Abstract

Introdução

variantes germinativa no

TP63

têm sido consistentemente associada a vários tumores, incluindo o câncer de bexiga, indicando a importância da

TP53

via no câncer susceptibilidade genética. No entanto, as variantes de outros genes relacionados, incluindo

rs1042522 TP53

(Arg72Pro), ainda apresentam resultados controversos. Realizou-se uma avaliação em profundidade de associações entre as variantes da linha germinativa comuns no TP53

via e da bexiga risco de câncer.

Material e Métodos

Foram investigados 184 tagSNPs de 18 genes em 1058 casos e 1.138 controles do Estudo Epicuro Câncer /Espanhol bexiga. Os casos foram recém-diagnosticados doentes com cancro da bexiga durante 1998-2001. controles hospitalares foram a idade-sexo, e a área corresponde a casos. SNPs foram genotipados em DNA de sangue, utilizando Illumina Golden Gate e ensaios TaqMan. Os casos foram subphenotyped acordo com a fase /série e de expressão p53 tumor. Foram aplicados testes clássicos para avaliar as associações SNP individuais e análise de regressão Least Absolute Encolhimento e Seleção Operator (LASSO) -penalized logística para avaliar múltiplos SNPs simultaneamente.

Resultados

Com base em análises clássicas, SNPs em

BAK1

(1),

IGF1R

(5),

P53AIP1

(1),

PMAIP1

(2),

SERINPB5

(3),

TP63

(3), e

TP73

(1) mostrou associações significativas em p-value≤0.05. No entanto, não houve evidência de associação, seja com risco global ou com os subtipos de doenças específicas, após correção para testes múltiplos (p-value≥0.8). LASSO selecionou os rs6567355 SNP em

SERPINB5

com 83% de reprodutibilidade. Este SNP forneceu uma OR = 1,21, 95% CI 1,05-1,38, p = 0,006, e um valor de p corrigido = 0,5, quando o controle de sobre-avaliação.

Discussão

não encontrou nenhuma evidência forte de que variantes comuns no

TP53

via estão associados a suscetibilidade ao câncer de bexiga. Nosso estudo sugere que é improvável que

TP53

Arg72Pro está implicada na UCB em brancos europeus.

SERPINB5

e

TP63

variação merecem estudos posteriores em estudos prolongados

Citation:. Pineda S, Milne RL, Calle ML, Rothman N, López de Maturana E, Herranz J , et ai. (2014) Variação genética no gene TP53

Caminho e do cancro de bexiga de Risco. Uma análise global. PLoS ONE 9 (5): e89952. doi: 10.1371 /journal.pone.0089952

editor: Masaru Katoh, National Cancer Center, Japão

Recebido: 29 de outubro de 2013; Aceito: 24 de janeiro de 2014; Publicado: 12 de maio de 2014

Direitos de autor: © 2014 Pineda 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:. Este trabalho foi apoiado pelo Fondo de Investigación Sanitaria, Espanha (números de subvenção 00/0745, PI051436, PI061614, G03 /174); Red Temática de Investigação Cooperativa en Câncer (número de concessão RD06 /0020-RTICC), Espanha; Marató TV3 (número de concessão 050.830); Comissão Europeia (números de subsídios da UE-FP7-HEALTH-F2-2008-201663-UROMOL; Institutos Nacionais de Saúde (subvenção número EUA-NIH-SR1-CA089715) e do Programa de Pesquisa Intramural da Divisão de Cancer Epidemiology and Genetics, National Cancer Institute dos Institutos nacionais de Saúde, EUA;. Consolider ONCOBIO (Ministerio de Economía y Competitividad, Madrid, Espanha) 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: FX real é um membro do Conselho Editorial PLOS ONE Isto não altera a adesão dos autores para todas as políticas de PLoS One sobre os dados e materiais de partilha

Introdução

em países mais desenvolvidos, carcinoma urotelial da bexiga (UCB) é o quarto tipo de câncer mais comum em homens eo XVII em mulheres, a proporção male:female geral sendo 03:01. Esta proporção é maior (06:01) em Espanha, onde a doença apresenta uma das maiores taxas de incidência entre os homens (51 por 100.000 homem-ano) [1]. tabagismo e exposição ocupacional a aminas aromáticas foram estabelecidos como os fatores de risco mais fortes, entre outros [2]. Embora nenhum de alta penetrância alelo /gene foi identificado até agora como associado com a UCB, há evidências bem estabelecido que o risco UCB é influenciado por variações genéticas comuns [3], [4].

Estudos anteriores caracterizadores UCB são consistentes com a existência de, pelo menos, dois subtipos da doença com base nas suas características morfológicas e genéticas. O primeiro subtipo inclui baixo risco, papilar, os tumores não-invasivos (musculares NMIT, 60-65% de toda a UCB) e o segundo tipo inclui tanto NMIT de alto risco (15-20% de toda a UCB) e músculo tumores invasivos ( MIT, 20% -30% de todas da UCB). O apoio a esses subtipos morfológicos, caminhos genéticos diferenciais foram descritas e foram associados com a evolução UCB distinta. mutações somáticas no

FGFR3

são mais frequentes em baixo risco NMIT, enquanto mutações no

TP53

e

RB

estão envolvidos principalmente em NMIT de alto risco e MIT [5] , [6]; mutações no

PIK3CA

e

HRAS

ocorrem de forma semelhante nos dois subtipos de tumor. Curiosamente, uma análise exploratória mostrou que algumas variantes genéticas germinativas pode ser diferencialmente associado com o risco de desenvolver subfenótipos UCB distintos definidos de acordo com o estágio do tumor (T) e grau (G) [7].

TP53

é o gene supressor de tumor humano mais importante e suas implicações em UCB têm sido extensivamente estudados [8].

TP53

está localizado in17p13, uma região que é frequentemente suprimida em cancros humanos, e codifica a proteína p53. p53 é um factor de transcrição controlando a proliferação celular, o ciclo celular, sobrevivência celular, e a integridade genómica e – por conseguinte – que regula um grande número de genes. Sob condições celulares normais, o p53 é rapidamente degradada devido à actividade de

MDM2, um regulador negativo do p53 que também é um gene alvo p53. Após o dano no DNA ou outras agressões, a p53 é estabilizada e regula a expressão de muitos genes envolvidos na paragem do ciclo celular, apoptose, e a reparação do ADN, entre outros. alterações somáticas no

TP53

/p53 é uma das alterações mais freqüentes associadas a UCB, especialmente com os tumores mais agressivos [9].

germinativa

TP53

mutações predispor a um amplo espectro de cancros de início precoce e causar Li-Fraumeni e síndromes relacionadas [10], [11]. Estas mutações são geralmente substituições de base única. Mais de 200 polimorfismos germinativas única (SNPs) em

TP53

foram identificados no momento [12]. rs1042522 SNP (Arg72Pro) foi avaliado em associação com vários tipos de câncer, entre eles UCB. No entanto, os resultados destes estudos são inconsistentes [13], [14], [15], [16], [17], [18]. Em contraste, uma associação entre rs710521 SNP em

TP63

, um

TP53

membro da família, e o risco de UCB foi convincentemente replicado, apontando para o envolvimento de

TP53

pathway membros em UCB a susceptibilidade [4].

o objetivo deste estudo foi investigar exaustivamente se SNPs germinativas em genes envolvidos no TP53

via estão associados com risco de UCB. Para este fim, um total de 184 tagSNPs em 18 genes-chave foram avaliados usando dados do estudo espanhol do cancro de bexiga /Epicuro.

Materiais e Métodos

Os sujeitos do estudo

A Espanhol cancro de bexiga /estudo Epicuro é um estudo de caso-controle realizado em 18 hospitais de cinco áreas na Espanha e descrito em outros lugares [2], [4], [7]. Resumidamente, os casos eram pacientes diagnosticados com UCB primária na idade de 21-80 anos entre 1998 e 2001. Todos os participantes eram de ascendência europeia branco auto-referida. lâminas de diagnóstico de cada paciente foram analisadas por um painel de patologistas especializados para confirmar o diagnóstico e para assegurar que os critérios de classificação uniformes foram aplicadas com base na Organização Mundial da Saúde 1999 Mundial e Sociedade Internacional de Patologia sistemas urológicos [19].

os controles foram pacientes internados em hospitais participantes para as condições que se pensa estar relacionado com os fatores de risco UCB. As principais razões para a admissão hospitalar foram: hérnia (37%), outra cirurgia abdominal (11%), fratura (23%), outro problema ortopédico (7%), hidrocele (12%), distúrbio circulatório (4%), dermatológicas desordem (2%), perturbação oftalmológica (1%), e outras doenças (3%). Os controles foram pareados individualmente aos casos relativos à idade dentro das categorias de 5 anos, sexo, origem étnica e região de residência.

As informações sobre características sociodemográficas, tabagismo, exposição ocupacional e ambiental, e história médica e familiar pregressa de câncer foi recolhido por monitores do estudo treinados que realizaram uma entrevista assistida por computador abrangente pessoal com os participantes do estudo durante a sua permanência no hospital. De 1.457 casos elegíveis e 1.465 controles, 1.219 (84%) e 1.271 (87%), foram entrevistados, respectivamente.

Todos os indivíduos deram consentimento informado por escrito para participar do estudo, que foi aprovado pelos comitês de ética um dos centros participantes

a genotipagem

Um total de 184 tagSNPs de 18 genes que participam no TP53

via foram selecionados usando o selecione o programa de SNPs (SYSNPs) [20. ]. SYSNP usou a informação de dbSNP b25, hG17 e HapMap Release # 21. Tagger algoritmo do Haploview (v3.32) foi aplicado com valores de parâmetro padrão. A ferramenta considera todas as informações disponíveis para cada SNP e implementa algoritmos que fornecem o estado de cada SNP como uma tagSNP, um SNP ou capturado um SNP não capturado. De acordo com esta informação, foram seleccionadas tagSNPs. Foram considerados os seguintes grupos de genes: 1)

TP53

membros da família (

TP53

,

TP63

e

TP73

) e 2) genes conhecidos ser alvos de p53 ou reguladores da função p53 [

BAK1, BAX, BBC3, BIRC5, CDKN1A, FAS, GADD45A, IGF1R, MDM2, PCNA, PMAIP1, SERPINB5, SFN

(Stratifin, 14-3-3sigma) ,

TP53AIP1

), e 3) c-

MYC

, um importante oncogene envolvido em uma ampla gama de cancros humanos que regula p53 atividade pró-apoptótica (Ver Tabela S1 no arquivo S1). SNPs foram genotipados usando Illumina Golden Gate e ensaios TaqMan (Applied Biosystems) no Centro Espanhol Núcleo genotipagem na CNIO (CEGEN- CNIO). A genotipagem foi bem sucedido para 1.058 casos e 1.138 controles. Calculou-se a cobertura de cada gene usando Haploview 4.2, selecionando as SNPs dentro de um gene com um MAF≥0.05 do projeto 1000 genomas, como referência, e obteve o número de SNPs capturadas com os SNPs genotipados em r2≥0.8 dentro de cada gene.

Análise

estatística

partida de Hardy-Weinberg foi avaliada em controles através do teste do qui-quadrado de Pearson. genótipos em falta foram imputados para o modelo multi-SNP utilizando o método BEAGLE 3.0 [21]. As associações entre a UCB e os SNPs considerados foram avaliados utilizando duas abordagens: logística clássica e regressão politômica análises aplicada a cada SNP individualmente, e os menos Absolute Encolhimento e Seleção Operator (LASSO) -penalized de regressão logística para avaliar todos os SNPs simultaneamente. Todos os modelos foram ajustados para idade ao diagnóstico (casos) ou entrevista (controles), sexo, região, e tabagismo. tabagismo foi codificado em quatro categorias (nunca: 100 cigarros em sua vida; ocasional: pelo menos uma por dia durante ≥ 6 meses; ex: se eles haviam fumado regularmente, mas parou de pelo menos 1 ano antes da data de inclusão no estudo; e corrente: se eles haviam fumado regularmente dentro de um ano da data de inclusão [2]

Com as abordagens estatísticas “clássicos” que avaliaram principais efeitos SNP para toda a doença e para diferentes subtipos de UCB, também. como SNP * SNP e SNP * interações fumadores. subtipos da doença foram definidos de duas maneiras. em primeiro lugar, de acordo com critérios estabelecidos com base no estágio do tumor (T) e grau (G) como NMIT de baixo risco (tag1 e tag2), alto risco NMIT (TAG3, T1G2, T1G3, e Tis), e MIT (T2, T3, e T4);. e em segundo lugar, de acordo com a expressão de tumores de p53 determinado utilizando anticorpo DO7 aplicou-se o histoscore como, onde estava a percentagem de células .. com uma intensidade em seguida, os casos classificados como tendo baixa ou alta p53 expressão relativa ao histoscore mediana

para avaliar os efeitos principais globais, foram considerados os quatro modos de herança: co-dominante, dominante, recessiva e aditiva . A significância estatística das associações foi determinada utilizando o teste de verossimilhança (LRT). Foram avaliadas as associações entre SNPs individuais e subtipos de UCB meio de regressão logística politômica. Heterogeneidade por subtipo da doença foi testado por um LRT comparando este modelo para que, com o ln (OU) restrito a ser igual entre os subtipos. Também avaliamos todas as interações bidirecionais entre SNPs por um LRT comparar modelos de regressão logística com os dois SNPs (aditivo modelo) e co-variáveis ​​descritas acima, com e sem um único termo de interação para, efeitos per-alélicas multiplicativos. Interações entre cada SNP e uso do cigarro (nunca vs. sempre) foram avaliados utilizando um método semelhante. testes de múltipla foi contabilizado pela aplicação de um teste de permutação com 1.000 repetições. Nós aplicamos Quanto (https://hydra.usc.edu/gxe/) para avaliar a potência estatística considerando-se o tamanho da amostra disponível. Efeitos

Foram também avaliadas combinadas SNP utilizando LASSO. O método foi descrito em detalhe por [22]. Resumidamente, a função de log-verossimilhança aplicados em regressão logística clássica (1), onde

n

é o número de observações, é reconstruído incorporando uma penalidade para que (2) onde

p

é o número de SNPs e

λ

é a pena de laço. O algoritmo de Newton-Raphson é aplicada a equação (2) para estimar

β

‘s de forma iterativa.

O método LASSO é baseado na idéia de remover variáveis ​​de previsão irrelevantes (β = 0) através do parâmetro de penalidade, seleccionando assim apenas os SNPs mais relevantes como o subconjunto de marcadores mais associados com a doença. A aplicação do parâmetro de penalidade também evita superajuste devido tanto a alta-dimensionalidade e colinearidade entre covariáveis. Só foram considerados modo genético aditivo de herança.

Esta técnica dá estimadores enviesados ​​para reduzir sua variância. Devido a isso, o pacote implementado em R não fornecer estimativas de valores de p para os coeficientes de regressão beta, uma vez que os erros padrão não são significativos sob um estimador tendencioso. Por isso, avaliou os resultados aplicando primeiro o laço usando uma validação cruzada de 5 vezes (CV) Método [23] para escolher o melhor λ a que deu o mínimo critério de informação de Akaike (AIC); nós então selecionado o subconjunto de SNPs que foram mais informativo com que λ. Foi avaliada a robustez de cada SNP seleccionado no modelo ideal, calculando a reprodutibilidade como a proporção de vezes que cada SNP foi selecionado para ser no modelo multivariado de 1.000 subamostras de bootstrap [24].

Para avaliar a associação com UCB risco de que o subconjunto de SNPs, testou-se-lhes pelo LRT em um modelo de regressão multivariada com todos os SNPs em comparação com o modelo nulo. Para corrigir para a sobre-avaliação, devido à pré-selecção dos melhores SNPs, foi realizado um teste de permutação com 10.000 repetições.

STATA 10 foi usado para executar a logística clássica e análises de regressão multinomial. Todas as outras análises estatísticas foram executadas em R (https://www.R-project.org), usando a biblioteca penalizado [25] para a regressão logística LASSO penalizado.

Resultados

Tabela 1 mostra a distribuição dos sujeitos do estudo incluídas na análise: 1.058 casos e 1.138 controles. A maioria dos indivíduos (87%) eram do sexo masculino e os casos eram mais propensos a ser fumantes atuais do que os controles (43% vs. 25%, respectivamente, valor de p 0,001).

Não há evidência de partida observou Hardy-Weinberg para quaisquer SNPs após análise de testes múltiplos (p-valor não ajustado 10

-4). Polimorfismos em

TP53

não foram associados individualmente com risco UCB, mesmo em uma nominal, nível não corrigida 5% de significância (p-valor não corrigido 0,4). A percentagem de reprodutibilidade do modelo LASSO usando 1.000 subamostras de bootstrap foi 50%, o que indica uma fraca robustez dos modelos. Os resultados para os modelos aditivos e co-dominantes estão resumidos na Tabela 2.

Usando regressão logística clássica, SNPs em

BAK1

(1),

IGF1R

( 5),

P53AIP1

(1),

PMAIP1

(2),

SERPINB5

(3),

TP63

(3), e

TP73

(1) mostrou resultados significativos, a uma não-corrigido p-value≤0.05, com risco UCB global (Tabela 3). No entanto, não foi observada nenhuma evidência de associação com quaisquer riscos para os SNPs individuais após correcção para múltiplos testes (Teste P-valor permutação 0,8). Este também foi o caso para as associações com os subtipos da doença estabelecidos definidos de acordo com a fase /série ou por expressão da p53 (Figura 1). De nota, rs3758483 SNPs e rs983751 em

FAS

foram diferencialmente e inversamente associado com o MIT e de alta p53 expressando tumores em análises não corrigidas (Tabelas S2 e S3 em S1 Arquivo). Também observamos nenhuma evidência de interações SNP * SNP ou interações entre SNPs e tabagismo (dados não mostrados).

Um SNP

p-valor

acima da linha vermelha é considerado como associado ao fenótipo após a correcção de testes múltiplos de Bonferroni (4.2 para efeitos principais e 3,6 para os subtipos). Todos os modelos são ajustados para idade, sexo, região e estado de fumar cigarro.

Quando todos os 184 SNPs foram simultaneamente avaliada utilizando LASSO, o método rs6567355 em selecionado

SERPINB5

com reprodutibilidade = 83%. Este SNP forneceu uma OR = CI 1,21, 95% 1,05-1,38, p = 0,006 no modelo de regressão logística efeito principal e um p-valor corrigido = 0,5, quando o controle de sobre-avaliação (Tabela 3). Embora não seja selecionado pelo LASSO no último modelo segundo os critérios rigorosos aplicados,

IGF1R

-rs1058696 (OR = 0,63, 95% CI 0,44-0,90, p = 0,010) e

TP63

-rs13321831 (OR = 1,36, 95% CI 1,06-1,73, p = 0,014) mostraram uma percentagem de reprodutibilidade . 80%

Discussão

Foram genotipados variantes comuns em genes em

TP53

via em 1058 casos e 1.138 controles de ascendência europeia branco e não encontrou nenhuma evidência forte de associação com risco de UCB geral, ou com os subtipos da doença definida por estágio e grau, ou por expressão da p53.

Um gene chave na via é

TP53

, e a variante mais comumente estudada neste gene particular é Arg72Pro (rs1042522). A sua implicação na susceptibilidade para vários cancros tem sido relatada em populações asiáticas, mas não em branco europeu. Uma meta-análise de 49 estudos de câncer do colo do útero que contribuem um total de 7.946 casos e 7.888 controles descobriram que o alelo Arg foi associada a um risco aumentado de câncer de colo do útero [14]. No entanto, outra meta-análise de 39 estudos (26,041 casos e 29,679 controles) encontrou evidências fracas para uma associação da mesma variante, com o risco de câncer de mama reduzido [18]. Em relação câncer gástrico, uma análise combinada de 6.859 casos e 9277 controles de 28 estudos encontraram uma associação inversa forte apenas entre os asiáticos [26]. Para o câncer de pulmão, um risco aumentado marginalmente significante foi em uma análise combinada de dados com 15,647 casos e 14,391 controles de 36 estudos, embora a associação parecia estar também confinado à população asiática [27]

.

A associação entre

TP53

risco Arg72Pro e UCB tenha sido avaliada por duas meta-análises. No geral, nenhuma associação foi observada por Jiang et al. ao comparar 1.601 casos e 1.948 controles de 10 estudos, embora uma associação marginalmente significativa foi observada entre os asiáticos (OR = 0,77, 95% CI 0,59-1,00, por ArgArg /ArgPro vs. ProPro) [13]. Resultados discordantes foram recentemente apresentaram dados que combinam a partir de 14 estudos contribuindo com 2.176 casos e 2.798 controles (OR = 1,268, IC 95% 1,003-1,602, por ArgArg /ArgPro vs. ProPro entre a população asiática) [17]. Um grande número de estudos de sobreposição entre as duas meta-análises. A falta de informações sobre interações gene-gene e gene-ambiente, bem como sobre o efeito concomitante de

TP53

mutações somáticas podem explicar os resultados discordantes [28].

Os resultados do nosso estudo confirmam a falta de associação de Arg72Pro em

TP53

com risco de UCB em brancos europeus (OR = 0,98, 95% CI 0,77-1,26, para ArgPro vs. ArgArg e OR = 0,91, 95% CI 0.75- 1,09, para ProPro vs. ArgArg, valor p = 0,5 para efeitos globais) [13], [17]. No entanto, não podemos excluir a possibilidade de falta de poder estatístico pode dificultar a identificação de uma pequena associação de efeito: mesmo com seu grande tamanho da amostra, o presente tamanho da amostra estudo poderia detectar um OR≥1.3 per-alelo para este SNP com 90% de poder estatístico e a um nível de significância de 5%.

Quanto a outros SNPs em

TP53

, Lin et al relataram uma associação com rs9895829 e rs1788227 (valor-p = 0,003 e 0,027, respectivamente) em um menor estudar com 201 casos e 311 controles em uma população asiática [29]. Nós não genótipo estes SNPs, embora eles estão em alta LD com dois SNPs aqui considerados: rs8079544 (LD = 1,0) e rs12951053 (LD = 0,7), respectivamente. No entanto, nenhum dos SNPs adicionais verificadas em

TP53

parecem estar associadas com risco UCB. A cobertura parcial do gene com os SNPs avaliados (38%) não nos permite descartar o papel da

TP53

na UCB susceptibilidade.

TP63

é outra chave membro da via estudada. Um SNP (rs710521) localizada neste gene tem sido relatada a ser associada com o risco de UCB por um GWAS (alelo per-OR IC 1,12-1,27, p-valor = 1,19, 95% = 1,15 × 10

-7) [30]. Esta associação foi convincente replicados em uma análise combinada de dados de estudos diferentes (alelo-específico OR = 1,18, 95% CI 1,12-1,24, p = 1,8 × 10

-10), incluindo o nosso, para o qual foi genotipados como parte de uma iniciativa separada [4]. De notar que este SNP particular, não mostraram resultados significativos em nosso estudo (OR = 0,95, 95% CI 0,83-1,10, p = 0,5), um fato que pode ser explicado pelas diferentes exposições localização geográfica relacionados dos estudos participantes , sendo UCB uma doença impulsionado ambiental [31]. O presente estudo avaliou 32 SNPs em

TP63

, fornecendo 24% da cobertura gene. Três deles mostraram resultados significativos não corrigidos na análise global associação UCB com uma percentagem de reprodutibilidade 70% de laço. Estes resultados justificam um estudo UCB estendeu nesta região.

Quanto a outros SNPs nos genes selecionados, não encontramos qualquer evidência forte de associação após correção para testes múltiplos (permutação teste p-value≥0.8 para o principal global efeitos e p-value≥0.3 para efeitos do subtipo). A parte superior (não corrigidos) SNPs significativas foram localizados em

BAK1

,

IGF1R

,

P53AIP1

,

PMAIP1

,

SERPINB5

, e

TP73

. variantes comuns nesses genes não tenham sido previamente relatado como associado com o risco UCB, embora uma expressão alterada de

BAK1

e

IGF1R

tem sido descrita em tumores de bexiga.

Muitos doenças complexas, como a UCB, são provavelmente devido aos efeitos combinados de loci múltiplos [32] e a maioria dos estudos de associação tradicionais que avaliaram os efeitos principais de um SNP em um momento são de fraca potência para detectar efeitos pequenas [33]. Portanto, a implicação de variantes genéticas comuns podem ser mais bem avaliada por um método que tanto seleciona um conjunto muito reduzido de SNPs e testes de associação global potencialmente associados. Este tem sido um desafio devido à alta-dimensionalidade e colinearidade entre SNPs. No entanto, as técnicas penalizados pode lidar com esses problemas e eles estão começando a surgir em estudos de associação genética. Wu et al usou penalizado regressão logística em um estudo de associação do genoma aplicado a dados doença celíaca e Zhou et al estendeu o seu trabalho para a avaliação de associação para as variantes raras e comuns aplicados a dados de registro familiar de câncer [34] [35]. No presente estudo, foi aplicado o algoritmo LASSO para contabilizar os efeitos da combinação de SNPs na via TP53 eo risco UCB. De acordo com os critérios utilizados, este método seleccionado um SNP (rs6567355) que mostrou um valor de p não corrigida = 0,006 para o modo de aditivo de hereditariedade com uma percentagem de reprodutibilidade = 83%. Este é um G A SNP (MAF = 0,29), localizado na região do intrão de

SERPINB5

. Como mencionado anteriormente, não há evidências de associação anterior entre este SNP e qualquer doença foram relatados no presente.

SERPINB5

é um supressor de tumor (Tabela S1 no arquivo S1). Os níveis deste gene de expressão tem sido correlacionada com as de

DBC1

(excluído no cancro da bexiga 1) em amostras de SCU, sugerindo seu envolvimento na via uroquinase-plasminogênio [36].

SERPINB5

mereceria de uma maior exploração em estudos prolongados, bem.

Uma limitação do nosso estudo é a marcação incompleta dos genes selecionados devido ao uso de uma versão anterior HapMap para selecionar tag SNPs, antes da disponibilidade de dados do projecto de 1000 genomas. A cobertura mediana dos 18 genes considerados na via é, de acordo com as versões actualizadas HapMap, 44%, variando de 21% a 86%. Portanto, não se pode descartar completamente a implicação de variação comum nesses genes na susceptibilidade UCB

Para SNPs comuns (MAF 0,05)., Nosso estudo é alimentado (90%) para detectar ORs≥1.4 em um significado nível de 0,05, assumindo um modo aditivo de herança. Portanto, o estudo não é conclusivo com OR 1.4. Embora este estudo representa um dos maiores avaliações realizadas até ao presente, serão necessários estudos muito maiores para descartar efeitos principais menores associados com variantes comuns nos genes dessa via. Isto é ainda mais importante quando subphenotype análises são consideradas. Nós também não encontrou nenhuma evidência de interações SNP-SNP (permutação teste p-value≥0.3) e interações SNP-fumadores (permutação teste p-value≥0.07), embora o poder era ainda mais limitado para detectar estes. De acordo com a via de candidato, os SNPs estudados foram seleccionados como marcadores; portanto, eles não foram correlacionados mostrando um LD baixa. Este fato, vamos superar uma limitação potencial de afetar a porcentagem de reprodutibilidade quando SNPs são elevados correlacionados.

Crédito deve também ser dado a este estudo, não só quanto ao seu grande tamanho da amostra, mas também pela sua natureza prospectiva e representatividade da doença, para os métodos homogêneos aplicado para coletar informações e biosamples pelos centros participantes, para a integração de diferentes tipos de informação (sociodemográficas, epidemiológicos, genéticos, clínicos e patológicos, e moleculares), e para as abordagens estatísticas abrangentes e inovadoras aplicadas para avaliar a susceptibilidade UCB associada a um caminho candidato altamente.

em conclusão, utilizando uma análise abrangente representando diferentes modelos e abordagens diferentes, não encontramos fortes evidências de que as variantes comuns no TP53

via são associada com risco UCB. No entanto, membros específicos da via,

TP63

e

SERPINB5

merece de uma maior exploração em estudos prolongados. Por outro lado, nosso estudo sugere que é improvável que

TP53

Arg72Pro está implicada na UCB em brancos europeus.

Enquanto som biológico, análise de caminho candidato ter jogue limitado confirmará na genética campo susceptibilidade de muitas doenças. As razões desta eficiência parente pobre pode ser, entre outros, a falta ainda do conhecimento de todos os componentes-chave de um determinado percurso, a introdução de ruído, considerando muitos genes /variantes sem mostrar associação, e a falta de cobertura de variantes raras não com etiquetas através desta abordagem, além de explicações metodológicas tal como um poder estatístico prejudicada. Os cientistas devem avaliar se é hora de descartar essa abordagem no sentido de uma estratégia tão sequenciamento mais abrangente toda genoma /exome em dissecar a arquitetura genética de doenças complexas.

Informações de Apoio

arquivo S1.

combinados em apoio do ficheiro Informações contendo: Tabela S1, Localização e função dos genes selecionados. Tabela S2, a heterogeneidade nas estimativas de risco polimorfismo de nucleotídeo único (SNP) entre subfenótipos câncer de bexiga definidos de acordo com o estágio e grau no Estudo de Câncer Espanhol bexiga. Tabela S3, Heterogeneidade em polimorfismo de nucleotídeo único (SNP) estimativas de risco entre subfenótipos câncer de bexiga definidos pela expressão da p53 no Estudo de Câncer Espanhol bexiga

doi:. 10.1371 /journal.pone.0089952.s001

(DOCX)

Reconhecimentos

Nós reconhecemos os coordenadores, trabalhadores de campo e administrativos, técnicos e pacientes do Estudo de Câncer /Epicuro Espanhol bexiga.