Extracto
análisis basado en el Camino, que se utiliza en combinación con técnicas de estudio de todo el genoma asociación (GWAS), es una herramienta poderosa para detectar sutiles pero sistemáticos en los patrones de genoma que pueden ayudar a esclarecer las enfermedades complejas, como el cáncer . En este sentido, se apartó de polimorfismos genéticos en un solo lugar y examinamos cómo múltiples señales de asociación pueden ser orquestados para encontrar vías relacionadas con la susceptibilidad al cáncer de pulmón. Utilizamos datos de la matriz de polimorfismo de un solo nucleótido (SNP) a partir de 869 no pequeñas de cáncer de pulmón no microcítico (CPNM) de los casos de un GWAS anterior en el Centro Nacional del Cáncer y 1.533 controles desde el proyecto de Recursos Asociación Coreana para el análisis basada en las vías. Después de la cartografía de los polimorfismos de un solo nucleótido de los genes, teniendo en cuenta su región de codificación y elementos de regulación (± 20 kbp), regresión logística multivariante de aditivo y modelos genéticos dominantes fueron instalados contra estado de la enfermedad, con ajustes por edad, sexo y tabaquismo. estadísticas de la vía se evaluaron usando conjunto de genes de enriquecimiento de análisis (GSEA) y adaptativa Rango truncado Producto (ARTP) métodos. Entre 880 vías, 11 presentaron estadísticas relativamente significativos en comparación con los controles positivos (P
GSEA≤0.025, falso descubrimiento rate≤0.25). vías candidatos se validaron utilizando el método de ARTP y similitudes entre las vías se calcularon uno contra el otro. Las vías de alta clasificación fueron
ABC transportadores gratis (P
GSEA & lt; 0,001, P
ARTP = 0,001),
VEGF vía de señalización gratis (P
GSEA & lt; 0,001, P
ARTP = 0,008),
G1 /S Check Point gratis (P
GSEA = 0,004, P
ARTP = 0,013), y
Señales NRAGE muerte a través de JNK
(P
GSEA = 0,006, P
ARTP = 0,001). Nuestros resultados demuestran que la vía de análisis puede arrojar luz sobre la investigación post-GWAS y ayudar a identificar objetivos potenciales para la susceptibilidad al cáncer
Visto:. D Lee, Lee GK, Yoon KA, Lee JS (2013) Camino basada en análisis de imágenes con Asociación de datos a partir de un coreano de células no pequeñas de pulmón cáncer de estudios de todo el genoma. PLoS ONE 8 (6): e65396. doi: 10.1371 /journal.pone.0065396
Editor: William C. S. Cho, Hospital Queen Elizabeth, Hong Kong
Recibido: 5 Febrero 2013; Aceptado: April 24, 2013; Publicado: 6 Junio 2013
Copyright: © 2013 Lee 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
Financiación:. La investigación fue apoyado por una beca de investigación del Centro Nacional del cáncer 1210360. los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:. los autores han declarado que no compiten existen intereses
Introducción
el cáncer de pulmón es una de las principales causas de mortalidad por cáncer en Corea y en todo el mundo [1] -. [3]. Entre los varios tipos histológicos de cáncer de pulmón, más del 70% de los cánceres de pulmón son coreanos no pequeñas de cáncer de pulmón de células (NSCLC), el subtipo que lleva siendo el adenocarcinoma [4].
A pesar de que las causas de la enfermedad pueden provenir de los factores ambientales, tales como los carcinógenos presentes en el humo del cigarrillo y la inhalación de productos químicos tóxicos, en los esfuerzos para determinar la etiología de la enfermedad, los investigadores han evaluado la diversidad genética de los individuos. Varios estudios de asociación de genoma completo (Glass), que se centran en la exploración de SNPs asociados a la enfermedad a través de todo el genoma, han demostrado con éxito posibles loci de susceptibilidad del cáncer de pulmón en la última década. La mayoría de estos Glass se basaron en las poblaciones europeas y estadounidenses y sospechosos destacados identificados eran 5p15 (hTERT-CLPTM1L) [5], [6], 6p21 (BAT3-MSH5) [7], y 15q25 (CHRNA 3-5) [8 ] - [10]. En anteriores GWAS que implica 1.425 pacientes con CPNM y 3.011 controles de Corea, se informó de que un nuevo locus, 3q29, y un locus se informó anteriormente en sujetos de ascendencia europea, 5q15, se asocia con el riesgo de cáncer de pulmón en la población de Corea [11].
a pesar de la identificación con éxito de estos loci de susceptibilidad de la enfermedad utilizando Glass, se cree que explican sólo una pequeña proporción de la heredabilidad estimado [12]. Glass comparar medio millón de millones de marcadores a la vez y las variantes con las asociaciones modestas son propensos a dejarse de lado después de múltiples pruebas de corrección [13]. Por su naturaleza, es muy poco probable que una única variante se asocia con una enfermedad compleja como el cáncer. Se cree que las variantes de baja penetrancia en todo el genoma explicarán mejor la biología en cuestión [14]. Para compensar las deficiencias de los GWAS, en lugar de depender de un estricto importancia de corte en todo el genoma, los métodos alternativos para mejorar la potencia, tales como el uso de combinaciones de marcadores SNP [15] - [20], la incorporación de los genotipos imputados e información de ligamiento [21] - [23], y, más recientemente, los enfoques basados en la vía [24] se han desarrollado
enfoques basados en el Camino se basan en el principio de que los genes que participan en la misma vía funcional interactúan con cada uno. otro y constituyen una red, de modo que sus asociaciones de enfermedad están relacionados entre sí [25]. Los análisis actuales basada en las vías se han inspirado en su mayoría de análisis de datos de microarrays de expresión génica. Con base en el conocimiento biológico previo, el análisis conjunto de genes de enriquecimiento (GSEA) [26] medidas de cómo las señales asociación mucho más se enriquecen en un conjunto definido de genes. Debido a que los datos de microarrays GSEA requiere como entrada, algunos grupos han propuesto modificaciones al algoritmo original para incorporar los datos de GWAS [27] - [30].
En el presente estudio, se utilizó la vía de análisis basados en GSEA sugerido por Wang et al. [24] con nuestra anterior cáncer de pulmón de Corea datos GWAS, de 869 casos y 1.533 controles, con la esperanza de encontrar loci de susceptibilidad adicional y de obtener conocimientos sobre la patogénesis subyacente (Figura 1). Las rutas con alta significación estadística se validaron utilizando otro método basado en la vía llamada rango de adaptación truncado producto (ARTP) [31]. En contraste con GSEA, ARTP es un auto-contenido de prueba [32] que asocia directamente los genes en una vía de enfermedades y funciona de forma independiente de los genes fuera de la vía. Presentamos siete vías clasifican en cuatro procesos celulares que mostraron asociaciones consistentes con Corea del NSCLC susceptibilidad.
Materiales y Métodos
Ética Declaración
El estudio fue aprobado por el Junta de Revisión institucional y el Comité de Ética del Centro Nacional del cáncer Corea. Las muestras de sangre se recogieron de pacientes con CPNM que visitaron el Centro Nacional del Cáncer de Corea y tomaron una encuesta de salud voluntaria entre mayo de 2002 y diciembre de 2005. Para cada muestra de sangre, el consentimiento informado por escrito, aprobado por los miembros de la Junta de Revisión Institucional, se obtuvo. Todas las investigaciones clínicas se llevaron a cabo de acuerdo con los principios de la Declaración de Helsinki.
Población de estudio
Inicialmente, se reclutaron 2.441 casos de NSCLC coreanos y controles (871 casos y 1.570 controles) para este estudio. La mayoría de las muestras de NSCLC (621 casos) fueron compartidos a partir de un estudio previo GWA en el Cancer Centro Nacional de Corea [11], y 250 pacientes con NSCLC adicionales fueron recientemente reclutados para el genotipado. A modo de comparación, los datos de genotipos de 1.570 sujetos de control sin cáncer fueron proporcionados por el proyecto de Recursos Asociación Coreana (KARE), un estudio de cohorte de base poblacional en curso que ha sido llevado a cabo por el Instituto de Corea Nacional de Salud (KNIH) y el Centro para el Control y la Prevención de Enfermedades (KCDC) desde el año 2007 [33]. Se aplicaron criterios estrictos de control de calidad (QC) de la muestra, teniendo en cuenta la intensidad de la señal en bruto, la tasa de genotipado (≥95%), información clínica, y la estratificación de la población para filtrar las muestras no cualificados. En concreto, hemos eliminado 19 muestras con calidad a bajo genotipado, 18 con información demográfica insuficiente, y dos con la identificación errónea de género. Como resultado, 869 casos y 1.533 controles pasaron el control de calidad y se mantuvo para el análisis posterior. Entre 869 casos confirmados histológicamente NSCLC, 623 casos fueron adenocarcinomas, más del 70% de nuestros pacientes con CPNM, 175 casos fueron carcinomas de células escamosas, y el resto eran otros tipos histológicos de NSCLC (Tabla 1). Más del 97% de los sujetos (n = 2.334) fueron genotipo utilizando Affymetrix genoma completo SNP serie Human 5.0 (Affymetrix, Santa Clara, CA, EE.UU.), y el resto (n = 68) se genotipo utilizando Affymetrix GeneChip Cartografía humano 500 K matriz de conjuntos. Tras la determinación del genotipo y la fusión de los conjuntos de datos, se aplicaron los siguientes filtros de control de calidad SNP: SNPs con una frecuencia menor alelo (MAF) de menos de 5% de llamadas y genotipado tasas de menos del 95%; Hardy-Weinberg (HWE) Prueba de P-values≤0.0001 se excluyeron del análisis adicional.
Definición Camino
Hemos construido una lista de definiciones de la ruta basado en tres principales vía de acceso público bases de datos: en concreto, 217 conjuntos de genes de BioCarta [34], 186 de Kyoto Enciclopedia de genes y genomas (KEGG) [35], y 430 de Reactome [36]. También se incluyeron varios conjuntos de genes vía seleccionadas de SABiosciences [37], Sigma-Aldrich [38], la transducción de señales Conocimiento de Medio Ambiente de la revista Science [39], y la base de datos vía de señalización (SPAD) de la Universidad de Kyushu [40] para cubrir un total de 880 vías biológicas (Apéndice S1).
para medir el desempeño de nuestro análisis y para establecer una línea de base, también compilaron seis vías personalizados a partir de genes de susceptibilidad al cáncer de pulmón ya se ha informado. En primer lugar, tomamos prestado nueve oncogenes (IL1B, MTHFR, AKAP9, CAMKK1, SEZ6L, FAS, FASLG, TP53, y TP53BP1) a partir de un estudio llevado a cabo por el Consorcio Internacional de Cáncer de Pulmón (ILCCO) [41]. De acuerdo con el estudio ILCCO, las variantes genéticas con una fuerte evidencia de una asociación con el riesgo de cáncer de pulmón pertenecían a los genes de varias vías relacionadas con el cáncer, como la inflamación (IL1B), el metabolismo del folato (MTHFR), función reguladora (AKAP9 y CAMKK1), célula adherencia (SEZL6), y la apoptosis (FAS, FASL, TP53, TP53BP1, y BAT3). Además, hemos adoptado 11 NSCLC genes de mutación conductor (EGFR, KRAS, ERBB2, ALK, BRAF, PIK3CA, AKT1, MAP2K1, MET, ROS1 y ANR) a partir de una revisión por Pao et al [42], [43]. A la luz de su opinión sobre cómo estos genes afectan la proliferación celular y la supervivencia del cáncer, se incluyeron estos genes clínicamente importantes, como base para nuestros controles positivos. Por último, hemos añadido los genes incluidos en el cáncer de pulmón loci de susceptibilidad reportado en varios estudios anteriores GWA: C3ORF21 y TP63 de 3q28-29 [11], [44], ter y CLPTM1L de 5p15 [5], [7], BAT y MSH5 de 6p21 [7], CHRNA5, CHRNA4, y CHRNA3 de 15q25 [8] - [10], y los genes de reparación del ADN (XRCC1, RRM1, ERCC1) [45]. Hemos clasificado los genes por ubicación o por función y diseñamos seis combinaciones diferentes de controles positivos relacionados con el cáncer de pulmón-conjuntos de genes (Tabla 2).
Asociación SNP y Cartografía
regresión logística
multivariante del aditivo y modelos genéticos dominantes fueron ajustadas contra el estado de la enfermedad, con ajustes por edad, sexo y tabaquismo, para capturar con precisión señales de asociación de SNP. Porque estábamos interesados principalmente en los efectos genéticos de tener un alelo variante y MAF fue generalmente baja de la piscina estudio, se excluyó el modelo genético recesivo de nuestro análisis.
Además, 20 Kbp aguas arriba de los extremos 5 ' final y 20 kpb aguas abajo del extremo 3 'se consideran parte de un gen, a fin de incluir la región de codificación y elementos de regulación. El SNP que más se asocia significativamente dentro de una región del gen fue elegido para representar a toda la zona de genes. Sólo los conjuntos de genes con un mínimo de 20 genes y un máximo de 200 genes fueron considerados en el análisis posterior.
Pathway Analysis
divide la vía de análisis en los procesos de selección y validación de dos pasos. En primer lugar, se utilizó una adaptación SNP del método GSEA desarrollado por Wang et al. [24] A la pantalla vías candidatos asociados con el riesgo de CPNM. Luego, utilizando el algoritmo de ARTP desarrollado por Yu et al. [31], se confirmó la significación estadística de las vías de candidatos.
Gene Conjunto de Análisis de enriquecimiento (GSEA).
Para cada gen, el SNP con la prueba estadística más alta (coeficiente estadístico t de regresión logística en nuestro caso) fue asignado para representar el gen. Para todos los genes N, estadísticas de asociación fueron ordenados de mayor a menor (r
1, r
2, ..., r
N), y un ponderada de Kolmogorov-Smirnov-como (KS) que se ejecuta suma de la puntuación de enriquecimiento (ES) de la vía S con N
p genes se calculó a partir de la lista clasificada de genes [24].
Debido a que el cálculo de ES (S) se basa en una estadística máxima, con un gran número vías de los genes tenían ventajas definitivas sobre las vías más pequeñas. Para comparar las estadísticas entre las vías de diferente tamaño, una puntuación normalizada de enriquecimiento (NES) se calculó como sigue:
Por último, porque estábamos probando múltiples hipótesis a la vez, se evaluó la proporción de falsos positivos espera calculando el falso descubrimiento tasa (FDR)
.
para nuestro GSEA, permutaciones 1000 fenotipo fueron utilizados para estimar la significación estadística de cada gen.
Rango de adaptación del producto truncado (ARTP).
para todos L genes en una vía, la mejor SNP P-valor de cada gen se clasifican de menor a mayor (P
1, P
2, ..., P
L), y el producto de K más pequeño P- valores en una vía se calculó como sigue:
Normalmente, el punto de truncamiento K deben ser determinados antes de usar la estadística de RTP. Sin embargo, el método de ARTP sugerido por Yu et al. [31], que combina estadísticas derivadas del conjunto de datos observado, hace que sea factible para estimar el valor P ajustado independientemente del tamaño de la vía. Para nuestro análisis ARTP, se utilizaron las mismas permutaciones 1000 para evaluar la importancia de cada vía candidato.
Camino superposición Análisis
Para comparar similitudes entre las vías, se calcularon las fracciones de solapamiento entre las vías, utilizando la siguiente ecuación:
Supongamos que a y B son las vías, a continuación:
se utilizó esta ecuación para manejar una situación en la que una vía es un subconjunto del otro. De esta manera, el 100% de similitud indica que una vía es un subconjunto de la otra, a menos que las dos vías son los mismos.
Resultados
Características demográficas
Las características demográficas de la población de estudio se muestran en la Tabla 1. en los análisis univariados, el género y la edad fueron significativas (P & lt; 0,05), mientras que el consumo de tabaco no lo hicieron (P = 0,16). Sin embargo, las tres características demográficas (sexo, edad y tabaquismo) mostraron una asociación estadísticamente significativa (P & lt; 0,001) en el análisis multivariado. Por lo tanto, se incluyeron los tres como el ajuste de covariables en el análisis de asociación de regresión logística. El adenocarcinoma es el tipo histológico predominante, lo que representa más del 70% de nuestras muestras de NSCLC, una composición coherente con el perfil general de la población de Corea del NSCLC [4].
Genotipado y Cartografía
Después de aplicar el SNP criterios de control de calidad, incluyendo MAF y HWE, 440,530 SNPs genotipo se filtraron hasta 300,410 SNPs. De ellos, hemos eliminado SNPs que residen en los desiertos de genes y los 147,970 restantes SNPs fueron asignadas con éxito para nuestra definición de genes (14.089 genes). Debido a que hemos mapeado SNPs situados a menos de 20 Kbp aguas arriba y aguas abajo de la región codificante como un gen, algunos SNPs situados entre los genes fueron contados dos veces.
Pruebas de Control Positivo
Como se muestra en la Tabla 2, nuestra resultados positivos de la prueba de control mostraron una gama de valores de P nominales, 0,014 a 0,42, y una gama de FDR, 0,055-0,408, para el aditivo y modelos dominantes en el método GSEA. Para el método de ARTP, los valores de p fueron más fuertes y osciló desde 0,001 hasta 0,035 para el aditivo y modelos dominantes. Por lo tanto, a partir de las pruebas de control positivo, se utilizaron los siguientes criterios de filtrado para la etapa inicial de descubrimiento de ruta utilizando el método GSEA: P-values≤0.025 y FDRs≤25% en el aditivo o modelo genético dominante fueron seleccionados para su posterior análisis. Para el método de ARTP, P-values≤0.01 fueron considerados dignos de mención.
Pathway Analysis
Entre 880 vías que hemos examinado utilizando el método GSEA, 11 aprobó los criterios de filtrado de control positivos (Tabla 3) . Las 11 vías candidatos fueron examinados por el método de ARTP y sus valores de P were≤0.01 en el aditivo o modelo dominante, confirmando de nuevo que estas vías tenían una asociación estadísticamente significativa con NSCLC, en comparación con los controles positivos. Sin embargo, para el
La activación de la pre-replicativa Complejo
, se encontró que el altamente significativa p-valor del modelo aditivo en el método GSEA difería de un P-valor insignificante en el modelo aditivo en el método ARTP , por lo que se excluyeron del análisis posterior. El examen de las vías de candidatos en profundidad tras los resultados de las pruebas de similitud, como se muestra en la Figura S1, encontramos varias vías que se parecían entre sí. Por ejemplo, el
G1 /S transición
vía era un subconjunto de la
Ciclo Celular
vía, y cuando se encontró una relación de inclusión, se eliminó el superconjunto, que, en este caso, era el Ciclo de
Cell
vía. Del mismo modo, el
Señales NRAGE muerte a través de JNK
vía era un subconjunto de la
La muerte celular de señalización a través de NRAGE, FNIC, y NADE
vía, que eran grupos de la
P75 NTR mediada por receptores
señalización vía. Por lo tanto, hemos eliminado dos superconjuntos de la
Señales NRAGE muerte a través de JNK
vía. Los restantes siete vías candidatos se clasifican en cuatro tipos de procesos celulares: el transporte de membrana (
transportadores ABC
), la señalización intracelular (
vía de señalización VEGF
,
El inositol fosfato Metabolismo
,
Sistema de Señalización fosfatidilinositol
), el ciclo celular (
G1 /S Check Point
,
G1 /S transición
), y la muerte celular programada (
Las señales de muerte a través NRAGE JNK
). Cabe destacar que el
G1 /S Check Point
vía tuvo el menor número de genes (25 genes), manteniendo al mismo tiempo la significación estadística, tanto en el GSEA y métodos ARTP (modelo dominante). Utilizando las estadísticas GSEA como las estadísticas primarias y ARTP como mediciones secundarias, el
ABC transportistas
conjunto de genes mostraron la mejor asociación de riesgo CPCNP entre los siete candidatos finales con un GSEA nominal valor de p & lt; 0,001, FDR = 0,122, y ARTP P-valor = 0,001 (ambos modelo dominante). El segundo mejor fue el
vía de señalización VEGF Vaya con un GSEA nominal valor de p. & Lt; 0,001, FDR = 0,107, y ARTP valor de p = 0,008 (ambos modelo dominante) guía empresas
por vías notables en cada categoría de procesos celulares, también se estudiaron las asociaciones de SNP dentro de conjuntos de genes (Tabla 4, S1, S2 y S3). Aparte de la
transportadores ABC
, que no era más que una colección de bombas de proteínas transmembrana, se elaboraron diagramas de red de vías notables, como se muestra en las figuras S2, S3, y S4. Los resultados adicionales para el análisis de la vía en cada subgrupo de acuerdo con los tipos histológicos de cáncer de pulmón se describen en el apéndice S2.
Comparación con el estudio del cáncer de pulmón Otros
En un gen expresado diferencialmente estudiar con el tejido pulmonar normal, realizado por Falvella et al. [46], se sugirió una firma de expresión genética que consiste en 85 genes para distinguir pacientes con adenocarcinoma de pulmón de otros pacientes con cáncer. Adoptamos 67 genes que estaban disponibles en NCBI Build 36 genoma humano y aplicar el mismo procedimiento de análisis de ruta. El uso de nuestros datos de genotipos, asociaciones SNP fueron asignadas correctamente a 54 genes. Con el conjunto de genes que incluye estos 54 genes, el método GSEA mostró P-valores nominales de & lt; 0,001 para FDR valores de 2,6% tanto en los modelos dominantes y aditivo y y 11.7% para el aditivo y modelos dominantes, respectivamente. Del mismo modo, el método ARTP produjo los valores de p de 9,99 × 10
-4 y 3.00 × 10
-3 para el aditivo y modelos dominantes de este conjunto de genes, respectivamente. Este resultado confirma una vez más que nuestro análisis basada en las vías era legítimo y consistente con otro estudio del cáncer pulmonar en que el análisis de expresión génica basada en el ARNm. Los resultados de los análisis de asociación de los SNP en 54 genes se muestran en la Tabla S4.
Discusión
Los recientes avances en la tecnología de genotipado de SNP de alto rendimiento han generado grandes cantidades de datos de genotipos y han dado lugar a la valiosa resultados en cuanto a variantes genéticas comunes asociadas con diversas enfermedades a través de Glass. Sin embargo, los informes se han centrado principalmente en una pequeña parte de las asociaciones que reúnen los requisitos para el nivel de significación de todo el genoma y la mayoría de las asociaciones, con poderes estadísticos moderadas, son difíciles de interpretar. El uso de los conocimientos biológicos antes, los enfoques de asociación basada en las vías han abierto recientemente una nueva forma de examinar las asociaciones entre resultados GWAS y redes moleculares complejas. El análisis basada en las vías incorpora datos de asociación de genes relacionados funcionalmente y las traduce en información de susceptibilidad a la enfermedad.
En este estudio, se utilizó una mezcla de contraste vía de análisis utilizando datos de GWAS con cáncer de pulmón de Corea, que consta de 869 casos de NSCLC y 1.533 controles. Hemos informado anteriormente de asociaciones significativas entre los polimorfismos en los cromosomas 3q28, 3q29 y 5p15 y coreano susceptibilidad al cáncer de pulmón [11], [44]. Se utilizó por primera vez un método basado en GSEA con SNP serie de datos de todo el genoma de forma preliminar la pantalla de vías candidatos asociados con la susceptibilidad al cáncer de pulmón. Entre las vías de 11 candidatos, se seleccionaron 7 que también se confirmó por el método ARTP. Cuatro vías de señalización celular,
vía de señalización VEGF
,
G1 /S Check Point
,
Señales NRAGE muerte a través de JNK
, y
transportadores ABC, España eran altamente enriquecido con señales asociadas con el riesgo de cáncer de pulmón. A diferencia Glass, P-valores para los SNPs asociados con genes eran por lo general moderadamente significativa y sólo unos pocos de ellos podrían calificar en el llamado nivel de significación de todo el genoma. Esto indica que las estadísticas de la vía hincapié en los efectos de los patrones sutiles, pero sistemáticas, dentro de un conjunto de genes en lugar de algunas asociaciones de pico dentro de un conjunto de genes.
gen miembros de la casete de unión a ATP (ABC) transportador de la familia tienen funciones esenciales en el transporte de varios sustratos, tales como iones, azúcares, lípidos, y proteínas, bajo condiciones fisiológicas. Durante muchos años, los investigadores han descubierto que el
transportadores ABC
juegan un papel importante en la quimioterapia del cáncer y son responsables de la resistencia a múltiples fármacos (MDR), en forma de una bomba de infusión ATP impulsada [47]. Se cree que la sobreexpresión de la
transportadores ABC
reduce los niveles intracelulares de drogas a través de una mayor flujo de salida de los agentes quimioterapéuticos, dando lugar a la insensibilidad de drogas, que pueden conducir al fracaso de la quimioterapia del cáncer [48]. Por otro lado,
transportadores ABC
puede funcionar también como exportadores de carcinógenos eficaces, manteniendo las células libres de productos químicos nocivos y cancerígenos. impedimentos prolongadas o cambios en la expresión génica de estas bombas de proteínas transmembrana pueden aumentar el potencial de riesgo de cáncer. nitrosaminas específicas del tabaco 4- (metilnitrosamino) -1- (3-piridil) -1-butanona (NNK) es uno de los más potentes carcinógenos del humo del cigarrillo que se ha demostrado que causa cáncer de pulmón en roedores [49], [50 ]. Cuando se inhalan estas toxinas, el
transportadores ABC
ha codificada por ABCB1 y ABCC1 eliminar eficazmente estas sustancias cancerígenas de los pulmones. Los investigadores han descubierto que los polimorfismos comunes de ABCB1 y ABCC1 pueden influir en el metabolismo y disposición del carcinógeno bien establecida, NNK, y, potencialmente, aumentar el riesgo de cáncer de pulmón [51]. Como se muestra en la Tabla 4, ABCA4, ABCC1, y ABCC mostraron una asociación significativa con la susceptibilidad al cáncer de pulmón (valores de p & lt; 0,0005). En nuestro análisis de subgrupos posterior, nunca fumadores mostraron una asociación más significativa que nunca habían fumado, como se muestra en la Tabla S5. Por lo tanto, es posible modular el riesgo de cáncer de pulmón individual en función de los polimorfismos genéticos en los genes a través de diferentes funciones celulares.
El
vía de señalización VEGF
también clasificó alto en nuestro análisis de la vía. Los miembros de esta vía pueden influir en una vía biológica dependiente de la angiogénesis, que es un componente crítico de la oncogénesis. Asociaciones entre los polimorfismos genéticos en el VEGF /VEGFR y el riesgo de desarrollar cáncer han sido reportados en varios tipos de cáncer, incluyendo el cáncer de pulmón [52]. Entre 63 miembros de genes, fosfatidilinositol 3-quinasa (PIK3R5), fosfolipasa C (plcg2), y la proteína adaptadora SHC mostró una fuerte asociación con la susceptibilidad al cáncer de pulmón en nuestro GWAS (Tabla S1, S2 Figura).
A pesar de una vía enfoque basado en el juicio es un atractivo en una era post-GWAS, observamos algunas limitaciones en nuestro diseño. En nuestro estudio, tras el SNP del control de calidad, las asociaciones de más de 300.000 SNPs se mantuvieron y se analizaron, pero sólo la mitad de ellas fueron asignadas con éxito, de 14.089 genes. Muchos SNPs en regiones no codificantes fueron simplemente abandonados. Por desgracia, con la plataforma actual genotipado GWAS, el número de marcadores que cubren genes es limitado. Por otra parte, incluso las 880 vías que analizamos fueron claramente un conjunto incompleto de las vías debido a que muchos genes humanos aún no han sido asignados a las vías porque su función (s) son desconocidos. Por último, nuestra GWAS conjunto que contiene los datos de SNP en todo el genoma de más de 2.400 coreanos se originó a partir de una sola población. El objetivo del estudio era encontrar vías asociadas con la susceptibilidad al cáncer de pulmón dentro de la población de Corea, y no pudimos encontrar un cáncer de pulmón GWAS conjunto de datos comparables de Corea para validar nuestros resultados. A medida que se disponga de más datos, nuestros resultados deben ser comparados con otras poblaciones de Asia oriental, considerando las diferencias étnicas.
En conclusión, hemos demostrado que la susceptibilidad al cáncer de pulmón puede estar vinculado a las vías biológicas que utilizan datos GWAS, y múltiples señales de asociación sutiles puede interpretarse de una manera sistemática. Nuestros resultados sugieren que la variación genética en los genes que participan en cuatro vías de señalización puede contribuir a la susceptibilidad individual cáncer de pulmón. Por otra parte, nuestros resultados indican que los enfoques basados en la vía son los métodos analíticos importantes en una era post-GWAS que podrían ser utilizados para hacer frente a la relevancia funcional de la susceptibilidad genética.
Apoyo a la Información
Figura S1.
Similitudes entre las vías candidato. (Unidad:%).
Doi: 10.1371 /journal.pone.0065396.s001 gratis (TIF)
figura S2.
Camino Diagrama de "Señalización VEGF"
doi:. 10.1371 /journal.pone.0065396.s002 gratis (TIF)
Figura S3.
Camino Diagrama de "G1 /S Check Point"
doi:. 10.1371 /journal.pone.0065396.s003 gratis (TIF)
figura S4.
Camino Diagrama de "Señales NRAGE muerte a través de JNK"
doi:. 10.1371 /journal.pone.0065396.s004 gratis (TIF)
Tabla S1.
SNP Asociaciones de genes en "vía de señalización VEGF"
doi:. 10.1371 /journal.pone.0065396.s005 gratis (DOC) sobre Table S2.
SNP Asociaciones de genes en "G1 /S Check Point"
doi:. 10.1371 /journal.pone.0065396.s006 gratis (DOC) sobre Table S3.
SNP Asociaciones de genes en "Señales NRAGE muerte a través de JNK"
doi: 10.1371. /journal.pone.0065396.s007 gratis (DOC)
Tabla S4.
SNP Asociaciones de 54 genes en "Los fumadores con cáncer de pulmón" Estudio de la expresión génica por Falvella et al
doi:. 10.1371 /journal.pone.0065396.s008 gratis (DOC) sobre Table S5.
Comparación de los transportadores ABC "" genes de la ruta entre Nunca fumador y nunca fumador
doi:. 10.1371 /journal.pone.0065396.s009 gratis (DOC)
Apéndice S1. List de 880 Rutas
doi:. 10.1371 /journal.pone.0065396.s010 gratis (XLSX)
Apéndice S2.
Pathway Analysis 2156 Adenocarcinoma único grupo y 1806 de carcinoma escamoso-Cell único grupo
doi:. 10.1371 /journal.pone.0065396.s011 gratis (XLSX)
Reconocimientos
Nos gustaría reconocer el Centro de control de Enfermedades en el Instituto Nacional de Salud de Corea, que amablemente proporcionó los datos de SNP en todo el genoma de los controles. También nos gustaría dar las gracias a Dongwan Hong y Seungyoon Nam en el Centro Nacional del Cáncer útil para los debates y críticas.