Krooninen sairaus

tiivistelmä

Pathway perustuva analyysi, käytetään yhdessä genomin laajuinen yhdistys tutkimuksessa (GWAS) tekniikat, on tehokas keino havaita hienovaraista mutta järjestelmällistä genomin, joka voi auttaa selventää monimutkaisia ​​sairauksia, kuten syöpiä . Täällä me astui takaisin geneettisten polymorfismien yhdellä lokuksen ja tutkittiin kuinka useita yhdistys signaalit voidaan järjestettyjä löytää polkuja liittyviä keuhkosyöpään herkkyys. Käytimme yhden emäksen monimuotoisuus (SNP) joukko dataa 869 ei-pienisoluinen keuhkosyöpä (NSCLC) tapaukset edellisestä GWAS National Cancer Center ja 1533 säätimet Korean Association Resource hanke reittiin perustuva analyysi. Kartoituksen jälkeen yhden nukleotidin polymorfismien geeneihin, koska niillä koodausalue ja säätelyelementit (± 20 kbp), monimuuttuja logistinen regressio lisäaineen ja hallitseva geneettinen mallit sovitettiin vastaan ​​tautinsa oikaistuna iän, sukupuolen, ja tupakoinnista. Pathway tilastot arvioitiin käyttämällä Gene Set Enrichment Analysis (GSEA) ja Adaptive Rank Katkaistu tuote (ARTP) menetelmät. Niistä 880 polkuja, 11 oli suhteellisen merkittäviä tilastoja verrattuna meidän positiivisia kontrolleja (P

GSEA≤0.025 vääriä löytö rate≤0.25). Ehdokas reittejä validoitiin käyttäen ARTP menetelmää ja yhtäläisyyksiä polkuja laskettiin toisiaan vastaan. Kärkipään reittejä olivat

ABC Transporters

(P

GSEA 0,001, P

ARTP = 0,001),

VEGF signalointireitin

(P

GSEA 0,001, P

ARTP = 0,008),

G1 /S Check Point

(P

GSEA = 0,004, P

ARTP = 0,013), ja

NRAGE Signals Death kautta JNK

(P

GSEA = 0,006, P

ARTP = 0,001). Tuloksemme osoittavat, että polku analyysi voi valottaa jälkeistä GWAS tutkimusta ja auttaa tunnistamaan potentiaalisia syöpäalttiutta.

Citation: Lee D, Lee GK, Yoon KA, Lee JS (2013) Pathway-Based Analysis käyttäminen genominlaajuisten Association Data korealaisen ei-pienisoluinen keuhkosyöpä Study. PLoS ONE 8 (6): e65396. doi: 10,1371 /journal.pone.0065396

Editor: William C. S. Cho, Queen Elizabeth Hospital, Hong Kong

vastaanotettu: 05 helmikuu 2013; Hyväksytty: 24 huhtikuu 2013; Julkaistu: 06 kesäkuu 2013

Copyright: © 2013 Lee et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tutkimus tukivat National Cancer Centerin tutkimuksen apurahan 1210360. rahoittajat ei ollut roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

kilpailevat edut: kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia edut ovat olemassa.

Johdanto

Keuhkosyöpä on yksi johtavista syistä syövän kuolleisuus Koreassa ja maailmanlaajuisesti [1] – [3]. Niistä useiden keuhkosyöpä histologisia tyyppejä, yli 70% Korean keuhkosyövässä ovat ei-pienisoluisen keuhkosyövän (NSCLCs), johtava alatyypin on adenokarsinooma [4].

Vaikka taudin syitä voivat johtua ympäristötekijät, kuten karsinogeenejä todettu tupakansavun ja myrkyllisten kemikaalien pyrkimyksiä määrittää taudin etiologiaa, tutkijat ovat arvioineet geneettisen monimuotoisuuden yksilöiden. Useita genomin laajuinen yhdistys tutkimukset (GWASs), jotka keskittyvät skannausta sairauteen liittyvän SNP koko genomin, ovat menestyksekkäästi osoittaneet mahdollista keuhkosyöpä alttiuslokukset viime vuosikymmenen aikana. Useimmat näistä GWASs perustuivat Euroopan ja Amerikan populaatiot sekä merkittäviä epäillyt olivat esimerkiksi 5p15 (hTERT-CLPTM1L) [5], [6], 6p21 (BAT3-MSH5) [7], ja 15q25 (CHRNA 3-5) [8 ] – [10]. Aiemmissa GWAS mukana 1425 pienisoluista keuhkosyöpää ja 3011 tarkastuksia Koreasta, olemme ilmoitti, että uusi lokus, 3q29, ja locus aiemmin raportoitu koehenkilöillä eurooppalaista syntyperää, 5q15, liittyivät keuhkosyövän riskiä Korean väestöstä [11].

huolimatta onnistuneeseen tunnistamiseen näiden tautiherkkyyteen loci käyttäen GWASs, uskotaan, että ne selittävät vain pieni osa arvioidusta perinnöllisyyden [12]. GWASs verrata puoli miljoonaa miljoonille merkkiaineiden kerralla ja variantteja vaatimaton yhdistysten todennäköisesti laiminlyödään toistuvassa testaus korjauksen [13]. Luonteensa, on erittäin epätodennäköistä, että yksittäinen variantti liittyy monimutkainen sairaus kuten syöpä. Uskotaan, että alhaisen penetraation variantit läpi genomin paremmin selittää biologian kyseessä [14]. Kompensoimaan puutteita GWAS, sen sijaan vedota tiukkaa genomin laajuinen merkitys sulku, vaihtoehtoisia menetelmiä, joilla parannetaan voimaa, kuten yhdistelmien käyttö SNP merkkiaineiden [15] – [20], sisällyttäminen laskennalliset genotyyppien ja sidos tiedot [21] – [23], ja viimeksi reitti lähestymistavat [24] on kehitetty.

Pathway lähestymistavat perustuvat siihen periaatteeseen, että geenien samasta toimivien reittien vuorovaikutuksessa keskenään muut ja muodostavat verkon, niin että heidän sairautensa yhdistykset ovat yhteydessä toisiinsa [25]. Nykyinen polku perustuvia analyyseja ovat innoittaneet lähinnä geenien ilmentymisen microarray data-analyysi. Perustuen ennen biologista tietämystä, geeniperimä rikastus analyysi (GSEA) [26] toimenpiteitä, kuinka paljon yhdistys signaalit rikastettu määritellyistä geenejä. Koska GSEA vaatii microarray tietojen syöttö, useat ryhmät ovat esittäneet muutoksia alkuperäiseen algoritmin sisällyttämään GWAS tietoja [27] – [30].

Tässä tutkimuksessa käytimme GSEA-pohjainen reitin ehdottama analyysi Wang et ai. [24] kanssa edellisessä Korean keuhkosyöpä GWAS tietoja, 869 tapausta ja 1533 tarkastuksia, ja toivon löytää lisää alttiuslokukset ja saada oivalluksia taustalla synnyssä (kuvio 1). Väylät osoittaa korkea tilastollista merkittävyyttä validoitiin käyttäen toista polku perustuvaa menetelmää kutsutaan mukautuva sijoitus katkaistun tuotteen (ARTP) [31]. Toisin kuin GSEA, ARTP on itsenäinen testi [32], joka suoraan yhdistää geenien väylän sairauksiin ja työskentelee itsenäisesti geenien ulkopuolella polku. Raportoimme seitsemän väyliä luokiteltu neljään solun prosesseja, jotka olivat pysyvästi yhdistysten Korean NSCLC herkkyys.

Materiaalit ja menetelmät

Ethics lausunto

Tutkimus hyväksyttiin Institutional Review Board ja eettiselle komitealle National Cancer Centerin Koreassa. Verinäytteet kerättiin pienisoluista keuhkosyöpää käyneiden National Cancer Center Korea ja otti vapaaehtoinen terveyden kyselyn välillä toukokuuta 2002 ja joulukuun 2005 Kunkin verinäytteen, kirjallinen suostumus, hyväksymä Institutional Review Board jäsenet, saatiin. Kaikki kliiniset tutkimukset tehtiin mukaan periaatteiden Helsingin julistuksen.

Tutkimus Väestö

Aluksi rekrytoimme 2441 Korean NSCLC tapausten ja kontrollien (871 tapausta ja 1570 tarkastukset) tätä tutkimusta varten. Useimmat NSCLC näytettä (621 tapausta) jaettiin aiemman GWA tutkimus National Cancer Center Koreassa [11], ja lisäksi 250 potilasta NSCLC otettiin rekrytoitaville genotyypitykseen. Vertailun, Genotyyppaustulokset of 1570 verrokeilla ilman syövän toimittivat Korean Association Resource (KARE) hanke, jatkuva väestöpohjaisen kohorttitutkimuksen joka on suorittanut Korean National Institute of Health (KNIH) ja Center for Disease Control and Prevention (KCDC) vuodesta 2007 [33]. Me toteuttanut tiukkoja näyte laadunvalvonta (QC) kriteerit, kun otetaan huomioon raaka-signaalin voimakkuus, genotyypitys korko (≥95%), kliininen tieto, ja väestö ositus suodattaa varauksettoman näytteitä. Erityisesti poistimme 19 näytettä matalan genotyypityksen laatu, 18 riittämätön demografisia tietoja, ja kaksi sukupuoleen virheellisten tunnistusten. Tämän seurauksena, 869 tapausta ja 1533 valvonnan läpäissyt QC ja pysyi sen jälkeen analyysin. Niistä 869 histologisesti varmennettu NSCLC tapauksissa 623 tapaukset olivat adenokarsinoomat, yli 70% NSCLC potilaiden, 175 tapausta oli squamous-cell karsinoomat, ja loput muita NSCLC histologisia tyyppejä (Taulukko 1). Yli 97%: lla (n = 2334) genotyypattiin käyttäen Affymetrix genominlaajuisten Human SNP Array 5,0 (Affymetrix, Santa Clara, CA, USA), ja loput (n = 68) genotyypattiin käyttäen Affymetrix GeneChip- Human Mapping 500 K array Set. Kun genotyypitys ja yhdistämällä aineistoja, me käyttöön seuraavat SNP QC suodattimet: SNP kanssa vähäinen alleelin taajuus (MAF) on alle 5% ja genotyypitys puhelun hinnat alle 95%; Hardy-Weinberg tasapaino (HWE) testi P-values≤0.0001 jätettiin pois lisäanalyysiä.

Pathway Määritelmä

rakennettu listan reitin määritelmistä perustuu kolmen suuren yleisön saatavilla polku tietokannat: sanottuna 217 geeni settejä BioCarta [34], 186 Kiotosta Encyclopedia of Genes and Genomit (Kegg) [35], ja 430 Reactome [36]. Olemme myös useita kuratoituja polku geeni settejä SABiosciences [37], Sigma-Aldrich [38], Signaalinvälittyrnismääritykset Tieto ympäristön Science-lehdessä [39], ja Signaling Pathway Database (SPAD) Kyushun yliopistossa [40] kattaa yhteensä 880 biologisia polkuja (liite S1).

Jos haluat mitata suorituskykyä analyysimme ja asettamaan perustason, myös koottu kuusi mukautettuja reittejä aiemmin raportoitu keuhkosyöpään altistavia geenejä. Ensin lainattu yhdeksän onkogeenien (IL1B, MTHFR, AKAP9, CAMKK1, SEZ6L, FAS, FASLG, TP53, ja TP53BP1) peräisin tekemän tutkimuksen kansainvälisen Keuhkosyöpä Consortium (ILCCO) [41]. Mukaan ILCCO tutkimuksen geneettisiä variantteja vahvaa näyttöä yhdistyksen keuhkosyöpä riski kuului geenejä eri syöpään liittyvien reittien, kuten tulehdus (IL1B), foolihappometaboliaan (MTHFR), sääntelytehtävä (AKAP9 ja CAMKK1), cell tarttuvuus (SEZL6), ja apoptoosin (FAS, FasL, TP53, TP53BP1, ja BAT3). Lisäksi otimme 11 NSCLC kuljettaja mutaatio geenien (EGFR, KRAS, erbB2, ALK, BRAF, PIK3CA, AKT1, MAP2K1, MET, ROS1, ja NRA) peräisin tarkastelun Pao ja työtovereiden [42], [43]. Kun otetaan huomioon niiden tarkastelu siitä, miten nämä geenit vaikuttavat syöpäsolujen lisääntymistä ja selviytymistä, olemme mukana näissä kliinisesti tärkeitä geenejä soveltuvia positiivisia kontrolleja. Lopuksi lisäsimme geenien peitossa keuhkosyövän alttiuslokukset raportoitu useissa aikaisemmissa GWA tutkimuksissa: C3ORF21 ja TP63 alkaen 3q28-29 [11], [44], tert ja CLPTM1L alkaen 5p15 [5], [7], BAT ja MSH5 alkaen 6p21 [7], CHRNA5, CHRNA4, ja CHRNA3 päässä 15q25 [8] – [10], ja DNA: n korjaukseen geenit (XRCC1, RRM1, ERCC1) [45]. Olemme luokiteltu geenien sijainnin tai toiminto ja suunniteltu kuusi eri yhdistelmiä keuhkosyöpään liittyvien geenin sarjaa positiivisina verrokkeina (taulukko 2).

SNP Association ja Mapping

Monimuuttuja logistinen regressio lisäaineen ja hallitseva geneettinen mallit sovitettiin vastaan ​​tautinsa oikaistuna iän, sukupuolen, ja tupakointi, tarkasti vangita SNP yhdistys signaaleja. Koska olimme kiinnostuneita lähinnä geneettisiä vaikutuksia ottaa variantin alleeli MAF oli yleisesti alhainen tutkimuksessamme allas, me ulkopuolelle resessiivinen geneettinen malli analyysimme.

Myös 20 kbp ylävirtaan 5′- end ja 20 kbp alavirtaan 3′-pää pidettiin osa geenistä, siten, että siinä koodaavan alueen ja säätelyelementit. Kaikkein merkitsevästi yhteydessä SNP sisällä geenialueen valittiin edustamaan koko geenin alueella. Vain geeni, joissa on vähintään 20 geenien ja enintään 200 geenien otettiin huomioon myöhempää analysointia.

Pathway Analysis

Jaoimme koulutusjakson analyysin kaksivaiheista seulontaa ja validointiprosessit. Ensimmäinen, käytimme SNP mukauttamista GSEA kehittämän menetelmän Wang et ai. [24] seuloa ehdokas reitit liittyvät NSCLC riski. Sitten, käyttäen ARTP algoritmin ovat kehittäneet Yu et ai. [31], vahvistimme tilastollinen merkitykset ehdokas polkuja.

Gene Set Enrichment Analysis (GSEA).

Kunkin geenin SNP korkeimman testin tilastollinen (kerroin t-tilaston logistinen regressio meidän tapauksessamme) osoitettiin edustaa geeniä. Kaikille N geenit, yhdistys tilastot lajiteltiin suurimmasta pienimpään (r

1, r

2, …, r

N), ja painotettu Kolmogorov-Smirnov-like (KS) käynnissä sum rikastamiseen pisteet (ES) ja koulutusjakson S N

P geenien laskettiin sijoittui listan geenien [24].

Koska laskennassa ES (S) perustui enintään tilastotieto, väyliä joissa on paljon geenien oli selvä etuja pienempien reittejä. Vertailla tilastoja välillä reittejä eri kokoa, normalisoitu rikastus pisteet (NES) laskettiin seuraavasti:

Lopuksi koska me testasivat useita hypoteeseja kerralla, arvioimme odotettavissa väärän positiivisen suhteen laskemalla vääriä löytö rate (FDR).

meidän GSEA, 1000 fenotyyppi permutaatioiden käytettiin arvioimaan kunkin geenin tilastollista merkittävyyttä.

Adaptive Rank Katkaistu tuote (ARTP).

kaikille L geenejä polku, paras SNP P-arvo kunkin geenin lajiteltiin pienimmästä suurimpaan (P

1, P

2, …, P

L), ja tuote K pienimmän P- arvoja koulutusjakson laskettiin seuraavasti:

Normaalisti katkaisu kohta K on määritettävä ennen käyttämällä RTP tilastoa. Kuitenkin ARTP ehdotettua menetelmää Yu et ai. [31], joka yhdistää johdettujen tilastojen havaittu aineisto, tekee mahdollista arvioida mukautettu P-arvo riippumatta koko reitin. Meidän ARTP analyysi, sama 1000 permutaatiot käytettiin merkityksen arvioimiseksi kunkin ehdokkaan kautta.

Pathway Päällekkäisyys Analysis

Jos haluat vertailla yhtäläisyyksiä polkuja, murto päällekkäisiä reittejä laskettiin, seuraavan yhtälön avulla:

Oletetaan A ja B ovat polkuja, sitten:

Käytimme tätä yhtälöä käsitellä tilannetta, jossa reitti on osajoukko muita. Siten 100% samankaltaisuus tarkoittaa, että yksi reitti on osajoukko toisen, ellei molemmat reitit ovat samat.

Tulokset

demografisia ominaisuuksia

demografinen piirteet tutkimuksen populaatio on esitetty taulukossa 1. univariate analyysien, sukupuoli ja ikä osoittivat tilastollista merkittävyyttä (P 0,05), kun taas tupakointi tila ei (P = 0,16). Kuitenkin kaikki kolme demografisia ominaisuuksia (sukupuoli, ikä, ja tupakoinnista) osoitti tilastollisesti merkitseviä (P 0,001) monimuuttuja analyysit. Niinpä olemme mukana kaikki kolme kuin säätämällä covariables aikana logistinen regressio yhdistys analyysi. Adenokarsinooma oli vallitseva histologinen tyyppi, jotka edustavat yli 70% NSCLC näytteiden koostumus sopusoinnussa yleisen Korean NSCLC väestön profile [4].

genotyypin ja Mapping

levittämisen jälkeen SNP QC kriteerit, kuten MMM ja HWE, 440530 genotyyppi SNP suodatettiin alas 300410 SNP. Niistä, poistimme SNP asuvat geeni aavikoita ja loput 147970 SNP onnistuttiin kartoitettu määritelmäämme geenit (14089 geenejä). Koska me kartoitettu SNP sijaitsee 20 kbp ylävirtaan ja alavirtaan koodaavan alueen geenin, jotkut SNP välissä geenejä kahteen kertaan.

Positive Control Testit

Kuten taulukosta 2, meidän positiivinen kontrolli testitulokset osoittivat erilaisia ​​nimellinen P-arvot, 0,014-0,42, ja erilaisia ​​FDR, 0,055-0,408, että lisäaine ja hallitseva malleja GSEA menetelmällä. Sillä ARTP menetelmä, P-arvot olivat vahvempia ja vaihteli +0,001-+0,035 Lisäaineen ja hallitseva malleja. Siten positiivisesta tarkastuksista, käytimme seuraavat suodatus perusteita alkuperäisen reitin löytämisen vaihe käyttäen GSEA menetelmää: P-values≤0.025 ja FDRs≤25% vuonna lisäaine tai hallitseva geneettinen malli valittiin myöhempää analysointia varten. Sillä ARTP menetelmä, P-values≤0.01 pidettiin huomionarvoista.

Pathway Analyysi

Niistä 880 polkuja, jotka olemme tutkittiin käyttäen GSEA menetelmää, 11 johdetaan positiivinen kontrolli suodatus kriteerit (taulukko 3) . 11 ehdokasta reittejä tutkittiin edelleen käyttäen ARTP menetelmää ja niiden P-arvot were≤0.01 lisäaineluokkaan tai hallitseva malli, jälleen vahvistetaan, että näitä reittejä ollut tilastollisesti merkitseviä NSCLC, verrattuna meidän positiiviset kontrollit. Kuitenkin

Aktivointi Pre Replikoitumattoman Complex

, huomasimme, että erittäin merkittävä P-arvo lisäaineen mallin GSEA menetelmässä poikkesi merkityksetön P-arvo lisäaineen malli ARTP menetelmässä , joten sitä ei ole huomioitu pois seuraavasta analyysiin. Tutkitaan ehdokas reittejä perusteellisesti seuraavissa tulosten samankaltaisuutta testeissä, kuten kuvassa S1, huomasimme useita polkuja, jotka muistuttivat toisiaan. Esimerkiksi

G1 /S Transition

polku oli osajoukko

Cell Cycle

koulutusjakson, ja kun osallistava suhde todettiin, olemme poistanut pääjoukko, joka tässä tapauksessa oli

Cell Cycle

kautta. Samoin

NRAGE Signals Death kautta JNK

polku oli osajoukko

Cell Death Signaling kautta NRAGE, NRIF, ja nade

reitti, joka oli osajoukkoja

P75 NTR-reseptorin välittämien signalointi

polku. Niinpä poistimme kaksi supersets on

NRAGE Signals Death kautta JNK

reitin. Loput seitsemän ehdokasta reittejä luokiteltiin neljään eri soluprosesseja: kalvo liikenne (

ABC Transporters

), solunsisäinen signalointi (

VEGF Signaling Pathway

,

inositolifosfaatin Aineenvaihdunta

,

Fosfatidyyli Signaling System

), solusyklin (

G1 /S Check Point

,

G1 /S Transition

), ja ohjelmoidun solukuoleman (

NRAGE Signals Death kautta JNK

). Huomattavaa on, että

G1 /S Check Point

polku oli pienin määrä geenejä (25 geenit), säilyttäen tilastollista merkittävyyttä sekä GSEA ja ARTP menetelmiä (hallitseva malli). Käyttäen GSEA tilastot ensisijaisena ja ARTP tilastojen toissijaisina mittauksia,

ABC Kuljetusyritysten

geeniperimä osoitti parasta NSCLC riski yhdistys joukossa seitsemän lopullinen ehdokkaiden GSEA nimellinen P-arvo 0,001, FDR = 0,122, ja ARTP P-arvo = 0,001 (molemmat hallitseva malli). Toiseksi paras oli

VEGF signalointireitin

joiden GSEA nimellinen P-arvo 0,001, FDR = 0,107, ja ARTP P-arvo = 0,008 (molemmat hallitseva malli).

sillä huomattava reittejä kuhunkin soluprosessiominaisuuksia luokka, SNP yhdistystä geenin sarjaa tutkittiin edelleen (taulukko 4, S1, S2 ja S3). Sen lisäksi, että

ABC Kuljettimet

, joka oli vain kokoelma transmembraaniproteiini pumput, verkon kaavioita merkittäviä reittejä tehtiin, kuten on esitetty kuvioissa S2, S3, ja S4. Ylimääräinen tulokset polku analyysin kustakin seikasta mukaan histologinen tyypit keuhkosyöpä on kuvattu liitteessä S2.

Vertailu muiden Lung Cancer Study

Kun ilmennetty eri geeniä tutkimus normaali keuhkokudoksessa, suoritti Falvella et al. [46], geeni-ilmentyminen allekirjoitus koostuu 85 geenien ehdotettiin erottaa keuhkoadenokarsinooma potilaiden muista syöpäpotilaita. Otimme 67 geenejä, jotka olivat saatavilla NCBI ihmisen perimän rakentaa 36 ja sovelletaan samaa reittiä analyysin vaiheessa. Käyttämällä Genotyyppaustulokset, SNP yhdistysten onnistuttiin kartoitettu 54 geenejä. Kun geeni setissä nämä 54 geenien GSEA menetelmä osoitti nimellinen P-arvot 0,001 sekä lisäaineen ja hallitseva malleja ja FDR arvot 2,6% ja 11,7% Lisäaineen ja hallitseva malleja, vastaavasti. Samoin ARTP menetelmä tuotti P-arvot 9,99 x 10

-4 ja 3,00 x 10

-3 lisäaineen ja hallitseva malleja tämän geenin asettaa vastaavasti. Tämä tulos vahvisti jälleen, että polku-analyysissa oli laillinen ja yhdenmukaisia ​​muiden keuhkosyöpään, johon osallistui mRNA-pohjainen geeni-ilmentymisen analyysi. Tulokset yhdistys analyysin SNP 54 geenit esitetty taulukossa S4.

Keskustelu

Viimeaikaiset edistysaskeleet suurikapasiteettisten SNP genotyypityksen tekniikka ovat tuottaneet valtavia määriä Genotyyppaustulokset ja ovat johtaneet arvokkaita tulokset koskevat yhteiset geneettisiä variantteja liittyy erilaisia ​​sairauksia GWASs. Kuitenkin raportit ovat keskittyneet pääasiassa pienen osan yhdistysten saada genominlaajuisten merkitsevyystasolla ja useimmat yhdistykset, joilla on kohtalainen tilastolliset valtuudet, on vaikea tulkita. Käyttämällä ennen biologista tietämystä, polku-pohjainen yhdistys lähestymistavat ovat hiljattain avannut uuden tavan tutkia assosiaatioita GWAS tulosten ja monimutkaisten molekyylien verkoissa. Pathway perustuva analyysi sisältää yhdistyksen tietojen toiminnallisesti liittyvien geenien ja muuntaa ne tauti alttius tiedot.

Tässä tutkimuksessa käytimme sekoitus ristiriitaisia ​​reitin analyysien avulla Korean keuhkosyöpä GWAS data, joka koostuu 869 NSCLC tapauksissa ja 1533 valvontaa. Olemme aiemmin raportoitu merkittäviä assosiaatioita polymorfismien kromosomeja 3q28, 3q29, ja 5p15 ja Korean keuhkosyövän herkkyys [11], [44]. Ensin käytettiin GSEA perustuvaa menetelmää genominlaajuisten SNP array tietoja alustavasti näytön ehdokasta reittejä liittyvän keuhkosyövän alttius. Niistä 11 ehdokasta polkuja, valitsimme 7 että myös vahvistanut ARTP menetelmällä. Neljä solusignalointi polkuja,

VEGF Signaling Pathway

,

G1 /S Check Point

,

NRAGE Signals Death kautta JNK

, ja

ABC Transporters,

olivat korkeasti rikastettua liittyvien signaalien keuhkosyövän riskiä. Toisin GWASs, P-arvot SNP liittyvät geenit olivat yleensä kohtalaisen merkittäviä ja vain harvat niistä täyttäisi at ns genominlaajuisia merkitsevyystasolla. Tämä osoitti, että polku tilastojen korosti vaikutuksia hienovarainen, mutta järjestelmällistä, kuviot geenin sisällä asettaa sijaan muutama huippu yhdistystä geenin joukon.

Gene jäseniä ATP-sitova kasetti (ABC) transporter perhe on olennaiset toiminnot kuljettavat eri substraatteja, kuten ionit, sokerit, lipidit ja proteiinit, fysiologisissa olosuhteissa. Useiden vuosien ajan tutkijat ovat havainneet, että

ABC Kuljetusyritysten

merkittävää osuutta syövän kemoterapiaa ja vastaavat monilääkeaineresistenssin (MDR), muodossa ATP-odotuksiin lääkepumppu [47]. Uskotaan, että yli-ilmentyminen

ABC Kuljetusyritysten

alentaa solunsisäisiä lääkepitoisuuksiin kautta tehostetun ulosvirtaus kemoterapeuttisten aineiden, jolloin lääke välinpitämättömyys, joka voi johtaa syöpään kemoterapiaa vika [48]. Toisaalta,

ABC Kuljetusyritysten

voi toimia myös tehokas syöpää aiheuttavaksi viejien pitäen solut ilman haitallisia kemikaaleja ja syöpää aiheuttavia aineita. Pitkittynyt häiriöt tai muutokset geenien ilmentyminen näiden transmembraaniproteiinin pumppuja voidaan lisätä mahdollista syöpäriskiä. Tupakka-specific nitrosamiini 4- (methylnitrosamino) -1- (3-pyridyyli) -1-butanonia (NNK) on yksi voimakkaimmista karsinogeeneja savukkeen savun, jonka on osoitettu aiheuttavan keuhkosyöpää jyrsijöillä [49], [50 ]. Kun nämä toksiinit ovat hengitettynä,

ABC Kuljetusyritysten

koodaama ABCB1 ja ABCC1 tehokkaasti poistaa nämä karsinogeeneja keuhkoista. Tutkijat ovat havainneet, että yhteinen polymorfismia ABCB1 ja ABCC1 voivat vaikuttaa aineenvaihduntaan ja sijoitus vakiintunut karsinogeeni, NNK, ja mahdollisesti lisätä keuhkosyövän riskiä [51]. Kuten on esitetty taulukossa 4, ABCA4, ABCC1, ja Abcc osoittivat merkitseviä keuhkosyöpä herkkyys (P-arvot 0,0005). Meidän myöhempien Alaryhmäanalyysissä, alati tupakoitsijat osoitti merkittävämpi yhdistys kuin koskaan tupakoineet, kuten taulukossa S5. Siten on mahdollista moduloida yksittäisille keuhkosyövän riskiä mukaan geneettisten polymorfismien näiden geenien kautta eri solutoiminnoille.

VEGF signalointireitin

myös menestynyt hyvin meidän koulutusjakson analyysi. Jäseniä reitti voi vaikuttaa angiogeneesiä riippuvainen biologisen reitin, joka on kriittinen osa kasvaimen synnyssä. Associations välinen geneettinen polymorfia VEGF /VEGFR ja riski sairastua syöpiin on raportoitu eri syöpätyyppejä, mukaan lukien keuhkosyöpä [52]. Niistä 63 geeniä jäsentä, fosfatidyyli 3-kinaasi (PIK3R5), fosfolipaasi C (PLCG2), ja SHC sovitin proteiini osoitti vahvaa yhdistysten keuhkosyöpä herkkyys meidän GWAS (taulukko S1, kuva S2).

Vaikka polku -pohjainen lähestymistapa on houkutteleva tutkimuksessa jälkeistä GWAS aikakauden toteamme rajoituksia myös suunnittelussa. Tutkimuksessamme jälkeen SNP QC, yhteenliittymät yli 300000 SNP säilyi ja analysoitiin, mutta vain noin puolet kartoitettiin onnistuneesti, ja 14089 geenejä. Monet SNP sisällä ei-koodaavat alueet olivat yksinkertaisesti huomiotta. Valitettavasti nykyisen GWAS genotyypityksen alustan, määrä markkereita, jotka kattavat geenit on rajallinen. Lisäksi jopa 880 reittejä analysoimme olivat selvästi riittämättömät polkuja, koska monet ihmisen geenejä ei ole vielä määrätty väyliä, koska niiden tehtävä (t) eivät ole tiedossa. Lopuksi, meidän GWAS set, jotka sisältävät genomin laajuinen SNP tiedot yli 2400-Korean peräisin yhdestä väestöstä. Tavoitteena oli löytää polkuja liittyy keuhkosyövän alttius sisällä Korean väestö, ja emme löytäneet vertailukelpoisessa Korean keuhkosyöpä GWAS datajoukko validointi havaintomme. Koska enemmän tietoa on saatavilla, tuloksemme olisi verrattava muihin Aasian populaatiot harkitsee etnisistä eroista.

Yhteenvetona olemme osoittaneet, että keuhkosyöpä herkkyys voidaan yhdistää biologiseen väyliä käyttäen GWAS tiedot, ja useita hienovarainen yhdistys signaaleja voidaan tulkita järjestelmällisesti. Tuloksemme viittaavat siihen, että geneettinen vaihtelu geenien mukana neljässä signaalinvälitysreittien voivat myötävaikuttaa yksittäisten keuhkosyöpään herkkyys. Lisäksi meidän tulokset osoittavat, että polku lähestymistavat ovat tärkeitä analyysimenetelmät jälkeisessä GWAS aikakauden, jota voitaisiin käyttää puuttumaan toiminnallista merkitystä geneettinen alttius.

tukeminen Information

Kuva S1.

samankaltaisuudet Candidate Pathways. (Yksikkö:%).

Doi: 10,1371 /journal.pone.0065396.s001

(TIF) B Kuva S2.

Pathway Kaavio ”VEGF Signaling”.

doi: 10,1371 /journal.pone.0065396.s002

(TIF) B Kuva S3.

Pathway Kaavio ”G1 /S Check Point”.

doi: 10,1371 /journal.pone.0065396.s003

(TIF) B Kuva S4.

Pathway Kaavio ”NRAGE Signals Death kautta JNK”.

doi: 10,1371 /journal.pone.0065396.s004

(TIF) B Taulukko S1.

SNP Associations of Genes in ”VEGF Signaling Pathway”.

doi: 10,1371 /journal.pone.0065396.s005

(DOC) B Taulukko S2.

SNP Associations of Genes in ”G1 /S Check Point”.

doi: 10,1371 /journal.pone.0065396.s006

(DOC) B Taulukko S3.

SNP Associations of Genes in ”NRAGE Signals Death kautta JNK”.

doi: 10,1371 /journal.pone.0065396.s007

(DOC) B Taulukko S4.

SNP Associations of 54 Genes in ”Tupakointi keuhkosyöpä” Gene Expression Study Falvella et al.

doi: 10,1371 /journal.pone.0065396.s008

(DOC) B Taulukko S5.

vertailu ”ABC Kuljetusyritysten” Pathway Geenit Between koskaan tupakoi ja Ever-tupakoitsija.

doi: 10,1371 /journal.pone.0065396.s009

(DOC) B Lisäys S1.

Luettelo 880 Pathways.

doi: 10,1371 /journal.pone.0065396.s010

(XLSX) B Lisäys S2.

Pathway analyysi 2156 Adenokarsinooma Only Group ja 1806 Squamous-cell carcinoma Vain ryhmä.

doi: 10,1371 /journal.pone.0065396.s011

(XLSX) B

Kiitokset

Haluamme tunnustusta Center for Disease Control National Institute of Health Korea, joka ystävällisesti toimitti genominlaajuisia SNP tietojen valvontaa. Haluamme myös kiittää Dongwan Hong ja Seungyoon Nam National Cancer Center for hyödyllisiä keskusteluja ja kritiikkiä.