Krooninen sairaus

tiivistelmä

Sappirakon syöpä (GBC) on monitekijäinen sairaus, jossa monimutkaisen välillä useita geneettisiä variantteja. Suoritimme Luokittelu ja regressio Tree Analysis (CART) ja Grade Jäsenyysehdot (GOM) analyysi tunnistaa yhdistelmiä alleelien keskuudessa DNA korjaukseen, tulehdus- ja apoptoottista polku geneettisiä variantteja muokkaamaan riskiä GBC. Analysoimme 16 polymorfismien 8 geenien DNA: n korjaukseen, apoptoottisten ja tulehduksellinen polkuja selvittää yhdistelmiä geneettisiä variantteja edistää GBC riskiä. Geenit mukana tutkimuksessa oli

XRCC1

,

OGG1

,

ERCC2

,

MSH2

,

CASP8

,

TLR2

,

TLR4

ja

PTGS2

. Yhden lokuksen analyysi logistinen regressio osoitti yhdistys

MSH2

IVS1 + 9G C (rs2303426),

ERCC2

Asp312Asn (rs1799793),

OGG1

Ser326Cys (rs1052133),

OGG1

IVS4-15C G (rs2072668),

CASP8

-652 6 N ins /del (rs3834129),

PTGS

2 -1195G A (rs689466),

PTGS2

-765G C (rs20417),

TLR4

Ex4 + 936C T (rs4986791) ja

TLR2

-196 -174del polymorfismien kanssa GBC riski. Kärry analyysi paljasti

OGG1

Ser326Cys, ja

OGG1

IVS4-15C G polymorfismien parhaana polymorfinen allekirjoituksen erotteleva tapausten ja kontrollien välillä. Vuonna GoM analyysissä, data luokiteltiin kuuteen sarjaa edustavat riski GBC suhteen tutkittujen polymorfismien. Sarjat I, II ja III kuvatulla alhainen luontainen riski (valvonta) ominaista useiden suojaava alleelien kun sarjaa IV, V ja VI edustettuina korkea luontainen riskiryhmiin (GBC tapausta) ominaista läsnäolo useita riskejä alleelien. Kärry ja GoM analyysit osoittivat myös, että on tärkeää

PTGS2 –

1195G polymorfismi alttiutta GBC riskiä. Lopuksi esillä multigenic lähestymistapaa voidaan käyttää määrittelemään yksittäisiä riskiprofiilit sappirakon syöpä Pohjois Intian väestöstä.

Citation: Srivastava K, Srivastava A, Kumar A, Mittal B (2011) sappirakon syöpä Taipumus A Multigenic lähestymistapa DNA-korjaus, apoptoottiset ja tulehduksellinen Pathway Genes. PLoS ONE 6 (1): e16449. doi: 10,1371 /journal.pone.0016449

Editor: Roger Chammas, Universidade de São Paulo, Brasilia

vastaanotettu: 26 elokuu 2010; Hyväksytty: 21 joulukuu 2010; Julkaistu: 21. 2011

Copyright: © 2011 Srivastava 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 avustuksia Counsel of tieteellisen ja teollisen tutkimuksen (CSIR), Govt. Intian (09/590 (0135) /2007-EMR-I). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

karsinooma sappirakon (GBC) on aggressiivinen pahanlaatuisen ja yleisimmät sappiteiden kasvain maailmassa suurimman vaikutuksen ja kuolleisuus Pohjois-Intiassa (21,5 /100,000) [1], [2]. Sen lisäksi, sappikivet ole suurin riskitekijä, tarkka etiologia GBC tunnetaan huonosti [3]. Syöpä on monitekijäinen sairaus, useita geneettisiä variantteja yhdessä ympäristö- ja ruokavalion tekijät voivat vuorovaikutuksessa aiheuttamaan taudin tai toimivat riskimuuttujia. Tunnistaminen näiden vaaraa sarjaa geneettisiä variantteja aiheuttavien taudin helpottaa määritettäessä yksilöiden riski GBC.

Aiemmin olemme tutkineet rooli yksilön geneettisiä variantteja GBC alttius Pohjois Intian väestöstä [4], [5], [6]. Johtuen ristiriitaisia ​​tuloksia on saatu tapaus-verrokki-yhdistys tutkimukset monimutkaisten sairauksien, kuten syövän, nykyinen painopiste on suunnattu etsimiseen geeni-geeni vuorovaikutukset kuin päätekijä taudin lopputulokseen. Mutta analyysi tällaisen vuorovaikutuksen tapausverrokkitutkimukset on painoi yksi suurimmista ongelmista, nimittäin, kirouksen dimensionality. Äskettäin Usea-Ulotteisuus Reduction (MDR) lähestymistapa [7] ja puiden tekniikat, luokittelu ja regressio puita (CART) ja satunnainen metsä (RF), on käytetty havaitsemaan vuorovaikutusten laajamittaisessa assosiaatiotutkimuksiin [8]. Vahvuus näistä menetelmistä on niiden kyky tunnistaa yhdistys tapauksissa pienestä otoksesta ja alhainen penetrance ehdokas yhden emäksen monimuotoisuus (SNP). Siksi olemme laajentaneet edellinen työtä yhdessä tutkimalla 16 SNP genotyyppiä 8 kuuluvien geenien DNA korjaukseen liittyvä reitti [

ERCC2

Asp312Asn (Ex10-16G A; rs1799793) ja Lys751Gln (Ex23 + 61A C; rs13181 );

MSH2

(IVS1 + 9G C, rs2303426) ja (-118T C, rs2303425);

OGG1

Ser326Cys (Ex6-315C G, rs1052133) ja (IVS4-15C G, rs2072668);

XRCC1

Arg194Trp (Ex6-22C T, rs1799782) ja Arg399Gln (Ex10-4A G; rs25487)], apoptoottista polku [

CASP8

-652 6 N ins /del (rs3834129), Asp302His (Ex13 + 51 g C, rs1045485) ja (IVS12-19G A; rs3769818)] ja tulehduksellinen polku [

PTGS

2 (-1195G A; rs689466), (-765G C; rs20417) ja (EX10 + 837T C tai +8473, rs5275);

TLR2

-196 -174del (

TLR2

Δ22); ja

TLR4

Thr399Ile (Ex4 + 936C T; rs4986791)] välttäen ongelmaa dimensionality ja monivertailuja. Nämä polymorfismit on raportoitu muuttavan riski kehittää erilaisia ​​pahanlaatuisia kasvaimia [9], [10], [11], [12], [13], [14].

Materiaalit ja menetelmät

etiikka lausunto

institutionaalisten eettinen komitea Sanjay Gandhin Post Graduate Institute of Medical Sciences (SGPGIMS) hyväksyi tutkimussuunnitelman, ja kaikki osallistujat kirjallinen lupa tutkimukseen.

tutkimus Väestö

yhteensä 460 aiheita, myös 230 GBC potilasta ja 230 verrokkien otettiin tässä tutkimuksessa. GBC potilasta peräkkäin diagnosoitu välillä kesäkuussa 2005 ja syyskuun 2009 Sappirakon syöpä diagnoosi varmistettiin kaikissa tapauksissa ohuella neulalla ilmanotto solu sytologia (FNAC) ja histopatologia. Lavastus syöpä oli dokumentoitu mukaan AJCC /UICC lavastus [15]. Sisällyttäminen kriteerit kontrollit olivat puuttuminen aiemmin ollut syöpä, syövän esiasteita ja sappikivet todistettu ultraääni ja olivat taajuus-sovitettu syöpätapausta iän, sukupuolen ja etnisen taustan. Voit testata mahdollisuus väestölle kerrostuneisuus, genomista ohjaustapa käytettiin kuvanneet Devlin et al [16]. Suurin osa naispotilaiden olivat kotiäidit ja miespotilailla ei harjoita mitään vaarallisia ammateissa.

genotyypin

Perimän DNA eristettiin ääreisverivalkosolut. Polymorfismien genotyypitettiin käyttäen PCR tai PCR-restriktiofragmenttipituuspolymorfismin menetelmällä. Yksityiskohdat genotyyppitestien varten tutkittiin polymorfismien on esitetty taulukossa S1. Negatiivisena kontrollina, PCR-seosta ilman DNA-näytettä käytettiin varmistamaan, kontaminaatiosta vapaa PCR-tuote. Näytteitä että epäonnistuneet genotyypin pisteytettiin kadonneeksi. Tehtiin genotyypin tietämättä tapauksessa tai valvonta-asema.

Tilastollinen analyysi

Single Locus Analysis.

Otoskoko laskettiin ottaen huomioon vähäiset alleelin taajuus (MAF) on tutkituissa polymorfismien valkoihoinen väestö. Otoskoko 230 tapauksesta ja 230 valvontaa oli riittävä antamaan meille voimaa 80% (Perintö mode = log-lisäaine, Geneettinen vaikutus = 2, tyyppi I error rate = 0,05). Chi-square analyysi tai kaksipuolinen Fisherin testiä käytettiin vertaamaan eroja demografiset muuttujat ja genotyyppi jakaumat polymorfismien tapausten ja kontrollien välillä. Havaittu genotyyppi taajuudet kaikille polymorfismien kontrolleissa tutkittiin poikkeamisen Hardy-Weinberg tasapaino (HWE) käyttäen hyvyys fit χ

2-testi yhden vapausasteen. Ehdoton yhden ja usean regressioanalyysimme käytettiin arvioitaessa kerroinsuhde (OR) ja 95%: n luottamusväli (CI) ikä- ja sukupuoli arvioida riskiä sappirakon syöpä kanssa polymorfismit. Riskiestimaattien myös laskettu codominant geneettistä mallia käyttäen yleisimpiä homotsygoottinen genotyyppi referenssinä. Testit lineaarisen trendin käyttäen järjestysluku muuttuja kopioiden määrä variantin alleelin (0, 1 tai 2) tehtiin arvioimaan mahdollisia annosvastevaikutukset geneettisen muunnoksia sappirakon syöpä riskiä [17]. Standard säädöt useita testejä, kuten Bonferronin korjauksen, ovat liian varovaisia ​​kuin he olettavat, että testit ovat riippumattomia, mikä ei yleensä ole silloin, kun useita testejä sovellettava samoin keräämiseen. Me, siis soveltanut väärän positiivisen raportin todennäköisyys (FPRP) tilastollinen työkalu arvioida noteworthiness yhdistysten menetelmää käyttäen kuten kuvaavat Wacholder et al [18].

tukevat edelleen tulokset logistinen regressio, käytimme genomista ohjaustapa by Devlin et al [16]. Ohjelmisto käyttää Bayes harha testi määrittää, mikä markkereita havaittiin merkittävää kytkentäepätasapaino- häiriö minimoidaan vääriä positiivisia mielleyhtymiä. Lisäksi sen avulla rikkomisesta tavalliseen malliin oletukseen eli riippumattomuus havaintojen koska tapausverrokkitutkimukset vaikutti yksilöt ovat todennäköisesti liittyvät kuin ovat valvontaa, koska niillä on geneettinen sairaus ja mieluiten yhteinen geneettinen perusta häiriö. Tätä kutsutaan ”arvoituksellisesti suhteuttaminen”, joka lähes aina tuottaa vääriä positiivisia, vaikka Bonferroni korjauksen. Ohjelmisto tekee nämä analyysit käyttämällä Markovin ketju Monte Carlo (MCMC) algoritmeja.

Luokittelu ja regressio Tree Analysis (CART).

Ei-parametrinen luokittelu ja regressio puu analyysiä käytettiin yhdessä logistinen regressio korkeamman kertaluvun geeni-geeni vuorovaikutuksia käyttämällä OSTOSKORIIN ohjelmiston (versio 6.0, Salford Systems) [19], [20]. OSTOSKORIIN on binary rekursiivinen jakautumiseen menetelmä, joka tuottaa päätöspuuta tunnistaa alaryhmiin aiheista suurempi riski. Tarkemmin sanottuna rekursiivinen eristämiseen algoritmi Korissa ohjelmisto alkaa ensimmäisen solmun (jossa koko aineistosta) ja käyttää tilastollisen hypoteesin-testausmenetelmää-muodollinen päättely perustuu rekursiivinen mallinnus-määrittämään ensimmäiseen paikallisesti optimaalinen jako ja kunkin seuraavan puolitettua tietokokonaisuus, jossa moninaisuus korjattu

P

-arvot ohjata puiden kasvua. Tämä prosessi jatkuu, kunnes pääte solmut eivät myöhemmin tilastollisesti merkittäviä halkeamia tai terminaalin solmut saavuttaa ennalta määritetty vähimmäiskoko. Tiedot jaettiin satunnaisesti oppiva joukko (90% tiedoista) ja testaus joukko (10% tiedoista). Opetussarjoja sarja käyttäen rakennettiin puumallin, ja testaus joukko käytettiin sisäisesti validoi tuloksena puun mallia. Alaryhmiä yksilöiden ero riskimallit sitten tunnistettu eri järjestyksessä solmujen puurakenteen, että niissä on geeni-geeni ja geeni-ympäristön vuorovaikutukset. Logistinen regressio käytettiin laskemiseen OR ja 95%: n luottamusväli kussakin napaliitäntä puun korjattuna iän ja sukupuolen.

P

0,05 pidettiin kynnyksenä merkitystä tässä tutkimuksessa. Kaikki tilastolliset analyysit olivat kaksipuolisia.

arvosana jäsenanalyysi (GOM).

tutkimaan kaikki geneettiset tekijät samanaikaisesti ilman monivertailuja, Grade jäsenyyteen (GOM) analyysiä käytettiin [ ,,,0],21], [22]. Tiedot tautitilanteesta ja geneettisiä variantteja käytettiin sisäisten muuttujien määritellä puhdas tyypit taas sukupuolen ja iän olivat ulkoisia muuttujia. Valittu lähestymistapa on ilmaisua kuin piilevä luokitus menetelmä, joka pidetään ”sumea”, että jokainen yksilö voi osittain kuulua useampaan kuin yhteen ryhmään, täällä, geneettinen riski sarjaa. GOM analyysi puitteet näin tekee hyvin vähän jakautumiseen oletuksia. GOM mallit rakennettiin aikaisemmin kuvatulla [23].

Tulokset

Väestön ominaispiirteet

lähtötilanteessa ominaisuudet GBC potilaiden ja iän ja sukupuolen verrokeilla on esitetty taulukossa 1 . Niistä 230 GBC tapausten ja kontrollien, keski-ikä oli 53,05 ± 6,40 vuotta (vaihteluväli 37-72 vuotta) ja 54,12 ± 8,81 (vaihteluväli 35-79 vuotta), tässä järjestyksessä. Keskimääräinen ikä ja sukupuoli jakaumat eivät eronneet merkittävästi keskuudessa tapausten ja kontrollien, viittaa siihen, että taajuus sovitus oli riittävä. Genominen ohjaustapa sulkea pois mahdollisuutta väestöstä kerrostumista tutkimuksessamme. Useimmat GBC potilaista oli pitkälle edennyt syöpä (vaiheen III ja vaihe IV). Niistä 230 GBC tapauksissa 12 (5,3%) oli vaiheen II adenokarsinooma, 76 (33,0%) vaiheen III ja 142 (61,7%) vaihe IV. Kaikille syöpäpotilaille olivat tapaus tapauksissa ja mikään valvonta oli suvussa syöpä.

Yhden Locus Analysis

Taulukossa 2 GBC liittyvän riskin tutkituissa polymorfismien.

Association of ERCC2, MSH2, XRCC1 ja OGG1 polymorfismien kanssa GBC.

verrattaessa genotyypin taajuus jakelu GBC potilaille kanssa, valvonta, homotsygoottinen variantti genotyypin

MSH2

IVS1 + 9G C,

ERCC2

Asp312Asn ja

OGG1

Ser326Cys polymorfismien osoitti tilastollisesti merkitsevä suuressa riskissä sairastua GBC (OR = 1,83; OR = 2,12; OR = 2,48, vastaavasti). Riski johtuu variantti sisältäviä genotyyppien (CG + GG) on

OGG1

Ser326Cys oli myös merkittävä (OR = 1,78) verrattuna homotsygoottista villityypin CC genotyyppi.

OGG1

IVS4-15C G introni polymorfismi oli myös merkitsevästi liittyy riski GBC jälkeen hallitseva periytymistapa (OR = 1,63) (taulukko 2).

Jos

XRCC1

Arg399Gln polymorfismi, taajuudet heterotsygoottinen ja variantin homozygoottisia olivat merkittävästi erilaiset keskuudessa verrokeilla verrattuna GBC potilaille (χ

2 = 13,84;

P

= 0,001; df, 2). Nämä taajuus erot olivat tilastollisesti merkitseviä (

P

= 0,039;

P

= 0,003 vastaavasti) ja siirrettävä alhaisen riskin GBC (OR = 0,57; OR = 0,44 vastaavasti) (taulukko 2). Suojaava vaikutus oli myös merkittävä, kun variantti, joka sisältää genotyyppien (GA + AA) verrattiin homotsygoottista villityypin genotyypin (

P

= 0,006; OR = 0,55) (taulukko 2).

muut SNP DNA korjaavien geenien (

ERCC2

Lys751Gln,

MSH2

-118T C ja

XRCC1

Arg194Trp) ei havaittu tilastollisesti merkitseviä havaittu esillä olevassa tutkimuksessa ( taulukko 2).

Association of CASP8 polymorfismien kanssa GBC.

Taajuudet on

CASP8

-652 6N yhteinen homotsygootti, heterotsygoottinen ja variantti homozygoottisia genotyypit olivat merkittävästi erilainen eri GBC potilaiden ja valvonta (χ

2 = 7,79;

P

= 0,020; df, 2). Tässä tutkimuksessa, huomasimme, että molemmat heterotsygoottianalyysiin ja variantti homozygoottisia genotyypit liittyy tilastollisesti merkitsevä yhteys alentuneeseen GBC (OR = 0,66; OR = 0,42, vastaavasti (taulukko 2) kanssa ”del” alleelin liittyy pienentynyt riski sappirakon syövän annosriippuvaisesti (

P

trendi = 0,003). Lisäksi merkittävä vähentynyt riski GBC löydettiin

CASP8

-652 (ins /del + del /del genotyyppien) verrattuna -652 6 N ins /ins genotyyppi, mikä viittaa määräävä suojaava vaikutus tämän polymorfismin vaikutus GBC (OR = 0,61; 95% CI = 0,42-0,88;

P

suuntaus = 0,005). Mitään merkittävää assosioitunut IVS12-19G A ja Ex13 + 51g C polymorfismien ja yleistä GBC riskiä.

Association of PTGS2 polymorfismien kanssa GBC.

verrattaessa genotyypin taajuus jakelu GBC potilailla, joilla että tarkastusten taajuus

PTGS2

-1195 heterotsygoottianalyysiin ja variantti homozygoottisia genotyypit liittyy merkittävä kohonnut (OR = 1,99; OR = 7,04; vastaavasti) ja GBC (taulukko 2). Suuntaus testi oli myös merkittävä (

P

suuntaus 0,001). Riski johtuu variantti sisältäviä genotyyppien (GA + AA) oli merkitsevä (

P

0,001; OR = 2,54) verrattuna homotsygoottista villityypin GG genotyypin.

PTGS2

-765 GC genotyyppi liittyi myös merkittävä kohonnut (OR = 1,91; 95% CI = 1,23-2,97) ja GBC (taulukko 2). Suuntaus testi oli myös merkittävä (

P

suuntaus 0,001). Kuitenkin mikään genotyyppien

PTGS2

+ 8473T C polymorfismit olivat merkitsevästi yhteydessä herkkyys sappirakon syöpä (taulukko 2).

välisestä assosiaatiosta TLR polymorfismien ja GBC riskiä.

taulukossa 3 esitetään GBC liittyvät riskit

TLR2

(Δ22) ja

TLR4

(Ex4 + 936C T) polymorfismit. Tässä tutkimuksessa, huomasimme, että molemmat heterotsygoottianalyysiin ja variantti homozygoottisia genotyyppejä sekä

TLR

polymorfismien liittyi suurentunut GBC (OR = 1,51; OR = 2,14;

P

suuntaus = 0,091; taulukko 2). Lisäksi merkittävä kohonnut GBC löydettiin

TLR2

(Δ22) (ins /del + del /del genotyyppien) verrattuna Δ22 ins /ins genotyyppi, mikä viittaa hallitseva vaikutus mallin mukana riski tämän polymorfismin vaikutus GBC (OR = 1,54; 95% CI = 1,05-2,26;

P

trendi = 0,117).

TLR4

EX4 + 936C T polymorfismin havaittiin myös merkittävästi liittyvän yleiseen GBC riski nojalla määräävä periytymistapa (OR = 1,96; 95% CI = 1,11-2,26;

P

trendi = 0.021 ).

OSTOSKORIIN Analyysi

Kuvio 1 esittää puun rakenne on luotu käyttäen CART, joka sisälsi kaikki tutkitut geneettiset variantit DNA: n korjautumiseen, apoptoottisten ja tulehduksellinen kautta. Lopullinen puurakenne sisälsi kuusi terminaali solmut määrittelemien yhden nukleotidin polymorfismien DNA korjaukseen, apoptoottiset ja tulehduksellinen polku geenejä.

OGG1

Ser326Cys genotyyppi korostettu ensimmäisessä halkaisu solmu, joka erottaa yksilöiden villityypin sisältävää genotyyppien (alhainen vaara) alkaen aiheista kanssa homotsygoottinen variantti genotyyppi (korkea riski). Yksilöiden variantti genotyypit

CASP8

Asp302His,

TLR4

Thr399Ile ja villityypin genotyypin

OGG1

Ser326Cys,

PTGS2

-765G C näytteillä alin GBC riski 10% kulmanopeuden (Fig. 1). Taulukossa 3 on yhteenveto riskejä kaikki terminaalin alaryhmien verrattuna alaryhmä vähiten tapauksessa prosenttiosuus (Node 1). Taulukossa 4 on esitetty tai arvioita generoidaan kolmen eri riskiryhmiin määritetään tapauksen suhteen kunkin OSTOSKORIIN solmuun. Verrattuna matalan riskin ryhmässä yhdistyvät terminaali solmut tapauksessa suhde on alle 40%, keskipitkän riski (tapaus suhde 40% ja 70%) ja riskiryhmään (tapaus suhde yli 70%) olivat molemmat aiheuttaa merkittävästi lisääntynyt GBC riskiä syrjäisimpien alueiden 3,08 (95% CI = 1,98-4,77) ja 10,04 (95% CI = 4,76-21,19), vastaavasti (

P

suuntaus 0,001).

W = yhteinen homotsygootti genotyyppejä, M = heterotsygoottinen + variantti homotsygoottisia genotyyppejä.

GoM Analysis

Kuusi ryhmää luokiteltu data erotetaan korkealle miten luontainen riski GBC suhteen tutkittava variantteja (taulukko S2): ryhmistä I, II ja III oli verrokeilla (vähäriskisten); ryhmiin IV, V ja VI olivat GBC potilaat (korkean riskin) (taulukko S2).

Matalan riskin ryhmiin.

pieni luontainen riski (ilman sairaus) leimasi useita suoja- genotyyppien (eli ryhmät I, II ja III) (taulukko S2). Nämä alhaisen riskin setit oli yleisin genotyyppien varten tutkittiin muuttujien yliedustettuna, ilmaiseva suoja. Osa variantin alleelien myös yliedustettuina alhaisen riskin sarjaa ymmärtää, että monet verrokeilla suorittaa joitakin riskejä varten GBC. Ryhmä I oli ikä ilmoittautuminen 56-60 vuotta. Ryhmässä oli mukana noin 89% naisia ​​aiheita. He olivat 100% kantajia villialleelin varten

PTGS2

(-1195G A), jossa on QRF 1,54. QRF Yhden on neutraali. Ryhmä II oli 100% kantajia

OGG1

(IVS4-15C G) C-alleeli ja

OGG1

Ser326Cys ”Cys” alleeli kanssa QRF 1,29 ja 1,30, tässä järjestyksessä. 50% tästä ryhmästä teki myös

MSH2

(IVS1 + 9G C) variantti C-alleelin. III ryhmä oli heterotsygoottinen villi varten

TLR4

Thr399Ile ja TLR2 -196 -174del variantin alleelin kanssa QRF 1,55 ja 1,44 vastaavasti. Tämä ryhmä oli myös homotsygoottisia

PTGS2

-765G C ja

XRCC1

Arg194Trp villityypin alleelit.

Riskiryhmiä.

korkea- riski multilocus genotyypit olivat: IV:

OGG1

(IVS4-15C ): CG,

PTGS2

(-1195G A): GA, MSH2 (-118T C): CC ja

OGG1

Ser326Cys: GG (puhkeamista 46-60 vuotta); V:

OGG1

(IVS4-15C ): GG, ja

OGG1

Ser326Cys: CG (puhkeamista 46-60 vuotta); ja VI:

ERCC2

Asp312Asn: AA,

ERCC2

Lys751Gln: CC ja

TLR2

-196 -174del: tunnus (puhkeamista 46-55 vuotta) (taulukko S2) .

OGG1

(IVS4-15C G) ja

OGG1

Ser326Cys polymorfismien olivat vaikutusvaltainen variantit määrittelyssä ryhmässä IV kuten kohonneet kysymys merkityksellinen tekijä (QRF tai merkityksellisyys muuttuja puhdas tyyppi, alarajalla nolla) tulokset 1,26 ja 1,21, tässä järjestyksessä. Tämä ryhmä oli myös homotsygoottisia

MSH2

promoottori polymorfismia asemassa -118 (CC). Ryhmä V olivat enimmäkseen naaraita ja oli heidän ikänsä-of-puhkeamista kuin 46-60 vuotta. He kantoivat 100% todennäköisyydellä kantamiseen

OGG1

(IVS4-15C ): GG genotyypin, ja oli 100% heterotsygoottinen

OGG1

Ser326Cys polymorfismi. QRFs Näiden geneettisiä variantteja olivat 1,66 ja 1,21 vastaavasti, jotka on määritelty ryhmä. Ryhmä VI oli alkamisiällä klo 46-55 vuotta. Siellä oli enemmän naisilla (91%) tässä ryhmässä. Kaikki olivat homotsygoottisia

ERCC2

Lys751Gln (CC) ja

ERCC2

Asp312Asn (AA), jonka QRF 1,46 ja 2,19, tässä järjestyksessä. Tämä ryhmä oli lähes heterotsygoottinen

TLR2

-196 -174del (ID) polymorfismi.

Selvittää riskejä kuhunkin korkean luontainen set, me luokiteltu yksilöt pohjalta yhdistelmästä genotyyppien että olet määrittänyt. Logistinen regressioanalyysi todettu, että yksilöt joukossa I oli 3-kertainen kohonnut GBC (

P

= 0,033, 95% luottamusväli = 1,09-8,61). Yksilöiden joukko II olivat 1,7 kertaisesti lisääntynyt riski GBC (

P

= 0,010, 95% luottamusväli = 1,13-2,51), kun taas joukko III siirrettävä 2 kertainen lisääntynyt riski GBC (

P

= 0,013, 95% luottamusväli = 1,18-4,16) (taulukko 5).

Tiedoksi muuttujia.

Tietojen sisältö kunkin muuttujan arvioitiin ”H” tilastollinen (Shannon, Bell Laboratories). H on lähes 0 samanlainen tulos taajuudet kullekin joukolle (taulukko S2). Korkeammat arvot edustavat yhä tietosisältöä.

OGG1

(IVS4-15C G),

OGG1

Ser326Cys,

ERCC2

Lys751Gln ja

ERCC2

Asp312Asn oli H 0,75. H 0,50 nähtiin

MSH2

(IVS1 + 9G C),

MSH2

(-118T C) ja

PTGS2

(-1195G A). Nämä ovat muuttujia voimakkaasti määritetään riski asettaa I-VI (taulukko S2).

Jäsenyys riskin sarjaa.

Lajitellut jäsenyys pistemäärät automaattisesti luotu jokaiselle aihe vaihtelee nollasta (ei yhdennäköisyys) yhden (tarkka vastaavat) mukaan suurimman uskottavuuden estimoinnissa. Koot suuren luontaisen riskin ryhmät olivat 78,0, 55,9 ja 36,5, vastaavasti. Koot pieni luontainen riskiryhmiin olivat 80,5, 115,0 ja 93,9, vastaavasti (taulukko S2).

Keskustelu

Karsinooma sappirakon (GBC) on suhteellisen harvinainen maligniteetti huonon ennusteen ja korkea kuolleisuusaste vaikuttavat naisilla kaksi-kolme kertaa yleisemmin kuin miehillä. [2] Useissa epidemiologisissa tutkimuksissa on todettu rooli geneettiset tekijät patogeneesissä GBC muuttamalla riski [24], [25], [26]. Mutta useimmat näistä tutkimuksista on saatu ristiriitaisia ​​tuloksia ja on vaikeuksia validointi ja jäljittelevän niitä.

GBC on monitekijäinen ja monivaiheinen sairaus, voi olla monimutkainen vuorovaikutus useita riskin alleelien toimii vahvemman tavalla on yhdistelmä kuin erikseen. Joten saavuttaa entistä kattavampi arviointi GBC riskien huomioon useita geneettisiä variantteja samanaikaisesti läsnä analyysi suoritettiin, jotta voidaan tunnistaa korkean ja matalan luontainen riski sarjaa geenivarianttien. Niistä mukana 16 polymorfismien, jotkin niistä havaittiin merkitsevästi yhteydessä GBC riski edellisessä alustavia tutkimuksia, kun taas toiset ilmeni vähän tai ei mitään vaikutusta riskiä GBC kehittämiseen [4], [27], [28].

korkeammat geeni-geeni vuorovaikutuksen analyysi, käytimme 2 tilastollisia lähestymistapoja nimittäin OSTOSKORIIN ja GoM analyysi selvittää tiettyjen yhdistelmien geneettisiä variantteja edistää GBC riskiä.

korissa analyysi, joka on ei-parametrinen tilastollinen lähestymistapa johtamiseen regressio ja luokittelu analyyseihin rekursiivinen osioinnin [29], tutkittavien ryhmiteltiin eri riskitason perusteella eri geenipolymorfismien. Tämän analyysin, huomasimme, että kehitys GBC monitahoisia geneettiset vuorovaikutussuhteita DNA korjaukseen, apoptoottiset ja tulehduksellinen polku geenivarianttien. Kuitenkin meidän tuloksia on tulkittava varoen, koska rajallinen määrä aiheita joissakin CART päätelaitteen solmuja.

GoM analyysissä, joka sisältää kaikki ennustajia yhteen malliin jolloin vältetään hyvin suuria testattu ryhmille , ja useita vertailu ongelmia, kuusi riski sarjaa tunnistettiin esillä datan määrittämällä kolme alhainen luontainen riski sarjaa (I-III) ja kolme korkeaa luontainen riski sarjaa (IV-VI), vaihtelemalla perusteella iän ja merkittävän riskin alleeleja. Esillä lähestymistapa automaattisesti luokittelee yksilöitä riski asettaa perusteella lajitellut jäsenyyden tulokset.

korkea luontainen riski (asettaa IV-VI) kuvattiin läsnäolo moninkertaisen riskien alleelien ja alhainen luontainen riski (sarjat I -III) leimasi useita suojaavia alleeleja. Samankaltaisuus korkean luontaisen riskin sarjaa suorittaa ~ 3-kertainen kohonnut riski GBC.

Riskitekijöitä Ryhmä IV oli

OGG1

(IVS4-15C ): CG ja

OGG1

Ser326Cys: GG. Kuitenkin

PTGS2

(-1195G A): GA ja

MSH2

(-118T C): CC oli myös merkitystä. Riskitekijöitä ryhmä V oli

OGG1

(IVS4-15C ): CG ja

OGG1

Ser326Cys: GG koska yleisin riskitekijöitä GBC. Että ryhmä VI oli promoottorin polymorfismi

TLR2

klo -196–174 (ID) yhdessä

ERCC2

Asp312Asn: AA ja

ERCC2

Lys751Gln: CC genotyypit.

GoM analyysi paljasti, että on tärkeää kahdesta

OGG1

polymorfismien sekä

PTGS2

-1195G polymorfismi alttiutta GBC riskiä. Tämä ilmeni siitä, että sarja IV ja asettaa V oli kätkeminen sekä

OGG1

polymorfismien.

Ihmisen DNA korjaus entsyymi, OGG1, on DNA-glykosylaasi /AP lyaasia että tehokkaasti korjaukset 8-hydroksi-2′-deoksiguanosiinin (8-OHdG-pitoisuuksiin), joka on yksi runsaimmin oksidatiivisen tuotteiden DNA. 8-OHdG-pitoisuuksiin on erittäin mutageeninen

in vitro

ja

in vivo

synnyttää GC TA transversioita DNA replikaatio, joka on usein useisiin onkogeenien ja tuumorisuppressorigeeneille [30], [31 ]. Olimme aiemmin raportoitu yhdistyksen välillä

OGG1

Ser326Cys polymorfismi on tapauskontrollitutkimuksessa varten GBC [28]. Myös merkittävää yhteyttä välillä on havaittu

OGG1

Ser326Cys polymorfismi ja ruokatorven [32], keuhko [33], virtsarakon [34], rintojen [35] ja paksusuolen [36] syöpiä. Lisäksi

OGG1

Ser326Cys, me arvioitiin myös vaikutusta toisen polymorfismin

OGG1

geeni esiintyy Intron 4 (IVS4-15C G). Tämä on introni- polymorfismi asuvat introni 4

OGG1

geenin ja usein alleeliset epätasapaino tällä alueella on osoitettu olevan osallisena pään ja niskan levy- syövän syntymistä [37]. Näyttää siltä, ​​että tämä polymorfismi on mukana silmukointia

OGG1

mRNA. Kaikki kolme korkean riskin sarjaa (IV, V ja VI), oli 100% kantaja-variantin alleelin

OGG1

polymorfismien.

PTGS2 yli-ilmentyminen on havaittu pahanlaatuisten eri elimissä, kuten colorectum, keuhko-, rinta-, eturauhas-, virtsarakko-, maha-, ja ruokatorven [38].

PTGS

2 promoottorialue sisältää sitoutumiskohdat useiden keskeisten cis toimii säätelyelementtejä [39]. Tässä tutkimuksessa merkitsi roolista

PTGS2

-1195G polymorfismi GBC synnyssä. Tutkimukset ovat osoittaneet, että -1195A alleeli pystyy sitoutumaan c-MYB, yksi tärkeä transkription-tekijä, joka aktivoi PTGS2 ilmaisua. c-MYB on pidettävä tasapainossa solunjakautumisen, erilaistumisen ja selviytymisen [40]. Lusiferaasimäärityksiä ovat myös osoittaneet merkittävästi lisääntynyt transkriptionaalista aktiivisuutta

PTGS2

geenin yksilöillä, joilla -1195A alleeli [41], [42]. Kohonneet tasot PTGS2 johtaa prostaglandiinien liikatuotannon (PGE

2), joka on pro-karsinogeenisia, voi pönkittää kasvaimen kasvua eri signalointireittejä angiogeneesin kontrollointiin, soluproliferaatiota, tukahduttaminen immuunivasteita, invasiivisuus ja myös estämällä kasvaimen solut apoptoosin [43], [44], [45]. Toinen

PTGS2

Polymorfismissa -765G C (rs20417), havaittiin myös olevan moduloimalla riski GBC meidän multigenic mallissa. Tämä polymorfismi sijaitsee oletetun

stimuloiva proteiini 1

(SP1) sitoutumiskohta, joka johtaa 30% alenema

PTGS2

promoottorin aktiivisuutta in vitro [46]. Vaikka tarkkaa molekyylitason mekanismi, jolla tämä polymorfismi voi vaikuttaa riski GBC kehitys on edelleen epäselvä, tutkimukset

PTGS2

promoottori paljasti, että

PTGS2

transkriptio aktivoituu E2 promoottori sitova tekijä 1 ( E2F1) [47], joka on riippuvainen transaktivaatiota ja DNA: ta sitovien domeenien E2F1 [48]. Joten kyky tämän polymorfismin luoda E2F sitoutumiskohta, välttämättömiä useiden geenien ekspression [49], voivat auttaa meitä ymmärtämään, miksi havaitsimme lisääntynyt riski.

ilmiö, että yhdistelmä polymorfismien geeneissä liittymättömien reittejä voi nostaa riskiä GBC voidaan selittää kahden hypoteesin. Yksi mahdollisuus on, että jokin yhteys näiden geenien tai proteiinien olemassa, mutta on vielä löydetty. Toinen hypoteesi, todennäköisempi meidän mielestämme on, että geenit vaikuttavat riski GBC voi yhtä hyvin käsittää joukon muutoksia sijaitsevat geenit eivät liity toisiinsa. Tällainen epäedullinen geneettinen profiili voisi lopulta johtaa taudin ilmeneminen, vaikka erityisesti geenit eivät jaa mitään yhteistä toiminnot ja erikseen herättää vähän tai huomaamaton vaikutus.