骨髓脂肪组织作为一种独特的脂肪亚型，与骨骼、代谢和造血疾病的病理生理有关。

2025年8月12日，武汉大学田剑波、华中科技大学褚倩、武汉大学朱莹和华中科技大学李震共同通讯在Nature Communications在线发表题为“Genetic architecture of bone marrow fat fraction implies its involvement in osteoporosis risk”的研究论文。该研究利用深度学习算法，使用超过 38,000 名英国生物银行参与者的磁共振成像数据，量化椎骨和近端股骨中的骨髓脂肪分数 (BMFF)。

全基因组关联分析发现了 373 个显著的 BMFF 相关变异（P 值 < 5 × 10−9），在骨重塑、代谢和造血途径中富集。此外，遗传相关性强调了 BMFF 与骨骼疾病之间的显著关联。在大约 300,000 名个体中，来自三个近端股骨 BMFF 的多基因风险评分与骨质疏松症风险增加显着相关。值得注意的是，孟德尔随机化分析揭示了股骨近端骨髓纤维化（BMFF）与骨质疏松症之间的因果关系。本文，作者揭示了BMFF遗传决定因素的关键见解，并提出了驱动骨质疏松症发展的生物学机制的展望。

骨髓脂肪组织 (BMAT) 源自骨髓中的间充质细胞，可能在骨骼重塑调控中发挥积极作用。具体而言，BMAT 可以通过竞争性分化途径影响成骨细胞分化，从而可能导致骨质疏松症。近期研究表明，BMAT 作为一种复杂且动态的脂肪储存库，可能参与糖尿病、肥胖症和神经性厌食症等常见疾病的发生发展。此外，BMAT 还参与造血调控，并通过分泌干细胞因子促进造血干细胞的存活和再生。因此，BMAT 被认为是多系统疾病的潜在内表型，其遗传结构的探索或可为这些疾病的发生机制提供新的视角。

磁共振成像 (MRI) 因其非侵入性和多功能性，是用于量化 BMAT 表型的最广泛使用的医学成像方法之一。具体来说，基于化学位移编码的水脂分离法用于计算骨髓脂肪分数（BMFF）。然而，手动划定骨髓区域的过程容易出现重大错误、重复性差且非常耗时，尤其是在量化大样本量时。这些挑战对大规模研究中准确估计 BMFF 构成了重大障碍。为了实现 BMFF 成像表型的大规模全基因组关联研究（GWAS）并通过多种策略探索 BMAT 与疾病的关系，作者利用深度学习算法，即集成骨髓自动分割和脂肪分数计算策略（IBAS-FFCS），来准确估计 BMFF。作者对来自英国生物样本库（UKB）的大型队列人群的 BMFF 进行了量化，UKB 提供了高质量的标准化 MRI 数据和基因型信息，为探索 BMFF 性状的遗传决定因素提供了独特的机会。

在本研究中，作者旨在研究 15 个 BMFF 特征的遗传结构，包括胸椎（Th8–Th12）、腰椎（L1–L5）和左右股骨近端（LPF 和 RPF）的 BMFF 以及这三个解剖部位的平均 BMFF，分别表示为 Th、L 和 PF。使用上面提到的基于深度学习的方法，作者首先在超过 38,000 名 UKB 参与者中对这 15 个 BMFF 特征进行 GWAS。然后，作者进行了变异到基因的分析，以探索 GWAS 结果的生物学意义，重点关注已识别基因位点的基因组分布和显着影响多个 BMFF 特征的基因。随后，作者通过遗传相关性分析评估了 15 个 BMFF 特征与一系列骨骼、代谢和造血疾病之间的遗传关联。作者进一步基于BMFF特征开发了多基因风险评分（PRS），并在约30万个体中验证了其对这些疾病的预测能力。最后，进一步利用孟德尔随机化（MR）方法评估了BMFF与骨质疏松症之间的因果关系。

图1 集成骨髓自动分割和脂肪分数计算策略（IBAS-FFCS）（图源自Nature Communications）

参考消息：

https://www.nature.com/articles/s41467-025-62826-3

Tags： Nat Commun：武汉大学田剑波等团队研究发现骨髓脂肪分数的遗传结构与骨质疏松症风险有关