肺癌（lung cancer，LC）是全球发病率和死亡率最高的恶性肿瘤之一。据报道，2022年我国新增LC患者约87万例，死亡人数77万例，给居民健康和经济带来了巨大负担[1]。此外，有研究[2]预测我国未来10年的LC发病率和死亡率将持续上升。与此同时，大部分LC患者确诊时已处于晚期或出现转移，失去了最佳手术时机[3-4]。因此，针对危险因素进行早期干预以降低LC发生率，有助于缓解疾病负担。
炎症因子由不同类型的细胞产生并分泌到循环中，在多种生理、病理过程中发挥作用[5-6]。研究[7]发现，炎症因子是LC微环境中关键的组成成分之一，影响LC的发生、发展。例如，基质金属蛋白酶-9可通过PI3K/AKT信号通路促进LC的发生[8]，并降解细胞外基质促进癌细胞的侵袭[9]。重组人分泌型磷蛋白1（secreted phosphoprotein1，SPP-1）在LC患者血清中的表达水平显著高于健康对照组，并且可通过激活FAK/AKT和ERK信号通路，促进LC细胞增殖和转移，这表明SPP-1参与LC的发生和进展[10-11]。此外，环氧化酶-2可通过前列腺素E2促进LC细胞的增殖和转移[12]。目前，使用孟德尔随机化（Mendelian randomization，MR）方法分析探讨炎症因子与肿瘤因果关联的研究[13-16]较多，但仍缺乏有关炎症因子与LC因果关联的研究。
MR是遗传流行病学研究的有力工具，其利用单核苷酸多态位点（single nucleotide polymorphism，SNP）作为工具变量（instrumental variables，IVs）以推断暴露因素与特定疾病之间的因果关系[17]。其优点在于可有效克服混杂因素和反向因果的干扰，因此，MR分析可以增强暴露因素与特定疾病相关性的因果推断[18-19]。基于此，本研究应用MR分析探索炎症因子与LC之间的潜在因果关系。
1 材料与方法
1.1 数据来源
91种炎症因子[20]、LC［包括肺腺癌（lung adenocarcinoma，LAC）、肺鳞状细胞癌（lung squamous cell carcinoma，LSCC）和小细胞肺癌（small cell lung cancer，SCLC）］[21]和LC重复样本[22]的汇总数据均来自公开可获得的全基因组关联研究（genome-wide association studies，GWAS）数据库；见表1。
表1
GWAS汇总数据信息
1.2 研究方法
1.2.1 研究设计
本研究使用公共数据库GWAS汇总数据进行MR分析，以探究91种炎症因子与LC（包括LAC、LSCC和SCLC）之间的因果关系。首先，使用双向MR分析探究炎症因子与LC发生风险之间的潜在因果关系。其次，使用重复样本MR分析以验证提示性因果关系的强度。然后，考虑到不同炎症因子之间可能存在相关串联，进一步使用多变量MR分析以探究上述显著的因果关系是否具有独立的因果效应。最后，使用亚组MR分析以探究显著关联的炎症因子与LAC、LSCC和SCLC的因果效应。与此同时，MR分析需满足3条基本原则：（1）IVs与暴露因素之间具有强相关性；（2）IVs与混杂因素无关；（3）IVs仅通过暴露因素影响特定疾病。研究设计流程图见图1[23]。
图1
研究设计流程图
1.2.2 工具变量的选择
双向、重复和亚组MR分析时，（1）分别以P＜5×10-6和P＜5×10-8为标准筛选炎症因子和LC的SNP[24-25]；（2）以系数r2=0.001、连锁不平衡区域宽度=10 000 kb为标准去除连锁不平衡[26]；（3）剔除F值（F值=β暴露2/se暴露2）≤10的SNP，以排除弱IVs[27-28]；（4）删除回文SNP，并通过“PhenoScanner v2”（
1.2.3 MR分析
双向、重复和亚组MR分析时，采用逆方差加权法（inverse-variance weighted，IVW）为主要分析方法以推断暴露与结局的因果关系，辅以加权中位数法（weighted median，WM）法、MR-Egger回归[27,30-31]。多变量MR分析以多变量IVW作为主要分析方法，并辅以套索算法（least absolute shrinkage and selection operator，LASSO）和多变量MR-Robust分析[32-33]。
1.2.4 敏感性分析
采用Steiger方向检验、Cochran’s Q检验、MR-Egger截距项检验、留一法（leave-one-out，LOO）用于敏感性分析。其中，Steiger方向检验用以排除反向因果关系[34]。Cochran’s Q检验用于检测异质性，当P>0.05时采用固定效应IVW法（fixed-effects IVW，FE-IVW），否则采用随机效应IVW法（random-effects IVW，RE-IVW）[35]。MR-Egger截距项检验用于检测水平多效性[36]。LOO确定IVs对因果效应的潜在影响程度[37]。多变量MR分析以Rücker Q检验检测异质性，当P>0.05时采用多变量MR固定效应IVW法（multivariable Mendelian randomization fixed-effects IVW，MVMR-FE-IVW），否则采用多变量MR随机效应IVW法（multivariable Mendelian randomization random-effects IVW，MVMR-RE-IVW）[38]。以多变量MR-Egger截距项检验检测水平多效性[39]。
1.3 统计学分析
上述分析均使用R语言软件（版本4.3.0）中“TwoSampleMR”包（版本0.5.6）、“MendelianRandomization”包（版本0.7.0）、“MRPRESSO”包（版本1.0）以及“fdrtool”包（版本1.2.17）完成。正向、重复、多变量以及亚组MR分析结果以优势比（odds ratio，OR）以及95%置信区间（confidence interval，CI）呈现。反向MR分析结果以β值及95%CI表示。分析结果采用错误发现率（false discovery rate，FDR）法进行校正，将P≤0.05且q值≤0.1定义为显著因果关系的阈值，P≤0.05但q值>0.1被认为具有提示性关联[40-41]。
2 结果
2.1 双向MR分析
2.1.1 正向MR分析及敏感性分析
IVW结果显示CD5（P=0.006，q=0.240）、成纤维细胞生长因子21（fibroblast growth factor 21，FGF-21）（P=0.030，q=0.461）、白介素18（interleukin-18，IL-18）（P<0.001，q=0.013）、抑瘤素M（oncostatin-M，OSM）（P=0.006，q=0.240）与LC发生风险降低具有因果关系。而神经生长因子β亚基（nerve growth factor-β，NGF-β）（P=0.020，q=0.451）、钙结合蛋白A12（S100 calcium-binding protein A12，S100A12）（P=0.030，q=0.461）、白血病抑制因子受体（leukemia inhibitory factor receptor，LIF-R）（P=0.038，q=0.496）与LC发生风险增加具有因果关系。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果显示，上述炎症因子到LC的因果方向正确（P<0.05）。Cochran’s Q检验结果显示，CD5的统计量Q值及其P值分别为22.898、0.043，提示CD5的IVs之间存在异质性，因此使用RE-IVW，其余使用FE-IVW（P>0.05）。MR-Egger截距项检验结果表明不存在水平多效性（P>0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。正向MR分析结果见表2。
表2
正向MR分析结果
2.1.2 反向MR分析及敏感性分析
反向MR分析所用IVs与正向MR分析所用IVs无重叠。结果显示，LC与NGF-β、CD5、S100A12、FGF-21、IL-18、LIF-R和OSM均无明显因果关系（P＞0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。反向MR分析结果见表3。
表3
反向MR分析结果
2.2 重复样本MR分析及敏感性分析
共6种炎症因子与LC展示出提示性关联，使用LC重复样本进行MR分析验证其关联强度。IVW结果显示，NGF-β（P=0.005，q=0.010）、CD5（P<0.001，q<0.001）、S100A12（P=0.018，q=0.027）和OSM（P=0.003，q=0.009）与LC的因果关系成功复现。重复样本MR分析结果见表4。MR-Egger､WM检验结果与IVW方向一致。Steiger方向检验结果提示，上述炎症因子到LC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
表4
重复样本MR分析结果
2.3 多变量MR分析及敏感性分析
共5种炎症因子与LC展示出显著的因果关联，使用多变量MR分析进一步探究其因果效应的独立性。结果显示CD5（P=0.007，q=0.009）、IL-18（P<0.001，q=0.001）、OSM（P=0.018，q=0.021）仍保持与LC发生风险降低的相关性，NGF-β（P=0.004，q=0.007）和S100A12（P<0.001，q<0.001）仍保持与LC发生风险增加的相关性，表明其对LC发生风险的作用具有独立性。多变量MR分析结果见表5。此外，Rücker Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用MVMR-FE-IVW。MR-Egger截距项检验结果提示，不存在水平多效性（P＞0.05）。
表5
多变量MR分析结果
2.4 亚组MR分析及敏感性分析
2.4.1 LAC的MR分析及敏感性分析
IVW结果显示，IL-18（P<0.001，q=0.001）与LAC发生风险降低具有因果关系，而NGF-β（P=0.035，q=0.064）、S100A12（P=0.039，q=0.064）与LAC发生风险增加具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到LAC的因果方向正确（P<0.05)。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
表6
亚组MR分析结果
2.4.2 LSCC的MR分析及敏感性分析
IVW结果显示CD5（P=0.026，q=0.064）和OSM（P=0.024，q=0.064）与LSCC发生风险降低具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到LSCC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，CD5的统计量Q值及其P值分别为23.728、0.049，提示CD5的IVs之间存在异质性，因此使用RE-IVW，其余使用FE-IVW（P>0.05）。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
2.4.3 SCLC的MR分析及敏感性分析
IVW结果显示，NGF-β（P=0.009，q=0.045）与SCLC发生风险增加具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到SCLC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
3 讨论
本研究利用MR方法，首次系统评估了91种炎症因子与LC及其亚型的因果关系，共鉴定出5种炎症因子与LC的发生风险存在因果关系。CD5、IL-18和OSM与LC发生风险降低具有因果关系，而NGF-β和S100A12与LC发生风险增加具有因果关系。亚组MR分析显示，IL-18与降低LAC风险具有因果关系，而NGF-β和S100A12与LAC发生风险增加具有因果关系；CD5和OSM与LSCC发生风险降低具有因果关系；NGF-β与SCLC发生风险增加具有因果关系。
NGF-β是神经生长因子中唯一具有生物学活性的亚基[42]。NGF-β在多种肿瘤患者中高表达，与肿瘤增殖、凋亡、侵袭和转移密切相关。Wang等[43]报道NGF-β会加速胰腺癌的神经周围侵袭。此外，NGF-β表达水平与乳腺癌的分化程度及淋巴结转移呈正相关，且更高的NGF-β表达水平是三阴性乳腺癌患者术后发生骨转移的重要影响因素之一[44-45]。对于LC，研究[46-47]报道LC患者NGF-β表达水平明显高于健康对照组，且NGF-β水平与LC预后相关。这与本研究结果一致。本研究发现NGF-β可以增加LC的发病风险，这为LC的治疗提供了一条新思路。
CD5的分子量为67 kD，位于人染色体11q12.2区域。作为一种跨膜糖蛋白，其在T/B淋巴细胞受体信号传导及其外周效应器功能中发挥重要作用[48]。CD5与多种疾病息息相关。贺欣等[49]报道类风湿关节炎（rheumatoid arthritis，RA）患者CD5+B淋巴细胞数量增多且与疾病的严重程度呈正相关，同时，基因定位法也确定CD5基因为RA相关的遗传风险因素。在实验性变态反应性脑脊髓炎小鼠模型中，回输体外扩增的CD5+B细胞可有效缓解该疾病[50]。在LC相关研究[51]中，通过提高对肿瘤特异性T细胞活化诱导的细胞死亡的耐受性，表达更高CD5水平的LC患者将获得更长的总体生存期。然而，目前尚缺乏CD5与LC相关性的研究，需要进一步的研究以验证CD5与LC发生风险降低具有因果关系这一结论。
S100A12，也被称为EN-RAGE和MRP-6，主要由粒细胞合成并分泌，在调节免疫反应和炎症过程中发挥关键作用[52]。研究[52-53]表明，RA和系统性红斑狼疮患者血清S100A12表达水平明显高于健康对照组。慢性阻塞性肺疾病（chronic obstructive pulmonary diseases，COPD）患者中也出现同样的现象[54]。而COPD与LC的发病机制相关，并在一定程度上相互影响[55-57]，因此，S100A12可能通过影响COPD进而促进LC的发生与发展。
IL-18属于白介素1家族中的一员，也是干扰素-γ（interferon γ，IFN-γ）的诱导因子，可通过诱导IFN-γ和促进其他细胞因子产生，从而在免疫防御中发挥作用[58]。目前，IL-18在LC中的作用尚无定论。研究[59-60]报道，非小细胞肺癌患者血清IL-18水平明显高于健康对照组，且患者预后随着IL-18表达水平的增高而变差。亦有研究[61]显示，抑制IL-18表达会减弱A549细胞系的转移能力，这表明IL-18在LC中发挥一定的促瘤作用。然而，Xiong等[62]发现，IL-18可通过诱导IFN-γ表达并抑制白介素4生成，造成Th1/Th2细胞亚群失衡，进而导致A549细胞系凋亡增加、增殖减少以及侵袭和转移能力受损。此外，IL-18也可与CD8+T细胞膜上的IL-18受体结合，诱导产生IFN-γ，从而发挥抗LC作用[63]，这表明IL-18在LC中发挥一定的抑瘤作用。本研究发现IL-18可降低LC的发病风险，这与既往MR研究[64]的结果一致。但考虑到不同试验设计和试验方法的差异，本研究结果仍需进一步验证。
OSM是一种属于白介素6家族的细胞因子，对多种肿瘤细胞系具有抑制作用[65]。Li等[66]发现，OSM可通过MEK/ERK信号通路抑制乳腺癌细胞的生长。另外，OSM还可通过增加凋亡和抑制增殖，进而发挥抗肝癌作用[67]。OSM也可抑制LC的发生和进展[68]。Wang等[69]发现，依赖于间充质干细胞，OSM可抑制LC的发生，并通过激活间充质-上皮转化过程，进而抑制LC的转移。另一项研究[70]报道，OSM可通过诱导STAT1并下调STAT3信号通路，抑制上皮-间充质转化过程，进而抑制LC的转移。因此，上述研究结论支持OSM与LC发生风险降低具有因果关系。
然而，本研究存在一定的局限性。（1）研究使用的GWAS汇总数据均来自于欧洲人群，这限制了结果对非欧洲人群的适用性；（2）尽管使用MR-PRESSO检测并排除水平多效性，但不能排除垂直多效应；（3）虽然重复样本验证了双向MR分析的结果，但增加多项重复样本验证并合并Meta分析可进一步增加结果的可靠性；（4）研究[71]报道炎症因子可能因LC患者是否吸烟而造成不同的因果效应，而本研究使用的GWAS汇总数据并未进行吸烟分层，因此需要进一步探究吸烟是否会影响上述因果关联；（5）部分炎症因子与LC的因果关系为首次报道，需要大规模的临床研究加以验证；（6）虽然研究结果初步揭示了炎症因子与LC的因果关联，但其机制尚不明确，有待进一步研究。
综上所述，本研究评估了炎症因子对LC及其亚型的潜在因果效应，发现5种与LC发生风险相关的炎症因子，为筛选LC患者和药物治疗研发提供了潜在靶点。然而，其机制尚不明确，需要进一步研究，以更好地了解LC的发生过程，进而改善患者的医疗管理。
利益冲突：无。
作者贡献：范青禄负责论文设计，初稿撰写与修改；聂志浩负责论文初稿撰写和审阅；韦树健、罗仁维负责论文审阅与修改；谢颂平负责论文设计、审阅和修改。
肺癌（lung cancer，LC）是全球发病率和死亡率最高的恶性肿瘤之一。据报道，2022年我国新增LC患者约87万例，死亡人数77万例，给居民健康和经济带来了巨大负担[1]。此外，有研究[2]预测我国未来10年的LC发病率和死亡率将持续上升。与此同时，大部分LC患者确诊时已处于晚期或出现转移，失去了最佳手术时机[3-4]。因此，针对危险因素进行早期干预以降低LC发生率，有助于缓解疾病负担。
炎症因子由不同类型的细胞产生并分泌到循环中，在多种生理、病理过程中发挥作用[5-6]。研究[7]发现，炎症因子是LC微环境中关键的组成成分之一，影响LC的发生、发展。例如，基质金属蛋白酶-9可通过PI3K/AKT信号通路促进LC的发生[8]，并降解细胞外基质促进癌细胞的侵袭[9]。重组人分泌型磷蛋白1（secreted phosphoprotein1，SPP-1）在LC患者血清中的表达水平显著高于健康对照组，并且可通过激活FAK/AKT和ERK信号通路，促进LC细胞增殖和转移，这表明SPP-1参与LC的发生和进展[10-11]。此外，环氧化酶-2可通过前列腺素E2促进LC细胞的增殖和转移[12]。目前，使用孟德尔随机化（Mendelian randomization，MR）方法分析探讨炎症因子与肿瘤因果关联的研究[13-16]较多，但仍缺乏有关炎症因子与LC因果关联的研究。
MR是遗传流行病学研究的有力工具，其利用单核苷酸多态位点（single nucleotide polymorphism，SNP）作为工具变量（instrumental variables，IVs）以推断暴露因素与特定疾病之间的因果关系[17]。其优点在于可有效克服混杂因素和反向因果的干扰，因此，MR分析可以增强暴露因素与特定疾病相关性的因果推断[18-19]。基于此，本研究应用MR分析探索炎症因子与LC之间的潜在因果关系。
1 材料与方法
1.1 数据来源
91种炎症因子[20]、LC［包括肺腺癌（lung adenocarcinoma，LAC）、肺鳞状细胞癌（lung squamous cell carcinoma，LSCC）和小细胞肺癌（small cell lung cancer，SCLC）］[21]和LC重复样本[22]的汇总数据均来自公开可获得的全基因组关联研究（genome-wide association studies，GWAS）数据库；见表1。
表1
GWAS汇总数据信息
1.2 研究方法
1.2.1 研究设计
本研究使用公共数据库GWAS汇总数据进行MR分析，以探究91种炎症因子与LC（包括LAC、LSCC和SCLC）之间的因果关系。首先，使用双向MR分析探究炎症因子与LC发生风险之间的潜在因果关系。其次，使用重复样本MR分析以验证提示性因果关系的强度。然后，考虑到不同炎症因子之间可能存在相关串联，进一步使用多变量MR分析以探究上述显著的因果关系是否具有独立的因果效应。最后，使用亚组MR分析以探究显著关联的炎症因子与LAC、LSCC和SCLC的因果效应。与此同时，MR分析需满足3条基本原则：（1）IVs与暴露因素之间具有强相关性；（2）IVs与混杂因素无关；（3）IVs仅通过暴露因素影响特定疾病。研究设计流程图见图1[23]。
图1
研究设计流程图
1.2.2 工具变量的选择
双向、重复和亚组MR分析时，（1）分别以P＜5×10-6和P＜5×10-8为标准筛选炎症因子和LC的SNP[24-25]；（2）以系数r2=0.001、连锁不平衡区域宽度=10 000 kb为标准去除连锁不平衡[26]；（3）剔除F值（F值=β暴露2/se暴露2）≤10的SNP，以排除弱IVs[27-28]；（4）删除回文SNP，并通过“PhenoScanner v2”（
1.2.3 MR分析
双向、重复和亚组MR分析时，采用逆方差加权法（inverse-variance weighted，IVW）为主要分析方法以推断暴露与结局的因果关系，辅以加权中位数法（weighted median，WM）法、MR-Egger回归[27,30-31]。多变量MR分析以多变量IVW作为主要分析方法，并辅以套索算法（least absolute shrinkage and selection operator，LASSO）和多变量MR-Robust分析[32-33]。
1.2.4 敏感性分析
采用Steiger方向检验、Cochran’s Q检验、MR-Egger截距项检验、留一法（leave-one-out，LOO）用于敏感性分析。其中，Steiger方向检验用以排除反向因果关系[34]。Cochran’s Q检验用于检测异质性，当P>0.05时采用固定效应IVW法（fixed-effects IVW，FE-IVW），否则采用随机效应IVW法（random-effects IVW，RE-IVW）[35]。MR-Egger截距项检验用于检测水平多效性[36]。LOO确定IVs对因果效应的潜在影响程度[37]。多变量MR分析以Rücker Q检验检测异质性，当P>0.05时采用多变量MR固定效应IVW法（multivariable Mendelian randomization fixed-effects IVW，MVMR-FE-IVW），否则采用多变量MR随机效应IVW法（multivariable Mendelian randomization random-effects IVW，MVMR-RE-IVW）[38]。以多变量MR-Egger截距项检验检测水平多效性[39]。
1.3 统计学分析
上述分析均使用R语言软件（版本4.3.0）中“TwoSampleMR”包（版本0.5.6）、“MendelianRandomization”包（版本0.7.0）、“MRPRESSO”包（版本1.0）以及“fdrtool”包（版本1.2.17）完成。正向、重复、多变量以及亚组MR分析结果以优势比（odds ratio，OR）以及95%置信区间（confidence interval，CI）呈现。反向MR分析结果以β值及95%CI表示。分析结果采用错误发现率（false discovery rate，FDR）法进行校正，将P≤0.05且q值≤0.1定义为显著因果关系的阈值，P≤0.05但q值>0.1被认为具有提示性关联[40-41]。
2 结果
2.1 双向MR分析
2.1.1 正向MR分析及敏感性分析
IVW结果显示CD5（P=0.006，q=0.240）、成纤维细胞生长因子21（fibroblast growth factor 21，FGF-21）（P=0.030，q=0.461）、白介素18（interleukin-18，IL-18）（P<0.001，q=0.013）、抑瘤素M（oncostatin-M，OSM）（P=0.006，q=0.240）与LC发生风险降低具有因果关系。而神经生长因子β亚基（nerve growth factor-β，NGF-β）（P=0.020，q=0.451）、钙结合蛋白A12（S100 calcium-binding protein A12，S100A12）（P=0.030，q=0.461）、白血病抑制因子受体（leukemia inhibitory factor receptor，LIF-R）（P=0.038，q=0.496）与LC发生风险增加具有因果关系。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果显示，上述炎症因子到LC的因果方向正确（P<0.05）。Cochran’s Q检验结果显示，CD5的统计量Q值及其P值分别为22.898、0.043，提示CD5的IVs之间存在异质性，因此使用RE-IVW，其余使用FE-IVW（P>0.05）。MR-Egger截距项检验结果表明不存在水平多效性（P>0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。正向MR分析结果见表2。
表2
正向MR分析结果
2.1.2 反向MR分析及敏感性分析
反向MR分析所用IVs与正向MR分析所用IVs无重叠。结果显示，LC与NGF-β、CD5、S100A12、FGF-21、IL-18、LIF-R和OSM均无明显因果关系（P＞0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。反向MR分析结果见表3。
表3
反向MR分析结果
2.2 重复样本MR分析及敏感性分析
共6种炎症因子与LC展示出提示性关联，使用LC重复样本进行MR分析验证其关联强度。IVW结果显示，NGF-β（P=0.005，q=0.010）、CD5（P<0.001，q<0.001）、S100A12（P=0.018，q=0.027）和OSM（P=0.003，q=0.009）与LC的因果关系成功复现。重复样本MR分析结果见表4。MR-Egger､WM检验结果与IVW方向一致。Steiger方向检验结果提示，上述炎症因子到LC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
表4
重复样本MR分析结果
2.3 多变量MR分析及敏感性分析
共5种炎症因子与LC展示出显著的因果关联，使用多变量MR分析进一步探究其因果效应的独立性。结果显示CD5（P=0.007，q=0.009）、IL-18（P<0.001，q=0.001）、OSM（P=0.018，q=0.021）仍保持与LC发生风险降低的相关性，NGF-β（P=0.004，q=0.007）和S100A12（P<0.001，q<0.001）仍保持与LC发生风险增加的相关性，表明其对LC发生风险的作用具有独立性。多变量MR分析结果见表5。此外，Rücker Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用MVMR-FE-IVW。MR-Egger截距项检验结果提示，不存在水平多效性（P＞0.05）。
表5
多变量MR分析结果
2.4 亚组MR分析及敏感性分析
2.4.1 LAC的MR分析及敏感性分析
IVW结果显示，IL-18（P<0.001，q=0.001）与LAC发生风险降低具有因果关系，而NGF-β（P=0.035，q=0.064）、S100A12（P=0.039，q=0.064）与LAC发生风险增加具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到LAC的因果方向正确（P<0.05)。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
表6
亚组MR分析结果
2.4.2 LSCC的MR分析及敏感性分析
IVW结果显示CD5（P=0.026，q=0.064）和OSM（P=0.024，q=0.064）与LSCC发生风险降低具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到LSCC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，CD5的统计量Q值及其P值分别为23.728、0.049，提示CD5的IVs之间存在异质性，因此使用RE-IVW，其余使用FE-IVW（P>0.05）。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
2.4.3 SCLC的MR分析及敏感性分析
IVW结果显示，NGF-β（P=0.009，q=0.045）与SCLC发生风险增加具有因果关系；见表6。MR-Egger､WM检验结果与其方向一致。Steiger方向检验结果提示，炎症因子到SCLC的因果方向正确（P<0.05）。Cochran’s Q检验结果提示，IVs之间无异质性（P＞0.05），因此使用FE-IVW。MR-Egger截距项检验结果提示，无水平多效性（P＞0.05）。LOO结果提示，去除任意IVs都不会对结果产生较大影响，表明本MR分析结果具有稳健性。
3 讨论
本研究利用MR方法，首次系统评估了91种炎症因子与LC及其亚型的因果关系，共鉴定出5种炎症因子与LC的发生风险存在因果关系。CD5、IL-18和OSM与LC发生风险降低具有因果关系，而NGF-β和S100A12与LC发生风险增加具有因果关系。亚组MR分析显示，IL-18与降低LAC风险具有因果关系，而NGF-β和S100A12与LAC发生风险增加具有因果关系；CD5和OSM与LSCC发生风险降低具有因果关系；NGF-β与SCLC发生风险增加具有因果关系。
NGF-β是神经生长因子中唯一具有生物学活性的亚基[42]。NGF-β在多种肿瘤患者中高表达，与肿瘤增殖、凋亡、侵袭和转移密切相关。Wang等[43]报道NGF-β会加速胰腺癌的神经周围侵袭。此外，NGF-β表达水平与乳腺癌的分化程度及淋巴结转移呈正相关，且更高的NGF-β表达水平是三阴性乳腺癌患者术后发生骨转移的重要影响因素之一[44-45]。对于LC，研究[46-47]报道LC患者NGF-β表达水平明显高于健康对照组，且NGF-β水平与LC预后相关。这与本研究结果一致。本研究发现NGF-β可以增加LC的发病风险，这为LC的治疗提供了一条新思路。
CD5的分子量为67 kD，位于人染色体11q12.2区域。作为一种跨膜糖蛋白，其在T/B淋巴细胞受体信号传导及其外周效应器功能中发挥重要作用[48]。CD5与多种疾病息息相关。贺欣等[49]报道类风湿关节炎（rheumatoid arthritis，RA）患者CD5+B淋巴细胞数量增多且与疾病的严重程度呈正相关，同时，基因定位法也确定CD5基因为RA相关的遗传风险因素。在实验性变态反应性脑脊髓炎小鼠模型中，回输体外扩增的CD5+B细胞可有效缓解该疾病[50]。在LC相关研究[51]中，通过提高对肿瘤特异性T细胞活化诱导的细胞死亡的耐受性，表达更高CD5水平的LC患者将获得更长的总体生存期。然而，目前尚缺乏CD5与LC相关性的研究，需要进一步的研究以验证CD5与LC发生风险降低具有因果关系这一结论。
S100A12，也被称为EN-RAGE和MRP-6，主要由粒细胞合成并分泌，在调节免疫反应和炎症过程中发挥关键作用[52]。研究[52-53]表明，RA和系统性红斑狼疮患者血清S100A12表达水平明显高于健康对照组。慢性阻塞性肺疾病（chronic obstructive pulmonary diseases，COPD）患者中也出现同样的现象[54]。而COPD与LC的发病机制相关，并在一定程度上相互影响[55-57]，因此，S100A12可能通过影响COPD进而促进LC的发生与发展。
IL-18属于白介素1家族中的一员，也是干扰素-γ（interferon γ，IFN-γ）的诱导因子，可通过诱导IFN-γ和促进其他细胞因子产生，从而在免疫防御中发挥作用[58]。目前，IL-18在LC中的作用尚无定论。研究[59-60]报道，非小细胞肺癌患者血清IL-18水平明显高于健康对照组，且患者预后随着IL-18表达水平的增高而变差。亦有研究[61]显示，抑制IL-18表达会减弱A549细胞系的转移能力，这表明IL-18在LC中发挥一定的促瘤作用。然而，Xiong等[62]发现，IL-18可通过诱导IFN-γ表达并抑制白介素4生成，造成Th1/Th2细胞亚群失衡，进而导致A549细胞系凋亡增加、增殖减少以及侵袭和转移能力受损。此外，IL-18也可与CD8+T细胞膜上的IL-18受体结合，诱导产生IFN-γ，从而发挥抗LC作用[63]，这表明IL-18在LC中发挥一定的抑瘤作用。本研究发现IL-18可降低LC的发病风险，这与既往MR研究[64]的结果一致。但考虑到不同试验设计和试验方法的差异，本研究结果仍需进一步验证。
OSM是一种属于白介素6家族的细胞因子，对多种肿瘤细胞系具有抑制作用[65]。Li等[66]发现，OSM可通过MEK/ERK信号通路抑制乳腺癌细胞的生长。另外，OSM还可通过增加凋亡和抑制增殖，进而发挥抗肝癌作用[67]。OSM也可抑制LC的发生和进展[68]。Wang等[69]发现，依赖于间充质干细胞，OSM可抑制LC的发生，并通过激活间充质-上皮转化过程，进而抑制LC的转移。另一项研究[70]报道，OSM可通过诱导STAT1并下调STAT3信号通路，抑制上皮-间充质转化过程，进而抑制LC的转移。因此，上述研究结论支持OSM与LC发生风险降低具有因果关系。
然而，本研究存在一定的局限性。（1）研究使用的GWAS汇总数据均来自于欧洲人群，这限制了结果对非欧洲人群的适用性；（2）尽管使用MR-PRESSO检测并排除水平多效性，但不能排除垂直多效应；（3）虽然重复样本验证了双向MR分析的结果，但增加多项重复样本验证并合并Meta分析可进一步增加结果的可靠性；（4）研究[71]报道炎症因子可能因LC患者是否吸烟而造成不同的因果效应，而本研究使用的GWAS汇总数据并未进行吸烟分层，因此需要进一步探究吸烟是否会影响上述因果关联；（5）部分炎症因子与LC的因果关系为首次报道，需要大规模的临床研究加以验证；（6）虽然研究结果初步揭示了炎症因子与LC的因果关联，但其机制尚不明确，有待进一步研究。
综上所述，本研究评估了炎症因子对LC及其亚型的潜在因果效应，发现5种与LC发生风险相关的炎症因子，为筛选LC患者和药物治疗研发提供了潜在靶点。然而，其机制尚不明确，需要进一步研究，以更好地了解LC的发生过程，进而改善患者的医疗管理。
利益冲突：无。
作者贡献：范青禄负责论文设计，初稿撰写与修改；聂志浩负责论文初稿撰写和审阅；韦树健、罗仁维负责论文审阅与修改；谢颂平负责论文设计、审阅和修改。
