Extracto
Antecedentes
previamente identificado un grupo de genes asociados con el resultado de cáncer de ovario. El objetivo del presente estudio fue evaluar si las variantes en estos genes correlacionados con el riesgo de cáncer de ovario.
métodos y las conclusiones
Las mujeres con y sin cáncer de ovario invasivo (749 casos, 1.041 controles) eran genotipo en 136 polimorfismos de nucleótido único (SNP) a menos de 13 genes candidatos. El riesgo se calcula para cada SNP y para la variación general dentro de cada gen. En el nivel de genes, la variación dentro de
MSL1 gratis (específicamente masculino letal-1 homólogo) se asoció con el riesgo de cáncer seroso (p = 0,03); haplotipos dentro de
PRPF31 gratis (PRP31 pre-mRNA de procesamiento de factor de 31 homólogo) se asociaron con riesgo de enfermedad invasiva (p = 0,03).
MSL1
rs7211770 se asoció con un menor riesgo de enfermedad serosa (OR 0,81; IC del 95%: 0,66 a 0,98; p = 0,03). SNPs en
MFSD7
,
BTN3A3
,
ZNF200
,
Ptprs
, y
CCND1A
se asoció inversamente con el riesgo (p & lt; 0,05), y no hubo aumento en el riesgo a
HEXIM1
rs1053578 (p = 0,04; OR 1,40, IC del 95% 1,02 a 1,91).
Conclusiones
Los estudios revelan tumorales pueden nuevos genes dignos de seguimiento de la susceptibilidad al cáncer. Aquí, encontramos que los marcadores heredadas en el gen que codifica MSL1, parte de un complejo que modifica la histona H4, pueden disminuir el riesgo de cáncer de ovario seroso invasiva
Visto:. Peedicayil A, RA Vierkant, Hartmann LC, Fridley BL, Fredericksen ZS, White KL, et al. (2010) el riesgo de cáncer de ovario y hereda variantes en genes de recaída asociadas. PLoS ONE 5 (1): e8884. doi: 10.1371 /journal.pone.0008884
Editor: Alfons Navarro, Universidad de Barcelona, España |
Recibido: 5 de Octubre, 2009; Aceptado: 16 de diciembre de 2009; Publicado: 27 de enero 2010
Derechos de Autor © 2010 Peedicayil 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:. Este trabajo fue apoyado por el Instituto Nacional del cáncer [R01 CA122443, R01 CA88868], el Fondo de Investigación del cáncer de ovario, y el Fred C. y Katherine B. Fundación Andersen. 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 existen intereses en competencia
Introducción
a nivel mundial, hay aproximadamente 125.000 muertes al año por cáncer de ovario [1]; una mayor comprensión de los factores relacionados con su resultado y la etiología debería reducir la carga de esta enfermedad. Hemos informado anteriormente de resultados de los estudios de expresión de mRNA de tumor que sugerían que la expresión alterada de un conjunto particular de genes predice la respuesta a la quimioterapia en mujeres con cáncer de ovario epitelial en estadio avanzado de alto grado [2]. Estos genes incluyen
SF3A3
,
MFSD7 gratis (anteriormente conocido como
FLJ22269
),
ID4
,
BTN3A3
,
OSGIN2 gratis (anteriormente conocido como
C8orf1
),
FARP1
,
PRKCH
,
C15orf15
,
ZNF200
,
MSL1 gratis (anteriormente conocido como
LOC339287
),
HEXIM1 gratis (anteriormente conocido como
His1
),
Ptprs
,
CC2D1A gratis (anteriormente conocido como
FLJ20241
), y
PRPF31
. Los niveles de expresión diferían entre los tumores de las mujeres con diferentes resultados; a saber, en combinación, la expresión de estos genes predijo recaída temprana (& lt; 21 meses). después de la cirugía y la quimioterapia óptima de platino-paclitaxel con una precisión de 86% y un valor predictivo positivo de 95% [3], [2]
La etiología del cáncer de ovario es conocido por ser compleja y, al menos en parte, incluye heredado factores de susceptibilidad. Las mutaciones en
BRCA1
,
BRCA2
,
MLH1
, y
MSH2
representan aproximadamente el 50% de cáncer de ovario familiar [4], [5] , y los casos restantes con antecedentes familiares son probablemente debido a las combinaciones de múltiples alelos que confieren susceptibilidad baja a moderada penetrante [6], [7], tales como variantes en
BNC2
[8] y, posiblemente,
TP53
[9],
CDKN2A
[10],
CDKN1B
[10], y
AURKA
[11]. Como complemento a las búsquedas en todo el genoma, un enfoque útil para la identificación de alelos de bajo riesgo adicional es el estudio de las variantes hereditarias altamente informativos en genes candidatos identificados a partir de los estudios de expresión tumoral. Para evaluar si la variación en los genes con diferentes niveles de expresión por el resultado del riesgo de cáncer de ovario influenciada, se realizó un análisis de casos y controles de variantes en los genes heredados en el modelo predictivo se ha mencionado anteriormente [2], así como en
HTRA1
(que codifica la serina proteasa HtrA1), que hemos demostrado es regulada hacia abajo en la mayoría de los tumores de ovario [12], [13] y tiene un papel clave en la apoptosis [13]. A medida que el primer examen de la variación de la línea germinal en este nuevo conjunto de genes (Tabla 1), que tuvo como objetivo aclarar más ampliamente su papel en los procesos cancerígenos ováricos epiteliales.
Resultados
demográfica, reproductivos, estilo de vida, y tumorales características de los pacientes con cáncer de ovario epitelial 749 invasivos y 1.041 controles se describen en la Tabla 2. en general, se observaron las distribuciones esperadas de los factores de riesgo; una mayor proporción de pacientes que en los controles no habían usado anticonceptivos orales (p & lt; 0,001), había utilizado la terapia hormonal (p & lt; 0,001), fueron nulíparas (p = 0,01), y tenía una primera o segunda historia familiar grado de cáncer de ovario (p & lt ; 0,001). Tales factores asociados con el riesgo de cáncer de ovario se incluyeron como covariables en todos los análisis genéticos.
Gene nivel y seleccionar SNP a nivel de resultados de pruebas de asociación se muestran en la Tabla 3 y la Tabla 4, respectivamente. Asociaciones para el conjunto de los SNP analizados se muestran en la Tabla S1. De los genes examinados en relación con el riesgo de cáncer de ovario invasivo y el riesgo de cáncer de ovario seroso invasiva, única variación global en el
MSL1
y
PRPF31
genes se asoció a p & lt; 0,05.
MSL1
gen a nivel de componentes principales (que se resumen las combinaciones de genotipos en base a dos SNPs) se asociaron con riesgo de enfermedad invasiva serosa (p = 0,03). En uno de los dos SNPs en este gen, rs7211440 (r
2 = 0,53 con rs17678694; Figura S1), el transporte de la menor alelo se asoció con un menor riesgo tanto de enfermedad serosa invasiva e invasiva (OR 0,85; IC del 95% 0,72 a 1,00; p = 0,05; OR 0,81; IC del 95%: 0,66 a 0,98; p = 0,03, respectivamente, Tabla 4), lo que sugiere este SNP como el principal impulsor de los
MSL1 de búsqueda: 's asociación serosa gen de nivel .
PRPF31
haplotipos (serie consecutiva de alelos en base a ocho SNPs) se asociaron con riesgo de enfermedad invasiva (p = 0,03). Como el análisis de haplotipo puede revelar asociaciones ocultas, examinamos más de cerca los veinte y seis haplotipos comunes dentro de
PRPF31 gratis (Tabla S2). En comparación con el haplotipo más común (11111111 principales alelos en todos los
PRPF31
SNPs), el haplotipo 10101111 (alelos menores en intrónica etiquetado polimorfismos de nucleótido único (tagSNPs) rs12985735 y rs254272) que otorga un menor riesgo de cáncer de ovario invasivo (OR 0,22, IC 95% 0,06 a 0,82; p = 0,02). Estos dos SNPs fueron sólo modestamente correlacionados (r
2 = 0,23; Figura S1), y tampoco se asoció independientemente con el riesgo (rs12985735 alelo O por 1,13, IC del 95%: 0,98 a 1,30; p = 0,10; rs254272 por alelo O 1.05 , IC 95% 0,89 a 1,25; p = 0,56), lo que sugiere que una variante ungenotyped en estrecha proximidad con el
PRPF31
haplotipo puede contribuir a la asociación. Como otros dos
PRPF31
haplotipos se asociaron con el riesgo de cáncer de ovario en p & lt; 0,10 (00111101 OR 2,81; IC del 95%: 0,85 a 9,22; p = 0,09; OR 10101101 2,86; IC del 95%: 0,94 a 8,71; p = 0,06), otras variantes en el gen también puede contribuir a la asociación de haplotipos global observado.
Fuera de los dos genes asociados a nivel de genes (
MSL1
y
PRPF31
) , un pequeño número de SNPs en otros seis genes estaban asociados a nivel de un solo SNP (p & lt; 0,05, Tabla 4) que incluye tres SNPs asociados con un menor riesgo tanto de enfermedad serosa invasivo e invasivo (en
CC2DIA
,
MFSD7
, y
ZNF200
). Se observó la asociación más fuerte a nivel de SNP rs2305777 en el no sinónimos (T801M) en la activación de NF-kB gen
CC2D1A gratis (invasivo o 0,84, 95% 0,72-0,99, p = 0,03; OR: 0,76; serosa invasiva , IC 95% 0,62 a 0,99 p = 0,005). Sobre la base de la secuencia de conservación entre las especies [14], este SNP se prevé que sea relativamente no perjudiquen a la función de proteínas. Debido a que este SNP no se correlaciona con otros SNPs genotipo (r
2 & lt; 0,12, Figura S1) y no seleccionar otras común HapMap SNPs en r
2 & gt; 0,9, la secuencia puede ser necesario para aclarar el significado de este SNP asociación. Del mismo modo,
MFSD7
rs6840253 se asoció con una reducción del riesgo de cáncer de ovario (invasivo o 0,81, IC del 95%: 0,66 a 1,0; p = 0,05; serosa invasivo o 0,76, IC del 95%: 0,58 a 0,98; p = 0,03 ), al igual que
ZNF200
rs186493 (invasivo o 0,83, 95% 0,71 a 0,82; p = 0,02; invasiva seroso o 0,82, IC del 95%: 0,68 a 0,98; p = 0,03). Ambos son SNPs región promotora (a menos de 5 kb 5 'aguas arriba) e independiente de otros HapMap SNPs en r
2 & gt; 0,9. Debido a que cada uno se correlacionaron en r
2 & gt;. 0.6 con otros SNPs genotipo, la genotipificación adicional de SNPs moderadamente correlacionados podrían ayudar a dilucidar estas asociaciones
Tres SNPs se asocian únicamente con un menor riesgo de enfermedad serosa invasivo (en
Ptprs
y
BTN3A3
), y un SNP asociado con un mayor riesgo de enfermedad invasiva serosa (en
HEXIM1
). Por lo tanto, mientras que los resultados fueron generalmente similares en los dos grupos de casos, la frecuencia mayor significación estadística de los resultados entre las mujeres con enfermedad serosa, a pesar de una potencia reducida debido a un tamaño de la muestra 40% más pequeño, sugiere que el análisis de subtipo reveló heterogeneidad por histología.
SNPs que sugerían sólo en la enfermedad serosa incluyen dos altamente correlacionados
Ptprs
intrón 9 SNPs (r
2 = 0,99; rs886936 OR 0,85; IC del 95%: 0,72 a 1,00; p = 0,05; rs11878779 O 0,79, IC del 95% 0,66 a 0,95, p = 0,01). Curiosamente, estos y otros tres altamente correlacionado-intrón 9 SNPs (Figura S1) eran independientes entre sí en HapMap en r
2 & lt; 0,9, que sirve como ejemplo de la no transferibilidad de desequilibrio de ligamiento (LD) entre las distintas poblaciones. El único SNP con alelos menores asociados con un mayor riesgo fueron los potenciales
HEXIM1
rs1053578 SNP región promotora (seroso o 1,40, IC del 95%: 1,02 a 1,91; p = 0,04) que era independiente de otros SNPs genotipo en r
2 & lt; 0,04 y otra de HapMap SNPs en r
2 & lt; 0,9.
BTN3A3 de búsqueda: 's putativo rs12206812 SNP región promotora se asoció con un menor riesgo de enfermedad invasiva serosa (OR 0,63; IC del 95%: 0,44 a 0,90; p = 0,01); Sin embargo, sospechamos genotipo o error de mapa genético debido a un fallo en el ADN WGA y la independencia con el resto del genotipo
BTN3A3
SNPs (r
2 = 0; Figura S1). Se observaron 0.05 para
SF3A3
,
ID4
,
OSGIN2
,
HTRA1
, o
C15orf15
. h2> Discusión
conocimiento
MSL1
estaba relacionada con el riesgo de cáncer de ovario seroso invasiva; en particular, los alelos menores en rs7211440 correlacionan con un menor riesgo (OR 0,81; IC del 95%: 0,66 a 0,98; p = 0,03). Anteriormente, el aumento de expresión de MSL1 se correlacionó con el tiempo anterior a la recaída [2]; validación adicional del modelo de pronóstico y la replicación de la asociación etiológica están garantizados.
MSL1
codifica una de las cinco proteínas que forman el complejo MSL altamente conservadas con capacidades enzimáticas como una histona acetiltransferasa (HAT ) [17]. HAT modificar una variedad de dominios de histonas a través de acetilación, que, junto con otros coactivadores, regula de histonas y la cromatina y la activación de influencias expresión de genes [18]. El complejo MSL acetila específicamente residuo de lisina 16 en la histona H4 (H4-Lys16), que desempeña un papel crucial en la regulación de plegado de la cromatina y el silenciamiento de la expresión génica [19], [20], [17]. knock-out modelos indican que la ausencia del complejo MSL conduce a un mal funcionamiento durante la fase S del ciclo celular, lo que conduce a errores en la replicación del ADN [17]. Además, la pérdida de monoacetilación de H4-Lys16 y el funcionamiento aberrante en H4 son características de las células cancerosas. Nuestros datos sugieren que la variación hereditaria en la
MSL1
puede afectar el riesgo de cáncer de ovario seroso invasiva y son consistentes con los hallazgos de que las modificaciones H4 irregulares pueden provocar errores en el plegamiento de la cromatina y la expresión génica y se han generalizado en los fenotipos de cáncer [21]. Con SNPs sugerentes en los genes para p53 y CDKN2A [10], [9], que también regulan la modificación de histonas, la evidencia para un papel de los factores de riesgo heredados relacionados con las histonas está acumulando.
Los puntos fuertes de este trabajo incluyen el uso de dos poblaciones de estudio de casos y controles (de la Clínica Mayo y la Universidad de Duke), avanzado las técnicas de selección de SNP (por ejemplo, alto nivel de correlación necesaria entre los alelos, la inclusión del SNPs putativo-funcionales, y la selección de múltiples tagSNPs en grandes contenedores LD), y excelente calidad de genotipado. Nuestra evaluación de riesgo para la enfermedad invasiva serosa sugiere un grado de heterogeneidad genética por el subtipo histológico; Sin embargo, se sugiere precaución en la interpretación de los resultados (en particular los resultados de SNP individuales en la ausencia de significación a nivel de gen) debido a la relativamente gran número de pruebas realizadas. También observamos que no hay resultados son estadísticamente significativa después de ajustar por múltiples ensayos utilizando una corrección de Bonferroni conservador. Por lo tanto, la replicación de los resultados se justifica para confirmar estas asociaciones. Vías para futuras investigaciones que se extiende desde este trabajo de genes candidatos basada en la expresión incluyen análisis de otros genes reguladores de las histonas y evaluación detallada de los mecanismos funcionales. Más de forma inminente, el examen de la promesa de SNPs en
MSL1 Estar entre un mayor número de pacientes y controles invasivos serosas y mapeo a escala fina adicional [16] ayudará en la aclaración de la importancia de estos genes de susceptibilidad a cáncer de ovario. Esto se debe, a su vez, informará traducción de dichos resultados a la gestión clínica de las mujeres en mayor riesgo de cáncer de ovario.
Materiales y Métodos
Los participantes del estudio
Los sujetos participaron en dos estudios de casos y controles continuos de cáncer epitelial de ovario iniciadas en enero de 2000 en la Clínica Mayo (Rochester, MN) y en mayo de 1999 en la Universidad de Duke (Durham, Carolina del Norte). Los detalles del diseño del estudio se han descrito con más detalle en otra parte [22] - [24]. En pocas palabras, un total de 749 mujeres con cáncer de ovario epitelial invasivo confirmado histológicamente y 1.041 controles sin cáncer de ovario y sin ooforectomía bilateral fueron reclutados de los dos sitios de estudio (Tabla 2, las características específicas del lugar proporcionados en la Tabla S3). En la Clínica Mayo, los casos de cáncer de ovario (pacientes) fueron más de 20 años de edad con cáncer de ovario epitelial incidente confirmado histológicamente y se inscribió en el estudio dentro de un año después del diagnóstico. fueron invitados a participar todos los casos vistos en las unidades ginecológicas o de oncología médica, que vivían en la región de seis estados que define la población de servicio primario de la Clínica Mayo (Minnesota, Iowa, Wisconsin, Illinois, Dakota del Norte y Dakota del Sur). Los controles fueron reclutados entre mujeres atendidas por los exámenes médicos generales y frecuencia coinciden con los pacientes sobre la edad y región de residencia (es decir, estado, condado). En la Universidad de Duke, los pacientes eran mujeres con diagnóstico histológico de cáncer de ovario epitelial primario, entre 20 y 74 años de edad, y se identificaron dentro de una región de 48 condados usando el Registro Central de Cáncer de Carolina del Norte. Los controles fueron identificados usando la marcación de dígitos al azar lista asistida y frecuencia adaptada a los pacientes sobre la raza, la edad y el condado de residencia. No se realizaron exclusiones basadas en el origen étnico. Los solicitantes escrito el consentimiento informado, y los protocolos fueron aprobados por el Consejo de la Clínica Mayo y la Universidad de Duke de Revisión Institucional.
Colección de muestras biológicas
La información sobre los posibles factores de riesgo de datos y se recogió a través de entrevistas en persona en ambos sitios mediante cuestionarios similares. Se extrajo ADN de 10 a 15 ml de sangre venosa fresca usando el Gentra Autopure LS Purgene salificación metodología (Gentra, Minneapolis, MN). ADN de los participantes en la Universidad de Duke fueron trasladados a la Clínica Mayo para la amplificación de todo el genoma (WGA) con el protocolo REPLI-G (Qiagen Inc, Valencia, CA), que hemos demostrado arrojado resultados altamente reproducibles [25]. las concentraciones de ADN se ajustaron a 50 ng /l antes de la determinación del genotipo y verificarse utilizando el kit de cuantificación PicoGreen dsDNA (Molecular Probes, Inc., Eugene OR). Las muestras fueron codificadas de barras para garantizar un procesamiento preciso y fiable.
SNP Selección
Se identificaron tagSNPs dentro de cinco kb de cada gen candidato utilizando el algoritmo de ldSelect [26] a Bin pares correlacionados SNPs en r
2≥0.90 con menor frecuencia de los alelos (MAF) ≥0.05 en la población HapMap CEU (residentes de Utah con ascendencia de Europa del norte y oeste) [27]. Se utilizaron datos de HapMap, ya que, en noviembre de 2007, que eran más informativo para estos genes que los datos de Perlegen Sciences [28], Seattle SNPs (http://pga.mbt.washington.edu), y NIEHS SNPs (http: //www.egp.gs.washingon.edu). Una tagSNP por contenedor fue seleccionado si tiene menos de diez SNPs se encuentran en un cubo de LD, y se seleccionaron dos tagSNPs por bandeja en los contenedores de LD con diez o más SNPs. Entre tagSNPs, SNPs se eligen para maximizar la puntuación iluminación SNP (una medida del éxito de genotipado predicho) y luego MAF.
FARP1 gratis (307 kb) y
PRKCH gratis (229 kb) requieren más de 100 tagSNPs cada uno y fueron excluidos del estudio de coste-eficacia. Para el resto de genes (Tabla 1), 117 tagSNPs y 19 SNPs putativos-funcional (a menos de 10 kb aguas arriba, 5 'UTR, 3' UTR, o no es sinónimo de Ensembl versión 34 con Europa y Estados Unidos MAF≥0.05 y la puntuación de iluminación SNP ≥0.6) fueron seleccionados. Por lo tanto, se genotipo de un total de 136 SNPs en estos 13 genes candidatos.
Genotipado
Como parte de un estudio más amplio, el genotipado de 2.176 muestras de ADN (897 genómica, 1.279 WGA, y 129 duplicados ) a partir de 2.047 participantes en el estudio se llevó a cabo únicas en la Clínica Mayo, junto con 65 controles de laboratorio. Se utilizó el ensayo Illumina GoldenGate BeadArray y software BeadStudio para el agrupamiento automático y llamar de acuerdo con un protocolo estándar [29]. De 2.047 participantes con genotipo, 44 muestras (2,1%) fallido (tasa call & lt; 90%), y 213 participantes (10,4%) resultaron ser inelegible o tiene una enfermedad borderline y fueron excluidos; Se analizaron aquí por lo tanto 1.790 participantes (incluyendo 749 pacientes con enfermedad invasiva y 1.041 controles). Un total de 1.152 SNPs para una variedad de proyectos se intentara; 25 fallaron SNPs incluido 15 (1,3%) con la tasa de llamada & lt; 90%, nueve (0,8%) con mala agrupación, y uno (& lt; 0,1%) con la replicación sin resolver o mendelianos errores en el ADN genómico. Se evaluaron las desviaciones del equilibrio Hardy Weinberg (HWE) en los controles percepción subjetiva de los blancos, no hispanos con una prueba de bondad de ajuste de Pearson o, en el caso de SNPs con un MAF & lt; 5%, una prueba exacta de Fisher, y se excluyeron los SNPs con MAF & lt; 0,01 (N = 64, 5,6%) o HWE valor de p & lt; 0,0001 (N = 11, 1.0%), dejando 1,052 SNPs para el análisis. Para WGA ADN, un adicional de 20 SNPs (1,7%) fueron excluidos debido a uno o más de los criterios anteriores. Entre los 13 genes candidatos estudiados, 134 de 136 SNPs se genotipo con éxito en muestras genómicas, y todos menos seis de estos también se genotipo con éxito en muestras de WGA (Tabla S4).
Métodos Estadísticos
Las distribuciones de las variables demográficas y clínicas se compararon entre los pacientes y controles usando pruebas de chi-cuadrado o pruebas t, y las estimaciones de pares LD entre los SNPs se obtuvieron utilizando el software Haploview, versión 4.1 [30]. análisis de asociación genética (descrito más adelante) se ajustaron para el sitio de estudio, la edad, índice de masa corporal, terapia hormonal, uso de anticonceptivos orales, el número de nacidos vivos, la edad al primer nacido vivo, y la estructura de la población de componentes principales que representó la posibilidad de estratificación de la población usando un enfoque similar al que se ha descrito anteriormente [31]. Estructura de la población de componentes principales fueron creados usando 2.517 SNPs de esto y paneles de genotipificación anteriores [23]; matrices gráfico de dispersión de la raza auto-reporte indicaron que los cuatro primeros componentes principales estructura de la población aproximarse razonablemente las diferencias raciales entre los individuos y por lo tanto se incluyeron como covariables en todos los modelos (Figura S2).
Se evaluaron las asociaciones con el riesgo de cáncer de ovario mediante regresión logística de SNPs, los componentes principales a nivel de genes, y los haplotipos de genes a nivel. Por SNPs, odds ratio (OR) y los intervalos de confianza del 95% (IC) se calcularon por separado para los alelos genotipos homocigotos y heterocigotos menores, utilizando el principal genotipo homocigoto alelo como el grupo de referencia. Se incluyeron ocho SNPs con HWE & lt; 0,05 (Tabla S4) a causa de parcelas de racimo genotipo aceptables, el gran número de pruebas (Bonferroni corregido p-value≤3.7 × 10
-4), y no asunción de HWE para un solo SNP análisis. las pruebas genotípicas formales de asociación se llevaron a cabo suponiendo efecto de un ordinal (log-aditivo) mediante pruebas sencillas para la tendencia. Dentro de cada gen, se utilizó un análisis de componentes principales para crear combinaciones lineales ortogonales de las variables de recuento menor de los alelos de SNP (incluidos los genotipos imputados utilizando el paquete de software MACH [32]) para proporcionar una alternativa y una representación equivalente de la colección de SNPs en su conjunto . El subconjunto más pequeño que resulta de los componentes principales de nivel de gen que representaba al menos 90% de la variabilidad SNP se incluyó en los modelos de regresión, y asociaciones de genes específicos se evaluaron utilizando un grado múltiple de prueba de razón de probabilidad libertad. basada en la asociación de haplotipos genocéntrica análisis se realizaron utilizando probabilidades a posteriori de todos los haplotipos posibles para un individuo (con exclusión de SNPs con HWE valor de p & lt; 0,05), la condición de los genotipos observados. La expectativa de maximización algoritmo se utilizó para estimar los haplotipos [33] y crear variables de diseño haplotipo que van de 0 a 2. Debido a la imprecisión que participan en los haplotipos de baja frecuencia, se excluyeron los haplotipos con una frecuencia estimada de menos de diez. Las evaluaciones de riesgo entre los haplotipos comunes probaron los efectos simultáneos de todos los haplotipos combinados en la regresión logística; asociaciones de haplotipos individuales utilizan el haplotipo más común como referencia. Todas las pruebas estadísticas fueron de dos caras, ya menos que se indique lo contrario, se llevaron a cabo utilizando el software SAS (SAS Institute, Inc., Cary, NC).
Información de Apoyo
Figura S1. parcelas de desequilibrio de ligamiento.
Los genes con los genes a nivel o SNP a nivel de p & lt; 0,05 se muestran; Haploview 4.1 basado en controles blanca no hispanos auto-reporte (Barrett et al., 2005); r2 = 0 = blanco y r2 = 1 = negro; números representan r2 * 100. doi: 10.1371
/journal.pone.0008884.s001 gratis (DOC 1,04 MB)
figura S2.
Matriz de diagramas de dispersión para la estructura de la población de cuatro componentes principales de la raza auto-reporte. Estructura de la población análisis de componentes principales sobre la base de 1.981 participantes y 2.517 SNPs incluidos los genotipos imputados; para cada diagrama de dispersión, eje vertical corresponde a la componente incluido en el elemento de la diagonal a la izquierda de la trama, y el eje horizontal corresponde al componente que aparece en diagonal por debajo de la parcela; resultados sugieren que el primer componente diferenciado blancos no hispanos y no hispanos negro de otras muestras, mientras que el cuarto componente ayudó a diferenciar aún más asiática de otras muestras; Estos cuatro componentes principales estructura de la población se utilizaron como covariables en la asociación de ensayo
doi:. 10.1371 /journal.pone.0008884.s002 gratis (DOC 0,30 MB)
Tabla S1.
SNP y el riesgo de cáncer de ovario, OR (IC del 95%)
doi: 10.1371 /journal.pone.0008884.s003 gratis (DOC 0,43 MB)
Tabla S2.
resultados de haplotipos para PRPF31 (p-valor = 0,03) mundial
doi: 10.1371 /journal.pone.0008884.s004 gratis (DOC 0,12 MB)
cuadro S3.
Características de los participantes en el estudio por sitio de estudio
doi: 10.1371 /journal.pone.0008884.s005 gratis (DOC 0,14 MB) sobre Table S4.
SNP y el genotipo de información
doi: 10.1371 /journal.pone.0008884.s006 gratis (DOC 0,56 MB)
Reconocimientos
Agradecemos a la Sra Karin Goodman y Ms . Ashley Pitzer para el reclutamiento de sujetos, Sra. Michele Schmidt y el Sr. Sebastián Armasu para obtener ayuda con los análisis estadísticos, y la Sra Katelyn Goodman para obtener ayuda con la preparación de manuscritos.