Extracto
Antecedentes
El cáncer de páncreas es la cuarta causa principal de muerte por cáncer en los EE.UU. y la etiología de esta enfermedad altamente letal no ha sido bien definida. Para identificar los factores genéticos de susceptibilidad para el cáncer de páncreas, se realizaron análisis de vías de estudio de asociación de genoma completo (GWAS de datos) en 3.141 pacientes con cáncer de páncreas y 3.367 controles con ascendencia europea.
Métodos
Uso de la conjunto de genes cresta de regresión en el método de asociación de los estudios (GRASS), que analizó 197 vías identificadas de la Enciclopedia de Kyoto de genes y genomas de base de datos. Se utilizó la prueba logística máquina kernel (LKM) para identificar los principales genes que contribuyen a cada vía. Hemos llevado a cabo el análisis funcional de enriquecimiento de los genes más importantes (
P Hotel & lt; 0,01). Utilizando la base de datos para anotación, y Visualización, Integrada Discovery (DAVID)
Resultados
dos vías se asociaron significativamente con el riesgo de cáncer de páncreas después de ajustar para comparaciones múltiples (
P Hotel & lt; 0,00025) y en las pruebas de replicación: la interacción ligando-receptor neuroactivos, (
Sal Hotel & lt; 0,00002) , y la vía de transducción olfativa (
P
= 0,0001). LKM prueba identificado cuatro genes que se asociaron significativamente con el riesgo de cáncer de páncreas después de la corrección de Bonferroni (
P Hotel & lt; 1 × 10
-5):
ABO, HNF1A, OR13C4, España y
SHH. enriquecimiento de análisis
funcional utilizando DAVID encontró consistentemente el G acoplado a la proteína vía (incluyendo tanto la interacción ligando-receptor neuroactivo y vías de transducción de olfativas) de señalización del receptor a ser la vía más importante para el riesgo de cáncer de páncreas en esta población de estudio .
Conclusión
Estos nuevos resultados proporcionan nuevas perspectivas sobre la susceptibilidad genética a y mecanismos moleculares del cáncer de páncreas
Visto:. P Wei, Tang H, Li D (2012) Insights en cáncer de páncreas Etiología de Pathway Análisis del genoma completo Asociación datos del estudio. PLoS ONE 7 (10): e46887. doi: 10.1371 /journal.pone.0046887
Editor: Zhongming Zhao, Universidad de Vanderbilt Medical Center, Estados Unidos de América
Recibido: 22 Junio, 2012; Aceptado: September 6, 2012; Publicado: 4 de octubre 2012
Copyright: © Wei 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 apoyada por los Institutos nacionales de Salud a través de una subvención complementaria a SR1 CA98380-05 (DL) y a través del Centro de Grant la ayuda del cáncer del MD Anderson (CA016672). P. W. fue parcialmente apoyado por el NIH R01HL106034-01. 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
el cáncer de páncreas es la cuarta causa principal de muerte por cáncer en los Estados Unidos, lo que representa más de 37,660 muertes por año [1]. Debido a que no existe ninguna prueba de detección eficaz para el cáncer de páncreas, es importante identificar los factores genéticos que contribuyen al desarrollo de este tipo de cáncer. Recientes estudios de asociación de genoma completo (GWAS) y los análisis post-GWAS han identificado regiones cromosómicas que contienen el
ABO
,
NR5A2, España y
CLPTM1L-terc
genes [2] , [3], así como la
HNF1A
gen [4], como loci de susceptibilidad para el cáncer de páncreas. Sin embargo, en pruebas de asociación de un solo marcador tienen un poder limitado para identificar los genes que están realmente asociados con el estado de la enfermedad, pero no pueden llegar a un umbral de significación de todo el genoma estrictas en GWAS. Por lo tanto, muchos genes de enfermedades importantes pueden permanecer todavía no identificado con este enfoque. Además, el desarrollo del cáncer implica típicamente la disfunción de múltiples genes relacionados funcionalmente actúan concordantemente en una red o vías [5]. Por lo tanto, la vía de análisis de los datos GWAS, que considera conjuntamente múltiples variantes en la interacción genes y múltiples genes en una vía biológica, como un enfoque complementario a las pruebas de asociación de marcador único [6], puede tener el potencial para revelar la base poligénica de susceptibilidad a la enfermedad . GWAS itinerario basado en análisis han proporcionado nuevos conocimientos sobre la etiología de cánceres, como el cáncer de colon [7], cáncer de pulmón [8], y melanoma [9], y otras enfermedades complejas, incluyendo la esquizofrenia [10], el trastorno bipolar [11 ], y la artritis reumatoide [12]. Un estudio reciente analizó los datos GWAS centradas en 23 vías o grupos de genes seleccionados e identificado los genes de la ruta de desarrollo de páncreas como factores de susceptibilidad para el cáncer de páncreas [13]. Mientras que estos datos apoyan la vía de análisis candidato como un enfoque útil en el estudio de asociación genética, que está limitado por el número de vías /genes examinados, lo que sugiere que un análisis agnóstico más completa de todas las vías conocidas puede tener el potencial para descubrir nuevos genes que estaban previamente no considerada en el cáncer de páncreas.
conjunto de genes regresión contraída en estudios de asociación (hierba) es uno de los enfoques basados en la vía de nuevo desarrollo [7]. En el césped, el análisis de componentes principales (PCA) se utiliza para capturar la variación genética dentro de un gen para reducir la dimensionalidad del polimorfismo de un solo nucleótido (SNP) los datos y la regresión logística regularizado se realiza para evaluar la asociación de las vías con la enfermedad. En este estudio, se utilizó por primera vez en los datos de GRASS GWAS para evaluar la asociación de las vías con cáncer de páncreas. A continuación, se aplicó el método de la máquina del núcleo logístico (LKM) para detectar los principales genes que contribuyen a cada vía [14]. Por último, se realizó un análisis funcional de enriquecimiento de los genes más importantes que utilizan la base de datos para el método integrado de Discovery (DAVID) [15], [16] anotación, y Visualización, y. En este estudio, el primer análisis exhaustivo de los datos GWAS en el cáncer de páncreas usando un enfoque agnóstico, hemos identificado nuevas vías y los genes que están asociados significativamente con el riesgo de enfermedad. Estos hallazgos podrían abrir nuevas vías de investigación sobre el mecanismo molecular y la etiología del cáncer de páncreas.
Métodos
Población de estudio y Fuente de datos
La población del estudio incluyó una total de 7.019 personas: 1.871 casos y 2.026 de PanScan1 incluyendo 12 estudios anidados de casos y controles y un estudio de casos y controles de base hospitalaria y 1.528 casos y 1.594 controles de PanScan2 incluyendo 6 estudios de casos y controles sobre el cáncer de páncreas [2], [3] . Los casos se definieron como adenocarcinoma primario del páncreas exocrino. Controles, que estaban libres de cáncer de páncreas en el momento de la contratación, se emparejaron a los casos según el año de nacimiento, sexo y raza /origen étnico de auto-reporte. GWAS se había realizado en la Planta de genotipado del Instituto Nacional del Cáncer mediante el HumanHap550, HumanHap550-Duo y matrices humano 610-Quad (todos de Illumina, San Diego, CA) [2], [3]. Los datos originales GWAS fueron descargados de la base de datos de genotipos y fenotipos (dbGaP) [17]. Sobre la base de datos de genotipo Proyecto Internacional HapMap (fase 3 Release#3, NCBI construir 36, dbSNP b126, 2010-05-28) durante tres poblaciones (CEU, JPT /CHB, y YRI) [18] y la frecuencia del alelo menor de edad ( MAF) & gt; 5%, se seleccionaron 10.155 SNPs con
r
2 & lt; 0,004 para usar en el análisis de estructura de la población [19]. Un total de 6.508 individuos (3.141 casos y 3.367 controles) con ascendencia europea (es decir, 0,75-1 similitud con CEU) fueron seleccionados de la población del estudio inicial de 7.019 individuos en el análisis de la vía actual.
control de calidad
Los datos originales GWAS pasaron procedimientos de control de calidad antes publicados en dbGaP. Podamos el genotipo de datos mediante la exclusión de más 13.822 SNPs con tasa de & lt llamada; 98%, 45,653 SNPs con MAF & lt; 5%, y 38.857 SNPs se desvían de Hardy-Weinberg (
P
& lt; 0,001), como se así como SNPs en las regiones desérticas de genes, lo que resulta en 82,881 SNPs en el análisis final de un número inicial de 468,111 SNPs.
con el fin de evaluar el impacto de la estructura de la población, que hizo que el cuantil-cuantil (QQ) parcela y se calcula el factor de inflación () en individuos con ascendencia europea única. El factor de inflación se calculó de acuerdo con el método de De Bakker et al. [20], ajustado para un tamaño de muestra de 1.000 casos y 1.000 controles utilizando la fórmula: Donde, y son número real utilizado para el cálculo; 1000 es el tamaño de la muestra que debe corregirse. QQ plot muestra poco de inflación de la estadística de prueba en comparación con la distribución esperada (λ = 1,03), excluyendo la posibilidad de potencial estructura de la población entre los casos y controles.
Los genes con -log10 (
P
) & lt ; 1 no se incluyeron en las parcelas. Para mayor claridad, no todos los genes están etiquetados. Para más detalles, véanse los cuadros S1 y S3.
Rutas y Genes
Un total de 214 vías biológicas humanas, están registrados en Kyoto Enciclopedia de genes y genomas (KEGG) [ ,,,0],21]. Después de excluir las vías con & lt; 10 o & gt; 500 genes, se analizaron 197 vías, utilizando el enfoque de GRASS [22]. Se identificaron 19,058 genes secuencia de referencia (RefSeq) en los datos de GWAS de la base de datos del genoma humano 18 (hg18) utilizando la Universidad de California en Santa Cruz (UCSC) Explorador de tablas herramienta de recuperación de datos [23]. Probamos 5.127 genes en las 197 vías para la asociación con el cáncer de páncreas. Para cada región del gen, se incluyeron los SNP dentro de los 20 kb aguas arriba o aguas abajo del gen en este estudio.
La línea continua y una línea discontinua, respectivamente, se muestran las interacciones directas e indirectas entre los genes.
Métodos estadísticos
Se utilizó GRASS para probar la asociación de cada vía de un cáncer de páncreas. Genotipo datos fueron codificados en un modelo aditivo utilizando la versión 1.07 PLINK [24] con 0 para homocigoto alelo común, 1 para heterocigotos y homocigotos para el alelo 2 mutante. La hierba a prueba la hipótesis nula de que ninguno de los SNPs en una determinada vía se asocia con la enfermedad [6]. Para evitar la influencia indebida de diferentes tamaños y de genes de la vía, la hierba se utiliza estadísticas a nivel de gen normalizados y permutaciones (sujeto) de la muestra. Los detalles de la hierba se han descrito anteriormente [7]. Brevemente, el método consta de tres pasos. En primer lugar, el PCA se utiliza para resumir SNPs en cada gen como (ortogonales) combinaciones lineales no correlacionadas de los SNPs originales, llamados eigenSNPs, que representan el ≥95% de la variación genética. El número de eigenSNPs resultantes es generalmente mucho menor que el de los SNPs genotipo originales y sirve como predictores en el modelo de regresión logística regularizada. Una función de verosimilitud penalizada se utiliza para estimar los coeficientes de regresión de las eigenSNPs. En segundo lugar, una estadística a nivel de gen normalizada se calcula de acuerdo con los coeficientes de regresión de las eigenSNPs. La estadística, análogo al estadístico z, se define aswhere
es la raíz cuadrada de la suma de los coeficientes de regresión al cuadrado para cada eigenSNP estima bajo el parámetro de ajuste óptimo; y, estimada a partir de permutaciones, son la desviación media y estándar de bajo la hipótesis nula de que el gen no está asociado con la enfermedad. Por lo tanto, cada gen, independientemente de su tamaño, contribuye igualmente a la serie de genes estadística asociación, como se describe a continuación. El tercer paso consiste en calcular gen conjunto (vía) estadística de la asociación () y el valor p. es la raíz cuadrada de la suma de las estadísticas a nivel de genes normalizados al cuadrado;
P
valor se estima utilizando, en donde se calcula a partir de los datos permutados y B es el número de permutaciones. Debido al gran número de genes y las vías analizadas, se aplicó la corrección de Bonferroni para ajustar para comparaciones múltiples. El umbral de significación fue
P Hotel & lt; 0,00025 (0,05 /197). Debido a la computación intensiva que conlleva GRASS, hemos adoptado un procedimiento de prueba de permutación de dos etapas, similar al aplicado en PLINK [24]: en primer lugar realizamos 5.000 permutaciones para cada conjunto de genes en este estudio, y para esos conjuntos de genes con p- valor inferior a 0,00025, que aumentó el número de permutaciones y 50.000.
Se aplicó la prueba de LKM para evaluar la asociación de cada gen con cáncer de páncreas como se describe anteriormente [14]. Brevemente, este método comprende dos etapas: formar conjuntos de SNP para cada gen y probar la asociación de conjuntos de SNP con el estado de enfermedad. La base de datos de genes, definición región del gen, y el genotipo de codificación utilizado aquí fueron los mismos que los de GRASS. El modelo LKM integra un modelo logístico regular con una función kernel semi-definido (se utilizó un núcleo lineal aquí) que está diseñado específicamente para los datos genéticos. Los variación de los componentes calificación en las pruebas de Zhang y Lin [25] fue utilizado para probar la asociación entre genes y enfermedades. En este análisis, hemos probado las asociaciones de 5.127 genes (en las 197 vías) con cáncer de páncreas después de ajustar por edad (en grupos de 10 años), el sexo, el estudio (categórica), y cinco componentes principales (cuantitativos) captura de estructura de la población obtenida de un análisis PCA utilizando EIGENSTRAT [26]. Los valores de p de los análisis de KLM se ajustaron para comparaciones múltiples utilizando la corrección de Bonferroni. El umbral de significación fue
P
. & Lt; 9,75 × 10
-6 (0,05 /5.127)
Por último, como un enfoque complementario a la vía de análisis de GRASS, se investigó el enriquecimiento funcional de los genes más significativos en las pruebas de asociación basados en genes (
P
≤0.01 en LKM) mediante la herramienta bioinformática accesible desde la web DAVID [15], [16]. La DAVID consiste en un sistema integrado de la base de conocimientos analíticos y herramientas biológicas destinadas a la extracción sistemática funciones biológicas significado biológico y sobre-representados a partir de grandes listas de genes o proteínas en base a la prueba hipergeométrica (exacta de Fisher). Se utilizó el KEGG, GO y InterPro [27] bases de datos para definir los conjuntos de genes. Además, los grupos DAVID funcionalmente conjuntos de genes similares en conglomerados para reducir la naturaleza redundante de sistemas de anotación funcional de genes, por ejemplo, el GO jerárquicamente organizada.
Como un esfuerzo de replicación, se analizaron los datos de PanScan1 (1.796 casos y 1.880 controles) y PanScan2 (1.345 casos y 1.487 controles) por separado. también dividir aleatoriamente el conjunto de datos en dos grupos y se realizaron análisis por separado en cada grupo. Se realizó un metanálisis de la
P
valores de la cohorte individual /grupal, utilizando el método de puntuación z del Stouffer, que se ha demostrado ser eficaz en el metanálisis de los GWAS [28]. La estadística de prueba para combinar los valores de p de dos cohortes individuales para una determinada vía se calcula como, donde es inversa de la función normal acumulativa estándar. El meta-análisis general
valor de p se calcula como
. Por último, se aplicó el método de GRASS para poner a prueba los dos mayores vías significativas (como se detalla en los resultados) utilizando los datos Wellcome Trust de Control Caso Consorcio (WTCCC) GWAS [29] para evaluar empíricamente el impacto del tamaño de la vía y demostrar la especificidad de nuestros resultados .
Resultados
vías asociadas con el cáncer pancreático
se analizaron 197 vías con 5.127 genes utilizando el enfoque de GRASS y encontró que seis vías se asociaron significativamente con el cáncer de páncreas después de la Bonferroni corrección (
P Hotel & lt; 2,5 × 10
-4) (Tabla 1). Tres vías fueron significativas a
P &
valores lt; 0,0001: la interacción ligando-receptor neuroactivos, depresión a largo plazo, y diabetes de aparición en la madurez de los jóvenes (MODY vías). Tres vías tenían un
valor menos significativo P
de ≥0.0001 pero & lt; 0,00025: la transducción olfativa, Fc epsilon RI de señalización, y las vías de contracción del músculo liso vasculares. Además de los anteriores seis vías, el metabolismo, la secreción pancreática glicerofosfolıpido y del factor de crecimiento endotelial vascular (VEGF) vías de señalización se asocian con cáncer pancreático en
P = 0,0004
(Tabla S1, disponible en línea).
replicación Pathway resultados
Dos de los seis vías significativas, es decir, la vía de transducción olfativa y la vía de la interacción ligando-receptor neuroactivo mostraron consistente pequeña
valores P
a través de las cohortes PanScan1 y PanScan2, aunque no tanto
P
valores fueron significativos después de múltiples correcciones de pruebas probablemente debido al tamaño de muestra mucho más pequeña en cada cohorte individual y el poder estadístico inferior resultante (Tabla 2). El meta-análisis de
Los valores P Opiniones de estas dos vías (1 × 10
-5 y & lt; 1 × 10
-5, respectivamente) fueron significativas después de la corrección de Bonferroni. La vía de MODY se mantuvo significativa en PanScan1 (
P = 0,00006
) pero no en PanScan2 (
P
= 0,91), y el meta-análisis de
P
valor fue de 0,0589. Los tres restantes vías significativas en el análisis combinado GRASS tenían
P
valores & gt; 0,1 en la cohorte PanScan1 y PanScan2 (Tabla 2). Cuando nos dividido aleatoriamente el conjunto de datos en dos grupos, los seis vías tenían un
P
valor & lt; 0,05 en uno de los dos grupos, pero no en ambos; y ninguno de los meta-análisis de
P
valores fue significativa después de ajustar por múltiples comparaciones (Tabla S2). Para investigar si la importancia de la vía de transducción olfativa (353 genes y 1.122 eigenSNPs) y la vía neuroactivos interacción ligando-receptor (263 genes y 1.374 eigenSNPs) era simplemente debido a su gran tamaño, probamos estas vías mediante la aplicación de la hierba para el WTCCC datos GWAS y obtuvieron un
P
valor de 0,5652 y 0,2332 para el trastorno bipolar y 0,246 y 0,0062 para la enfermedad de Crohn, respectivamente, (cada enfermedad tenía 2.000 casos y 3.000 controles). Estos resultados, junto con las constantes pequeña
valores de P
través PanScan1 y PanScan2, indican que la significativa
valor de P Red de estas dos vías en el análisis GRASS es poco probable debido al tamaño de la vía. Además, para investigar si los resultados de la vía fueron impulsados principalmente por los golpes de la tapa GWAS reportados en PanScan1 y PanScan 2, hemos eliminado el gen
NR5A2
de la vía MODY y re-análisis realizado de GRASS con 50.000 permutaciones. El valor de p para la combinación de datos, y PanScan1 subconjunto PanScan2 fue de 0,4 × 10
-4, 0,6 × 10
-4 y 0,88, respectivamente. Los respectivos valores de
P
fueron 0,6 × 10
-4, 0,6 × 10
-4 y 0,91 a partir del análisis incluyendo el
NR5A2
gen, lo que sugiere que nuestro análisis de la vía desenredado señales independientes de las que por el análisis de un solo SNP. Tenga en cuenta que otros altos GWAS golpea como
ABO
y
TERT1
no fueron incluidos en cualquiera de las 197 vías.
Los genes importante que contribuye a Pathways
la aplicación del método LKM, se identificaron 365 genes con significación nominal (
P Restaurant & lt; 0,05) y 118 genes con
P Hotel & lt; 0,01 para las 197 vías (Tabla S3, disponible en línea). Los principales contribuyentes genes a cada uno de los seis caminos significativos identificados por GRASS se enumeran en la Tabla 1. Los principales genes que contribuyen a los 197 vías y a los seis vías importantes se presentan en la Figura 1 y 2, respectivamente. Después hemos ajustado para comparaciones múltiples, cuatro genes siguieron siendo significativas (
P Hotel & lt; 9,75 × 10
-6): el
ABO
,
HNF1A
,
OR13C4
, y
SHH
genes (Tabla 3). Además de estos cuatro genes,
ABL1
,
MYC, HNF4G
,
NR5A2 gratis (un top hit GWAS) y
ADPGK
Had
P & lt
valores; 0,0001
análisis funcional de enriquecimiento de genes importantes
por último, se realizó un análisis funcional de enriquecimiento, utilizando DAVID, en el conjunto de 118 genes con
P
& lt; 0,01 a partir del análisis LKM. Cuarenta y cuatro agrupaciones fueron identificados sobre la base de la KEGG, GO y categorías InterPro. Los grupos de genes con
P Hotel & lt; 0,01 de David se enumeran en la Tabla 4 (Ver Tabla S4 para obtener una lista detallada de los genes en cada grupo). La superfamilia de G receptores acoplados a la proteína rodopsina-como (GPCRs), la percepción de olor y la transducción olfativa fue el grupo más importante de los genes en la base de la InterPro (
P
= 1,61 × 10
- 13), IR (
P = 1,30
× 10
-7) y KEGG (2.38 × 10
-3) bases de datos, respectivamente, haciéndose eco de los hallazgos de la hierba. Los genes que mantienen la homeostasis del proceso fueron también sobre-representados en el cáncer pancreático (Tabla 4). El mapa de relaciones biológicas para las 81 principales genes (
P Hotel & lt; 0,05 en LKM). De las seis vías significativas se muestra en la Figura 3, que fue creado con ingenio Pathway y software de análisis [30]
Discusión
en esta vía de análisis GWAS, hemos identificado dos nuevas vías, es decir, la interacción ligando-receptor neuroactivos y vías de transducción de olfativas que se asoció significativamente con el riesgo de cáncer de páncreas después de ajustar por múltiples comparaciones y en las pruebas de replicación. Estos resultados también fueron apoyados por el análisis funcional de enriquecimiento. También se identificaron cuatro genes que están asociados significativamente con el riesgo de cáncer de páncreas, incluyendo tres genes previamente implicados
ABO
,
HNF1A
, y
SHH
[2] - [4] así como un nuevo gen de
OR13C4
. Estos resultados proporcionan nuevas ideas provocadoras la base poligénica de susceptibilidad al cáncer de páncreas y la etiología
La superfamilia de proteínas GPCR de los receptores transmembrana cuentas de ~ 4% de todo el genoma humano y & gt;. 50% de los objetivos terapéuticos modernos [ ,,,0],31]. Genes de la interacción ligando-receptor neuroactivo y vías de transducción de olfativas son los principales componentes de los GPCRs (Tabla S4). La vía de la interacción ligando-receptor neuroactivos siguió siendo significativa después de ajustar por múltiples pruebas en PanScan1 (
P = 0,0006
) pero no en PanScan2 (
P
= 0,002). Sin embargo, el valor P del metanálisis fue altamente significativa (
P Hotel & lt; 1 × 10
-5). Los genes que contribuyen a esta vía, por ejemplo,
Cckbr, CHRM5, EDNRA, LPAR1
,
SSTR2 /3
, y
SCTR
, tienen diversas funciones en la regulación de las funciones endocrinas y exocrinas del páncreas, que son altamente relevante para el cáncer de páncreas [32], [33], [34], [35]
Los seres humanos tienen & gt;. 700 receptores olfativos (OR) genes (de los cuales ≥50% son funcionales) [36]. Las variantes genéticas de los genes o las disfunciones y de señalización o han sido previamente asociado con la esquizofrenia [37], la hemoglobina fetal en la anemia de células falciformes [38], y la proliferación de las células del cáncer de próstata [39]. A pesar de los vínculos entre la transducción olfativa y el cáncer de páncreas aún no se han dilucidado, un análisis de la secuencia anterior de los tumores pancreáticos humanos encontró muchas mutaciones somáticas de los genes o, incluyendo siete genes identificados en el análisis actual:
OR13C3
,
OR13C5
,
OR10P1
,
OR1J2
,
OR4A16
,
OR51F2
, y
OR5D13
[40] . La expresión de al menos dos o genes se ha reportado en los tejidos del páncreas humanos [41]. Los dos primeros genes que contribuyen a la vía de transducción olfativa,
OR13C4
y
OR13C3
, clasificada como la tercera y quinta genes más importantes entre los 5.127 genes analizados en este estudio. En el estudio de replicación, la vía de transducción olfativa se mantuvo como uno de los mejores caminos con pequeñas
P valores
consistentes en PanScan1 y PanScan2 cohorte con un meta-análisis significativo
P
valor después de ajustar por múltiples pruebas. Por otro lado, no se encontró ninguna asociación de esta vía con trastorno bipolar o enfermedad de Crohn en el análisis de datos WTCCC GWAS. Todos estos datos sugieren que la asociación de la vía de transducción olfativa y el cáncer de páncreas es poco probable que sea debido al azar. Además la replicación de esta asociación en otro conjunto de datos y estudios funcionales de las relaciones biológicas y moleculares de señalización entre la transducción olfativa y el cáncer de páncreas están garantizados. GPCRs son la primera puerta a través de la cual las señales se transmiten fuera en la célula. De alta actividad de los GPCRs puede contribuir a la transducción de señales perjudiciales externas, tales como insulina, glucosa, o carcinógenos, en una célula e inducir una cascada de respuestas relacionadas con la carcinogénesis.
Además de estas dos vías, cuatro adicional vías también aprobaron la corrección de Bonferroni para comparaciones múltiples, es decir, la MODY, Fc epsilon RI, depresión a largo plazo y las vías de contracción del músculo liso vasculares. Sin embargo, la vía de MODY fue altamente significativa en PanScan1 pero no fue significativa en PanScan2. La asociación de riesgo gen disminuida o más débil en PanScan2 ha sido previamente observada para otros genes [3], [4]. Esta diferencia puede estar relacionada con el hecho de que PanScan1 se agruparon a partir de 12 estudios de cohortes y estudio de control de uno de los casos, mientras que PanScan2 se extrajo de ocho estudios de casos y controles. Debido a la rápida de mortalidad de cáncer de páncreas, el estudio de casos y controles puede someter a un sesgo de supervivencia si los genes de prueba están asociados con la supervivencia. Aunque el metanálisis no mostró una
P
valor significativo, esta vía ha sido identificada como la vía más significativo en asociación con el cáncer de páncreas en un análisis separado de los datos PANSCAN utilizando dos métodos estadísticos diferentes [13]. Los genes MODY son una parte importante de la red de la transcripción que regula el desarrollo del páncreas y la diferenciación en la vida temprana y mantiene la homeostasis de páncreas en la edad adulta [42], [43], [44]. Tres genes MODY (
HNF1A
,
HNF4G
, y
NR5A2
) estaban entre los 10 primeros genes con
P &
valores lt; 0,0001 en el análisis LKM . En particular, otros dos de los 10 genes,
SHH
y
MYC
, también se sabe que juegan un papel esencial en el desarrollo del páncreas [45]. Los genes implicados en el desarrollo de órganos y la diferenciación pueden contribuir a la capacidad de las células tumorales para proliferar y sobrevivir, así como la plasticidad celular alter, la reprogramación de las células de este modo a un estado que puede dar lugar a un tumor. genes MODY también pueden contribuir al cáncer de páncreas mediante la modificación del riesgo de diabetes [46] y la obesidad [47], [48], o mediante la regulación de crecimiento epitelial y la diferenciación celular, el metabolismo de los lípidos [49], proteína de fucosilación [50], y la inflamación [51].
Fc epsilon RI es un receptor de alta afinidad para IgE, y la activación de mastocitos mediada por Fc epsilon RI es un evento clave en la respuesta inflamatoria alérgica. El aumento de la evidencia indica que la inflamación alrededor del tumor, incluyendo la infiltración de mastocitos, el crecimiento tumoral y la angiogénesis en las instalaciones de cáncer de páncreas [52], [53]. Sin embargo, esta vía, junto con la depresión a largo plazo y las vías de contracción del músculo liso vascular no tuvo resultados consistentes en los estudios de replicación. Por lo tanto, estos datos deben ser tratados con precaución.
En comparación con los resultados del análisis de vías candidato /gen se informó anteriormente [13], nuestros hallazgos sobre las vías que fueron incluidos en ambos estudios fueron bastante consistentes, es decir, una positiva encontrando en el desarrollo del páncreas (también conocido como MODY) vía /genes y los resultados negativos en la reparación del ADN, la apoptosis, la señalización de la insulina, Wnt, notch y /genes erizo.
Este es, de lejos, el estudio más grande de páncreas cáncer con el análisis más exhaustivo de todos los procesos biológicos identificados de KEGG utilizando un enfoque agnóstico. El uso de PCA en hierba reducido en gran medida la dimensionalidad de los datos de GWAS y el aumento de la probabilidad de señalar a información útil. Utilizando el método de LKM superó las influencias de los efectos positivos y negativos de SNPs y nos ha permitido identificar nuevos genes, además de la replicación de las regiones de genes descubiertos por los estudios de asociación marginal-anteriores [54]. Al realizar el análisis hierba en dos cohortes independientes, hemos demostrado hallazgos consistentes en algunas de las vías significativas. debe ampliarse la replicación de estos resultados en el futuro cáncer de páncreas adicional de datos GWAS. En general, el enfoque de análisis de vías con control intensivo para los resultados falsos positivos tiene un gran potencial para descubrir rasgos de genes que están asociados con la enfermedad sin a priori. El uso correcto de esta herramienta podría abrir nuevas vías de investigación sobre los mecanismos moleculares de cáncer de páncreas y objetivos potenciales para la prevención y el tratamiento de esta enfermedad.
Apoyo a la Información sobre Table S1. List de 197 vías biológicas analizadas en este estudio
doi:. 10.1371 /journal.pone.0046887.s001 gratis (XLS)
Tabla S2. .
Resultados del análisis de hierba en subgrupos y en el conjunto de datos GWAS WTCCC
doi: 10.1371 /journal.pone.0046887.s002 gratis (XLS) sobre Table S3. List de 5.127 genes analizados en este estudio
doi:. 10.1371 /journal.pone.0046887.s003 gratis (XLS) sobre Table S4. List de genes en cada grupo identificado en el análisis DAVID
doi:. 10.1371 /journal.pone.0046887.s004 gratis (XLS)
Reconocimientos
Agradecemos a todos contribuyentes al PanScan GWAS. Agradecemos al Dr. Yu Xin Fu por su asesoramiento en el análisis de la estructura de la población y el Sr. Jin Yu por su ayuda con el cálculo intensivo mediante el sistema de grupos de la Universidad de Texas, Escuela de Salud Pública de Houston.