Association of immunoglobulin G N-glycans and red blood cell distribution width in female patients with systemic lupus erythematosus

Abstract

Abstract:

ObjectiveTo explore the relationship between immunoglobulin G N-glycans （IgG N-glycans） and red blood cell distribution width （RDW） in female patients with systemic lupus erythematosus （SLE）， and to provide a theoretical basis for subsequent SLE combined markers.Methods341 female patients with systemic lupus erythematosus who were diagnosed and hospitalized in the Department of Rheumatology and Immunology of Hospital from October 2018 to May 2020 were selected as the research subjects. Blood samples were collected for routine blood testing and purified plasma IgG was extracted. Ultra-high liquid chromatography was used to detect plasma IgG N-glycosyl levels. Spearman rank correlation and logistic regression analysis were used for the correlation analysis between IgG N-glycans and the distribution width of red blood cells， andP< 0.05 was considered statistically significant.ResultsThe levels of galactosylation and sialylation in the high-level RDW group were significantly lower than those in the low-level RDW group. The results of logistic regression analysis showed that GP12， GP14， GP18， and GP23 were protective factors for elevated RDW， and high levels of GP4 and GP8 were risk factors for elevated RDW.ConclusionThere is a correlation between IgG N-glycosylation and RDW in female patients with SLE. Abnormal IgG N-glycosylation may be a factor that affects the increase in RDW levels， which provides a combination of indicators for the subsequent early diagnosis of the disease or the study of the disease’s theoretical basis.

Key words:systemic lupus erythematosus,female,IgG N-glycans,red blood cell distribution width

摘要：

目的探讨系统性红斑狼疮（systemic lupus erythematosus，SLE）女性患者的免疫球蛋白G N-糖基（IgG N-糖基）与红细胞分布宽度（red blood cell distribution width，RDW）之间的关系，为后续SLE联合标志物提供理论基础。方法选取2018年10月—2020年5月在山东省聊城市人民医院风湿免疫科门诊确诊及住院的341例SLE女性患者为研究对象，采集血液样本进行血常规检测并提取纯化血浆IgG，采用超高液相色谱法检测血浆IgG N-糖基水平。IgG N-糖基与红细胞分布宽度的关联性分析采用Spearman秩相关与logistic回归分析。结果RDW高水平组中的半乳糖基化及唾液酸化水平显著低于RDW低水平组。logistic回归分析结果显示，GP12、GP14、GP18与GP23为RDW升高的保护因素，高水平的GP4与GP8为RDW升高的危险因素。结论SLE女性患者IgG N-糖基与RDW存在关联性，异常的IgG N-糖基化可能是影响RDW水平升高的因素，为后续二者联合指标对疾病进行早期诊断或反映疾病情况的研究提供了理论基础。

关键词:系统性红斑狼疮,女性,IgG N-糖基,红细胞分布宽度

Xinxia LU, Liangao WANG, Yingjie WANG, Yujing ZHANG, Xiang LI, Yun ZHANG, Dong LI, Xiangpeng PAN. Association of immunoglobulin G N-glycans and red blood cell distribution width in female patients with systemic lupus erythematosus[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2023, 44(7): 502-506.

卢新霞, 王连高, 王英杰, 张玉静, 李翔, 张芸, 李栋, 潘相鹏. 系统性红斑狼疮女性患者IgG N-糖基与红细胞分布宽度的关联性研究[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(7): 502-506.

Figures/Tables4

基本特征	RDW低水平组	RDW高水平组	t/χ²	P
年龄/岁	40.30 ± 12.73	40.56 ± 13.71	0.153	0.878
高血压	32（12.03）	16（21.33）	4.187	0.041
糖尿病	24（9.02）	8（10.67）	0.186	0.666
贫血	100（37.59）	23（30.67）	1.217	0.270
BMI/（kg/m²）	23.96 ± 3.11	23.67 ± 3.27	0.718	0.473
RDW/%	13.13 ± 0.75	16.72 ± 2.15	14.249	< 0.001
TC/（mmol/L）	4.80 ± 1.57	4.96 ± 1.70	0.759	0.449
TG/（mmol/L）	1.43 ± 0.78	1.77 ± 1.13	2.458	0.016
HDL/（mmol/L）	1.30 ± 0.40	1.38 ± 0.47	1.501	0.134
LDL/（mmol/L）	6.92 ± 64.06	9.32 ± 56.70	0.295	0.768

基本特征	RDW低水平组	RDW高水平组	t/χ²	P
年龄/岁	40.30 ± 12.73	40.56 ± 13.71	0.153	0.878
高血压	32（12.03）	16（21.33）	4.187	0.041
糖尿病	24（9.02）	8（10.67）	0.186	0.666
贫血	100（37.59）	23（30.67）	1.217	0.270
BMI/（kg/m²）	23.96 ± 3.11	23.67 ± 3.27	0.718	0.473
RDW/%	13.13 ± 0.75	16.72 ± 2.15	14.249	< 0.001
TC/（mmol/L）	4.80 ± 1.57	4.96 ± 1.70	0.759	0.449
TG/（mmol/L）	1.43 ± 0.78	1.77 ± 1.13	2.458	0.016
HDL/（mmol/L）	1.30 ± 0.40	1.38 ± 0.47	1.501	0.134
LDL/（mmol/L）	6.92 ± 64.06	9.32 ± 56.70	0.295	0.768

IgG N-糖基	RDW低水平组	RDW高水平组	Z	P
GP1	0.11（0.07，0.22）	0.14（0.09，0.23）	2.037	0.042
GP2	0.81（0.47，1.21）	0.98（0.51，1.21）	0.945	0.345
GP3	0.36（0.22，0.52）	0.45（0.33，0.63）	2.980	0.003
GP4	24.68（20.76，28.24）	25.90（22.66，29.52）	2.075	0.038
GP5	0.10（0.04，0.18）	0.11（0.06，0.18）	1.158	0.247
GP6	5.82（4.89，6.94）	6.11（5.06，7.15）	0.511	0.609
GP7	0.55（0.35，0.69）	0.57（0.32，0.85）	1.129	0.259
GP8	14.77（12.72，17.76）	16.47（15.25，18.63）	3.794	< 0.001
GP9	5.59（3.85，8.49）	4.98（3.77，7.51）	1.181	0.238
GP10	3.77（3.15，4.66）	3.85（3.21，4.98）	0.764	0.445
GP11	0.23（0.08，0.47）	0.23（0.08，0.43）	0.387	0.699
GP12	1.30（0.96，1.58）	1.15（0.75，1.57）	2.241	0.025
GP13	0.33（0.22，0.51）	0.35（0.24，0.51）	0.868	0.386
GP14	15.27（12.97，18.22）	14.53（12.37，17.04）	2.203	0.028
GP15	1.04（0.70，1.40）	1.03（0.80，1.36）	0.226	0.821
GP16	2.62（2.28，2.99）	2.57（2.24，2.94）	1.061	0.289
GP17	1.45（1.15，1.85）	1.38（1.22，1.74）	0.660	0.509
GP18	10.70（9.50，12.67）	10.56（8.25，12.15）	2.173	0.030
GP19	2.33（2.07，2.73）	2.20（1.97，2.59）	2.118	0.034
GP20	0.09（0.05，0.19）	0.07（0.04，0.12）	0.337	0.736
GP21	0.60（0.47，0.82）	0.65（0.50，0.83）	0.728	0.467
GP22	0.27（0.17，0.41）	0.27（0.17，0.37）	0.409	0.683
GP23	1.35（1.09，1.61）	1.23（1.00，1.53）	2.249	0.025
GP24	2.00（1.48，2.55）	1.91（1.53，2.46）	0.416	0.678
岩藻糖基化	93.77（92.62，94.77）	93.74（92.90，94.67）	0.086	0.931
半乳糖基化	67.52（62.18，72.47）	65.63（61.62，69.39）	2.384	0.017
唾液酸化	22.28（20.15，24.38）	21.06（18.94，23.64）	2.857	0.004
平分型N-GlcNAc	16.71（15.41，18.59）	16.77（15.00，19.03）	0.241	0.810

IgG N-糖基	RDW低水平组	RDW高水平组	Z	P
GP1	0.11（0.07，0.22）	0.14（0.09，0.23）	2.037	0.042
GP2	0.81（0.47，1.21）	0.98（0.51，1.21）	0.945	0.345
GP3	0.36（0.22，0.52）	0.45（0.33，0.63）	2.980	0.003
GP4	24.68（20.76，28.24）	25.90（22.66，29.52）	2.075	0.038
GP5	0.10（0.04，0.18）	0.11（0.06，0.18）	1.158	0.247
GP6	5.82（4.89，6.94）	6.11（5.06，7.15）	0.511	0.609
GP7	0.55（0.35，0.69）	0.57（0.32，0.85）	1.129	0.259
GP8	14.77（12.72，17.76）	16.47（15.25，18.63）	3.794	< 0.001
GP9	5.59（3.85，8.49）	4.98（3.77，7.51）	1.181	0.238
GP10	3.77（3.15，4.66）	3.85（3.21，4.98）	0.764	0.445
GP11	0.23（0.08，0.47）	0.23（0.08，0.43）	0.387	0.699
GP12	1.30（0.96，1.58）	1.15（0.75，1.57）	2.241	0.025
GP13	0.33（0.22，0.51）	0.35（0.24，0.51）	0.868	0.386
GP14	15.27（12.97，18.22）	14.53（12.37，17.04）	2.203	0.028
GP15	1.04（0.70，1.40）	1.03（0.80，1.36）	0.226	0.821
GP16	2.62（2.28，2.99）	2.57（2.24，2.94）	1.061	0.289
GP17	1.45（1.15，1.85）	1.38（1.22，1.74）	0.660	0.509
GP18	10.70（9.50，12.67）	10.56（8.25，12.15）	2.173	0.030
GP19	2.33（2.07，2.73）	2.20（1.97，2.59）	2.118	0.034
GP20	0.09（0.05，0.19）	0.07（0.04，0.12）	0.337	0.736
GP21	0.60（0.47，0.82）	0.65（0.50，0.83）	0.728	0.467
GP22	0.27（0.17，0.41）	0.27（0.17，0.37）	0.409	0.683
GP23	1.35（1.09，1.61）	1.23（1.00，1.53）	2.249	0.025
GP24	2.00（1.48，2.55）	1.91（1.53，2.46）	0.416	0.678
岩藻糖基化	93.77（92.62，94.77）	93.74（92.90，94.67）	0.086	0.931
半乳糖基化	67.52（62.18，72.47）	65.63（61.62，69.39）	2.384	0.017
唾液酸化	22.28（20.15，24.38）	21.06（18.94，23.64）	2.857	0.004
平分型N-GlcNAc	16.71（15.41，18.59）	16.77（15.00，19.03）	0.241	0.810

变量	总RDW水平	Q1 ~ Q3	Q4
GP1	-0.036	0.505	-0.171	0.003	-0.181	0.060
GP2	0.002	0.971	-0.042	0.249	-0.199	0.043
GP3	0.093	0.087	-0.016	0.398	-0.234	0.021
GP4	0.113	0.038	0.035	0.287	0.277	0.008
GP5	-0.025	0.650	-0.100	0.052	-0.182	0.059
GP6	-0.043	0.427	-0.105	0.043	0.045	0.352
GP7	0.018	0.746	-0.035	0.282	-0.079	0.250
GP8	0.286	< 0.001	0.201	< 0.001	0.249	0.015
GP9	-0.073	0.181	-0.058	0.174	0.191	0.050
GP10	0.076	0.164	0.071	0.123	0.060	0.306
GP11	0.092	0.091	0.161	0.004	0.130	0.133
GP12	-0.202	< 0.001	-0.177	0.002	-0.223	0.027
GP13	0.007	0.896	-0.030	0.315	-0.179	0.062
GP14	-0.159	0.003	-0.099	0.054	-0.266	0.011
GP15	0.067	0.214	0.100	0.053	-0.092	0.217
GP16	0.038	0.489	0.132	0.016	-0.051	0.333
GP17	-0.064	0.241	-0.055	0.185	-0.111	0.171
GP18	-0.117	0.030	-0.030	0.315	-0.215	0.032
GP19	-0.131	0.015	-0.069	0.129	-0.158	0.088
GP20	-0.002	0.972	0.030	0.313	-0.166	0.077
GP21	-0.123	0.023	-0.222	< 0.001	-0.278	0.008
GP22	-0.044	0.417	-0.048	0.219	0.006	0.479
GP23	-0.074	0.173	0.029	0.320	-0.068	0.282
GP24	-0.099	0.069	-0.114	0.031	-0.266	0.011

变量	总RDW水平	Q1 ~ Q3	Q4
GP1	-0.036	0.505	-0.171	0.003	-0.181	0.060
GP2	0.002	0.971	-0.042	0.249	-0.199	0.043
GP3	0.093	0.087	-0.016	0.398	-0.234	0.021
GP4	0.113	0.038	0.035	0.287	0.277	0.008
GP5	-0.025	0.650	-0.100	0.052	-0.182	0.059
GP6	-0.043	0.427	-0.105	0.043	0.045	0.352
GP7	0.018	0.746	-0.035	0.282	-0.079	0.250
GP8	0.286	< 0.001	0.201	< 0.001	0.249	0.015
GP9	-0.073	0.181	-0.058	0.174	0.191	0.050
GP10	0.076	0.164	0.071	0.123	0.060	0.306
GP11	0.092	0.091	0.161	0.004	0.130	0.133
GP12	-0.202	< 0.001	-0.177	0.002	-0.223	0.027
GP13	0.007	0.896	-0.030	0.315	-0.179	0.062
GP14	-0.159	0.003	-0.099	0.054	-0.266	0.011
GP15	0.067	0.214	0.100	0.053	-0.092	0.217
GP16	0.038	0.489	0.132	0.016	-0.051	0.333
GP17	-0.064	0.241	-0.055	0.185	-0.111	0.171
GP18	-0.117	0.030	-0.030	0.315	-0.215	0.032
GP19	-0.131	0.015	-0.069	0.129	-0.158	0.088
GP20	-0.002	0.972	0.030	0.313	-0.166	0.077
GP21	-0.123	0.023	-0.222	< 0.001	-0.278	0.008
GP22	-0.044	0.417	-0.048	0.219	0.006	0.479
GP23	-0.074	0.173	0.029	0.320	-0.068	0.282
GP24	-0.099	0.069	-0.114	0.031	-0.266	0.011

IgG N-糖基	Model 1	Model 2
GP1	1.962 （0.375 ~ 10.264）	0.425	1.208 （0.206 ~ 7.080）	0.834
GP3	2.328 （1.061 ~ 5.106）	0.035	2.131 （0.944 ~ 4.809）	0.069
GP4	1.048 （1.003 ~ 1.095）	0.036	1.052 （1.005 ~ 1.102）	0.030
GP8	1.136 （1.057 ~ 1.221）	0.001	1.138 （1.055 ~ 1.277）	0.001
GP12	0.575 （0.360 ~ 0.919）	0.021	0.564 （0.352 ~ 0.904）	0.017
GP14	0.904 （0.837 ~ 0.976）	0.010	0.902 （0.834 ~ 0.976）	0.010
GP18	0.846 （0.755 ~ 0.947）	0.004	0.840 （0.745 ~ 0.947）	0.004
GP19	0.602 （0.380 ~ 0.953）	0.030	0.634 （0.394 ~ 1.021）	0.061
GP23	0.499 （0.266 ~ 0.934）	0.030	0.473 （0.244 ~ 0.918）	0.027

IgG N-糖基	Model 1	Model 2
GP1	1.962 （0.375 ~ 10.264）	0.425	1.208 （0.206 ~ 7.080）	0.834
GP3	2.328 （1.061 ~ 5.106）	0.035	2.131 （0.944 ~ 4.809）	0.069
GP4	1.048 （1.003 ~ 1.095）	0.036	1.052 （1.005 ~ 1.102）	0.030
GP8	1.136 （1.057 ~ 1.221）	0.001	1.138 （1.055 ~ 1.277）	0.001
GP12	0.575 （0.360 ~ 0.919）	0.021	0.564 （0.352 ~ 0.904）	0.017
GP14	0.904 （0.837 ~ 0.976）	0.010	0.902 （0.834 ~ 0.976）	0.010
GP18	0.846 （0.755 ~ 0.947）	0.004	0.840 （0.745 ~ 0.947）	0.004
GP19	0.602 （0.380 ~ 0.953）	0.030	0.634 （0.394 ~ 1.021）	0.061
GP23	0.499 （0.266 ~ 0.934）	0.030	0.473 （0.244 ~ 0.918）	0.027

References20

1	Salvagno GL， Sanchis-Gomar F， Picanza A， et al. Red blood cell distribution width： a simple parameter with multiple clinical applications［J］. Crit Rev Clin Lab Sci， 2015， 52（2）： 86.
2	Turcato G， Serafini V， Dilda A， et al. Red blood cell distribution width independently predicts medium-term mortality and major adverse cardiac events after an acute coronary syndrome［J］. Ann Transl Med， 2016， 4（13）： 254.
3	Wei TT， Wang LL， Yin JR， et al. Relationship between red blood cell distribution width， bilirubin， and clinical characteristics of patients with gastric cancer［J］. Int J Lab Hematol， 2017， 39（5）： 497.
4	Kai Y， Zishu G， Shihe G， et al. Changes in red blood cell distribution width is associated with liver function parameters and prognosis in patients with chronic HBV liver disease［J］. Clin Lab， 2016， 62（11）： 2197.
5	Gao MZ， Huang YL， Wu XD， et al. Red blood cell distribution width and neutrophil to lymphocyte ratio are correlated with disease activity of dermatomyositis and polymyositis［J］. J Clin Lab Anal， 2018， 32（1）： e22209.
6	Peng YF， Zhang Q， Cao L， et al. Red blood cell distribution width： a potential maker estimating disease activity of ankylosing spondylitis［J］. Int J Clin Exp Med， 2014， 7（12）： 5289.
7	He Y， Liu C， Zeng Z， et al. Red blood cell distribution width： a potential laboratory parameter for monitoring inflammation in rheumatoid arthritis［J］. Clin Rheumatol， 2018， 37（1）： 161.
8	Hu ZD， Chen Y， Zhang L， et al. Red blood cell distribution width is a potential index to assess the disease activity of systemic lupus erythematosus［J］. Clin Chim Acta， 2013， 425： 202.
9	Zou XL， Lin XJ， Ni X， et al. Baseline red blood cell distribution width correlates with disease activity and therapeutic outcomes in patients with systemic lupus erythematosus， irrespective of anemia status［J］. Clin Lab， 2016， 62（10）： 1841.
10	Adua E， Russell A， Roberts P， et al. Innovation analysis on postgenomic biomarkers： glycomics for chronic diseases［J］. OMICS， 2017， 21（4）： 183.
11	Zoldoš V， Horvat T， Lauc G. Glycomics meets genomics， epigenomics and other high throughput omics for system biology studies［J］. Curr Opin Chem Biol， 2013， 17（1）： 34.
12	Biermann MH， Griffante G， Podolska MJ， et al. Sweet but dangerous - the role of immunoglobulin G glycosylation in autoimmunity and inflammation［J］. Lupus， 2016， 25（8）： 934.
13	Alter G， Ottenhoff THM， Joosten SA. Antibody glycosylation in inflammation， disease and vaccination［J］. Semin Immunol， 2018， 39： 102.
14	Vučković F， Krištić J， Gudelj I， et al. Association of systemic lupus erythematosus with decreased immunosuppressive potential of the IgG glycome［J］. Arthritis Rheumatol， 2015， 67（11）： 2978.
15	Russell AC， Šimurina M， Garcia MT， et al. The N-glycosylation of immunoglobulin G as a novel biomarker of Parkinson’s disease［J］. Glycobiology， 2017， 27（5）： 501.
16	Ren S， Zhang Z， Xu C， et al. Distribution of IgG galactosylation as a promising biomarker for cancer screening in multiple cancer types［J］. Cell Res， 2016， 26（8）： 963.
17	Lemmers RFH， Vilaj M， Urda D， et al. IgG glycan patterns are associated with type 2 diabetes in independent European populations［J］. Biochim Biophys Acta Gen Subj， 2017， 1861（9）： 2240.
18	Low ESH， Krishnaswamy G， Thumboo J. Comparing the 1997 update of the 1982 American College of Rheumatology （ACR-97） and the 2012 Systemic Lupus International Collaborating Clinics （SLICC-12） criteria for systemic lupus erythematosus （SLE） classification： which enables earlier classification of SLE in an urban Asian population？［J］. Lupus， 2019， 28（1）： 11.
19	Raju TS. Terminal sugars of Fc glycans influence antibody effector functions of IgGs［J］. Curr Opin Immunol， 2008， 20（4）： 471.
20	Karsten CM， Pandey MK， Figge J， et al. Anti-inflammatory activity of IgG1 mediated by Fc galactosylation and association of FcγRIIB and dectin-1［J］. Nat Med， 2012， 18（9）： 1401.

[1]	Lu ZHANG, Lele ZHAO, Sikai XIE, Haipeng LI, Junjie WANG, Zhenghong LI.Advances and challenges of chimeric antigen receptor T cells in the treatment of female high-risk malignant tumors[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2023, 44(8): 608-612.
[2]	Wenwen CHEN, Juan JIANG, Jie GAO, Houli ZHANG, Xu ZHANG, Zhenshan LI, Yanlin LIU, Heqin DANG.Study of red blood cell distribution width for predicting osteoporosis[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2022, 43(8): 571-574.
[3]	Jinjiao Li, Yanjun Shi, Wei Zhou.Psychological status and influencing factors of children with systemic lupus rythematosus[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2021, 42(10): 797-800.