Способ прогнозирования риска возникновения гипертонической болезни у мужчин

Изобретение относится к медицине, конкретно к диагностике в кардиологии, и касается способа прогнозирования риска возникновения гипертонической болезни у мужчин. Выделяют геномную ДНК из периферической венозной крови пациентов и выявляют генотипы полиморфизмов rs2266782 гена флавиновой монооксигеназы 3 типа, rs1056836 гена цитохрома Р-450 1В1 и rs1799930 гена N-ацетилтрансферазы 2 типа. Оценивают характер употребления алкоголя, факт курения и наличие контакта с вредными химическими веществами. Затем каждому из указанных факторов присваивают соответствующие цифровые значения, после чего по уравнению логистической регрессии с рассчитанными для каждого фактора коэффициентами регрессии рассчитывают натуральный логарифм отношения шансов возникновения гипертонической болезни у пациента. Затем рассчитывают вероятность отнесения пациента к группе с низким - от 1 до 10%, средним - от 11 до 19% или высоким - более 20% риском возникновения гипертонической болезни. Способ обеспечивает существенное повышение точности прогнозирования риска возникновения гипертонической болезни у мужчин посредством совместной оценки комплекса генетических и средовых факторов риска заболевания и использования метода логистического регрессионного анализа. 1 табл., 3 пр.

 

Изобретение относится к области медицинской диагностики, а именно к кардиологии и медицинской генетике.

Гипертоническая болезнь (ГБ) - самое распространенное заболевание, поражающее четвертую часть населения Земного шара, т.е. порядка 1 миллиарда человек во всем мире [Cohen JD. Hypertension epidemiology and economic burden: refining risk assessment to lower costs. Manag Care. 2009 Oct; 18(10): 51-8.]. Как было показано многочисленными исследованиями, формирование предрасположенности к ГБ, как типичному примеру мультифакториального заболевания, определяется сложным характером взаимодействий между генетическими и средовыми факторами [Williams RR, Hunt SC, Hasstedt SJ, Hopkins PN, Wu LL, Berry TD, Stults BM, Barlow GK, Schumacher MC, Lifton RP, et al. Are there interactions and relations between genetic and environmental factors predisposing to high blood pressure? Hypertension. 1991 Sep; 18 (3 Suppl): I29-37. Knight BS, Sunn N, Pennell CE, Adamson SL, Lye SJ. Developmental regulation of cardiovascular function is dependent on both genotype and environment. Am J Physiol Heart Circ Physiol. 2009 Dec; 297(6): H2234-4L Kunes J, Zicha J. The interaction of genetic and environmental factors in the etiology of hypertension. Physiol Res. 2009; 58 Suppi 2: S33-4L]. Хорошо известно, что совместная комплексная оценка генетических средовых факторов риска возникновения болезни является наиболее адекватной в отношении прогнозирования вероятности его возникновения, потому как учитывает сочетание всех возможных предикторов, имеющих этиологическое значение для формирования предрасположенности к заболеванию [Cooper R.S. Gene-environment interactions and the etiology of common complex disease // Ann Intern Med. - 2003. - Vol.139. - P.437-440.]. С практической точки зрения представляется крайне необходимым выделение критериев индивидуального прогнозирования риска возникновения ГБ на основании исследованных ДНК-полиморфизмов генов-кандидатов ГБ и средовых факторов риска с целью последующего внедрения результатов исследования в совместную работу врачей генетиков и кардиологов для своевременного выявления больных, предрасположенных к заболеванию.

Из медико-биологической литературы известно достаточно большое количество исследований, посвященных оценке взаимосвязи полиморфных вариантов различных генов с предрасположенностью к гипертонической болезни [Чистяков Д.А., Туракулов Р.И., Моисеев В.С. с соавт. Полиморфизм Т174М-гена ангиотензиногена связан с гипертонической болезнью в московской популяции. Молекулярная биология. 1999; 8: 592-594. Benjafield AV, Jeyasingam CL, Nyholt DR, Griffiths LR, Morris BJ. G-protein beta3 subunit gene (GNB3) variant in causation of essential hypertension. Hypertension. 1998 Dec; 32(6): 1094-7. dark CJ, Davies E, Anderson NH, Farmer R, Friel EC, Fraser R, Connell JM. Alpha-adducin and angiotensin I-converting enzyme polymorphisms in essential hypertension. Hypertension. 2000 Dec; 36(6): 990-4. Hyndman M.E., Parsons H.G., Verma S. et al. The T-786C Mutation in Endothelial Nitric Oxide Synthase Is Associated With Hypertension. Hypertension. 2002; 39:919. Liu K, Liu Y, Liu J, Wang Z, Lou Y, Huang Y, Niu Q, Gu W, Zhu X, Wen S. α-adducin Gly460Trp polymorphism and essential hypertension risk in Chinese: a meta-analysis. Hypertens Res. 2011 Jan 13. Epub ahead of print]. Однако все они констатировали факт наличия или отсутствия ассоциаций аллелей и генотипов с развитием заболевания и не предполагали разработки статистических моделей для прогнозирования риска его возникновения.

В изученной научно-медицинской и доступной патентной литературе нами были обнаружены 4 патента на изобретения, предлагающие различные способы прогнозирования вероятности возникновения гипертонической болезни. Первый [Патент №2181260 (2002.04.20) СПОСОБ ПРОГНОЗИРОВАНИЯ ВОЗМОЖНОСТИ ВОЗНИКНОВЕНИЯ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ] и второй [Патент №2307577 (2007.10.10) СПОСОБ ПРОГНОЗИРОВАНИЯ ВОЗМОЖНОСТИ ВОЗНИКНОВЕНИЯ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ ДЛЯ КОРЕННЫХ СЕЛЬСКИХ ЖИТЕЛЕЙ-ТЕЛЕУТОВ ЮГА КУЗБАССА] способы основаны на антропометрических измерениях - оценке индекса массы тела и соматического индекса. Третий способ [Патент №2257139 (2005.07.27) СПОСОБ ПРОГНОЗИРОВАНИЯ ВОЗНИКНОВЕНИЯ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ] основан на гемодинамических показателях - оценке полноты наполнения пульса до нагрузки и на высоте задержки дыхания. Все выше перечисленные способы прогнозирования основывались лишь на оценках отдельных фенотипических параметров и не учитывали индивидуальные наследственно детерминированные особенности пациентов, определяющие генетическую предрасположенность к развитию заболевания.

Однако наиболее близким к заявляемому способу является способ (прототип) прогнозирования ЭГ на основе данных генотипирования полиморфизмов генов PON1 и СЕТР [Патент №2287158 (2006.11.10) СПОСОБ ПРОГНОЗИРОВАНИЯ ВОЗНИКНОВЕНИЯ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ ПО ГЕНЕТИЧЕСКИМ ФАКТОРАМ РИСКА]. Данный способ предполагает генотипирование двух полиморфных локусов PON1 и СЕТР и в зависимости от выявляемых генотипов пациентов относят в группу с высоким или низким риском возникновения гипертонической болезни.

Одним из недостатков данного способа является отсутствие, как объективного способа расчета вероятности, выраженного в % относительного риска отнесения индивида к той или иной группе риска возникновения ГБ, так и качества классификации пациентов на группы высокого и низкого риска возникновения болезни (критерия точности прогнозирования). Вторым недостатком является то, что способ не учитывает пол пациента, потому как данная особенность имеет немаловажное значение для прогнозирования риска гипертонической болезни, учитывая половой диморфизм подверженности болезни в популяции, который детерминирован генетическими и средовыми факторами [Patsopoulos NA, Tatsioni A, loannidis JP. Claims of sex differences: an empirical assessment in genetic associations. JAMA. 2007 Aug 22; 298(8): 880-93. Sartori-Valinotti JC, Iliescu R, Fortepiani LA, Yanes LL, Reckelhoff JF. Sex differences in oxidative stress and the impact on blood pressure control and cardiovascular disease. Clin Exp Pharmacol Physiol. 2007 Sep; 34(9): 938-45. Ober C, Loisel DA, Gilad Y. Sex-specific genetic architecture of human disease. Nat Rev Genet. 2008 Dec; 9(12): 911-22.]. И, наконец, наиболее существенным недостатком данного способа является то, что он не учитывает наличие у каждого пациента средовых факторов риска, которые для данного заболевания имеют первостепенное значение, зачастую значительно большее, чем данные о генетических факторах риска.

Задачей изобретения стала разработка объективного, высокоинформативного способа прогнозирования риска возникновения гипертонической болезни путем оценки комплекса генетических и средовых факторов риска с использованием логистической регрессионной модели. С учетом полового диморфизма, проявляющегося в принципиальных различиях генетической компоненты предрасположенности к заболеванию у представителей различного пола, в рамках данного способа разработана статистическая модель для мужчин.

Технический результат при использовании изобретения - существенное повышение точности прогнозирования риска возникновения ГБ у мужчин посредством совместной оценки комплекса генетических и средовых факторов риска заболевания и использования метода логистического регрессионного анализа.

Способ осуществляется следующим образом.

ДНК выделяют из образцов периферической венозной крови больных гипертонической болезнью стандартным методом фенолхлороформной экстракции и прецитпитации этанолом [Маниатис Т., Фрич Э., Сэмбрук Д. Методы генной инженерии. Молекулярное клонирование. Пер. с анг. М.: Мир, - 1984. - 480 с.]. Для генотипирования полиморфизмов генов используют стандартные олигонуклеотидные праймеры. Выделенную геномную ДНК подвергают полимеразной цепной реакции (ПЦР). При приготовлении растворов для проведения ПЦР используют импортные реагенты высокой степени очистки (Ultra pure и Biotechnology Grade). ПЦР проводится в 12 мкл реакционной смеси, содержащей 0,5 мкл образца геномной ДНК. Смесь для амплификации включает: 67 мМ Трис-HCl рН=8,8, 16,6 мМ сульфата аммония, 6,7 мкМ ЭДТА, 1-1,5 mM MgCl₂, 1 мМ β-меркаптоэтанола, 1 мМ каждого dNTPs (dATP, dCTP, dTTP и dGTP), 15 нМ каждого из праймеров и 1U (1 единица активности) термостабильной Taq-ДНК-полимеразы. Для предотвращения испарения амплификационной смеси и образования конденсата на реакционную смесь наслаивают по 30 мкл минерального масла. Обнаружение полиморфизмов исследуемых генов проводится путем обработки ампликонов 5U соответствующими эндонуклеазами рестрикции (ООО "Сибэнзим", г.Новосибирск) согласно протоколам, описанным производителем ферментов. Рестрикционную смесь термостатируют 16 часов при температурах, рекомендуемых ООО "Сибэнзим" для каждой эндонуклеазы. После инкубации фрагменты ДНК фракционируют с помощью электрофореза в 2-3% агарозных гелях, приготовленных на основе ТВЕ буфера (0,089 М Трис-HCl, 2 мМ ЭДТА, 0,089 М борная кислота) с 0,01% бромистым этидием. Разделенные фрагменты ДНК визуализируют на трансиллюминаторе с помощью прибора компьютерной видеосъемки GDS-8000 ("UVP", США). Документирование и обработка изображений электрофоретических гелей проводится с помощью аналитического пакета Labworks.

Ниже представлена интерпретация результатов электрофоретического разделения фрагментов ДНК по всем изучаемым локусам.

Полиморфизм rs2266782 (нуклеотидная замена G/A) гена флавиновой монооксигеназы 3 типа. Гидролиз продукта ПЦР размером 331 пара нуклеотидов (п.н.) гена флавиновой монооксигеназы 3 типа эндонуклеазой Hinfl при электрофоретическом разделении приводит к образованию следующих фрагментов ДНК: фрагменты длиной 217, 76 и 38 п.н. соответствуют аллелю G (генотип GG); фрагменты длиной 255 и 76 п.н. соответствуют аллелю А (генотип АА); фрагменты длиной 255, 217, 76 и 38 п.н. наблюдаются у гетерозигот GA. Обозначение генотипов в базе данных проводится следующим образом: 0 - гомозиготы по аллелю дикого типа, 1 - гетерозиготы, 2 - гомозиготы по мутантному аллелю.

Полиморфизм rs1056836 (нуклеотидная замена C/G) гена цитохрома Р-450 1В1. Гидролиз продукта ПЦР размером 187 п.н. гена цитохрома Р-450 1В1 эндонуклеазой PstI при электрофоретическом разделении приводит к образованию следующих фрагментов ДНК: фрагмент длиной 187 п.н. соответствуют аллелю С (генотип СС); фрагменты длиной 158 и 29 п.н. соответствуют аллелю G (генотип GG); фрагменты длиной 187, 158 и 29 п.н. наблюдаются у гетерозигот CG. Обозначение генотипов в базе данных проводится следующим образом: 0 - гомозиготы по аллелю дикого типа, 1 - гетерозиготы, 2 - гомозиготы по мутантному аллелю.

Полиморфизм rs1799930 (нуклеотидная замена G/A) гена N-ацетилтрансферазы 2 типа. Гидролиз продукта ПЦР размером 547 п.н. гена N-ацетилтрансферазы 2 типа эндонуклеазой TaqI при электрофоретическом разделении приводит к образованию следующих фрагментов ДНК: фрагменты длиной 222, 170 и 155 п.н. соответствуют аллелю G (генотип GG); фрагменты длиной 392 и 155 п.н. соответствуют аллелю А (генотип АА); фрагменты длиной 392, 222, 170 и 155 п.н. наблюдаются у гетерозигот СА. Обозначение генотипов в базе данных проводится следующим образом: 0 - гомозиготы по аллелю дикого типа, 1 - гетерозиготы, 2 - гомозиготы по мутантному аллелю.

Кодирование информации о генетических факторах риска пациентов осуществляется следующим образом: гомозиготам по аллелю дикого типа, гетерозиготам и гомозиготам по вариантному аллелю полиморфизмов rs2266782 гена флавиновой монооксигеназы 3 типа, rs1056836 гена цитохрома Р-450 1В1 и rs1799930 гена N-ацетилтрансферазы 2 типа присваивают значения 0, 1 и 2 соответственно.

У пациентов проводят анкетирование по средовым факторам риска при непосредственном общении с пациентами. Опросник, кроме традиционно использующихся основных социально-демографических параметров, включает сведения о наличии у обследуемых средовых факторов риска ЭГ, таких как: вредные привычки (курение, употребление алкоголя), характер питания, психоэмоциональная обстановка в семье и рабочем коллективе, профессиональные вредности. Градация "характер употребления алкоголя" (крепких алкогольных напитков) по частоте его употребления ранжируется на следующие категории: 1) реже, чем 1 раз в месяц или не употребляю, 2) 1-2 раза в месяц, 3) 1-2 раза в неделю, 4) 3-4 раза в неделю, 5) ежедневное употребление алкоголя. Респондентов, выбравших 4-ую или 5-ую категории ответов, относят к лицам с высоким уровнем употребления алкоголя (в базе данных присваивается значение 4), респондентов, выбравших с 2-й (в базе данных присваивается значение 2) по 3-ю (в базе данных присваивается значение 3) категории ответов, относили к лицам с умеренным/низким уровнем употребления алкоголя, респондентов, выбравших 1-ю категорию ответов (в базе данных присваивается значение 1) относили к лицам, не употребляющим алкоголь. Также у пациентов выясняется из анамнеза жизни наличие длительного (не менее 1 года) профессионального контакта с вредными химическими веществами (факт наличия контакта химическими веществами присваивается значение 1, отсутствие - значение 0). У пациентов выясняется факт табакокурения (курит или курил) и по полученным данным присваиваются следующие значения: курит/курил - значение 1, не курит/не курил - значение 0.

Возможность использования предложенного способа прогнозирования ГБ подтверждает анализ результатов наблюдений 176 пациентов мужчин, из которых 86 - больные ГБ и 90 - здоровые индивиды. Все пациенты были русской национальности, проживающие на территории Курской области, которые находились на стационарном лечении в кардиологических отделениях Курской областной клинической больницы и городской больницы скорой медицинской помощи г.Курска. Контрольная группа формировалась при профилактических осмотрах на предприятиях и учреждениях города Курска. Подавляющая часть больных имела длительный стаж ГБ и антигипертензивной терапии. У первичных больных диагноз ГБ устанавливался согласно рекомендациям ВОЗ после исключения симптоматических артериальных гипертензий с помощью клинических, лабораторных и клинико-инструментальных методов. Критерием включения здоровых индивидов в контрольную группу были: систолическое АД≤130 мм рт.ст., диастолическое АД≤85 мм рт.ст. при двух повторных измерениях, отсутствие стойких хронических заболеваний по данным субъективного обследования.

Формирование базы данных и статистические расчеты осуществляют с использованием программы STATISTICA 8.0. Для оценки соответствия наблюдаемого распределения генотипов ожидаемому, исходя из равновесия Харди-Вайнберга, используется критерий χ², наблюдаемая и ожидаемая гетерозиготности. Оценка влияния генетических и средовых факторов на риск возникновения ГБ осуществлялась методом бинарной логистической регрессии, которая позволяла построить статистическую модель для прогнозирования вероятности заболевания [Hosmer D.W., Lemeshow S. Applied Logistic Regression. New York; John Wiley and Sons Inc., 2000. - P.1-175.]. Результатом логистического регрессионного анализа является расчет оценок регрессионных коэффициентов b₀, b₁, b₂, … b_i уравнения [Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA / М.: Медиасфера, 2003. - 312 с.]:

Y=b₀+b₁X₁+b₂X₂+…b_iX_i,

где X₁…X_i - прогностически ценные независимые (объясняющие) признаки (в нашем случае это исследуемые ДНК-маркеры и средовые факторы риска). Значения коэффициентов b_i представляют собой натуральные логарифмы отношения шансов (OR) для каждого из соответствующих предикторов X_i. Значение Y в уравнении регрессии - это натуральный логарифм OR для изучаемого события (для риска возникновения ГБ), т.е. Y=In(Р/(1-Р)). Вероятность свершения события (для риска возникновения ГБ) для каждого конкретного индивида вычисляется по формуле [Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA / М.: Медиасфера, 2003. - 312 с.]:

P=e^y/(1+e^y),

где P - вероятность свершения события, e - математическая константа, приблизительно равная 2,72.

При оценке уравнений регрессии используется метод пошагового включения предикторов, который ранжирует признаки в соответствии с их вкладом в модель. Относительный вклад отдельных предикторов оценивается величинами статистик χ² Вальда, величин стандартизированных коэффициентов регрессии и соответствующих уровней значимости. В качестве критерия согласия реального распределения наблюдений по отдельным градациям факторов риска на основе уравнения логистической регрессии используется процент правильной классификации. Наилучшая предиктивная статистическая модель отбирается по следующим критериям: наивысший уровень статистической значимости модели в целом, наличие статистически значимых эффектов каждого из предикторов, включенных в модель, наиболее высокие значения процента правильной классификации больных ГБ и здоровых.

Проведенный нами регрессионный анализ показал, что среди всех оцененных моделей статистических моделей наиболее прогностически ценной в отношении риска возникновения ГБ у мужчин была модель, включающая следующие предикторы: полиморфизм rs2266782 гена флавиновой монооксигеназы 3 типа, полиморфизм rs1056836 гена цитохрома Р-450 1В1, полиморфизм rs1799930 гена N-ацетилтрансферазы 2 типа, контакт с вредными химическими веществами и употребление алкоголя (значение p для модели в целом составило p<0,000001). Параметры логистической регрессионной модели представлены в таблице. Как видно из таблицы, уровни значимости коэффициентов регрессии для всех предикторов были менее 0,05, т.е. каждый из них оказывал статистически значимое влияние на риск возникновения ГБ у мужчин.

Таблица
Логистическая регрессионная модель прогнозирования риска возникновения гипертонической болезни у мужчин на основе анализа данных генотипирования и средовых факторов риска
Независимые (объясняемые) признаки (предикторы) и их градации (цифровые выражения Xi)	Регрессионные коэффициенты, bi	Уровень значимости (p) для bi
0. Интерцепт (константа)	-3,997	0,017
1. Полиморфизм rs2266782 гена флавиновой монооксигеназы 3 типа (X1 - 0, 1, 2)	1,084	0,016
2. Полиморфизм rs1056836 гена цитохрома Р-450 1В1 (X2 - 0, 1, 2)	0,869	0,035
3. Полиморфизм rs1799930 гена N-ацетилтрансферазы 2 типа (X3 - 0, 1, 2)	-1,233	0.009
4. Контакт с вредными химическими веществами (X4 - 0, 1)	-4,059	0,000005
5. Курение (X5 - 0, 1)	1,287	0,045
6. Употребление алкоголя (X6 - 0, 1, 2, 3)	0,822	0,025
Параметры лог-регрессионной модели:
Уровень значимости модели в целом p<0,000001 (χ2=62,4; df=6, OR=22,9);
Процент правильной классификации: больные ГБ - 82,5%, здоровые - 83,0%.

Величина отношения шансов для представленной регрессионной модели составляла 62,4, демонстрируя, что при увеличении на единицу значения i-го признака шанс возникновения артериальной гипертензии у мужчин увеличивается более чем в 60 раз. Учитывая значения правильности классификации пациентов можно утверждать о высокой точности данной прогностической модели: модель корректно предсказывает в 83% случаев вероятность возникновения ГБ у мужчин и в 83% случаев правильно классифицирует здоровых мужчин.

Особенностью разработанного нами способа прогнозирования риска возникновения ГБ у мужчин является использование комбинации генетических (данные генотипирования полиморфизмов rs2266782 гена флавиновой монооксигеназы 3 типа, rs1056836 гена цитохрома Р-450 1В1 и rs1799930 гена N-ацетилтрансферазы 2 типа) и средовых (характер употребления алкоголя, курение и контакт с вредными химическими веществами) факторов, значения которых вносятся в логистическую регрессионную модель следующего вида:

Y=-3,997+(1,084 × цифровое выражение генотипа полиморфизма rs2266782 гена флавиновой монооксигеназы 3 типа) + (0,869 × цифровое выражение генотипа полиморфизма rs1056826 гена цитохрома Р-450 1В1) + (-1,233 × цифровое выражение генотипа полиморфизма rs1799930 гена N-ацетилтрансферазы 2 типа) + (-4,059 × цифровое выражение наличия контакта с вредными химическими веществами) + (1,287 × цифровое выражение факта курения) + (0,822 × цифровое выражение характера употребления алкоголя), где: Y - натуральный логарифм отношения шансов возникновения гипертонической болезни у пациента; -3,997 - рассчитанная с помощью регрессионного анализа константа b₀ для данной логистической модели; 1,084 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs2266782 гена флавиновой монооксигеназы 3 типа; 0,869 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs1056836 гена цитохрома Р-450 1В1; -1,233 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs1799930 гена N-ацетилтрансферазы 2 типа; -4,059 - коэффициент регрессии, рассчитанный для наличия контакта с вредными химическими веществами; 1,287 - коэффициент регрессии, рассчитанный для факта курения; 0,822 - коэффициент регрессии, рассчитанный для характера употребления алкоголя. Затем, подставляя полученное значение Y в формулу P=e^y/(1+e^y), где где P - прогнозируемая вероятность риска возникновения ГБ у пациентки, а e - математическая константа, приблизительно равная 2,72, рассчитываем точное значение вероятности отнесения пациента к группе с низким - от 1 до 10%, средним - от 11-19% или высоким - более 20% риском возникновения гипертонической болезни.

Примеры конкретного выполнения способа

С целью проверки работоспособности модели нами были обследованы трое относительно здоровых мужчин добровольцев русской национальности жителей Курской области.

1. Пациент мужчина А: генотип GG флавиновой монооксигеназы 3 типа (значение X₁=0), генотип CG цитохрома Р-450 1В1 (значение X₂=1), генотип GA N-ацетилтрансферазы 2 типа (значение X₃=1), контакта с вредными ХВ не было (значение X₄=0), пациент не курит (значение X₅=0), алкоголь употребляет умеренно, т.е. не чаще 2 раз в месяц (значение X₆=2). Подставив эти значения в уравнение регрессии, получим для пациента А.:

Y=-3,997+(1,084×0)+(0,869×1)+(-1,233×1)+(-4,059×0)+(1,287×0)+(0,822×2)=-2,717, соответственно P=2,72^-3,539/(1+2,72^-3,539) или (1/2,72^3,539)/1+(1/2,72^3,539)=0,062. Это означает, что вероятность риска возникновения ГБ у мужчины А. минимальная (вероятность риска возникновения ГБ близка к общепопуляционному значению - 5%) и составляет всего 6%. Данного мужчину относят к группе с низким риском возникновения ГБ.

2. Пациент мужчина Б: генотип GA флавиновой монооксигеназы 3 типа (значение X₁=1), генотип СС цитохрома Р-450 1В1 (значение X₂=0), генотип GA N-ацетилтрансферазы 2 типа (значение X₃=1), контакта с вредными ХВ не было (значение X₄=0), пациент не курит (значение X₅=0), алкоголь употребляет 1-2 раза в неделю (значение X₆=3). Подставив эти значения в уравнение регрессии, получим для пациента Б.:

Y=-3,997+(1,084×1)+(0,869×0)+(-1,233×1)+(-4,059×0)+(1,287×0)+(0,822×3)=-1,68, соответственно P=2,72^-1,68/(1+2.72^-1,68) или (1/2.72^1,68)/1+(1/2,72^1,68)=0,157. Это означает, что вероятность риска возникновения ГБ у мужчины Б. средней степени и составляет почти 16%. Данного мужчину относят к группе со средним риском возникновения ГБ.

3. Пациент мужчина В: генотип АА флавиновой монооксигеназы 3 типа (значение X₁=2), генотип GG цитохрома Р-450 1В1 (значение X₂=2), генотип АА N-ацетилтрансферазы 2 типа (значение X₃=0), мужчина работал более 2 лет на вредном химическом производстве (значение X₄=1), курит (значение X₅=1), алкоголь употребляет 3-4 раза в неделю (значение X₆=4). Подставив эти значения в уравнение регрессии, получим для пациента В.:

Y=-3,997+(1,084×2)+(0,869×2)+(-1,233×0)+(-4,059×1)+(1,287×1)+(0,822×4)=0,424, соответственно Р=2,72^0,424/(1+2.72^0,424)=0,61. Это означает, что вероятность риска возникновения ГБ у мужчины В. высокая (вероятность риска более 20% относится к категории высокого риска) и составляет 61%. Данного мужчину относят к группе с высоким риском возникновения ГБ.

Таким образом, использование способа позволяет повысить точность (точность предсказания на основе предложенного способа составляет 83%) и объективность прогноза возникновения гипертонической болезни и расширяет арсенал диагностических средств для прогнозирования риска возникновения заболевания. Учитывая указанные выше преимущества заявляемого способа, разработанная статистическая модель может быть пригодна для использования в практике медико-генетического консультирования для формирования среди населения и пациентов группы повышенного риска возникновения ГБ и последующей разработки для таких пациентов индивидуализированных лечебно-профилактических мероприятий по предупреждению возникновения болезни. Разработанная модель может быть также востребована в кардиологической практике при установлении диагноза ГБ и дифференциальной диагностике с вторичными формами артериальных гипертензий.

Способ прогнозирования риска возникновения гипертонической болезни у мужчин, включающий выделение геномной ДНК из периферической венозной крови пациентов, выявление полиморфных вариантов генов, отличающийся тем, что у пациентов выявляют генотипы полиморфизмов rs2266782 гена флавиновой монооксигеназы 3 типа, rs1056836 гена цитохрома Р-450 1В1, rs1799930 гена N-ацетилтрансферазы 2 типа и оценивают характер употребления алкоголя, факт курения и наличие контакта с вредными химическими веществами, затем каждому из указанных факторов присваивают цифровые значения: гомозиготам по аллелям дикого типа, гетерозиготам и гомозиготам по вариантным аллелям полиморфизмов rs2266782 гена флавиновой монооксигеназы 3 типа, rs105683 6 гена цитохрома Р-450 1В1 и rs1799930 гена N-ацетилтрансферазы 2 типа присваивают значения 0, 1 и 2 соответственно; при употреблении алкоголя реже 1 раза в месяц присваивают значение 1,1-2 раза в месяц -значение 2, до 1-2 раз в неделю - значение 3, 3 и более раз в неделю - присваивают значение 4; при установлении факта курения или контакта с вредными химическими веществами присваивается значение 1, при отсутствии данных факторов присваивается значение 0, после чего имеющиеся у пациента значения данных генетических и средовых факторов вносят в уравнение логистической регрессии следующего вида: Y=-3,997+(1,084 × цифровое выражение генотипа полиморфизма rs2266782 гена флавиновой монооксигеназы 3 типа)+(0,869 × цифровое выражение генотипа полиморфизма rs1056836 гена цитохрома Р-450 1В1)+(-1,233 × цифровое выражение генотипа полиморфизма rs1799930 гена N-ацетилтрансферазы 2 типа)+(-4,059 × цифровое выражение наличия контакта с вредными химическими веществами)+(1,287 × цифровое выражение факта курения)+(0,822 × цифровое выражение характера употребления алкоголя), где Y - натуральный логарифм отношения шансов возникновения гипертонической болезни у пациента; -3,997 - рассчитанная с помощью регрессионного анализа константа b₀ для данной логистической модели; 1,084 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs2266782 гена флавиновой монооксигеназы 3 типа; 0,869 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs1056836 гена цитохрома Р-450 1В1; -1,233 - коэффициент регрессии, рассчитанный для генотипа полиморфизма rs1799930 гена N-ацетилтрансферазы 2 типа; -4,059 - коэффициент регрессии, рассчитанный для наличия контакта с вредными химическими веществами; 1,287 - коэффициент регрессии, рассчитанный для факта курения; 0,822 - коэффициент регрессии, рассчитанный для характера употребления алкоголя; затем, подставляя полученное значение Y в формулу Р=2,72^у/(1+2,72^у), где Р - прогнозируемая вероятность риска возникновения ГБ у пациента, а 2,72 - математическая константа, рассчитываем точное значение вероятности отнесения пациента к группе с низким - от 1 до 10%, средним - от 11-19% или высоким - более 20% риском возникновения гипертонической болезни.