Extracto
Introducción
variantes de la línea germinal en
TP63
se han asociado sistemáticamente con varios tumores, incluyendo el cáncer de la vejiga, lo que indica la importancia de
TP53
vía en la susceptibilidad genética del cáncer. Sin embargo, las variantes en otros genes relacionados, incluyendo
TP53
rs1042522 (Arg72Pro), aún presentan resultados controvertidos. Hemos llevado a cabo una evaluación en profundidad de las asociaciones entre germinal variantes comunes en el
TP53
vía y el riesgo de cáncer de vejiga.
Material y Métodos
Se investigaron 184 tagSNPs de 18 genes en 1.058 casos y 1.138 controles del Estudio de cáncer de EPICURO /español vejiga. Los casos fueron diagnosticados recientemente pacientes con cáncer de vejiga durante 1998-2001. controles hospitalarios fueron la edad de género, y el área emparejados a los casos. SNPs se genotipo en el ADN de la sangre usando Illumina Golden Gate y ensayos TaqMan. Los casos fueron subphenotyped en función del estadio /grado y la expresión de p53 tumor. Se aplicaron las pruebas clásicas para evaluar las asociaciones de SNP individuales y el análisis de regresión logística menos absoluta contracción y selección del operador (LASSO) -penalized para evaluar múltiples SNPs simultáneamente.
Resultados
Sobre la base de los análisis clásicos, SNPs en
BAK1 gratis (1),
IGF1R gratis (5),
P53AIP1 gratis (1),
PMAIP1 gratis (2),
SERINPB5
(3),
TP63 gratis (3), y
TP73 gratis (1) mostraron asociaciones significativas a P-value≤0.05. Sin embargo, no se observó evidencia de asociación, ya sea con riesgo general o con subtipos específicos de la enfermedad, después de la corrección de múltiples ensayos (p-value≥0.8). LASSO selecciona los SNP rs6567355 en
SERPINB5
con un 83% de reproducibilidad. Este SNP proporciona un OR = 1,21; IC del 95%: 1,05 a 1,38, p-valor = 0,006, y un valor de p corregido = 0,5 cuando se controla por sobreestimación.
Discusión
encontrado ninguna evidencia sólida de que las variantes comunes en el
TP53
vía están asociados con la susceptibilidad al cáncer de vejiga. Nuestro estudio sugiere que es poco probable que
TP53
Arg72Pro está implicado en la UCB en los europeos blancos.
SERPINB5
y
TP63
variación merecen una mayor exploración en estudios prolongados
Visto:. Pineda S, Milne RL, Calle ML, Rothman N, López de Maturana E, Herranz J , et al. (2014) la variación genética en el
TP53
Camino y cáncer de vejiga Riesgo. Un análisis exhaustivo. PLoS ONE 9 (5): e89952. doi: 10.1371 /journal.pone.0089952
Editor: Masaru Katoh, Centro Nacional del Cáncer, Japón
Recibido: 29 de octubre de 2013; Aceptado: 24 Enero 2014; Publicado: 12 de mayo de 2014
Derechos de Autor © 2014 Pineda 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 Fondo de Investigación Sanitaria, España (los números de subvención 00/0745, PI051436, PI061614, G03 /174); Red Temática de Investigación Cooperativa en Cáncer (número de concesión RD06 /0020-RTICC), España; Marató de TV3 (número de concesión 050830); Comisión Europea (números de subvención de la UE-FP7-HEALTH-F2-2008-201663-UROMOL; Institutos Nacionales de Salud (subvención número EE.UU.-NIH-SR1-CA089715), y el Programa de Investigación Intramural de la División de Epidemiología del Cáncer y Genética, Instituto nacional del cáncer de los Institutos nacionales de Salud, EE.UU.;. Consolíder ONCOBIO (Ministerio de Economía y Competitividad, Madrid, España) 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: FX real es un miembro del Consejo Editorial PLoS One Esto no altera la adhesión de los autores a todas las políticas de PLoS ONE sobre los datos y compartir materiales
Introducción
en los países más desarrollados, carcinoma urotelial de la vejiga (UCB) es el cuarto cáncer más común en los hombres y la decimoséptima en las mujeres, la relación male:female global es 03:01. Esta proporción es mayor (06:01) en España, donde la enfermedad se presenta una de las mayores tasas de incidencia entre los hombres (51 por 100.000 años-hombre) [1]. El consumo de tabaco y la exposición ocupacional a aminas aromáticas han sido establecidos como los principales factores de riesgo, entre otros [2]. Si bien hay alta penetrancia alelo /gen ha sido identificado hasta la fecha como asociados con UCB, hay pruebas bien establecido que el riesgo UCB está influenciado por las variantes genéticas comunes [3], [4].
Los estudios previos de caracterización UCB son consistentes con la existencia de, al menos, dos subtipos de la enfermedad en base a sus características morfológicas y genéticas. El primer subtipo incluye bajo riesgo, papilar, los tumores no invasivos del músculo (NMIT, el 60-65% de todos UCB) y el segundo tipo incluye tanto NMIT de alto riesgo (15-20% del total de UCB) y músculo (tumores invasivos MIT, 20% -30% de todos UCB). Apoyando estos subtipos morfológicos, se describen las vías genéticas diferenciales y se asociaron con la evolución UCB distinta. Las mutaciones somáticas en
FGFR3 ¿Cuáles son más frecuentes en los de bajo riesgo NMIT, mientras que las mutaciones en
TP53
y
RB
están involucrados principalmente en NMIT de alto riesgo y el MIT [5] , [6]; mutaciones en
PIK3CA
y
HRAS
se producen de manera similar en los dos subtipos de tumores. Curiosamente, un análisis exploratorio ha demostrado que algunas variantes genéticas en la línea germinal podrían estar asociados diferencialmente con el riesgo de desarrollar subfenotipos UCB diferenciados definidos en función del estadio tumoral (T) y grado (G) [7].
TP53
es el gen supresor de tumores humanos más importantes y sus implicaciones en la UCB han sido ampliamente estudiados [8].
TP53
se encuentra in17p13, una región que se elimina con frecuencia en los cánceres humanos, y que codifica la proteína p53. p53 es un factor de transcripción que controla la proliferación celular, el ciclo celular, la supervivencia celular, y la integridad genómica y - por lo tanto - que regula un gran número de genes. En condiciones celulares normales, p53 se degrada rápidamente debido a la actividad de
MDM2
, un regulador de p53 negativa que es también un objetivo de genes p53. Tras el daño del ADN u otras tensiones, p53 se estabiliza y regula la expresión de muchos genes implicados en la detención del ciclo celular, apoptosis, y la reparación del ADN, entre otros. alteraciones somáticas en
TP53
/p53 es una de las alteraciones más frecuentes asociados con UCB, especialmente con los tumores más agresivos [9].
Germinal
TP53 mutaciones predisponen a
un amplio espectro de cánceres de aparición temprana y causa de Li-Fraumeni y síndromes relacionados [10], [11]. Estas mutaciones son por lo general sustituciones de una sola base. Más de 200 polimorfismos de la línea germinal nucleótido único (SNP) en
TP53
han sido identificados en la actualidad [12]. rs1042522 SNP (Arg72Pro) se ha evaluado en asociación con varios tipos de cáncer, entre ellos UCB. Sin embargo, los resultados de estos estudios son inconsistentes [13], [14], [15], [16], [17], [18]. Por el contrario, una asociación entre el SNP rs710521 en
TP63
, un
TP53
miembro de la familia, y el riesgo de UCB se ha reproducido de manera convincente, que apunta a la implicación de los
TP53
vía miembros de la susceptibilidad UCB [4].
el objetivo de este estudio fue investigar exhaustivamente si SNPs línea germinal en los genes implicados en el TP53
vía se asocia con riesgo de UCB. Con este fin, un total de 184 tagSNPs en 18 genes clave se evaluaron utilizando datos del estudio español del cáncer de vejiga /EPICURO.
Materiales y Métodos
Sujetos de estudio
La español del cáncer de vejiga /estudio EPICURO es un estudio de casos y controles realizado en 18 hospitales de cinco áreas en España y describe en otro lugar [2], [4], [7]. En pocas palabras, los casos fueron pacientes con diagnóstico de UCB primaria a la edad de 21-80 años entre 1998 y 2001. Todos los participantes eran de ascendencia europea blanca auto-reporte. diapositivas de diagnóstico de cada paciente fueron revisados por un panel de patólogos expertos para confirmar el diagnóstico y para asegurar que se aplicaron criterios de clasificación uniformes sobre la base de la Organización de Salud Mundial de 1999 y la Sociedad Internacional de sistemas de patología urológica [19].
los controles fueron pacientes ingresados en los hospitales participantes para las condiciones que se cree que no guardan relación con los factores de riesgo de UCB. Las principales causas de ingreso hospitalario fueron: hernia (37%), otra cirugía abdominal (11%), fracturas (23%), otro problema ortopédico (7%), hidrocele (12%), trastorno circulatorio (4%), dermatológicos trastorno (2%), trastorno oftalmológico (1%), y otras enfermedades (3%). Controles fueron agrupados de forma individual a los casos relativos a la edad dentro de las categorías de 5 años, el género, el origen étnico y la región de residencia.
La información sobre las características sociodemográficas, hábitos de fumar, cuando las exposiciones ocupacionales y ambientales, y su historia médica y familiar más allá de cáncer fue recogido por los monitores del estudio entrenados que realizaron una entrevista personal asistida por computadora completa con los participantes en el estudio durante su estadía en el hospital. De 1.457 casos elegibles y 1.465 controles, 1.219 (84%) y 1.271 (87%), fueron entrevistados, respectivamente.
Todos los sujetos dieron su consentimiento informado por escrito para participar en el estudio, que fue aprobado por los comités de ética de los centros participantes.
Genotipado
Un total de 184 tagSNPs de 18 genes que participan en el
TP53
vía fueron seleccionados utilizando el Seleccione el programa SNPs (SYSNPs) [20 ]. SYSNP utilizó la información de dbSNP b25, hg17 y HapMap Release#21. Tagger algoritmo de Haploview (V3.32) se aplicó con los parámetros por defecto. La herramienta considera toda la información disponible para cada SNP e implementa algoritmos que proporcionan el estado de cada SNP como tagSNP, un SNP capturado o un SNP no capturado. De acuerdo con esta información tagSNPs fueron seleccionados. Se consideraron los siguientes grupos de genes: 1)
TP53 Buscar miembros de la familia (
TP53
,
TP63
y
TP73
) y 2) genes que se sabe siendo blanco de p53 o reguladores de la función de p53 [
BAK1, BAX, BBC3, BIRC5, CDKN1A, FAS, GADD45A, IGF1R, MDM2, PCNA, PMAIP1, SERPINB5, SFN gratis (Stratifin, 14-3-3sigma) ,
TP53AIP1
), y 3) c-
MYC
, un oncogén importante implicado en una amplia gama de cánceres humanos que regula p53 actividad pro-apoptótica (Ver Tabla S1 en el archivo S1). SNPs se genotipo utilizando Illumina Golden Gate y ensayos TaqMan (Applied Biosystems) en el Centro Español Core Genotipado del CNIO (CEGEN- CNIO). La genotipificación se realizó correctamente por 1.058 casos y 1.138 controles. Se calculó la cobertura para cada gen usando Haploview 4,2 mediante la selección de los SNPs dentro de un gen con un MAF≥0.05 del proyecto 1000 genomas, como referencia, y se obtuvo el número de SNPs capturadas con los SNPs genotipo en r2≥0.8 dentro de cada gen. Análisis FODA
estadística
salida de Hardy-Weinberg se evaluó en los controles mediante la prueba de chi-cuadrado de Pearson. genotipos que faltaban se cubrieron para el modelo multi-SNP utilizando el método BEAGLE 3.0 [21]. Las asociaciones entre UCB y los SNPs considerados se evaluaron utilizando dos enfoques: logística clásica y regresión politómica análisis aplicados a cada SNP individual, y el que menos absoluta contracción y selección del operador (LASSO) -penalized de regresión logística para evaluar todos los SNPs simultáneamente. Todos los modelos se ajustaron por edad al diagnóstico (casos) o una entrevista (controles), el sexo, la región y el hábito de fumar. El nivel de tabaquismo se codificó en cuatro categorías (no: & lt; 100 cigarrillos en su vida; de vez en cuando: al menos uno por día durante 6 meses o más; ex: si habían fumado regularmente, pero se detuvo al menos 1 año antes de la fecha de inclusión en el estudio; y corriente: si habían fumado regularmente dentro de un año de la fecha de inclusión [2]
Con los métodos estadísticos "clásicos" hemos evaluado SNP principales efectos para el conjunto de la enfermedad y para los diferentes subtipos de UCB, también. como SNP * SNP y SNP * interacciones fumadores. se definieron los subtipos de la enfermedad de dos maneras. en primer lugar, según los criterios establecidos sobre la base de la etapa del tumor (T) y grado (G) como NMIT de bajo riesgo (TaG1 y etiqueta 2), de alto riesgo NMIT (TAG3, T1G2, T1G3, y Tis) y MIT (T2, T3, y T4);. y segunda, de acuerdo con la expresión tumoral de p53 determinados usando anticuerpo DO7 Se aplicaron los histoscore como, cuando era el porcentaje de células .. con intensidad y luego se clasificaron los casos como de baja o de alta expresión de p53 en relación con el medio histoscore
para evaluar los efectos principales en general, se consideraron los cuatro modos de herencia: co-dominante, dominante, recesivo, y aditivo . La significación estadística de las asociaciones se determinó usando la prueba de razón de verosimilitud (LRT). Se evaluaron las asociaciones entre SNPs y subtipos de UCB mediante regresión logística politómica. La heterogeneidad según el subtipo de la enfermedad fue probado por un LRT comparar este modelo para que con el ln (O) restringido a ser igual en todos los subtipos. También se evaluó todas las interacciones bidireccionales entre SNPs por un LRT comparación de modelos de regresión logística con los dos SNPs (modelo aditivo) y covariables descritas anteriormente, con y sin un solo término de interacción para los efectos, por alelo-multiplicativos. Las interacciones entre cada SNP y el uso de cigarrillos (nunca vs. nunca) se evaluaron utilizando un método similar. múltiples ensayos se explica por la aplicación de una prueba de permutación con 1000 repeticiones. Aplicamos Quanto (http://hydra.usc.edu/gxe/) para evaluar el poder estadístico teniendo en cuenta el tamaño de la muestra disponible. Efectos SNP
también se evaluó combinaron mediante LASSO. El método ha sido descrito en detalle por [22]. En pocas palabras, la función de log-verosimilitud aplicado en la regresión logística clásica (1) donde
n
es el número de observaciones, se reconstruye la incorporación de una penalización de forma que (2) donde
p es el número
de SNPs y
λ
es la pena de lazo. El algoritmo de Newton-Raphson se aplica a la ecuación (2) para estimar
β
's de forma iterativa.
El método LASSO se basa en la idea de eliminar las variables de predicción irrelevantes (β = 0) a través del parámetro de penalti, seleccionando de este modo sólo los SNPs más relevantes como el subconjunto de los marcadores más asociados con la enfermedad. La aplicación del parámetro pena también evita overfitting debido tanto a alta dimensionalidad y colinealidad entre covariables. Sólo se consideraron modo de herencia genética aditiva de
.
Esta técnica da estimadores sesgados para reducir su varianza. Debido a esto, el paquete implementado en R no proporciona estimaciones de los valores de p para los coeficientes de regresión beta, ya que los errores estándar no son significativos bajo un estimador sesgado. Por lo tanto, se evaluaron los resultados mediante la aplicación de la primera LASSO utilizando una validación cruzada de 5 veces el método (CV) [23] para elegir el óptimo λ la que ha dado la información de Akaike criterio mínimo (AIC); entonces seleccionamos el subconjunto de SNPs que eran más informativa que λ. Se evaluó la solidez de cada SNP seleccionado en el modelo óptimo mediante el cálculo de la reproducibilidad como la proporción de veces que cada SNP fue seleccionado para estar en el modelo multivariado de 1.000 submuestras de arranque [24].
Para evaluar la asociación con UCB riesgo de que el subconjunto de SNPs, que los puso a prueba por la LRT en un modelo de regresión multivariante con todos los SNPs en comparación con el modelo nulo. Para corregir la sobreestimación por la pre-selección de los mejores SNPs, hemos realizado una prueba de permutación con 10000 repeticiones.
STATA 10 se utilizó para ejecutar la logística clásica y análisis de regresión multinomial. El resto de los análisis estadísticos se llevaron a cabo en R (http://www.R-project.org), utilizando la biblioteca penalizado [25] para la regresión logística LASSO penalizado.
Resultados
Tabla 1 muestra la distribución de los sujetos de estudio incluidos en el análisis: 1.058 casos y 1.138 controles. La mayoría de las personas (87%) eran hombres y casos tenían más probabilidades de ser fumadores actuales que los controles (43% vs. 25%, respectivamente, p-valor & lt; 0,001).
No hay evidencia de salida de se observó Hardy-Weinberg para los SNPs después de la consideración de múltiples pruebas (sin ajustar el valor p & gt; 10
-4). Los polimorfismos en
TP53
no estaban asociadas de forma individual con el riesgo de UCB, incluso a un nivel nominal, sin corregir 5% de significación (no corregida p-value & gt; 0,4). El porcentaje de la reproducibilidad del modelo LASSO usando 1.000 submuestras de arranque fue & lt; 50%, lo que indica un pobre solidez de los modelos. Los resultados de los modelos aditivos y codominantes se resumen en la Tabla 2.
El uso de regresión logística clásica, SNPs en
BAK1 gratis (1),
IGF1R gratis ( 5),
P53AIP1 gratis (1),
PMAIP1 gratis (2),
SERPINB5 gratis (3),
TP63 gratis (3), y
TP73
(1) mostró resultados significativos, en un no-corregida p-value≤0.05, con el riesgo de UCB general (Tabla 3). Sin embargo, no se observó evidencia de asociación con el riesgo de cualquier SNPs individuales después de corregir las múltiples pruebas (prueba de permutación p-valor & gt; 0,8). Este fue también el caso de las asociaciones con los subtipos de la enfermedad establecidas definidas en función del estadio /grado o por la expresión de p53 (Figura 1). Es de destacar que rs3758483 SNP rs983751 y en
FAS
fueron diferencialmente e inversamente relacionado con el MIT y alta que expresa p53 en tumores análisis no corregidos (cuadros S2 y S3 en S1 Archivo). También se observó ninguna evidencia de interacciones SNP * SNP o interacciones entre los SNPs y el hábito de fumar (datos no mostrados).
Un SNP
p-valor
por encima de la línea roja es considerado como asociado a la fenotipo después de la corrección de Bonferroni múltiples ensayos (4.2 para los efectos principales y 3,6 para los subtipos). Todos los modelos se ajustaron por edad, sexo, región y estado de consumo de cigarrillos.
Cuando los 184 SNPs fueron evaluados simultáneamente usando LASSO, el método seleccionado rs6567355 en
SERPINB5
con una reproducibilidad = 83%. Este SNP proporciona un OR = CI 1,21, 95% 1,05 a 1,38, p-valor = 0,006 en el modelo de regresión logística efecto principal y un valor de p corregido = 0,5 cuando se controla por sobreestimación (Tabla 3). Aunque no es seleccionada por LASSO en el último modelo bajo los criterios estrictas aplicadas,
IGF1R
-rs1058696 (OR = 0,63; IC del 95%: 0,44-0,90, p-valor = 0,010) y
TP63
-rs13321831 (OR = 1,36, IC 95% 1,06 a 1,73, p-valor = 0,014) mostró un porcentaje de reproducibilidad & gt;. 80%
Discusión
Estamos genotipo variantes comunes en los genes de
TP53
vía en 1.058 casos y 1.138 controles de ascendencia europea blanca, y no encontró una fuerte evidencia de asociación con el riesgo de UCB en general, o con subtipos de la enfermedad definida por etapa y el grado o por expresión de p53.
Un gen clave en la ruta es
TP53
, y la variante más comúnmente estudiado en este gen en particular es Arg72Pro (rs1042522). Su implicación en la susceptibilidad a diversos tipos de cáncer se ha reportado en las poblaciones de Asia, pero no en los europeos blancos. Un metaanálisis de 49 estudios de cáncer de cuello uterino que contribuyen con un total de 7.946 casos y 7.888 controles encontró que el alelo Arg se asoció con un mayor riesgo de cáncer de cuello uterino [14]. Sin embargo, otro meta-análisis de 39 estudios (26,041 29,679 casos y controles) se encontró una débil evidencia de una asociación de la misma variante con un menor riesgo de cáncer de mama [18]. En cuanto al cáncer gástrico, un análisis combinado de 6.859 casos y 9.277 controles de 28 estudios encontraron una fuerte asociación inversa sólo entre los asiáticos [26]. Para el cáncer de pulmón, un aumento en el riesgo marginalmente significativa fue en un análisis combinado de datos con 15.647 casos y 14.391 controles procedentes de 36 estudios, aunque la asociación también parecía estar confinado a la población asiática [27].
La asociación entre los
TP53
riesgo Arg72Pro y UCB se ha evaluado mediante dos meta-análisis. En general, ninguna asociación se observó por Jiang et al. cuando se comparan 1.601 casos y 1.948 controles de 10 estudios, aunque una asociación marginalmente significativa se observó entre los asiáticos (OR = 0,77, IC del 95%: 0,59 a 1,00, por ArgArg /ArgPro vs. Propro) [13]. Los resultados discordantes se han reportado recientemente la combinación de datos de 14 estudios que contribuye con 2.176 casos y 2.798 controles (OR = 1,268; IC del 95%: 1,003 a 1,602, por ArgArg /ArgPro vs. Propro entre la población asiática) [17]. Un gran número de estudios de superposición entre las dos meta-análisis. La falta de información sobre gen-gen y gen-medio ambiente, así como sobre el efecto concomitante de
TP53
mutaciones somáticas pueden explicar los resultados discordantes [28].
Los resultados de nuestro estudio confirman la falta de asociación de Arg72Pro en
TP53
con riesgo de UCB en los blancos europeos (OR = 0,98, IC 95% 0,77 a 1,26, para ArgPro vs. ArgArg y OR = 0,91, IC del 95%: 0.75- 1.09, por propro vs. ArgArg, valor de p = 0,5 para los efectos globales) [13], [17]. Sin embargo, no podemos descartar que la falta de potencia estadística puede dificultar la identificación de una pequeña asociación efecto: a pesar de su gran tamaño de la muestra, el tamaño de la muestra presente estudio podría detectar un OR≥1.3 per-alelo para este SNP con un poder estadístico del 90% y a un nivel de significación del 5%.
en cuanto a otros SNPs en
TP53
, Lin et al informaron de una asociación con rs9895829 y rs1788227 (p-valor = 0,003 y 0,027, respectivamente) en una pequeña estudiar con 201 casos y 311 controles en una población asiática [29]. No nos genotipo de estos SNP, a pesar de que están en alto LD con dos SNPs considerados aquí: rs8079544 (LD = 1,0) y rs12951053 (LD = 0,7), respectivamente. No obstante, ninguno de los SNPs evaluados en
TP53
parece estar asociado con el riesgo de UCB. La cobertura parcial del gen con los SNPs evaluados (38%) no permite que rechacemos el papel de
TP53 Hoteles en UCB susceptibilidad.
TP63
es otra de las claves miembro de la vía estudiado. Un SNP (rs710521) situado en este gen se ha informado de que se asocia con el riesgo de UCB por un GWAS (alelo per-O CI 1.12 a 1.27, p-valor = 1,19, 95% = 1,15 × 10
-7) [30]. Esta asociación se repitió de manera convincente en un análisis combinado de los datos de diferentes estudios (alelo-específicas OR = 1,18, IC del 95% 1.12 a 1.24, valor de p = 1,8 × 10
-10), incluyendo el nuestro, para lo cual era genotipo como parte de una iniciativa separada [4]. Es de destacar que este SNP particular, no mostró resultados significativos en nuestro estudio (OR = 0,95, IC 95% 0,83 a 1,10, p-valor = 0,5), un hecho que puede ser explicado por las diferentes exposiciones relacionadas con la ubicación geográfica de los estudios participantes , siendo UCB una enfermedad conducido al medio ambiente [31]. El presente estudio evaluó 32 SNPs en
TP63
, proporcionando el 24% de la cobertura de genes. Tres de ellos mostraron resultados significativos no corregidas en el análisis global de UCB asociación con un porcentaje de reproducibilidad & gt; 70% de LASSO. Estos resultados justifican un estudio UCB extendido en esta región.
En cuanto a otros SNPs en los genes seleccionados, no se encontró ninguna evidencia sólida de la asociación después de corregir las múltiples pruebas (prueba de permutación p-value≥0.8 para general principal efectos y p-value≥0.3 para efectos de subtipo). La parte superior (sin corregir) SNPs significativos se encuentra en
BAK1
,
IGF1R
,
P53AIP1
,
PMAIP1
,
SERPINB5
, y
TP73
. las variantes comunes en estos genes no han sido previamente reportado como asociado con el riesgo de UCB, aunque una expresión alterada de
BAK1
y
IGF1R
ha sido descrito en los tumores de vejiga.
Muchos enfermedades complejas, tales como UCB, son probablemente debido a los efectos combinados de múltiples loci [32] y la mayoría de los estudios de asociación tradicionales evaluación de los efectos principales de un SNP en un momento son de poca potencia para detectar pequeños efectos [33]. Por lo tanto, la implicación de las variantes genéticas comunes puede ser mejor evaluada por un método que tanto se selecciona un conjunto reducido de largo de SNPs y pruebas para la asociación a nivel mundial potencialmente asociados. Este ha sido un reto debido a la alta dimensionalidad y colinealidad entre los SNPs. Sin embargo, las técnicas penalizadas pueden hacer frente a estos problemas y que están empezando a surgir en los estudios de asociación genética. Wu et al utilizado penalizado regresión logística en un estudio de asociación del genoma completo aplicado a los datos de la enfermedad celíaca y Zhou et al extendido este trabajo para la evaluación de la asociación de variantes comunes y raras aplicadas a los datos del registro de cáncer familiar [34] [35]. En el presente estudio, se aplicó el algoritmo de LASSO para dar cuenta de los efectos de la combinación de los SNPs en la vía de TP53 y el riesgo de UCB. Bajo los criterios aplicados, este método seleccionó una SNP (rs6567355) que mostró una no corregida p-valor = 0,006 para el modo de aditivo de herencia con un porcentaje de reproducibilidad = 83%. Este es un frecuente G & gt; A SNP (MAF = 0,29), ubicado en la región del intrón de
SERPINB5
. Como se ha mencionado antes, no hay evidencias de asociación previa entre este SNP y cualquier enfermedad han sido reportados en la actualidad.
SERPINB5
es un supresor de tumores (Tabla S1 en el archivo S1). Los niveles de expresión de este gen se ha correlacionado con los de
DBC1
(Suprimido en cáncer de vejiga 1) en muestras de UCB, lo que sugiere su implicación en la vía de plasminógeno de tipo uroquinasa [36].
SERPINB5
merecería de una mayor exploración en estudios ampliados, también.
Una limitación de nuestro estudio es el etiquetado incompleta de los genes seleccionados debido a la utilización de una versión anterior HapMap para seleccionar la etiqueta SNPs, antes de la disponibilidad de datos del proyecto de 1000 genomas. La mediana de la cobertura de los 18 genes considerados en la vía es, de acuerdo con los comunicados de HapMap actualizados, el 44%, que van del 21% al 86%. Por lo tanto, no se puede descartar por completo la implicación de la variación común en estos genes en la susceptibilidad UCB
Por SNPs comunes (MAF & gt; 0,05)., Nuestro estudio es accionada (90%) para detectar ORs≥1.4 a una significancia nivel de 0,05, suponiendo un modo aditivo de la herencia. Por lo tanto, el estudio no es concluyente con O & lt; 1,4. Si bien este estudio representa uno de los mayores evaluaciones realizadas hasta el presente, serán necesarios estudios mucho más amplios para descartar más pequeños efectos principales asociados con las variantes comunes en los genes de esta vía. Esto es aún más importante cuando se consideran subfenotipo análisis. También se encontró ninguna evidencia de interacciones SNP-SNP (permutación de prueba p-value≥0.3) e interacciones SNP-fumadores (permutación de prueba p-value≥0.07), aunque el poder era aún más limitada para detectar estos. De acuerdo con la vía de candidatos, se seleccionaron los SNPs estudiados como etiquetas; Por lo tanto, no se correlacionaron que muestra una baja LD. Este hecho, vamos a superar una limitación potencial de afectar el porcentaje de reproducibilidad cuando SNPs son correlacionados alta.
El crédito debe también tener en cuenta este estudio, no sólo en cuanto a su gran tamaño de la muestra, sino también por su naturaleza prospectiva y representatividad de la enfermedad, de los métodos homogéneos aplica para recopilar información y muestras biológicas por los centros participantes, para la integración de los diferentes tipos de información (sociodemográficos, epidemiológicos, genéticos, clínicos y patológicos y moleculares), y para los enfoques estadísticos completos e innovadores aplicados para evaluar la susceptibilidad UCB relacionada con una vía altamente candidato.
en conclusión, el uso de un análisis global que representa diferentes modelos y enfoques diferentes, no se encontraron pruebas sólidas de que las variantes comunes en el
TP53
esas vías asociado con el riesgo de UCB. Sin embargo, los miembros específicos de la ruta,
TP63
y
SERPINB5
merecen una mayor exploración de los estudios prolongados. Por otro lado, nuestro estudio sugiere que es poco probable que
TP53
Arg72Pro está implicado en la UCB en los europeos blancos.
Mientras que el sonido biológica, vía de análisis candidatos han limitado tiro acuse de recibo en el genética campo de la susceptibilidad de muchas enfermedades. Las razones de esta pobre eficiencia relativa pueden ser, entre otros, la falta todavía de conocimiento de todos los componentes clave de una vía dada, la introducción de ruido considerando muchos genes /variantes sin mostrar asociación, y la falta de cobertura de variantes raras no etiquetado a través de este enfoque, además de las explicaciones metodológicas tal como un poder estadístico deteriorada. Los científicos deben revisar si es el momento para despedir a este enfoque hacia una estrategia de secuenciación más completa del genoma completo /exoma en la disección de la arquitectura genética de enfermedades complejas.
Apoyo a la Información del archivo
S1.
Combinado Apoyando archivo de información que contiene: Tabla S1, la ubicación y la función de los genes seleccionados. Tabla S2, la heterogeneidad en las estimaciones de riesgo polimorfismo de un solo nucleótido (SNP) entre subfenotipos cáncer de vejiga, definida según la etapa y el grado en el Estudio de Cáncer de Vejiga español. Tabla S3, la heterogeneidad de polimorfismo de un solo nucleótido (SNP) de las estimaciones de riesgo de cáncer de vejiga entre subfenotipos definidos por la expresión de p53 en el estudio del cáncer de vejiga español
doi:. 10.1371 /journal.pone.0089952.s001 gratis (DOCX)
Reconocimientos
reconocemos los coordinadores, trabajadores de campo y administrativos, técnicos y pacientes de la vejiga español Cancer Study /EPICURO.