left Ventricular Diastolic Dysfunction in Type 2 Diabetes Mellitus [J]. Chinese General Practice, 2026, 29(18): 2482-2488.

暴露因素	结局	Cochran's Q检验		MR Egger截距法		MR PRESSO法
暴露因素	结局	Q值	P值	截距	P值	RSSobs	P值
氨基酸
异亮氨酸	DR	—	—	—	—	—	—
	PDR	—	—	—	—	—	—
	NPDR	—	—	—	—	—	—
缬氨酸	DR	2.60	0.458	-0.092	0.255	4.88	0.508
	PDR	0.62	0.891	-0.021	0.718	0.87	0.921
	NPDR	3.62	0.306	-0.123	0.250	5.68	0.416
组氨酸	DR	6.59	0.159	0.050	0.487	10.01	0.210
	PDR	2.69	0.611	-0.011	0.793	4.26	0.620
	NPDR	2.76	0.599	0.002	0.978	4.53	0.600
肌氨酸	DR	1.82	0.769	-0.019	0.741	3.12	0.757
	PDR	2.71	0.608	-0.005	0.915	4.40	0.616
	NPDR	2.43	0.657	-0.062	0.426	3.64	0.686
酪氨酸	DR	5.39	0.146	0.052	0.254	9.91	0.238
	PDR	4.62	0.202	0.040	0.264	7.72	0.296
	NPDR	1.84	0.607	0.028	0.546	3.05	0.656
谷氨酰胺	DR	8.83	0.066	0.050	0.092	27.08	0.295
	PDR	2.96	0.564	0.010	0.594	4.56	0.646
	NPDR	2.59	0.629	0.021	0.482	4.45	0.670
苯丙氨酸	DR	4.60	0.100	-0.045	0.569	—	—
	PDR	4.98	0.083	-0.057	0.293	—	—
	NPDR	4.04	0.132	-0.080	0.318	—	—
亮氨酸	DR	9.23	0.010	-0.089	0.773	—	—
	PDR	1.18	0.555	-0.020	0.828	—	—
	NPDR	4.02	0.134	-0.12	0.616	—	—
丙氨酸	DR	6.38	0.271	0.039	0.439	11.22	0.256
	PDR	3.28	0.658	0.023	0.516	4.46	0.696
	NPDR	1.10	0.954	0.023	0.676	1.53	0.958
蛋白质
白蛋白	DR	0.15	0.930	0.019	0.878	—	—
	PDR	1.48	0.478	0.092	0.461	—	—
	NPDR	1.16	0.559	-0.082	0.639	—	—
糖蛋白	DR	25.75	0.477	-0.002	0.818	27.35	0.521
	PDR	30.72	0.239	-0.007	0.427	37.71	0.208
	NPDR	13.54	0.979	-0.010	0.391	14.21	0.983
载脂蛋白B	DR	40.52	0.019	-0.014	0.286	44.37	0.020
	PDR	31.16	0.149	0.001	0.896	33.94	0.152
	NPDR	28.42	0.243	-0.009	0.541	30.65	0.252
载脂蛋白A1	DR	11.19	0.427	0.007	0.780	12.46	0.489

暴露因素	结局	Cochran's Q检验		MR Egger截距法		MR PRESSO法
暴露因素	结局	Q值	P值	截距	P值	RSSobs	P值
氨基酸
异亮氨酸	DR	—	—	—	—	—	—
	PDR	—	—	—	—	—	—
	NPDR	—	—	—	—	—	—
缬氨酸	DR	2.60	0.458	-0.092	0.255	4.88	0.508
	PDR	0.62	0.891	-0.021	0.718	0.87	0.921
	NPDR	3.62	0.306	-0.123	0.250	5.68	0.416
组氨酸	DR	6.59	0.159	0.050	0.487	10.01	0.210
	PDR	2.69	0.611	-0.011	0.793	4.26	0.620
	NPDR	2.76	0.599	0.002	0.978	4.53	0.600
肌氨酸	DR	1.82	0.769	-0.019	0.741	3.12	0.757
	PDR	2.71	0.608	-0.005	0.915	4.40	0.616
	NPDR	2.43	0.657	-0.062	0.426	3.64	0.686
酪氨酸	DR	5.39	0.146	0.052	0.254	9.91	0.238
	PDR	4.62	0.202	0.040	0.264	7.72	0.296
	NPDR	1.84	0.607	0.028	0.546	3.05	0.656
谷氨酰胺	DR	8.83	0.066	0.050	0.092	27.08	0.295
	PDR	2.96	0.564	0.010	0.594	4.56	0.646
	NPDR	2.59	0.629	0.021	0.482	4.45	0.670
苯丙氨酸	DR	4.60	0.100	-0.045	0.569	—	—
	PDR	4.98	0.083	-0.057	0.293	—	—
	NPDR	4.04	0.132	-0.080	0.318	—	—
亮氨酸	DR	9.23	0.010	-0.089	0.773	—	—
	PDR	1.18	0.555	-0.020	0.828	—	—
	NPDR	4.02	0.134	-0.12	0.616	—	—
丙氨酸	DR	6.38	0.271	0.039	0.439	11.22	0.256
	PDR	3.28	0.658	0.023	0.516	4.46	0.696
	NPDR	1.10	0.954	0.023	0.676	1.53	0.958
蛋白质
白蛋白	DR	0.15	0.930	0.019	0.878	—	—
	PDR	1.48	0.478	0.092	0.461	—	—
	NPDR	1.16	0.559	-0.082	0.639	—	—
糖蛋白	DR	25.75	0.477	-0.002	0.818	27.35	0.521
	PDR	30.72	0.239	-0.007	0.427	37.71	0.208
	NPDR	13.54	0.979	-0.010	0.391	14.21	0.983
载脂蛋白B	DR	40.52	0.019	-0.014	0.286	44.37	0.020
	PDR	31.16	0.149	0.001	0.896	33.94	0.152
	NPDR	28.42	0.243	-0.009	0.541	30.65	0.252
载脂蛋白A1	DR	11.19	0.427	0.007	0.780	12.46	0.489