Extracto
El cáncer de endometrio (CE) es una enfermedad compleja que involucra múltiples gen-gen y gene- interacciones medio ambiente. la señalización de TGF-β juega un papel fundamental en el desarrollo de la CE. Este estudio tuvo como objetivo investigar si los polimorfismos genéticos de TGF-β señalización genes relacionados
TGFB1
,
TGFBR1
,
Snai1
y
TWIST1
contribuyen a la CE susceptibilidad. Utilizando la genotipificación TaqMan ensayo, 19-etiquetado SNPs de estos cuatro genes se genotipo en 516 casos y 707 controles de la CE entre las mujeres chinas han. de regresión logística (RL) mostró que las variantes genéticas de
TGFB1
rs1800469,
TGFBR1
rs6478974 y rs10733710,
TWIST1
rs4721745 se asoció con una disminución de riesgo de las CE, y estos cuatro loci mostró un efecto dependiente de la dosis (
P
tendencia & lt; 0,0001). La clasificación y el árbol de regresión (CART) demostraron que las mujeres que lleva tanto los genotipos de
TGFBR1
TT rs6478974 y rs10512263 TC /CC presentaron el mayor riesgo de EC (ORa = 7,86; IC del 95% = 3,42 a 18,07,
P Hotel & lt; 0,0001). reducción de dimensionalidad multifactorial (MDR) reveló que
TGFB1
rs1800469 más
TGFBR1
rs6478974 era el mejor modelo de interacción para detectar riesgos de la CE. LR, CART y MDR puesto de manifiesto que todos los
TGFBR1
rs6478974 fue el locus de protección más importante para la CE. En el estudio de asociación de haplotipos,
TGFBR1
portadora de haplotipos CACGA presenta el menor riesgo de las CE entre las mujeres con intervalos más largos menarquia primer embarazo a término (11 años) y BMI˂24 (ORa = 0,39; IC del 95% = 0,17 -0.90,
P = 0,0275
). Estos resultados sugieren que los polimorfismos en
TGFB1
,
TGFBR1
,
Snai1
y
TWIST1
pueden modular la susceptibilidad CE, tanto por separado como colectivamente.
Visto: L Yang, Wang YJ, Zheng LY, Jia YM, Chen YL, Chen L, et al. (2016) Polimorfismos genéticos de
TGFB1
,
TGFBR1
,
Snai1
y
TWIST1
están asociados con la susceptibilidad del cáncer endometrial en chino Han mujeres. PLoS ONE 11 (5): e0155270. doi: 10.1371 /journal.pone.0155270
Editor: José Devaney, Centro Médico Nacional Infantil en Washington, Estados Unidos |
Recibido: noviembre 20, 2015; Aceptado: 26 Abril de 2016; Publicado: 12 de mayo de 2016
Derechos de Autor © 2016 Yang et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos:. Todo relevante los datos están dentro del papel y su archivo de información de apoyo
Financiación:. Este estudio fue apoyado por la Fundación Nacional de Ciencias Naturales de China (Nº 81171961 y Nº 81.321.003) y el Proyecto abierto de clave Laboratorio de Genómica y Medicina precisión, Academia china de Ciencias
Conflicto de intereses:. los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de endometrio (CE) es uno de los más. neoplasias ginecológicas comunes en todo el mundo. De acuerdo con el Registro Nacional de Cáncer Central de China, la incidencia de la CE era aproximadamente 18,5 por 100.000 mujeres urbanas en 2011 [1]. Longer exposición a los estrógenos curso de la vida tales como la menarquia temprana, menopausia tardía, nuliparidad y el uso de estrógeno después de la menopausia, se relaciona con el aumento de riesgo de las CE, que indica que el estrógeno puede conducir carcinogénesis endometrial. Tradicionalmente, hay tres subtipos de la CE que se distinguen por cursos clínicos y biológicos: hormonalmente impulsada Tipo I con histología endometrioide, Tipo II con células serosas o claros no endometrioide y familiar agregada CE [2]. El aumento de la prevalencia de la CE en los últimos años pone de relieve la importancia de desarrollar estrategias para su estimación del riesgo y la prevención [1].
Es bien sabido que las variantes genéticas tales como polimorfismos de nucleótido único (SNP) juegan un papel importante en la susceptibilidad al cáncer . Las contribuciones de las variaciones genéticas o mutaciones en el riesgo de cáncer en una población dependen de su frecuencia y penetrancia [3]. A pesar de la alta penetrante y las mutaciones de baja frecuencia, tales como
TP53
,
PTEN
confieren un alto riesgo a raro familiar CE agregada [4, 5], la gran mayoría de la CE son esporádicos e implican poligenes, lo que indica que los polimorfismos comunes juegan un papel predominante en la carcinogénesis debido a su alta frecuencia [4].
todo el genoma estudio de asociación (GWAS) sigue siendo, por lo que muchos estudios de asociación costosos de SNPs con riesgo de las CE han sido realizado en el contexto de genes candidatos, incluidos los genes que regulan la reparación de daños de ADN, el metabolismo de esteroides y carcinógeno, control del ciclo celular y la apoptosis [2]. La transición epitelio-mesenquimal (EMT), un proceso crucial en la progresión tumoral, promueve la invasión de células tumorales de los focos primaria a los tejidos circundantes. Hasta la fecha, muchas moléculas han sido validados para desencadenar desdiferenciación epitelial y EMT, tales como los implicados en TGF-β de señalización, así como factores de transcripción relacionados con la EMT Snail y gire [6, 7]. la mediación canónica de TGF-β1 (codificada por
TGFB1
) de señalización se realiza a través TβRI (codificada por
TGFBR1
) y TβRII para formar complejos de transcripción Smad, lo que conduce a la rápida activación de los factores de transcripción caracol y Twist (codificadas por
Snai1
y
TWIST1
) [8, 9].
se han descrito mutaciones germinales en los componentes de la familia TGF-β señalización para dar lugar a neoplasias junto con otros trastornos hereditarios. estudios de asociación del polimorfismo en los genes de esta vía de señalización se han centrado principalmente en el riesgo de cáncer de mama [10 a 12], cáncer de ovario [13] o el cáncer de colon [14]. Hasta ahora, se han realizado pocos estudios para explorar la asociación de variantes de la línea germinal del TGF-β genes relacionados con la AE entre la población china Han. La hipótesis de que los polimorfismos genéticos comunes de
TGFB1
,
TGFBR1
,
Snai1
y
TWIST1
pueden influir en la susceptibilidad de la CE en las mujeres chinos Han.
Materiales y Métodos
Ética declaración
Este estudio fue aprobado por el IRB Universidad de Pekín (nO. IRB00001052-11029). consentimientos por escrito se obtuvieron de todas las muestras de control. ADN genómico de la CE de los pacientes fueron extraídos de tejidos archivados tubo fijado en formol e incluidos en parafina de Falopio normal. Debido a que la información de contacto de los pacientes que fueron tratados de la CE en los hospitales antes de 2011 no estaba claro, PKU IRB aprobó nuestra solicitud de exención de consentimiento informado para las muestras archivadas CE recogidas antes de abril de 2011. Este estudio sólo utilizó esta parte de las muestras. Todos los datos /muestras se utilizaron de forma anónima.
Estudio de la población
Un total de 516 casos de adenocarcinoma de endometrio diagnosticado patológica fueron reclutados de la Universidad de Pekín Tercer Hospital, Hospital de Cáncer de Beijing y Beijing Hospital entre 1999 y 2011. Los pacientes con antecedentes de cáncer, metástasis de cáncer de otros órganos, y la radioterapia o la quimioterapia historia fueron excluidos de nuestro estudio. Se recogió la información epidemiológica incluyendo la edad, índice de masa corporal (IMC), edad de la menarquia menopausia primiparidad, historia //tabaquismo y antecedentes familiares de cáncer en los familiares de primer grado. Los elegibles 707 controles fueron seleccionados al azar de las mujeres que participaron en un programa de cribado basado en la comunidad para las enfermedades no infecciosas llevado a cabo en Beijing entre 2011 y 2012. Los criterios de selección incluyeron sin antecedentes de cáncer, chino Han origen étnico y la frecuencia emparejados a la casos en un 5 años de edad. Todos los controles proporcionan la misma información epidemiológica que hemos recogido de los casos. Las características de los 707 controles y de los 516 casos se resumen en la Tabla S1. Este estudio fue aprobado por el Comité de Ética de la Universidad de Pekín Centro de Ciencias de la Salud.
SNPs selección
seleccionado etiquetar-SNPs (tSNPs) mediante el uso de programas de software v.4.2 Haploview base a la población china de Beijing (CHB) los datos de la fase del proyecto HapMap I, II y III se fusionó base de datos (http://hapmap.ncbi.nlm.nih.gov/). Todos los tSNPs con una frecuencia menor alelo (MAF) ≥5% se identificaron y se repartieron en los contenedores de acuerdo con el r
2 desequilibrio de ligamiento (LD) Estadística (umbral ≥0.8). A continuación, tSNP máximo informativo fue seleccionada de cada bin, y estas tSNPs podría capturar todas las variantes genéticas comunes conocidas dentro de la totalidad del gen [15]. Para
TGFB1
, se identificaron siete tSNPs en los 5 kb a cada flanco, siendo estos rs1800469, rs2241716, rs4803455, rs747857, rs12983047, rs10417924 y rs12981053. Para
TGFBR1
, el conjunto mínimo de cinco tSNPs, rs10988706, rs6478974, rs10512263, rs10733710 y rs334348, que van desde 5 kb aguas arriba a aguas abajo 5 kb, fue elegido. Para
Snai1
, se seleccionaron tres tSNPs que abarcan 2 kb a cada flanco, siendo estos rs6125849, rs4647959 y rs6020178. Para
TWIST1
, se identificaron cuatro tSNPs comunes que abarcan 2 kb secuencia de acompañamiento, siendo estos rs2285682, rs2285681, rs4721746 y rs4721745.
aislamiento del ADN y genotipado ensayo
El ADN genómico de los controles fue aislado de leucocitos de sangre periférica, mientras que el ADN genómico de los casos, fue obtenida a partir de tejidos trompas de Falopio normales incluidos en parafina fijado en formol. La genotipificación se realizó con el ABI 7900HT
® sistema de PCR en tiempo real (Applied Biosystems, Foster City, California) utilizando TaqMan
® Ensayo de acuerdo con las instrucciones del fabricante. Los cebadores y las sondas (FAM y VIC- etiquetados) fueron suministrados por ABI incorporación y el sistema de reacción PCR fue el mismo que el descrito anteriormente [16]. En pocas palabras, todos los ensayos se llevaron a cabo en placas de 384 pocillos con controles negativos y positivos. Las placas se sellaron y se calentaron a 95 ° C durante 5 min, después se somete a 45-50 ciclos de 92 ° C durante 15 segundos y 60 ° C durante 1 minuto. Los datos de las placas que fallan en más de 15% de las muestras se excluyeron del análisis. Por lo menos 1% de las muestras se duplica al azar en cada ensayo de genotipado SNP, y la concordancia entre los duplicados era más de 99%.
El análisis estadístico
Las diferencias en la distribución de las características demográficas y selecciona variables entre casos y controles fueron calculadas por las dos caras χ de Pearson
2 test o prueba de la t de Student, en su caso. Hardy-Weinberg (HWE) fue evaluado en el uso de los controles de bondad de ajuste χ
2 de prueba dentro de cada tSNPs. Los valores de las parcelas de LD El D 'se produjeron utilizando el programa Haploview. La expectativa de maximización (EM) algoritmo se utilizó para evaluar el haplotipo más probable por la estimación de máxima probabilidad entre la población actual. A dos caras χ
2 se empleó la prueba para comparar las diferencias en la distribución de genotipos y alelos entre casos y controles. Cada genotipo se evaluó en términos de aditivo (co-dominante), dominante y recesiva modelos de herencia. Además, se llevó a cabo de Cochran-Armitage tendencia prueba para estimar la asociación entre el riesgo de EC y la dosis de alelos en cada tSNP (
P tendencia
). La odds ratio (OR) y los intervalos de confianza del 95% (IC) se evaluaron mediante el uso de regresión logística incondicional univariante y multivariante (LR), con ajuste por índice de masa corporal, la edad de la menarquia /primiparidad, el estado de la menopausia, el número de la maternidad y la historia familiar de cáncer. La significación estadística se definió como
P Hotel & lt; 0,05. Un Bonferroni corregido
P
valor se llevó a cabo en tSNPs individuales y el análisis de asociación de haplotipos /diplotype. Las interacciones potenciales con el medio génica entre los
TGFBR1
CACGA haplotipo de riesgo y los factores clínicos (exposición a los estrógenos, historia familiar de cáncer y el IMC) fueron evaluados por LR en la población estratificada. Todas las estadísticas se analizaron mediante el software SAS (V.9.1, SAS Institute, Cary, NC).
La clasificación y regresión árbol de análisis (CART) se llevó a cabo por alto orden interacciones gen-gen utilizando el software SPSS (v. 19.0; SPSS Inc., Chicago, IL, EE.UU.) para construir un árbol de decisión a través de particionamiento recursivo. El árbol de decisión se inició con un nodo raíz que contenía la muestra total y se dividió en dos nodos secundarios. El proceso de división continuó hasta los nodos terminales no tenían fracturas estadísticamente significativas posteriores o alcanzaron un tamaño mínimo de pre-supuesta, y luego se volvieron a analizar los subgrupos de terminales. La tasa se calculó para cada nodo terminal y la asociación de los subgrupos con riesgo de las CE se evaluó mediante análisis LR, utilizando el subgrupo con el menor porcentaje de casos como referencia. El RUP y IC del 95% se ajustaron como se mencionó anteriormente.
reducción de dimensionalidad Múltiples factores se realizó (MDR) análisis para identificar los modelos de interacción de orden superior que se asociaron con el riesgo de las CE el uso de software de código abierto MDR (v.2.0 beta 8.4, http://www.epistasis.org) [17]. La significación estadística se determinó mediante pruebas de permutación en MDRpt (v.1.0 beta 2.0). análisis MDR derrumbó datos multidimensionales en una sola variable dimensional independiente con dos niveles (alto y bajo riesgo) utilizando la relación de la cantidad de casos con el número de controles, y de ese modo reduce múltiples datos dimensionales en una dimensión y permite la detección de interacciones en muestras relativamente pequeñas. Se evaluó la nueva variable genotipo multi-locus unidimensional por su capacidad para clasificar y examinar el estado de la enfermedad a través de la validación cruzada y la prueba de permutación. El mejor modelo de interacción candidato fue considerado como el que tiene la máxima precisión y consistencia de pruebas de validación cruzada (CVC). Para confirmar mejor y visualizar los modelos de interacción, hemos construido, además, un dendrograma basado en la interacción entropía. Esto permitiría a la loci que interactúan fuertemente entre sí a aparecer juntos en las ramas del árbol, y los que tienen interacción débil a aparecer distantes unos de otros. MDR resultados 1.000 veces permutación fueron considerados como estadísticamente significativa a
P Hotel & lt; 0,05. El efecto conjunto de las variables en el mejor modelo se evaluó mediante análisis de LR.
Resultados
Características de la población de estudio
Las características de la población se describen en este documento en la Tabla S1. Los controles y los casos parecían estar emparejado de manera adecuada en la edad (
P = 0,7528
). Los casos, como era de esperar, tuvieron un mayor índice de masa corporal (
P Hotel & lt; 0,0001), a principios de la edad de la menarquia (
P Hotel & lt; 0,0001) y más tarde edad de la menopausia (
P
= 0,0002) en comparación con los controles. Además, el porcentaje de mujeres nulíparas en los pacientes fue significativamente mayor que en los controles (
P
& lt; 0,0001). pacientes CE eran más propensos a tener antecedentes familiares de cáncer en familiares de primer grado (
P = 0,0464
). Estas variables con diferencias significativas entre los casos y los controles fueron utilizados en modelos de RL multivariados para ajustar aún más para cualquier posible efecto de confusión en la asociación de variantes genéticas seleccionadas con el riesgo de EC.
grado LD entre tSNPs
Las frecuencias de genotipo para 19 seleccionados tSNPs eran consistentemente de acuerdo con lo esperado por HWE en los controles (
P
˃0.05, S2 Tabla). Para nuestro estudio, los bloques de haplotipos fueron reconstruidos en los casos y controles, así como en la población HapMap CHB basado en el valor D '(figura 1). Hubo algunas diferencias en los SNPs 'pairwise LD entre los controles y los casos. Para
TGFB1
, tres bloques de LD fueron reconstruidos en los participantes libres de la enfermedad. Para
TGFBR1
, así como
Snai1
, todos tSNPs seleccionados fueron reconstruidos en un bloque de alta LD en los controles. Para
TWIST1
, se reconstruyó un único haplotipo bloque, en el que el rs4721746 y rs4721745 se excluyeron del análisis debido a sus MAF eran inferiores al 5%.
El valor de cada diamante indica LD por parejas entre tSNPs (medido como D '× 100, 10 significa 0,10, 1 significa 0.01). El sombreado con un gradiente de color gris a blanco y oscuro refleja mayor a menor LD valores.
Asociación de tSNPs individuales en
TGFB1
,
TGFBR1
,
Snai1
,
TWIST1
con el riesgo de EC mediante análisis LR
Como se muestra en la Tabla 1, dos caras χ
2 prueba indicó estadísticamente diferencias de genotipo frecuencias entre casos y controles polimorfismos en
TGFB1
rs1800469 (CT),
TGFBR1
rs6478974 (TA),
TGFBR1
rs10512263 (TC),
TGFBR1
rs10733710 (gA),
TWIST1
rs4721746 (CC) y de
TWIST1
rs4721745 (CG) (
P Hotel & lt; 0,0001, & lt; 0,0001 ,
P = 0,0059
, 0,0016, 0,0045 y 0,0430, respectivamente). Además, LR multivariante mostró que
TGFB1
rs1800469,
TGFBR1
rs6478974 y rs10733710, y
TWIST1
rs4721745 estaban loci de susceptibilidad de protección CE de conformidad con los modelos dominantes o recesivos, mientras que
TWIST1
rs4721746 era un locus riesgo (Tabla 1).
TGFBR1
rs6478974 sigue siendo significativa en virtud de un aditivo y modelos dominantes después de aplicar la corrección de Bonferroni riguroso (Bonferroni corregido
P Hotel & lt; 0,05). Otros tSNPs no mostraron significación estadística en el análisis multivariado (Tabla S3).
Además, exploramos los efectos de combinación entre las citadas cuatro polimorfismos de protección mediante la creación de dos (1, 0) variables ficticias binarios. En primer lugar, se evaluó la importancia relativa de los cuatro tSNPs de protección en sus modelos designados. La ajustada o el valor indicado que estos cuatro tSNPs de protección afectados susceptibilidad CE en un nivel similar (Tabla S4). Entonces, los individuos se clasificaron en cinco grupos en función del número de genotipos de protección que llevaban, y los que no tienen ningún genotipos de protección se definen como el grupo de referencia. El análisis de los efectos de la combinación indicó que el OR ajustado de la CE para las personas con dos genotipos de protección fue de 0,41 (IC del 95% = 0,23-0,74,
P = 0,0029
). Co-existente tres o cuatro genotipos de protección sustancialmente disminuye la susceptibilidad de CE en un grado casi similares (Tabla 2). Además, los genotipos de protección tenían efecto en una forma dependiente de la dosis (
P
tendencia & lt; 0,0001). (Tabla 2) guía empresas
Asociación de interacciones de orden superior entre variantes genéticas con riesgo de las CE por CART análisis
Carro es un método de partición recursiva binaria que produce un árbol de decisión para identificar subgrupos de sujetos con mayor riesgo [18]. Fig 2 demostró la estructura de árbol. El árbol inició desde la población total del estudio (nodo 0) y contenía cinco nodos terminales en la estructura de árbol final.
TGFBR1
fue identificado en el primer nodo de la división, y
TGFBR1
portadores del genotipo /AA rs6478974 TA tuvieron el menor porcentaje de casos de la CE (35,7%), lo que indica que el locus rs6478974 fue el más fuerte susceptibles factor de riesgo de las CE entre los polimorfismos estudiados. Entonces el árbol que avanzaba a lo largo de nodo 1 con los principales homocigotos para el alelo de SNP rs6478974. Hemos designado el nodo 2 como nodo de referencia, porque las mujeres en este nodo (con
TGFBR1
rs6478974 genotipos /AA TA) tenían el menor riesgo CE. Esta estructura de árbol reveló que los individuos que albergan
TGFBR1
TT rs6478974,
TGFBR1
rs10512263 TT,
TGFB1
CC rs4803455 y
TGFBR1
El genotipos GG rs10733710 (nodo 7 ) fueron significativamente mayores en riesgo calculado mediante el análisis multivariado LR (ORa = 3,71; IC del 95% = 2,14 a 6,43,
P Hotel & lt; 0,0001), y las mujeres con ambos genotipos de los
TGFBR1
rs6478974 TT y
TGFBR1
rs10512263 TC /CC (nodo 4) imparten la más alta predisposición al riesgo de EC en nuestra población (ORa = 7,86; IC del 95% = 3,42 a 18,07,
P Hotel & lt; 0,0001 , Tabla 3).
Asociación de interacciones de orden superior entre variantes genéticas con riesgo de las CE mediante análisis de MDR
Se aplicó el método de la MDR, una modelación paramétrica y genética El análisis libre, para identificar modelos de interacción. El mejor modelo de un factor generada por MDR para el examen de riesgo de las CE era
TGFBR1
rs6478974 (prueba de exactitud 0,561, CVC 9/10, Tabla 4), que era consistente con el primer nodo de división por análisis CART. El modelo de dos factores incluyendo tanto
TGFB1
rs1800469 y
TGFBR1
rs6478974 era el mejor modelo de interacción, lo que produjo la CVC máxima de 10/10 y la más alta precisión de las pruebas de 0.589. El mejor modelo de tres factores incluyendo
TGFB1
rs1800469,
TGFBR1
rs6478974 y
TGFBR1
rs10733710 y el modelo de cuatro factores que consiste en
TGFB1
rs1800469,
TGFBR1
rs6478974,
TGFBR1
rs10512263 y
TGFBR1
rs10733710 tuvo una mayor exactitud de las pruebas en comparación con el modelo de un factor (0,584, 0,575, respectivamente), pero se redujeron los CVC (7/10, 6/10, respectivamente). Toda la interacción de permutación
P
valor era inferior a 0,05. El dendrograma interacción mostró que
TGFB1
rs1800469 y
TGFBR1
rs6478974 tenían el más fuerte interacción sinérgica (línea de color negro), que también interactuó con
TGFBR1
rs10733710 (línea gris oscuro). Por otra parte,
TGFBR1
rs10512263 tenía interacción débil con
TGFBR1
rs10733710,
TGFB1
rs1800469 y
TGFBR1
rs6478974 (línea gris claro, la figura 3). Para el efecto combinado de
TGFB1
rs1800469 y
TGFBR1
rs6478974 en el mejor modelo de interacción identificadas anteriormente, el análisis LR demostró que el OR ajustado de la CE fue de 0,43 (IC del 95% = 0,27 hasta 0,69,
P = 0,0003
, datos no mostrados). El resumen de estos tres enfoques para el análisis de un solo locus se muestra en la Tabla S5.
El loci que interactúan fuertemente entre sí aparecen juntos en las ramas del árbol (línea de color negro), mientras que los loci con una débil interacción aparecen distantes entre sí (línea gris).
Asociación de haplotipos y diplotypes en
TGFB1
,
TGFBR1
,
Snai1
,
TWIST1
con el riesgo de EC mediante análisis LR
para profundizar en los modestos efectos etiológicos de polimorfismos en la susceptibilidad CE, haplotipo fue reconstruido como sustituto para proporcionar mayor resolución y, potencialmente, un mayor poder estadístico [ ,,,0],dieciséis]. En nuestro estudio,
TGFB1
haplotipos (rs1800469 y rs2241716) con frecuencias por encima de 1% fueron probados por separado en contra de los haplotipos más comunes, y los restantes haplotipos raros en el bloque (frecuencia & lt; 1%) no fueron analizados. El haplotipo CG en el bloque 1 se asoció con un mayor riesgo relativo de haplotipos CE a TG por el algoritmo LR univariado (OR = 1,60, IC del 95% = 1,32 a 1,95,
P
˂0.0001, Tabla 5), y el diplotype CA-CG, llevando en riesgo haplotipo CG, aumentó alrededor del 62% del riesgo de EC en comparación con el diplotype más común TG-CA (ORa = 1,62; IC del 95% = 1,08 a 2,43,
P = 0,0187
) . Ellos no siguen siendo significativas después de la corrección de Bonferroni. Para
TGFBR1
, CACGA, que alberga una protección rs6478974 locus, podría disminuir aproximadamente un 42% de riesgo de las CE (ORa = 0,58; IC del 95% = 0,43 a 0,77,
P = 0,0003
). Incluso después del ajuste para múltiples pruebas corrección de Bonferroni, el haplotipo fue todavía significativamente asociado con el riesgo de EC (Bonferroni corregido
P Hotel & lt; 0,05). Por otra parte, el diplotype CACGA-CTTAA, que contiene un CACGA haplotipo protector también se asoció con un menor riesgo de EC en comparación con el diplotype más común TTTGG-CACGA (ORa = 0,35; IC del 95% = 0,18-0,66,
P =
0,0012), con un Bonferroni corregido
P Hotel & lt; 0,05 (Tabla 5). Haplotipos en
Snai1
y
TWIST1
no estaban asociados con la susceptibilidad CE (S6 Tabla).
Asociación de las interacciones entre variantes genéticas y factores ambientales con riesgo de las CE
Dado que la exposición a largo plazo a los estrógenos, la historia de cáncer en familiares de primer grado y el sobrepeso son clínicos factores de riesgo de la CE [19] análisis, se realizó en la población estratificada para explorar si las asociaciones de variantes genéticas con riesgo de las CE eran las modificaciones de estos factores de riesgo clínico. Tabla 6 mostró que las mujeres que alberga
TGFBR1
CACGA haplotipo protector tenían un riesgo aún menor CE entre aquellos con intervalos más largos menarquia-del PET (11 años [20], ORa = 0,49; IC del 95%: 0,31 a 0,75 =,
P = 0,0012
) y sin antecedentes familiares de cáncer (ORa = 0,49; IC del 95% = 0,30-0,80,
P = 0,0044
). Además, las compañías CACGA tenían un poco menos de riesgo de la CE en BMI˂24 subgrupo que en BMI≥24 subgrupo (BMI˂24, ORa = 0,62; IC del 95% = 0,40-0,96,
P = 0,0323
; BMI≥ 24, CI ORa = 0,70, 95% = 0,51-0,96,
P = 0,0255
). Por otra parte, los portadores de este haplotipo mostró el más bajo riesgo de las CE entre las mujeres con intervalos más largos de la menarquia y del PET-BMI˂24 (ORa = 0,39, IC del 95% = 0,17 hasta 0,90,
P = 0,0275
) (Tabla 6) .
Discusión
en este estudio, hemos aplicado varias estrategias que incluyen LR, CART y MDR estrategias para la evaluación sistemática de la asociación de la susceptibilidad de la CE con variantes de la línea germinal del TGF-β señalización genes relacionados
TGFB1
,
TGFBR1
,
Snai1
y
TWIST1
entre las mujeres chinas Han.
En el análisis de un solo locus utilizando LR multivariante , cinco polimorfismos rs1800469, en
TGFB1
, rs6478974 y rs10733710 en
TGFBR1
, rs4721746 y rs4721745 en
TWIST1
mostraron asociación significativa con la susceptibilidad CE. Aunque LR ha sido ampliamente utilizado en gen-gen o gen-medio ambiente multivariados, no se puede caracterizar completamente a causa de la escasez de datos en las dimensiones de altura. Por otra parte, su potencia estadística disminuiría y tipo II errores aumentaría en un número relativamente pequeño tamaño de la muestra [21]. Así se empleó el CART y MDR análisis no paramétrico de alto orden interacciones gen-gen para examinar determinados efectos de la combinación de variantes genéticas. En este estudio, el análisis Carro indicó que la variable más importante fue la división
TGFBR1
rs6478974, seguido por
TGFBR1
rs10512263. El método MDR, lo que reduce los parámetros genotipo de dimensión múltiple de una dimensión, demostró que
TGFB1
rs1800469 y
TGFBR1
rs6478974 reunidos eran los mejores polimorfismos de interacción para examinar riesgo de las CE.
Todos los tres enfoques en el análisis de un solo locus indicado en todo momento que el genotipo
TGFBR1
rs6478974 TA /AA (que se encuentra en el intrón 1) tuvo el mayor efecto protector sobre la susceptibilidad de la CE. Hasta ahora, las variantes comunes rara vez se presentan en los exones o regiones funcionales de
TGFBR1
tener relevancia funcional clara. Aunque la gran mayoría de los SNP están ubicados en las regiones genómicas no codificantes, nuevas evidencias sugieren que los SNPs, situado en el promotor del gen o regiones reguladoras, desempeñan un papel crítico en la regulación de la naturaleza y el momento de la expresión de genes [22]. Chen J
y col Hola, ha encontrado que rs6478974 se asoció con un mayor riesgo de cáncer gástrico en la población china (en el modelo dominante: ORa = 1,36; IC del 95% = 1,14-1,63; en el modelo aditivo: ORa = 1,23, 95 % CI = 1,08-1,40) [23]. Descubrieron que era rs6478974 en LD moderada con rs334348 y rs1590 (en la 3'-UTR, tanto r
2 = 0,504) utilizando el software en línea SNPinfo (http://manticore.niehs.nih.gov/cgi-bin/snpinfo /snpfunc.cgi), y estos dos loci probablemente reguladas miRNAs de unión e influyeron en el desarrollo del cáncer gástrico. Debido TβRI inhibe el crecimiento celular durante la tumorigénesis temprana [9, 24], se especula que los individuos llevar a
TGFBR1
rs6478974 TA /AA expresar niveles más altos de TβRI que los portadores del genotipo TT, y por lo tanto tienen menor susceptibilidad a la EC. También se encontró que los individuos con ambos genotipos de los
TGFBR1
TT rs6478974 y
TGFBR1
rs10512263 TC /CC tuvo una mayor sensibilidad en comparación con aquellos que alberga el genotipo
TGFBR1
rs6478974 TA /AA por análisis de CART, lo que indica que rs10512263 podría ser un locus riesgo. Un estudio de dos etapas de casos y controles de cáncer gástrico (la primera etapa de casos /controles = 650/683; la segunda etapa de casos /controles = 484/348) mostró que rs10512263 en modelos dominantes (CT /TT vs CC) se asoció significativamente con un mayor riesgo de cáncer gástrico en la población china [23], lo cual es consistente con nuestros resultados. Pero Scollen S
et al
descubierto que el alelo menor de C rs10512263 tenía un efecto protector sobre la susceptibilidad al cáncer de mama (OR = 0,87, IC del 95% = 0,81-0,95,
P
= 0,001) en el metanálisis de la búsqueda y los estudios pBCs [25]. Las discrepancias entre estos resultados podrían deberse a la diversidad étnica de las poblaciones y los factores ambientales complicadas.
TGFB1
, se observó que el alelo T del rs1800469 (CT en el 5 ' UTR) se asoció con una disminución de la susceptibilidad CE basada en el modelo dominante, que era consistente con el resultado en el cáncer gástrico entre la misma población étnica (casos /controles = 675/704, ORa = 0,65; IC del 95% = 0,52-0,82) [26 ]. Nuestro análisis MDR demostró que las variantes genéticas combinadas de
TGFB1
rs1800469 y
TGFBR1
rs6478974, el mejor modelo de interacción, disminuyó el riesgo de las CE, que estaba de acuerdo con los resultados analizados por LR. Se informó de que el alelo T de rs1800469 podría mejorar la afinidad de su promotor con algunos factores de transcripción tales como Yin Yang 1 (YY1), y aumentar la expresión de TGF-β1 [27, 28]. Por otra parte, Grainger DJ
et al
mostró que la concentración de TGF-β1 en plasma fue muy superior en los portadores del alelo T que los portadores del alelo C entre la población del Reino Unido [29]. El polimorfismo
TGFB1
rs1800469 puede realizar su función protectora durante la tumorigénesis temprana mediante la alteración de la expresión de TGF-β1.
TWIST1
, descubrimos que los genotipos variantes de rs4721746 y rs4721745, tanto la localización en las regiones 3 'que flanquean, tuvo efectos opuestos sobre el riesgo de EC en nuestra población. Cuando se utiliza la herramienta de anotación funcional basado en la web F-SNP (http://compbio.cs.queensu.ca/F-SNP/) [30], estos dos polimorfismos fueron ambos predijeron para influir en la regulación transcripcional de herramientas TFSEARCH y consite (funcional las puntuaciones de significación = 0,239; 0,208, respectivamente). Se necesitan más estudios en otra población para verificar nuestros hallazgos.
enfoque puede tener un poder mayor que el análisis de un solo locus cuando SNPs son fuertes en LD y proporcionarían poder estadístico adicional para detectar genes implicados en rasgo complejo a base de haplotipos enfermedades [31, 32]. En nuestro estudio de asociación de haplotipos-reconstrucción, encontramos que
TGFB1
haplotipo CG y CG-CA diplotype estaban asociados con una mayor susceptibilidad CE. En
TGFBR1
, CACGA haplotipo y diplotype CACGA-CTTAA disminución de riesgo de las CE. Además, hemos observado efectos conjuntos significativos de CACGA haplotipo, antecedentes familiares de cáncer, el estado de IMC y la exposición a los estrógenos en el análisis estratificado. Haplotipo CACGA, que alberga un alelo A de rs6478974 protectora, redujo el riesgo de EC independientemente de cuáles eran los factores ambientales, lo que indica, además, que un alelo de rs6478974 podría ser el locus de protección más importante de nuestra población. Si estos haplotipos y diplotypes podrían ser probados en otras poblaciones, pueden ser utilizados como marcadores moleculares para la estimación del riesgo de las CE, y también pueden proporcionar algunas pistas para la búsqueda de SNPs causales
.
Hay tres fuerzas principales en nuestra estudiar.