Abstract
Fundo
O câncer colorretal é atribuído principalmente à dieta, mas o papel exercido pela alimentos ainda não está claro porque os fatores envolvidos são extremamente complexas. Geografia substancialmente os impactos sobre os alimentos. As correlações entre a variação internacional de padrões de mutação associada ao câncer colorretal e disponibilidades alimentares poderia destacar a influência dos alimentos na mutagênese colorectal.
Metodologia
Para testar essa hipótese, foram aplicadas técnicas baseadas em agrupamento hierárquico, extração de características e seleção, e reconhecimento de padrões estatísticos para a análise de 2.572 colorectal cancer associada
TP53
mutações de 12 países /áreas geográficas. Para as disponibilidades de alimentos, que se baseou em dados extraídos dos balanços alimentares da Organização para a Alimentação e Agricultura das Nações Unidas. Dendrograms para locais de mutação, tipos de mutação e padrões alimentares foram construídos por meio de algoritmo de agrupamento hierárquico de Ward e sua estabilidade foi avaliada avaliando valores silhueta. Seleção de características usadas medidas baseadas em entropia para semelhança entre agrupamentos, combinada com a análise de componentes principais por abordagens exaustivas e heurísticas.
Conclusão /Significado
As mutações agrupadas em dois grandes grupos geográficos, uma incluindo única Ocidental países, o outro da Ásia e partes da Europa. Isto foi determinado por variação da frequência de transição em CpG, o tipo de mutação mais comum. frequências mais altas de transições em CpGs no cluster que incluiu apenas os países ocidentais refletiu, principalmente, frequências mais altas de mutações em CpG códons 175, 248 e 273, as três principais
TP53
hotspots. pontuações de correlação de Pearson, calculados entre os principais componentes dos datamatrices para tipos de mutação, a disponibilidade de alimentos e locais de mutação, demonstraram correlações estatisticamente significativas entre as transições no CpGs e ambos os locais de mutação e às disponibilidades de carne, de leite, edulcorantes e gorduras animais, a densa de energia alimentos a base de dietas “ocidentais”. Este é o melhor explicável pela exposição diferencial ao dano no DNA nitrosativo devido aos alimentos que promovem o estresse metabólico e inflamação crónica
Citation:. Verginelli F, Bishehsari F, Napolitano F, Mahdavinia M, Cama A, Malekzadeh R, et al . (2009) Transições em dinucleótidos CpG, Geographic Clustering de
TP53
Mutações e disponibilidade de alimento Patterns no câncer colorretal. PLoS ONE 4 (8): e6824. doi: 10.1371 /journal.pone.0006824
editor: Irene Oi-Lin Ng, da Universidade de Hong Kong, Hong Kong
Recebido: 20 de maio de 2009; Aceito: 14 de julho de 2009; Publicado: August 31, 2009 |
Direitos de autor: © 2009 Verginelli et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados
Financiamento:. O estudo foi financiado pelo Ministério da Educação, Universidade e Pesquisa (Ministero dell’Istruzione, dell’Università e della Ricerca, MIUR) italiano e pelas Faculdades de Medicina e Farmácia, G. d’Annunzio University, Chieti, Itália (anos 2005- 08). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito
CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes
Introdução
O
TP53
gene (OMIM no. 191117), que codifica uma proteína de supressor de tumor que impulsiona várias respostas celulares ao estresse, incluindo paragem do ciclo celular, reparo do DNA, apoptose, metabolismo e autofagia, é frequentemente mutado no cancro [1], [2], [3], [4], [5], [6].
TP53
mutações são na sua maioria missense and Cluster em exons 5-8, a região evolutivamente conservada do domínio de ligação do ADN que contém ≈90% das mutações conhecidas e todos os pontos de acesso de mutação em dinucleótidos CpG [7], [8], [9], [10], [11]. modelos de laboratório e dados de tumores com factores de risco ambientais estabelecidos mostram que o
TP53
padrões de mutação reflectir assinaturas mutagénicos primárias de danos ao DNA por agentes cancerígenos, a vulnerabilidade de posições de nucleotídeos no DNA estrutura secundária, a eficiência do processamento de reparação, e seleção para a perda de trans-activação propriedades [10], [11], [12], [13], [14], [15], [16].
o câncer colorretal (CRC), em todo o mundo um dos mais neoplasias comuns, é atribuída principalmente a fatores de risco alimentares [17], [18], [19], [20], [21], [22], [23], [24].
TP53
mutações são encontradas em 50-60% de todos os CRCs e são pensado para originar em lesões pré-cancerosas, onde aberrante proliferam progenitores colonocyte estão diretamente expostos ao resíduo alimentar [25], [26]. No entanto, a
TP53
padrão de mutação típico de CRC pode não ser facilmente correlacionados com dieta, porque se caracteriza por uma preponderância marcante de G: C A: T transições [9], [13], [16]. Estas são as substituições mais frequentes de bases induzidas por espécies de oxigénio reactivas, subprodutos do metabolismo aeróbico normal gerada em níveis elevados em todos os processos inflamatórios e depois da exposição a uma grande variedade de agentes cancerígenos e agentes tóxicos [27], [28], [29], [ ,,,0],30], [31], [32], [33], [34]. Além disso desenvolvimento CRC parece depender de toda a vida nutrição padrão [23], e
TP53
mutações podem ocorrer anos antes do diagnóstico CRC [25], [35]. Assim, o prazo para a estimativa da dieta pode não conseguir captar o período relevante para a mutagênese e carcinogênese. Isso é complicado pela variação relativamente limitado nos hábitos alimentares dentro das populações individuais, por vieses em informar e registrar a ingestão dietética e pela avaliação problemática da exposição a agentes cancerígenos e tóxicos de origem alimentar, naturais e gerado na produção de alimentos, processamento, preservação, e preparação [17], [23], [36], [37], [38], [39], [40], [41], [42]. Ao aumentar a complexidade, a mutagénese intestinal pode ser modificado por nutriente /nutrientes, nutrientes /microflora, o metabolismo dos nutrientes /célula, nutriente /génica e interacções de nutrientes /reparação do ADN, e afectada por modificações epigenética, o tempo de trânsito do resíduo na dieta, as respostas inflamatórias e do sistema endócrino, massa corporal e consumo de energia através da atividade física [23], [40], [43], [44], [45], [46], [47], [48].
Geografia fortemente os impactos sobre os fatores ecológicos, culturais e económicos que determinam os sistemas alimentares e dietas. CRCs de pacientes embutidos em geograficamente diversas populações e culturas reflectem substancialmente diferentes exposições dietéticas, estendida ao longo de toda a vida e imparcial por erros de estimativa [17], [21], [23]. assinaturas de mutação Assim alimentares relacionados poderia ser destacado através da análise de variação geográfica no CRC-associados
TP53
mutações. Para testar essa hipótese, foram analisados 2.572
TP53
mutações associadas à CRCs primárias de 12 países ou áreas geográficas. As mutações (Banco de Dados S1) foram extraídos do
TP53
base de dados da Agência Internacional de Investigação do Cancro (IARC) (actualização R10, Julho – 2005, https://www-p53.iarc.fr/Somatic .html), com a adição de uma série iraniana [11], [49]. Para investigar as correlações entre agrupamento geográfico da
TP53
mutações e alimentos, contamos com os balanços alimentares (FBS) da Organização para a Alimentação e Agricultura das Nações Unidas (FAO, https://faostat.fao.org /site/368/DesktopDefault.aspx?PageID=368), que fornecem imagens únicas abrangentes dos padrões de abastecimento alimentar nacional, útil para comparações internacionais [50], [51], [52]. padrões de disponibilidade de alimentos (PQ) para os países /regiões geográficas no
TP53
banco de dados foram obtidos a partir da média
per-capita
suprimentos, em percentagem do valor calórico total, de cada grupo de alimento principal disponível para consumo humano durante o ano de referência de 1990 [17] (Dataset S1). Os datamatrices gerados para locais de mutação (MS), tipos de mutação (MT) e FP (Datamatrices S1) foram investigadas para a variação geográfica de agrupamento hierárquico (HC). Factores subjacentes HC foram definidos por análise de recurso (FA) através de análise de componentes principais (PCA). pontuações de correlação de Pearson foram calculados entre os principais componentes do tipo de mutação, padrão disponibilidade de alimento e local de mutação datamatrices. Estas análises demonstraram correlações significativas entre as transições no CpGs e ambos os locais de mutação, bem como as disponibilidades de carne, de leite, edulcorantes e gorduras animais. Os nossos resultados poderiam ser melhor explicada com a exposição diferencial ao dano no DNA nitrosativo devido ao consumo de alimentos altamente energéticos que promovem o estresse metabólico e inflamação crônica de baixo grau.
Resultados
A variação geográfica em mutação local e digite
Painéis a-B e C-D da Figura 1 mostram, respectivamente, de agrupamento hierárquico (HC) por /área geográfica do país para
TP53
locais de mutação (MS), com base em 2.542 exônico mutações, e tipos (MT), com base em 2.572 mutações nos exões e as fronteiras intrão-exão. As árvores MS e MT mostraram estruturas semelhantes, cada um com dois clusters geográficos principais, uma que inclua apenas os países ocidentais (I-MS, I-MT), o outro Ásia e partes da Europa (II-MS, II-MT). A principal diferença consistia na posição de West e da Europa Central na Segunda-MS e I-MT, respectivamente. Estabilidade de agregados foi avaliada por valores silhueta. parcelas silhueta para diferentes limiares, aplicada a cada dendrograma, foram comparados para avaliar a confiabilidade das soluções de cluster. Em ambos os casos, a estrutura de árvore mostrou dois aglomerados estáveis. O baixo valor silhueta de MT estava relacionada com a pouca estabilidade do ramo “Espanha”, atribuído a um I-MT ou II-MT. As estruturas de árvore MS e MT foram correlacionados por bicaudal teste de Mantel (r = 0,581,
P
= 0,001) (Figura 2).
agrupamentos hierárquicos (HC) por país /área geográfica e parcelas da silhueta por: A-B,
TP53
locais de mutação (MS); C-D,
tipos TP53
mutação (MT); . E-F, padrões alimentares (FP)
teste de Mantel mostra correlação entre as matrizes de distância de locais de mutação (MS) e tipos de mutação (MT), com o parâmetro da linha de regressão: r = 0,581, c = 0,015; R
2 = 0,338,
P
= 0,001 após 10.000 permutações.
Por FA multivariada nós próxima investigaram os fatores que determinaram o agrupamento de MS (
ie
., códons) e MT (
ou seja
., tipos de mutação), respectivamente usando abordagens heurísticas ou exaustiva. seleção de recurso destinado a identificar o subconjunto mínimo de recursos necessários para gerar a estrutura de agrupamento obtido utilizando todos os recursos. seleção de recurso para a frente sequencial com dois rankings diferentes, respectivamente, com base no número de mutações registadas para cada códon (feature) e sobre os coeficientes de PC de cada recurso, foi usado para analisar a datamatrix MS pela abordagem heurística (Figura 3).
os valores de similaridade estão no eixo y; número de recursos (
ou seja
, códons) no eixo x, respectivamente classificados por ordem decrescente de peso (número de mutações, painel A) e, em ordem decrescente dos 11 primeiros coeficientes de PC de cada recurso (onde 11 foi o número de computadores que contribuem 100% da variância dos dados, painel B). listas painel C (em ordem de número) códons (recursos) com a maior variância nos dados locais de mutação (MS), selecionado pelo peso da Classificação (23/173 códons) e por coeficientes PC do ranking (22/173 codões). No geral 19 códons, incluindo os cinco
TP53
hotspots de mutação (em amarelo), foram selecionados por ambos os métodos.
Stable agrupamento MS foi obtido com 23-weight classificados ou 22 PCA códons -ranked, em ambos os casos, incluindo o
TP53 cinco
hotspots de mutação (
ou seja
., CpG códons 175, 245, 248, 273, 282) [9], [13], [ ,,,0],16], de 173 códons mutado na datamatrix. A variância contribuído por os PCs do DataMatrix MS e os seus valores próprios são mostrados nos painéis A e D da Figura 4, respectivamente. variância total MS foi explicado por 11 componentes. Quatro componentes contribuíram 80% da variância, e o primeiro componente, que respondeu por 31%, apresentaram coeficientes de PC altamente significativas para os recursos correspondentes aos cinco hotspots CpG, conforme detalhado na S1 Arquivo e na Figura S1, painel A.
Os resultados obtidos utilizando o teste Scree estão apresentados nos painéis a-C. Total de locais de mutação (MS) variância (painel A) é explicado por 11 componentes, dos quais apenas são visualizadas 9, sendo o teste Scree cortadas ao nível de 98%. Quatro componentes contribuir com 80% da variância da MS, a primeira representando 31%. Total de tipos de mutação (MT) variância (B) é explicado por 4 componentes, o primeiro dos quais, de longe, o mais relevante, contribui 65% da variância. Total de padrões alimentares (FP) variância (C) é explicado por 3 componentes, o primeiro dos quais contribui 87,3% da variância. Os resultados obtidos usando o teste de Kaiser estão apresentados nos painéis D-F. Os primeiros 11 PCs para locais de mutação (MS) (A), os 3 primeiros PCs para tipos de mutação (MT) (B) e os 4 primeiros PCs para padrões alimentares (FP) (C) têm valores próprios superiores a 1 (linha vermelha).
Exhaustive FA multivariada da datamatrix MT é relatado nas Tabelas 1 e 2. em ordem decrescente, as características mais relevantes foram G: C a: T na CpGs, seguido de a: T C : G
, G: C A: T e G: C C: G. A variação contribuíram por cada PC do datamatrix MT e seus valores próprios são mostrados em painéis B e E das Figuras 4, respectivamente. variância total TA foi explicado por 4 componentes, o primeiro dos quais representavam 65%, e, como detalhado no ficheiro S1 e S1 na Figura, o painel D, o mais elevado carregamento característica PC entre os tipos de mutação 8 correspondeu a transições em CpG. Outras mutações, incluindo transições em não-CpG, foram associados a pequenas frações de variância.
A caixa-parcelas de frequência de mutações nos códons 19 com maiores pesos e maiores coeficientes de variância PCA na Figura 5, painel a, apresentaram frequências de mutação mais elevadas para as três principais codões de ponto de acesso 175, 248, e, em particular, 273, em que MS-II contra-MS. Isto refletiu maiores freqüências de transições em CpGs na I-MT (variação: 46,1-61,2%) versus II-MT (variação: 41,2-43,3%) na freqüência box-plots dos tipos 8 de mutação na Figura 5, painel B. tais características mais relevantes foram usados para visualizar geograficamente MS e variação MT (Figura 6, painéis de a-B). agrupamentos destacados de países /regiões geográficas foram semelhantes para os grupos de MS e MT na Figura 1, obtidos por HC, utilizando todos os recursos. Em geral estes resultados indicam que no CRC
TP53
mutagênese de transição pelo CpGs é modulada por fatores relacionados à geografia. Isso pode refletir diferenças na exposição (s) para processo específico associado-food mutagênico (es) [53].
Em cada painel, diagramas de caixa referentes aos clusters I versus II de sítios de mutação (MS), tipos de mutação (MT) e padrões alimentares (FP) obtidos por agrupamento hierárquico são-codificados por cores em vermelho (grupo I) e azul (grupo II), respectivamente. Painel A: frequência box-plots de mutações nos códons 19 com maiores pesos e maiores coeficientes de variância PCA (identificado na Figura 4). frequências de mutação mais elevadas para as três principais códons CpG hotspot 175, 248, e 273 em I-MS contra II-MS são evidentes. Painel B: Frequência de box-plots dos tipos de mutação 8, mostrando altas freqüências de transições em CpGs na I-MT (variação: 46,1-61,2%) versus II-MT (variação: 41,2-43,3%). Painel C: box-plots da percentagem média do valor calórico total disponível de cada grupo de alimento principal dos respectivos países /áreas geográficas, mostrando cereais mais baixos para os países /áreas geográficas na I-FP contra aqueles na Segunda-FP, equilibrado pela carne superior, leite, edulcorantes e gorduras animais.
recursos selecionados dos locais de mutação (MS, a), tipos de mutação (MT, B) e os padrões de disponibilidade de alimentos (FP, C) datamatrices foram mutações em três principais
TP53
hotspot códons 175, 248, e 273 para MS; G: C A: mutações T em CpGs para MT; /leite /adoçantes /gorduras animais de carne (adicionado), cereais (subtraídos) para FP. frequências de recursos foram somados e projetada em amarelo com a faixa cor vermelha para os perfis geográficos dos países relevantes /áreas geográficas.
A variação geográfica nos padrões de abastecimento de comida de
Para resolver este problema, analisamos a datamatrix FP por HC e FA através de PCA. HC para FP foi baseado na média
per valores de abastecimento caput
, em percentagem do total de calorias disponíveis, de cada grupo de alimento principal nos /áreas geográficas relevantes países durante o ano de referência de 1990 [17]. HC rendeu dois grupos principais, I-FP, com os países ocidentais e no Japão, e II-FP, com Sul e Leste da Ásia, mais Iran (Figura 1, painéis E-F). A clusterização do Japão em I-FP tinha um valor silhueta baixa e contrastados com as atribuições anteriores do Japão para grupos II-MS e II-MT. Para verificar a atribuição do Japão, geramos todos os possíveis subconjuntos dos 13 recursos FP (grupos de alimentos),
i
., 8192 subconjuntos. árvores HC, cortados para obter dois conjuntos, em seguida, foram gerados com base em cada um desses subconjuntos. Dendrograms foram classificados como A ou B, quando o Japão clusterized, respectivamente, no II-FP ou I-FP e, como C, quando diferente do A e B. No geral 2.405 agrupamentos, classificado como A, atribuído Japão a se agrupar II-FP com o Irão e do Sul e Leste da Ásia; 4178, classificados como B, atribuído Japão a se agrupar I-FP, com os países ocidentais; e 1609 foram classificados como C, sendo diferente de A e B. Os histogramas da Figura S2, painéis A-B, que visualizam o número de vezes que cada uma das 13 características estava presente quando agrupamentos do tipo A ou B, respectivamente, foram obtidos, prontamente mostram que apresentam cereais foi quase sempre ausente nos agrupamentos do tipo a e quase sempre presente em agrupamentos do tipo B. Assim, o Japão juntou-se I-FP só por causa da baixa disponibilidade de cereais.
Tabelas 3 e 4 mostram os resultados da FA exaustiva da datamatrix FP. Em ordem decrescente, as características mais relevantes foram os cereais, leite e carne. PCA mostrou que variância total FP foi explicada por 3 componentes, o primeiro dos quais foram responsáveis por uma grande fração de 87,3% (Figura 4, painéis C e F). A variação deste componente, que, por ordem de carregamento, incluídos os cereais recursos, carne, leite, adoçantes, gorduras animais (Arquivo S1 e Figura S1, painel G), explicou a estrutura da árvore, determinado pelos cereais mais baixos e carne superior, leite , adoçantes e gorduras animais em I-FP relação ao II-FP, como mostrado nos painéis C e F da Figura 4.
As correlações entre o padrão de mutação e padrão de fornecimento de alimentos
os dados dos datamatrices MS, MT e FP foram projetadas no espaço 1-dimensional gerado por seus respectivos PCs. correlações de pares de Pearson foram então computadas para os três datamatrices em todos os espaços projetados. Tabelas 5 a 7 mostram a pontuação de correlação, e os correspondentes
P
-Valores, obtido durante os primeiros 3 PCs de cada datamatrix, que, com exceção de MS, responsável pela maior parte da variância. correlação de Pearson entre os PCs para MT e para FP (Tabela 5) mostrou que o primeiro PC de MT foi correlacionada com o primeiro PC de FP, com r = -0,60 (
P
= 0,039). Disponibilidades de carne, de leite, edulcorantes e gorduras animais foram directamente correlacionada com as transições na CpGs, a disponibilidade de cereais às transições em não-CpG (File S1 e Figura S1, painéis D e G). Conforme detalhado na S1 Arquivo e na Figura S1, outras correlações menos importantes envolvidos segundo e terceiro PCs, que responderam por pequenas frações de variância. Com a mesma análise, os primeiros PCs para MS e MT para resultou novamente fortemente correlacionado, com r = -0,87 (
P
= 0,0002, Tabela 6), que apoiou os resultados dos testes de Mantel (Figura 2). No entanto, apesar da correlação entre MT e FP, não houve correlações significativas entre os PCs de MS e FP (Tabela 7).
Gráficos de dispersão com regressão linear sobreposta mostrando a tendência global de correlações foram construídos para os países /regiões geográficas, tal como projectado nos espaços 2-dimensional gerado pelos primeiros PCs de MS e MT (Figura 7) e de MT e FP (Figura 8). Como mostrado na Figura 7, Itália, Irã, Ásia Meridional e Oriental e Ocidental e na Europa Central teve freqüências relativamente mais baixos de mutações nos códons hotspot CpG, compensado por maiores freqüências de mutações em todos os outros locais (ver também Box-gráficos da Figura 2) . frequências de mutação em hotspots CpG aumentou em outros países, com freqüências mais elevadas na Austrália e no Reino Unido. Conforme mostrado na Figura 8, as transições na CpGs correlacionadas com países /regiões geográficas caracterizadas por disponibilidades superiores de, alimentos de estilo ocidental altamente energéticos, enquanto a Sul e Leste da Ásia, Irã, Japão e, em menor grau, na Itália, em que os cereais foram superior e carne, leite, edulcorantes e gorduras animais inferiores, teve frequências mais baixas de tais mutações.
Gráfico de dispersão dos países /regiões geográficas no
TP53
base de dados projectada no espaço 2-dimensional gerado pelos primeiros componentes principais de sites de mutação (mutação site PC2) e tipos de mutação (mutação Tipo PC1). Itália, Irã, Ásia Meridional e Oriental e Ocidental e na Europa Central têm freqüências relativamente mais baixos de mutações nos codões hotspot CpG, compensado por maiores freqüências de mutações em todos os outros locais (ver também caixa-parcelas na Figura 5). frequências de mutação em CpG aumento hotspots em outros países, com freqüências mais elevadas na Austrália e no Reino Unido. Uma regressão linear mostra a tendência global da correlação (r = -0,8742).
Gráfico de dispersão dos países /regiões geográficas no
TP53
base de dados projectada no 2-dimensional espaço gerado pelas funcionalidades de maior coeficiente de o primeiro componente principal (PC) de disponibilidade de alimentos padrão (FP),
ou seja
., cereais, carne, leite, adoçantes, gorduras animais, e do primeiro PC da mutação tipo (MT),
ou seja
, G: C a:. T em CpGs. Uma regressão linear mostra a tendência de correlação global.
No geral, a variação na frequência de transições em CpGs refletido variação nas disponibilidades de alimentos altamente energéticos que formam a base de dietas “de estilo ocidental” e que estão ligados ao excesso de peso e obesidade [18], [20], [21], [22], [23]. Transições em não-CpGs equilibrado decréscimos em transições em CpGs nos países /áreas geográficas em que os cereais compensaram as disponibilidades inferiores de tais alimentos.
Discussão
Vários estudos abordaram a questão da mutagênese transição CpG em cancro, com especial destaque para
TP53
mutações no CRC. Sendo CpGs ex�icas constitutivamente hiper-metilado, C para T mutações na codificação CpGs em
TP53
devem ser marcados como transições diretas de hipermutável 5-metilcitosina a timina [54], [55], [56], [57 ], [58], [59]. folato é um determinante ambiental definido de metilação genômico [23], [60], [61]. modelos de laboratório e dados sobre CRCs em pacientes portadores de uma reductase da linha germinativa metilenetetrahidrofolato (
MTHFR
) variante genética que resulta no plasma reduzida e folato sérico sugerem que a baixa folato, através da indução de hipometilação global, podem diminuir a
TP53
mutagénese de transição em CpG [62], [63], [64]. alimentos ricos em folato incluem vegetais frescos, leguminosas (leguminosas) e cereais relativamente não transformados [65], [66]. Pouco se sabe sobre a variação de metilação do DNA entre indivíduos e populações [67], [68]. Nós não encontrou qualquer correlação entre a disponibilidade de legumes ou pulsos e
TP53 padrão
mutação, enquanto cereais, relativamente não transformados, na maioria dos países asiáticos [69], [70], inversamente correlacionada com as transições na CpGs. Assim disponibilidade de folato pode não conta para os nossos resultados. Esta conclusão está de acordo com estudos que mostram que, na ausência de interagir efeitos genéticos, folato por si só não influenciar
TP53
padrões de mutação em CRC (embora possa afetar a expressão da proteína TP53) [44], [71], [72 ].
o hipermutabilidade de endógena 5-metilcitosina não
per se
explicar o papel único de transições em CpGs no agrupamento geográfico da
mutações TP53
[57], [ ,,,0],58], [59]. No entanto transições na CpGs em
TP53
são eficientemente induzidas por danos no DNA nitrosativo [31], [58], [59], [73], [74], [75]. O óxido nítrico (NO), uma molécula de sinalização crítica implicada na regulação do peristaltismo, funções intestino vasomotores e inflamação das mucosas, podem contribuir para a transição de mutagénese em CpG actuam directamente no 5-methylcytosines, por desaminação nitrosativo em ambientes oxidantes, e, indirectamente, em guaninas, por alquilação de base após a conversão de nitrato, a redução microbiana de nitrito e formação endógena de compostos N-nitrosos [73], [74], [75], [76], [77], [78], [79], [80], [81], [82]. Mutagénese em CpG pode ser facilitado por inibição induzida por NO da reparação do ADN [75], [80]. Além disso, não promove a apoptose através de
TP53
e, portanto, exerce uma pressão seletiva crítico para
TP53
mutação [83], [84], [85], [86].
nO é produzido em concentrações mutagénicos pela nO sintase induzível (iNOS), a isoforma da enzima generalizada regulada positivamente por citocinas inflamatórias [76], [82], [87]. Já foi sugerido que o excesso de
TP53
transições na CpGs encontradas em cancros que surgem sobre um fundo inflamatória crónica, tais como CRC na colite ulcerativa e câncer de bexiga associado com
A esquistossomose
, resultados de estresse nitrosativo [74], [88]. transições Além disso no CpGs estão fortemente relacionados com a expressão iNOS, tanto CRC e adenocarcinoma do esôfago de Barrett [89], [90]. A arginina, o substrato para a síntese de NO e um potencial factor dietético relacionados com CRC [87], [91], [92], [93], está contido em uma variedade de alimentos ricos em proteínas de origem vegetal [65] animal e, [66] e não podem
per se
explicar por que a variação na frequência de transições em CpGs correlacionados com a variação nas disponibilidades de carne, de leite, edulcorantes e gorduras animais. No entanto sabe-se que esses alimentos com alta densidade energética promover um meio pró-inflamatória que aumenta a expressão de iNOS e produção de [23], [78], [94], [95], [96], [97], [98] , [99], [100], [101]. Além disso carne vermelha é uma importante fonte exógena de compostos azotados e de heme, que contribuem para a N-nitrosação no ambiente intestinal [23], [102], [103], [104], [105], [106], [ ,,,0],107], [108]. Tais considerações são suportadas pelo fato de que nossos dados apontam para um papel-chave do ubiquitously metilado grande
TP53
hotspot códons 175, 248 e 273 em agrupamento geográfico. De facto, a grande maioria das mutações nessas 3 codões relatados no cancro humano são compatíveis com desaminação nitrosativo [9], [11], [32], [54], [74], [109]. Além disso, as transições no códon 248 foram induzida experimentalmente com um composto que liberta NO [110] enquanto mutações no códon 273 foram encontrados para estar fortemente associado a dietas ricas em carne vermelha e gordura [44].
Em conclusão, reconhecemos as dificuldades inerentes à interpretação causas e os mecanismos responsáveis pelo CRC-associado
TP53
mutações, que são o resultado final de cascatas complexas de eventos. É importante ter em mente as limitações das nossas análises, com base em um único, embora grande, banco de dados de mutações. Além disso FAO FBS, os únicos padronizados dados abrangentes de alimentos disponíveis para comparações internacionais, padrões de abastecimento alimentar aproximados. No entanto, a variação geográfica em CRC-associado
TP53
padrões de mutação parece ser devido às transições na CpGs e, principalmente, relacionado com diferencial frequências de mutação na grande
TP53
hotspots. Isto poderia ser explicada pela exposição diferencial ao dano no DNA nitrosativo, vinculado ao consumo de alimentos promovendo estresse metabólico e inflamação crônica de baixo grau.
Materiais e Métodos
Bases de dados, conjuntos de dados e Datamatrices
Foram analisados 2.572 mutações no
TP53
exons 5-8 recuperados de CRCs primárias, incluindo 2.475 de 12 países ou áreas geográficas, extraídos da em
TP53
base de dados da Agência Internacional de Investigação do Cancro (IARC) (actualização R10, julho de 2005, https://www-p53.iarc.fr/Somatic.html), e 97 do Irã [11], [49]. Mutações em adenomas, CRC metastático e as linhas celulares foram excluídos, bem como o seu espectro pode diferir daquela de CRC primário [111]. As análises foram baseadas em 2.542 mutações em regiões codificantes de MS, e em 2572 (
i
., Todas as mutações) para MT (Banco de Dados S1). As mutações foram agrupadas de acordo com o país ou área geográfica, este último incluindo os países geograficamente e etnicamente relacionados com números baixos de mutação. Países e número de mutações para MS e MT, foram: Austrália (incluindo 6 mutações da Nova Zelândia), MS: 302, MT: 302; EUA, MS: 233, MT: 237; França, MS: 215, MT: 221; Itália, MS: 181, MT: 182; Espanha, MS: 181, MT: 182; Reino Unido (incluindo 3 mutações da Irlanda), MS: 131, MT: 134; Irã, MS: 94, MT: 97; Japão, MS: 323, MT: 326. áreas geográficas foram: Oeste e Europa Central (Alemanha, Áustria, Suíça, Holanda, Luxemburgo), MS: 174, MT: 178; Sul e Leste da Ásia (China, Hong Kong, Taiwan, Singapura), MS: 315, MT: 318; Noruega-Dinamarca, MS: 162, MT: 162; Suécia-Finlândia, MS: 231, MT: 233. Mutações do Brasil, Chile, Israel, Turquia, Coréia e países do Leste Europeu listadas na atualização R10 da IARC
TP53
banco de dados foram excluídos devido a baixos números.
O conjunto de dados FP (Dataset S1 ) foi extraído a partir da FAO FBS a [50], [51] compilado para o ano de referência 1990 (https://faostat.fao.org/site/368/DesktopDefault.aspx?PageID=368), tal como utilizado na referência [17 ]. seleção do ano tendem a excluir os mais recentes e atuais variações internacionais em disponibilidades alimentares e nutrição, como CRC desenvolve ao longo de vários anos e é principalmente diagnosticada em pacientes com 65 anos ou mais [112], enquanto o IARC
TP53
banco de dados compila mutações desde 1989 [11]. O conjunto de dados FP incluiu os seguintes principais grupos de alimentos: gorduras animais, produtos animais, cereais, peixe /marisco, frutas, carne, leite, oilcrops, legumes (legumes), raízes ricas em amido, adoçantes, óleos vegetais e legumes. Para efeitos do presente estudo foi excluída álcool, sendo a maior parte dos dados sobre a disponibilidade média das bebidas alcoólicas não informativos e, potencialmente, de confusão, devido à grande variabilidade inter-individual [23]. Especiarias e estimulantes, que representam baixas percentagens de fornecimento de energia diária total disponível, também foram excluídos. As análises estatísticas foram, portanto, conduzida usando a contribuição percentual estimado (%) de cada grupo de alimentos considerados para significar
per caput
disponibilidade de energia diária [17]. disponibilidades médias ponderadas foram calculadas para áreas geográficas através do ajuste para o tamanho 1,990 população de cada país incluído. 2008;