抗血小板反应的遗传和饮食预测因子

目的：为此，研究人员将通过测量和比较红细胞 n-3 多不饱和脂肪酸水平极高和极低的个体的阿司匹林反应的三种不同指标来检验 n-3 多不饱和脂肪酸改变阿司匹林抗血小板反应的假设。基础状态和每天一次阿司匹林治疗 1 周后。 三个指标是：1）血小板TXB2和20-HETE浓度； 2) 离体血小板聚集（响应外部刺激）；和 3) COX-1 的阿司匹林共价加合物。 研究人员还将测试 CYP4A11、CYP4F2、CYP4F11、PEAR1 和 ACTN1 基因中的常见变异是否与基础和阿司匹林诱导的血小板聚集变化相关，并在探索性分析中修改 n-3 PUFA 对血小板聚集的影响阿司匹林反应。

程序和人群：来自蒙大拿大学、Southcentral Foundation 和俄勒冈健康与科学大学的研究人员将招募总共 150 人（每个站点 50 人）参与该研究。 在每个表演地点，招募的参与者将代表 25 名 RBC n-3 PUFA 浓度高的人和 25 名人低 RBC n-3 PUFA 浓度的人。 在提供书面同意书后，将对每位研究参与者进行病史和临床实验室检测筛查，以确保身体健康以及肝脏、肾脏和血液检测参数良好。 如果发现符合条件，每位参与者将提供 12 小时禁食（过夜）血样，用于分离血浆、血小板、淋巴细胞和红细胞。 使用 PFA-100 平台将单独的血液样本收集到经柠檬酸盐处理的试管中进行血小板聚集测试。 分离的血液组分将储存在 -80°C。

基线取样后，每位参与者将服用六剂阿司匹林（80 毫克/天，持续 2 天），并指示每天上午 9 点左右服用一剂。 在最后一次服用阿司匹林后的第二天，参与者将提供血液样本用于重复的血小板聚集测试、血小板脂质分析和阿司匹林与 COX-1 共价加合物的测量，并提供尿液样本以通过检测水杨酸盐来确认阿司匹林的消耗量。 在血小板聚集测试前 24 小时，研究参与者将被要求避免食用可能导致虚假测试结果的食物（例如，巧克力、茶、咖啡、可乐、红酒、啤酒、番茄、葡萄、葡萄汁、橙子和蔓越莓果汁，以及传统的野生食物，包括浆果、植物根、植物绿色植物等）。

分析方法：将使用自动化 PFA-100 仪器进行全血、即时护理、血小板聚集测试。 作为质量控制措施，研究人员的表现将与每个站点的临床测试服务进行正面比较。 在每个测试设置中，研究人员将获得胶原蛋白/肾上腺素和胶原蛋白/ADP 墨盒的重复结果。 研究人员还将通过 LC-MS/MS 测量血小板 TXB2、20-HETE 和 AA 的浓度。 此外，研究人员将开发并采用一种方法来量化研究参与者分离的血小板中 COX-1 的茶阿司匹林共价加合物。

统计方法：对于每个研究人群和具有极端 RBC n-3 PUFA 表型的亚组，研究人员将使用具有稳健标准误差的线性回归模型来确定基础和阿司匹林治疗条件下平均绝对血小板聚集测试结果的显着差异（主要结果），以及治疗后血小板聚集的基线变化。 极端表型亚组对之间的异质性将通过包括性别、年龄、BMI 和血小板计数作为回归模型中的协变量来解释。 每个性能站点的样本量计算（每个 n-3 PUFA 子组 n = 25）基于具有至少 0.8 的功效来检测两个极端（0-10 和 90-100 个百分位数）之间平均血小板聚集的差异 n -3 基础条件下的 PUFA 亚组，显着性水平为 0.05。 作为二级分析，对于极端 RBC n-3 PUFA 表型的每个亚组，研究人员还将比较基础和阿司匹林治疗条件下的平均血小板 TXB2 和 20-HETE 浓度，以及治疗后至-基线变化。 最后，第三级分析将涉及测试每个研究人群在具有极端 RBC n-3 PUFA 表型的组之间阿司匹林加合物与 COX-1 的程度差异。 研究人员将测试血小板聚集测试结果与血小板活化生化指标之间的关联，每个研究人群分别和总体进行。

研究人员将使用线性回归模型来测试常见 CYP4A11、CYP4F2、CYP4F11、PEAR1 和 ACTN1 基因型与基础和阿司匹林治疗条件下的平均绝对血小板聚集测试结果之间的关联，以及治疗后至血小板聚集的基线变化。 在探索性分析中，研究人员将线性混合效应 (LME) 模型应用于组合的治疗前和治疗后数据集，以测试与 n-3 PUFA 组和药物效应的关联，并确定这些效应的任何修改通过 CYP4A11、CYP4F2、CYP4F11、PEAR1 和 ACTN1 变异，包括并测试模型中的显着交互作用。 研究人员将在 LME 中包括随机效应，以解释每个人群中的潜在异质性。