Causal Effects of a Healthful Plant-Based Diet on Coronary Artery Disease: A Mendelian Randomization Study Using Proteomics-Derived Instrumental Variables = 건강 지향적 식물성 식단이 관상동맥질환에 미치는 인과적 영향: 단백질 기반 도구 변수를 활용한 멘델리안 무작위화 연구

국문 초록 (Abstract)

배경 및 연구 목적: 관상동맥질환은 전 세계적으로 주요 사망 원인으로 식습관과 밀접한 관련이 있다. 특히 건강 지향적 식물성 식단(Healthy Plant-based Diet Index, hPDI)이 관상동맥질환 위험 감소와 관련되어 있지만, 기존 관찰 연구는 인과성 규명에 한계가 있다. 본 연구는 단백질 정량적 형질 좌위(pQTL)를 도구변수로 활용한 멘델리안 무작위화 분석을 통해 hPDI와 관상동맥질환 간의 인과 관계를 규명하고자 하였다. 또한, UK Biobank 코호트의 혈장 단백체 데이터를 활용하여, hPDI와 관상동맥질환 간의 생물학적 기전을 규명하고, 이를 통해 관상동맥질환 예방을 위한 정밀영양 전략에 새로운 통찰력을 제공하고자 했다.

연구 방법: UK Biobank 코호트 참가자 46,842명을 대상으로 Olink Explore 3072 프로테오믹스 플랫폼을 이용해 총 2,920종의 혈장 단백질을 측정하였다. Netboost 클러스터링 방법으로 단백질 공발현 네트워크를 구성한 뒤, hPDI와 단백질 모듈, 그리고 관상동맥질환 발생률 간의 관련성을 각각 다변량 선형 회귀분석 및 Cox 생존 회귀분석을 통해 평가하였다. 각 단백질 모듈과 관련된 유전변이(pQTL)를 도구변수로 설정하였으며, 혈장 단백질 발현을 매개로 hPDI와 관상동맥질환 간의 양방향 2표본 MR 분석을 수행해 인과관계를 평가하였다. 또한 주요 단백질 모듈과 연관된 생물학적 경로를 찾기 위해 생물학적 기능 풍부도 분석을 수행하였다. 모든 분석은 인구통계학적 특성, 생활습관 요인, 사회경제적 지표, 유전적 구조를 보정하였다.

주요 결과: UK Biobank 코호트 참가자 중 hPDI와 혈장 단백질 데이터가 모두 이용 가능한 19,537명을 분석하여 hPDI와 관상동맥질환 사이의 관계를 매개하는 단백질 네트워크를 확인하였다. 2,920개 단백질 기반 공발현 네트워크에서 총 27개의 단백질 모듈을 식별하였으며, 이 중 11개 모듈이 hPDI와 CAD 모두에 유의하게 연관되었다. 이 중 MR 분석 결과, 모듈 M14 (β=0.212, p=0.028)와 모듈 M15 (β=0.251, p=5×10⁻⁵)의 발현 증가가 관상동맥질환 위험 증가와 유의하게 관련됨을 확인하였다. 단일 SNP 분석 및 민감도 분석 결과 다면발현성(pleiotropy)이나 이질성(heterogeneity)의 증거가 나타나지 않아, 본 연구 결과의 신뢰성을 뒷받침하였다. 또한 생물학적 기능 풍부도 분석에서 모듈 M14는 염증 및 면역 경로와 연관되었고, M15는 지질 대사 및 성장인자 신호전달 경로와 관련됨을 확인하였다. 종합하면, 이러한 결과는 건강한 식물성 식단의 준수가 혈장 단백질 발현을 변화시킴으로써 관상동맥질환 위험을 낮출 수 있는 생물학적 경로를 제공한다는 것을 시사한다.

결론 및 시사점: 본 연구는 건강 지향적 식물성 식이(hPDI)가 혈장 단백질 발현을 통해 관상동맥질환 위험에 영향을 미친다는 생물학적 기전을 단백질 네트워크 수준에서 최초로 규명하였다. 특히 염증 및 면역 활성(M14), 지질 대사 및 성장인자 신호전달(M15)과 관련된 단백질 모듈이 hPDI와 관상동맥질환을 연결하는 핵심 경로로 밝혀졌다. 본 연구 결과는 개별 영양소나 단일 식품보다 식단 패턴 전체가 만성질환 예방에 중요한 역할을 할 수 있음을 강조한다. 향후 객관적 식단 평가법을 활용한 연구와 다양한 집단에서의 추가적 검증을 통해 임상 적용 가능성을 높이고 정밀 영양 접근법을 발전시킬 필요가 있다.

다국어 초록 (Multilingual Abstract)

Background and Objectives: Coronary artery disease (CAD) represents a major global health burden and has been strongly linked to dietary habits. Specifically, adherence to a healthy plant-based dietary pattern, quantified by the Healthy Plant-based Diet Index (hPDI), has been associated with reduced CAD risk. However, previous observational studies have inherent limitations regarding causal inference. This study aimed to assess the causal relationship between hPDI and CAD using Mendelian randomization (MR) analyses, employing protein quantitative trait loci (pQTLs)—genetic variants influencing plasma protein expression—as instrumental variables. We also sought to identify biological mechanisms linking hPDI to CAD through plasma proteomics data, thereby providing novel insights for precision nutrition strategies in CAD prevention.

Methods: We measured 2,920 plasma proteins using the Olink Explore 3072 proteomics platform among 46,842 participants from the UK Biobank. A protein co-expression network was constructed using Netboost clustering, and associations between hPDI, protein modules, and CAD incidence were evaluated through multivariate linear regression and Cox regression analyses, respectively. Genetic variants associated with each protein module (pQTLs) were identified as instrumental variables, and bidirectional two-sample MR analyses were conducted to evaluate causal relationships between hPDI and CAD in both directions, influenced by plasma protein expression. Additionally, enrichment analyses were performed to identify biological pathways associated with key protein modules. All analyses adjusted for demographic factors, lifestyle factors, socioeconomic indicators, and genetic structure.

Key Results: Among 19,537 UK Biobank participants with available hPDI and plasma protein data, we identified protein networks linking the association between hPDI and CAD. From the co-expression network based on 2,920 proteins, 27 protein modules were identified, and 11 modules were significantly associated with both hPDI and CAD. Among these, MR analyses revealed that increased expression of modules M14 (β=0.212, p=0.028) and M15 (β=0.251, p=5×10⁻⁵) were significantly associated with increased CAD risk. Single SNP and sensitivity analyses indicated no evidence of pleiotropy or heterogeneity, supporting the robustness of the findings. Enrichment analyses revealed that M14 was associated with inflammatory and immune pathways, whereas M15 was involved in lipid metabolism and growth factor signaling pathways. Collectively, these findings suggest specific biological pathways through which adherence to a healthy plant-based diet may reduce coronary artery disease risk by modulating plasma protein expression.

Conclusions and Implications: This study provides the first protein-network-level evidence of biological mechanisms linking adherence to a healthy plant-based dietary pattern (hPDI) with CAD risk via plasma protein expression. In particular, protein modules associated with inflammation and immune activation (M14), as well as lipid metabolism and growth factor signaling (M15), were identified as key pathways linking hPDI to CAD. Our findings suggest that dietary patterns, rather than isolated nutrients or individual foods, could play an important role in preventing complex chronic diseases. Further studies using objective dietary measures and validation across diverse populations are warranted to enhance clinical translation and precision nutrition approaches.

목차 (Table of Contents)

• Chapter 1. Introduction 9
• 1.1. Study Background 9
• 1.2. Purpose of Research 10
• Chapter 2. Materials and Methods 12
• 2.1. Study Participants 12
• 2.2. Plasma Proteomics Data 15
• 2.3. Healthy Plant-based Diet Index, hPDI 16
• 2.4. Covariates 20
• 2.5. Genotyping and QC 22
• 2.6. Statistical Analysis 24
• Chapter 3. Results 30
• 3.1. Cohort Characteristics 30
• 3.2. Protein Modules Associated with CAD and hPDI 33
• 3.3. pQTL Analysis and IV Selection 47
• 3.4. Mendelian Randomization Analysis 48
• 3.5. Assessment of Pleiotropy and IV validity 53
• 3.6. Enrichment Analysis of Protein Modules 58
• Chapter 4. Discussion 61
• 4.1. Key Findings 61
• 4.2. Strengths of the Study 64
• 4.3. Limitations and Future Directions 66
• 4.4. Conclusion 68
• Bibliography 69
• 국문 초록 73