Abstract

câncer de vesícula biliar (GBC) é uma doença multifatorial com complexa interação entre múltiplas variantes genéticas. Foi realizada Classificação e Análise de Regressão Tree (CART) e Grau de análise Membership (GoM) para identificar combinações de alelos entre a reparação do ADN, caminho variantes genéticas inflamatórios e pró-apoptótica em modificar o risco de GBC. Foram analisados ​​16 polimorfismos em 8 genes envolvidos na reparação do DNA, apoptose e vias inflamatórias para descobrir combinações de variantes genéticas que contribuem para o risco de GBC. Os genes incluídos no estudo eram

XRCC1

,

OGG1

,

ERCC2

,

MSH2

,

CASP8

,

TLR2

,

TLR4

e

PTGS2

. análise loco único por meio de regressão logística mostrou associação de

MSH2

mutação IVS1 + 9G C (rs2303426),

ERCC2

Asp312Asn (rs1799793),

OGG1

Ser326Cys (rs1052133),

OGG1

IVS4-15C G (rs2072668),

CASP8

-652 6N ins /del (rs3834129),

PTGS Página 2 -1195G A (rs689466),

PTGS2

-765G C (rs20417),

TLR4

Ex4 + 936C T (rs4986791) e

TLR2

-196 a -174del polimorfismos com risco GBC. A análise CART revelou

OGG1

Ser326Cys, e

OGG1

IVS4-15C polimorfismos G como o melhor assinatura polimórfica para discriminar entre casos e controles. Na análise GdM, os dados foram divididos em seis grupos que representam risco para GBC, com respeito a estes polimorfismos. Conjuntos I, II e III descritos baixo risco intrínseco (controlos) caracterizada por múltiplos alelos de protecção enquanto conjuntos IV, V e VI representado grupos de alto risco intrínsecos (GBC casos), caracterizada pela presença de múltiplos alelos de risco. O CART e GdM análises também mostraram a importância da

PTGS2 –

1195G Um polimorfismo na suscetibilidade ao risco de GBC. Em conclusão, a presente abordagem multigenic pode ser usado para definir perfis de risco individuais para câncer de vesícula biliar na população do Norte da Índia

Citation:. Srivastava K, Srivastava A, Kumar A, B Mittal (2011) Gallbladder Cancer Predisposição: A Abordagem multigênica ao DNA e Reparos, apoptose e genes via inflamatória. PLoS ONE 6 (1): e16449. doi: 10.1371 /journal.pone.0016449

Edição: Roger Chammas, Universidade de São Paulo, Brasil

Recebido: 26 de agosto de 2010; Aceito: 21 de dezembro de 2010; Publicação: 21 de janeiro de 2011

Direitos de autor: © 2011 Srivastava 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 apoiada por doações do Conselho de Pesquisa Científica e industrial (CSIR), Govt. da Índia (09/590 (0135) /2007-EMR-I). 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

Carcinoma da vesícula biliar (GBC) é um tumor maligno agressivo e do tumor do trato biliar mais comum no mundo, com mais altas taxas de incidência e mortalidade no norte da Índia (21,5 /100.000) [1], [2]. Além de cálculos biliares, sendo o principal fator de risco, a etiologia exata do GBC é mal compreendida [3]. Cancro ser uma doença multifactorial, várias variantes genéticas, juntamente com os factores ambientais e dietéticos podem interagir para provocar a doença ou actuam como modificadores de risco. A identificação desses conjuntos de risco de variantes genéticas causais para a doença permitirá determinar os indivíduos em risco de GBC.

Anteriormente, temos estudado o papel de variantes genéticas individuais com GBC susceptibilidade na população do Norte da Índia [4], [5], [6]. Devido a resultados conflitantes obtidos em estudos de associação de caso-controle de doenças complexas como o câncer, o foco atual é voltado na busca de interações gene-gene como um factor contributivo fundamental na evolução da doença. Mas a análise de tais interações em estudos caso-controle é pesado para baixo por um dos principais problemas, ou seja, a maldição da dimensionalidade. Recentemente, Multifactor-dimensionalidade Redução (MDR) abordagem [7] e técnicas baseadas em árvores, classificação e árvores de regressão (CART) e florestais aleatório (RF), foram usados ​​para detectar interações em estudos de associação em larga escala [8]. A força destas metodologias é a sua capacidade para identificar associação em casos de amostras de pequenas dimensões e baixa penetrância de polimorfismos de nucleotídeo único candidatos (SNPs). Portanto, nós estendemos o nosso trabalho anterior, investigando em conjunto 16 SNP genótipos em 8 genes pertencentes a via de reparação do ADN [

ERCC2

Asp312Asn (Ex10-16G A; rs1799793) e Lys751Gln (EX23 + 61A C; rs13181 );

MSH2

(mutação IVS1 + 9G C; rs2303426) e (-118T C; rs2303425);

OGG1

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

XRCC1

Arg194Trp (Ex6-22C T; rs1799782) e Arg399Gln (Ex10-4A G; rs25487)], via apoptótica [

CASP8

-652 6N ins /del (rs3834129), Asp302His (EX13 + 51G C; rs1045485) e (IVS12-19G A; rs3769818)] e via inflamatória [

PTGS Página 2 (-1195G A; rs689466), (-765G C; rs20417) e (EX10 + 837T C ou 8473; rs5275);

TLR2

-196 a -174del (

TLR2

Δ22); e

TLR4

Thr399Ile (Ex4 + 936C T; rs4986791)], evitando o problema de dimensionalidade e comparações múltiplas. Estes polimorfismos foram relatados para alterar o risco para o desenvolvimento de várias malignidades [9], [10], [11], [12], [13], [14].

Materiais e Métodos

Ética Declaração

o comité de ética institucional de Sanjay Gandhi Mensagem Instituto Universitário de Ciências Médicas (SGPGIMS) aprovou o protocolo do estudo, e todos os participantes forneceram consentimento informado por escrito para o estudo.

estudo da População

Um total de 460 indivíduos, incluindo 230 pacientes GBC e 230 indivíduos controle foram incluídos neste estudo. Os pacientes GBC foram consecutivamente diagnosticados entre junho de 2005 e setembro de 2009. diagnóstico de câncer de vesícula biliar foi confirmado em todos os casos por agulha aspirada citologia fina de células (FNAC) e histopatologia. Estadiamento do câncer foi documentada de acordo com a AJCC /UICC estadiamento [15]. Os critérios de inclusão para controles foram ausência de história prévia de câncer, lesões pré-cancerosas e cálculos biliares comprovadas por ultra-sonografia e foram para os casos de câncer em idade, sexo e etnia pareados por freqüência. Para testar a possibilidade de estratificação da população, o método de controlo genómico foi utilizado como descrito por Devlin et al [16]. A maioria dos pacientes do sexo feminino eram donas de casa e os pacientes do sexo masculino não estavam envolvidos em quaisquer ocupações perigosas.

A genotipagem

O DNA genômico foi isolado de leucócitos do sangue periférico. Os polimorfismos foram genotipados usando o método de polimorfismo de fragmentos de PCR ou PCR-restrição. Os detalhes de genotipagem de polimorfismos estudados são apresentados na Tabela S1. Como um controlo negativo, mistura de PCR sem amostra de DNA foi usada para garantir que o produto de PCR livres de contaminação. As amostras que falharam ao genótipo foram marcados como desaparecidas. A genotipagem foi realizada sem o conhecimento do caso ou controle de status.

Análise Estatística

Single Análise Locus.

O tamanho da amostra foi calculado considerando a frequência menor alelo (MAF) de os polimorfismos estudados na população caucasiana. O tamanho da amostra de 230 casos e 230 controles foi adequado para nos dar um poder de 80% (modo Herança = log-aditivo, o efeito genético = 2, Tipo I taxa de erro = 0,05). O teste do qui-quadrado ou dois lados teste exato de Fisher foi utilizado para comparar as diferenças entre as variáveis ​​demográficas e distribuições genotípicas dos polimorfismos entre casos e controles. freqüências genotípicas observadas em todas as polimorfismos nos controles foram examinados para o desvio de Hardy-Weinberg (HWE) usando um goodness-of-fit χ

2-teste com um grau de liberdade. análise de regressão logística uni e multivariada incondicional foi utilizada para estimar odds ratio (OR) e intervalo de confiança de 95% (CI) ajustado para idade e sexo para estimar o risco de câncer de vesícula biliar com os polimorfismos. As estimativas de risco também foram calculados para um modelo genético codominante usando o genótipo homozigoto mais comum como referência. Testes de tendência linear usando uma variável ordinal para o número de cópias do alelo variante (0, 1 ou 2) foram realizados para avaliar os efeitos dose-resposta de potenciais variantes genéticas no risco de cancro da vesícula biliar [17]. ajustes padrão para testes múltiplos, como a correção de Bonferroni, são muito conservadores como eles assumem que os testes são independentes, o que geralmente não é o caso quando vários testes são aplicados sobre o mesmo conjunto de dados. Nós, portanto, aplicado a probabilidade relatório falso-positivo (FPRP) ferramenta estatística para avaliar noteworthiness das associações, utilizando o método como descrito por Wacholder et al [18].

Para apoiar ainda mais os resultados de regressão logística, foi utilizado o método de controle genômico por Devlin et al [16]. O software usa um teste outlier Bayesian para determinar quais marcadores apresentam significativo desequilíbrio de ligação com o transtorno minimizando as associações falsos positivos. Também permite que por violações no modelo suposição habitual ou seja independência das observações porque em estudos caso-controle afetados indivíduos são mais propensos a ser relacionado do que os controles porque eles compartilham uma doença genética e, idealmente, uma base genética comum para a doença. Isto é conhecido como “parentesco enigmática”, que quase sempre produz falsos positivos, mesmo após a correção de Bonferroni. O software executa essas análises usando cadeias de Markov Monte Carlo algoritmos (MCMC).

Classificação e Análise de Regressão Tree (CART).

A análise classificação e árvore de regressão não paramétrica foi utilizado juntamente com o regressão logística para interações gene-gene de ordem superior que utilizam o Software CART (versão 6.0, Salford Systems) [19], [20]. CART é um método recursivo particionamento binário que produz uma árvore de decisão para identificar subgrupos de pacientes com maior risco. Especificamente, o algoritmo recursivo-particionamento em software CART começa no primeiro nó (com todo o conjunto de dados) e usa um método formal inferência estatística teste de hipóteses com base modelagem-to recursiva determinar a primeira divisão local ideal e cada divisão subsequente do conjunto de dados, com ajustado pela multiplicidade

P

-Valores para controlar o crescimento da árvore. Este processo continua até que os nós terminais não têm divisões estatisticamente significativos posteriores ou os nós terminais chegar a um tamanho mínimo de pré-especificado. Os dados foram divididos aleatoriamente em um conjunto de aprendizagem (90% dos dados) e um conjunto de testes (10% dos dados). O conjunto de aprendizagem foi utilizado para construir o modelo de árvore, eo conjunto de testes foi usado para validar internamente o modelo de árvore resultante. Os subgrupos de indivíduos com risco padrões diferenciais foram então identificadas por uma ordem diferente dos nós da estrutura em árvore, indicando a presença de interacções do gene para o gene e gene-ambiente. A regressão logística foi utilizada para calcular o OR e IC 95% em cada nó terminal da árvore, o ajuste para idade e sexo.

P Art 0,05 foi considerado como limiar de significância neste estudo. Todas as análises estatísticas foram bilaterais.

Grade de Análise Membership (GoM).

Para investigar todos os fatores genéticos simultaneamente sem comparações múltiplas, o Grau de análise Membership (GoM) foi utilizado [ ,,,0],21], [22]. A informação sobre o estado da doença e variantes genéticas foram utilizados como variáveis ​​internas para definir os tipos puros enquanto o sexo e idade foram variáveis ​​externas. A abordagem é denominada como método de classificação latente que é considerado como sendo “distorcido” em que cada indivíduo pode parcialmente pertencer a mais do que um grupo, aqui, conjuntos de risco genéticos. O quadro de análise GdM torna, assim, muito poucas hipóteses de distribuição. Os modelos GdM foram construídos como descrito anteriormente [23].

Resultados

Características da população

As características basais dos pacientes GBC e sua idade e sexo controles pareados são apresentados na Tabela 1 . dos 230 casos e controles GBC, a idade média foi de 53,05 ± 6,40 anos (variação, 37-72 anos) e 54,12 ± 8,81 (variação, 35-79 anos), respectivamente. As distribuições de idade e sexo médios não foram significativamente diferentes entre os casos e controles, sugerindo que a correspondência de frequência foi adequada. método de controle de Genomic descartou a possibilidade de estratificação da população em nosso estudo. A maioria dos pacientes GBC estavam em estágios avançados de câncer (estágio III e estágio IV). Dos 230 casos GBC, 12 (5,3%) tiveram fase adenocarcinoma II, 76 (33,0%) no estádio III e 142 (61,7%) em estágio IV. Todos os pacientes com câncer eram casos incidentes e nenhum dos controles tinham história familiar de câncer.

Análise Locus Individual

A Tabela 2 mostra o risco GBC relacionada com os polimorfismos estudados.

Associação de ERCC2, MSH2, XRCC1 e polimorfismos OGG1 com GBC.

ao comparar a distribuição de freqüência do genótipo em pacientes GBC com a de controles, os genótipos variantes homozigoto de

MSH2

mutação IVS1 + 9G C,

ERCC2

Asp312Asn e

OGG1 Ser326Cys

polimorfismos mostraram risco estatisticamente significativo aumentado para desenvolver GBC (OR = 1,83; OR = 2,12; OR = 2,48, respectivamente). O risco devido à genótipos contendo variantes (CG + GG) da

OGG1

Ser326Cys também foi significativa (OR = 1,78), quando comparados com homozigotos-genótipo selvagem CC. A gt

OGG1

IVS4-15C G polimorfismo intrônica também foi significativamente associada com o risco de GBC na sequência de um modo dominante de herança (OR = 1,63) (Tabela 2)

Em caso de

XRCC1

polimorfismo Arg399Gln, frequências de heterozigoto e homozigoto variante foram significativamente diferentes entre nos controles, em comparação com pacientes GBC (χ

2 = 13,84;

P

= 0,001; df, 2). Estas diferenças de frequência foram estatisticamente significativas (

P

= 0,039;

P

= 0,003, respectivamente) e conferiu baixo risco para GBC (OR = 0,57; OR = 0,44, respectivamente) (Tabela 2). O efeito protetor também foi significativa quando variante contendo genótipos (GA + AA) foram comparados com homozigotos do tipo selvagem genótipo. (

P

= 0,006; OR = 0,55) (Tabela 2)

Para os outros SNPs nos genes de reparo do DNA (

ERCC2

Lys751Gln,

MSH2

-118T C e

XRCC1

Arg194Trp), não houve associação significativa foi observada no presente estudo ( tabela 2).

Associação de polimorfismos CASP8 com GBC.

as frequências da

CASP8

-652 6N homozigotos comum, heterozigotos e homozigotos variante genótipos foram significativamente diferentes entre os pacientes GBC e controles (χ

2 = 7,79;

P

= 0,020; df, 2). No presente estudo, verificou-se que ambos os genótipos heterozigotos e homozigotos variante foram associados com uma diminuição do risco estatisticamente significativo de GBC (OR = 0,66; OR = 0,42, respectivamente (Tabela 2) com o ‘del’ alelo a ser associado com a diminuição do risco de câncer de vesícula biliar de uma forma dependente da dose (

P

tendência = 0,003). Além disso, uma significativa diminuição do risco de GBC foi encontrado com o

CASP8

-652 (ins /del + del /del genótipos), em comparação com o genótipo -652 6N ins /ins, o que sugere um efeito protetor dominante desse polimorfismo em GBC (OR = 0,61; IC95% = ,42-0,88;

P

. tendência = 0,005) Nenhuma associação significativa foi encontrada entre IVS12-19G a e EX13 + 51G .. polimorfismos C e risco GBC geral

Associação de polimorfismos PTGS2 com GBC

ao comparar o distribuição de freqüência do genótipo em pacientes GBC com a de controles, a freqüência de

PTGS2

-1195 heterozigotos e homozigotos variante genótipos foram associados com aumento significativo do risco (OR = 1,99; OU = 7,04; respectivamente) para GBC (Tabela 2). O teste de tendência também foi significativa (

P

tendência 0,001). O risco devido à genótipos contendo variantes (GA + AA) foi significativa (

P Art 0,001; OR = 2,54), quando comparados com homozigotos do tipo selvagem genótipo GG. O

PTGS2

genótipo -765 GC também foi associado com aumento significativo do risco (OR = 1,91; IC95% = 1,23-2,97) para GBC (Tabela 2). O teste de tendência também foi significativa (

P

tendência 0,001). No entanto, nenhum dos genótipos de

PTGS2

+ 8473T .. Polimorfismos C foram significativamente associados com a susceptibilidade de câncer de vesícula biliar (Tabela 2)

Associação entre polimorfismos de TLR e risco GBC

a Tabela 3 mostra o risco GBC relacionado com o

TLR2

(Δ22) e

TLR4

(Ex4 + 936C T) polimorfismos. No presente estudo, verificou-se que ambos os heterozigotos e variantes genótipos homozigotos tanto do

TLR

polimorfismos foram associados com risco aumentado de GBC (OR = 1,51; OR = 2,14;

P

tendência = 0,091; Tabela 2). Além disso, um aumento significativo do risco de GBC foi encontrado com o

TLR2

(Δ22) (ins /del + del /del genótipos), em comparação com ins Δ22 /ins genótipo, sugerindo um modelo de efeito dominante envolvido no risco desse polimorfismo em GBC (OR = 1,54; IC95% = 1,05-2,26;

P

tendência = 0,117).

O

TLR4

EX4 + 936C polimorfismo T também foi encontrado para ser significativamente associada com o risco GBC geral sob um modo dominante de herança (OR = 1,96; IC95% = 1,11-2,26;

P

tendência = 0,021 ).

CART Análise

a Figura 1 mostra a estrutura da árvore gerada usando o carrinho, que incluiu todas as variantes genéticas investigadas pela reparação do ADN, via apoptótica e inflamatória. A estrutura em árvore final continha seis nós terminais, conforme definido pela polimorfismos de nucleotídeo único do reparo do DNA, genes via apoptótica e inflamatórias. O

OGG1

genótipo Ser326Cys foi apontada no primeiro nó de divisão, separando indivíduos com os genótipos contendo tipo selvagem (baixo risco) dos indivíduos com o genótipo homozigoto variante (alto risco). Os indivíduos com os genótipos variantes de

CASP8

Asp302His,

TLR4

Thr399Ile e tipo genótipos silvestres de

OGG1

Ser326Cys,

PTGS2

-765G C exibiu o menor risco GBC, com uma taxa caso de 10% (Fig. 1). A Tabela 3 resume o risco associado a todos os subgrupos de terminal em comparação com o subgrupo com o menor percentagem caso (nó 1). A Tabela 4 mostra as estimativas de OR gerados para os três grupos de risco diferentes determinados em função da relação caso de cada nó terminal de carrinho. Em comparação com o grupo de baixo risco, combinando nós terminais com uma razão pode ser inferior a 40%, a forma de risco (proporção dos casos, entre 40% e 70%) e os grupos de alto risco (razão caso mais do que 70%) foram ambos associados com um aumento significativo do risco GBC com RUP de 3,08 (95% CI = 1.98-4.77) e 10,04 (IC 95% = 4,76-21,19), respectivamente (

P

tendência 0,001).

W = genótipos homozigotos comuns, M = heterozigotos + variantes genótipos homozigotos.

GdM Análise

Seis grupos categorizados os dados que distinguem alta de risco como intrínseca para GBC no que diz respeito às variantes examinados (Tabela S2): Grupos I, II, e III foram os indivíduos do grupo controle (baixo risco); grupos IV, V e VI foram os pacientes GBC (de alto risco) (Tabela S2).

grupos de baixo risco.

O risco intrínseco baixo (sem doença) foi caracterizado por múltiplos de proteção genótipos (isto é, os grupos I, II e III) (Tabela S2). Estes conjuntos de baixo risco tiveram os genótipos mais comuns para as variáveis ​​estudadas sobre-representados, denotando proteção. Alguns dos alelos variantes foram também sobre-representados nos conjuntos de baixo risco que implica que muitos indivíduos controle realizado algum risco para GBC. Grupo I tinha a idade no momento da inscrição dos 56-60 anos. O grupo incluiu cerca de 89% do sexo feminino. Eles foram 100% portadores do alelo selvagem para a

PTGS2

(-1195G A), com uma QRF de 1,54. Um QRF de uma é neutro. Grupo II foram de 100% portadores do

OGG1

(gt IVS4-15C g) de alelos e ‘C’

OGG1

alelo Ser326Cys ‘Cys’ com uma QRF de 1,29 e 1,30, respectivamente. 50% deste grupo também realizou

MSH2

(mutação IVS1 + 9G C) variante alelo ‘C’. Grupo III eram selvagens heterozigotos para o

TLR4

Thr399Ile e TLR2 -196 a -174del alelo variante com uma QRF de 1,55 e 1,44, respectivamente. Este grupo também foi homozigoto para

PTGS2

-765G C e

XRCC1

Arg194Trp tipo selvagem alelos

grupos

alto risco

O alto.. genótipos multilocus de risco foram: IV:

OGG1

(IVS4-15C ): CG,

PTGS2

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

OGG1

Ser326Cys: GG (início 46-60 anos); V:

OGG1

(IVS4-15C ): GG, e

OGG1

Ser326Cys: CG (início 46-60 anos); e VI:

ERCC2

Asp312Asn: AA,

ERCC2

Lys751Gln: CC e

TLR2

-196 a -174del: ID (início 46-55 anos) (Tabela S2) .

OGG1

(IVS4-15C G) e

OGG1 Ser326Cys

polimorfismos foram as variantes influentes na definição do grupo IV conforme indicado pelo fator de relevância elevada causa (QRF ou o relevância de uma variável para um tipo puro, com um limite inferior de zero) pontuação de 1,26 e 1,21, respectivamente. Este grupo também foi homozigotos para o

MSH2

polimorfismo do promotor na posição -118 (CC). Grupo V eram em sua maioria do sexo feminino e tinha a sua idade-de-início de 46-60 anos. Eles carregavam% de probabilidade de 100 para transportar (gt IVS4-15C )

OGG1

: genótipo GG, e foram 100% heterozigotos para

OGG1

Ser326Cys polimorfismo. Os QRFs para estas variantes genéticas foram 1,66 e 1,21, respectivamente, que definiu o grupo. Grupo VI tinha idade de início de 46-55 anos. Havia mais mulheres (91%) neste grupo. Todos eram homozigotos para

ERCC2

Lys751Gln (CC) e

ERCC2

Asp312Asn (AA) com uma QRF de 1,46 e 2,19, respectivamente. Este grupo também foi quase heterozigotos para o polimorfismo

TLR2

-196 a -174del (ID).

Para saber o risco associado a cada conjunto high-intrínseca, que categorizou os indivíduos com base da combinação de genótipos que definiram o set. análise de regressão logística descobriram que os indivíduos em conjunto I foram a 3 vezes o risco de GBC aumentada (

P

= 0,033, IC 95% = 1,09-8,61). Indivíduos em conjunto II estavam em 1,7 vezes maior risco de GBC (

P CI

= 0,010, 95% = 1,13-2,51), enquanto conjunto III conferido 2 vezes maior risco para GBC (

P

= 0,013, IC 95% = 1,18-4,16) (Tabela 5).

variáveis ​​informativas.

O teor de informação para cada variável foi estimada pela estatística ‘H’ (Shannon, bell Laboratories). H perto de 0 indica frequências resultados semelhantes para cada conjunto (Tabela S2). Valores mais altos representam aumento do teor de informações.

OGG1

(IVS4-15C G),

OGG1

Ser326Cys,

ERCC2

Lys751Gln e

ERCC2

Asp312Asn teve H 0,75. H 0,50 foi visto em

MSH2

(mutação IVS1 + 9G C),

MSH2

(-118T C) e

PTGS2

(-1195G A). Estas são as variáveis ​​que determinam fortemente o risco para conjuntos de I a VI (Tabela S2).

Membership nos conjuntos de risco.

pontuações adesão Graded foram gerados automaticamente para cada assunto que varia de zero (nenhuma semelhança) a um (correspondência exata) de acordo com procedimento de máxima verossimilhança. Os tamanhos dos grupos de alto risco intrínsecos foram de 78,0, 55,9 e 36,5, respectivamente. Os tamanhos dos grupos de risco intrínsecos baixas foram 80,5, 115,0 e 93,9, respectivamente (Tabela S2).

Discussão

Carcinoma da vesícula biliar (GBC) é uma malignidade relativamente rara, com prognóstico reservado e alta taxa de fatalidade incidência no sexo feminino duas a três vezes mais frequentemente do que os homens. [2] Vários estudos epidemiológicos têm indicado o papel dos fatores genéticos na patogênese da GBC, modificando o risco envolvido [24], [25], [26]. Mas a maioria desses estudos forneceram resultados conflitantes e há dificuldades na validação e replicá-los.

GBC ser uma doença multifatorial e de várias etapas, pode haver uma interação complexa entre vários alelos de risco agindo de maneira mais forte em um combinação em vez de individualmente. Assim, para alcançar uma avaliação mais abrangente do risco de GBC considerando várias variantes genéticas, simultaneamente, a análise presente foi realizado com o objetivo de identificar conjuntos de risco intrínsecos altos e baixos de variantes genéticas. Dos incluídos 16 polimorfismos, alguns deles foram encontrados para ser significativamente associada com o risco GBC em nossos estudos preliminares anteriores, enquanto outros mostraram pouca ou nenhuma influência sobre o risco de desenvolvimento GBC [4], [27], [28].

para a análise de ordem superior interação gene-gene, empregamos 2 abordagens estatísticas ou seja, CART e análise GdM para descobrir as combinações particulares de variantes genéticas que contribuem para o risco de GBC.

na análise CART, que é uma abordagem estatística não paramétrica para a realização de regressão e classificação análises de particionamento recursivo [29], os sujeitos do estudo foram agrupados de acordo com diferentes níveis de risco, com base em diferentes polimorfismos do gene. A partir desta análise, verificou-se que o desenvolvimento de GBC envolve interações genéticas complexas entre a reparação do DNA, genes variantes via apoptótica e inflamatórias. No entanto, nossos resultados devem ser interpretados com cautela por causa do número limitado de indivíduos em alguns dos nós terminais CART.

Na análise GdM, que inclui todos os preditores em um modelo único, evitando assim os grupos testados muito grandes , e múltiplos problemas de comparação, foram identificadas seis conjuntos de risco para os presentes dados que definem três conjuntos de baixo risco intrínsecas (I-III) e três conjuntos de risco intrínsecas elevadas (IV-VI), variando em função da idade e alelos de risco significativos. A presente abordagem categoriza automaticamente as pessoas a arriscar conjuntos com base em contagens de membros graduados.

O risco intrínseco elevado (define IV a VI) foi descrita pela presença de vários alelos de risco, enquanto o baixo risco intrínseco (conjuntos I -III) foi caracterizado por múltiplos alelos de protecção. Similaridade com os altos conjuntos de risco intrínsecos realizada ~ 3-fold risco elevado de GBC

Os fatores de risco para o Grupo IV foram

OGG1

(IVS4-15C ):. CG e

OGG1

Ser326Cys: GG. No entanto,

PTGS2

(-1195G A): GA e

MSH2

(-118T C): CC também foram relevantes. Os fatores de risco para o Grupo V tinha (gt IVS4-15C )

OGG1

: CG e

OGG1

Ser326Cys: GG como os fatores de risco mais prevalentes de GBC. Que para o Grupo VI foi o polimorfismo do promotor em

TLR2

a -196 a -174 (ID), juntamente com

ERCC2

Asp312Asn: AA e

ERCC2

Lys751Gln: genótipos CC.

a análise GdM revelou a importância de dois

OGG1

polimorfismos, juntamente com

PTGS2

-1195G Um polimorfismo na suscetibilidade ao risco de GBC. Este foi evidente pelo fato de que o conjunto IV e definir V foram abrigar ambas as

OGG1

polimorfismos.

A enzima de reparação do ADN humano, OGG1, é um DNA glicosilase /AP liase que eficientemente reparos 8-hidroxi-2′-desoxiguanosina (8-OHdG), um dos produtos oxidativos mais abundantes no DNA. 8-OHdG é altamente mutagênico

in vitro

e

in vivo

dando origem a GC para transversões TA na replicação do DNA, o que é frequente em vários oncogenes e genes supressores de tumor [30], [31 ]. Nós já havia relatado uma associação entre

OGG1 Ser326Cys

polimorfismo em um estudo de caso-controle para GBC [28]. Além disso, foi observada associação significativa entre o

OGG1

Ser326Cys polimorfismo eo risco de esôfago [32], pulmão [33], bexiga [34], de mama [35] e do cólon [36] cânceres. Além de

OGG1

Ser326Cys, também avaliamos a influência de outro polimorfismo do

OGG1 gene

presente em Intron 4 (IVS4-15C G). Este é um polimorfismo intrônica residente em Intron 4 de

OGG1

gene e desequilíbrio alélicas frequentes nesta região foi mostrado para ser envolvido em cabeça e pescoço carcinogênese escamosas [37]. Parece que este polimorfismo está envolvido na splicing de

OGG1

ARNm. Todos os três conjuntos de alto risco (IV, V e VI) foram de 100% portadores do alelo variante de

OGG1

polimorfismos.

PTGS2 sobre-expressão foi observada em doenças malignas de diversos órgãos tais como colorectum, do pulmão, da mama, da próstata, da bexiga, do estômago, esófago e [38]. Os sites

PTGS região dos 2 promotor contém de ligação para vários cis-chave que atuam elementos de regulação [39]. O presente estudo significou o papel da

PTGS2

-1195G Um polimorfismo no GBC patogênese. Estudos têm mostrado que o alelo -1195A é capaz de se ligar C-MYB, uma importante do factor de transcrição que activa a expressão PTGS2. C-MYB é necessário para manter um equilíbrio entre a divisão celular, diferenciação e sobrevivência [40]. Os ensaios de luciferase mostraram também aumentou significativamente a atividade transcricional de

gene PTGS2

nos indivíduos portadores do alelo -1195A [41], [42]. Os níveis elevados de PTGS2 leva a superprodução de prostaglandinas (PGE

2) que, sendo pró-carcinogénicas, pode sustentar o crescimento do tumor por várias vias de sinalização de controlo de angiogénese, proliferação de células, a supressão de respostas imunes, a invasividade e também por inibição de tumores células de apoptose [43], [44], [45]. Outra

PTGS2

polimorfismo do -765G C (rs20417), também foi encontrado para ser modular o risco de GBC em nosso modelo multigenic. Este polimorfismo está localizado dentro de um sítio de ligação putativo

Estimulador proteína 1 | (SP1) que leva a uma redução de 30% do

PTGS2

atividade do promotor in vitro [46]. Embora o mecanismo molecular exato pelo qual esse polimorfismo pode afetar o risco de desenvolvimento GBC ainda não está claro, estudos no

PTGS2

promotor revelou que

PTGS2

transcrição é ativado por E2 promotor fator 1 (obrigatório E2F1) [47], que é dependente da transactivação e domínios de ligação ao ADN de E2F1 [48]. Assim, a capacidade desse polimorfismo para criar um local de ligação a E2F, essencial para a expressão de vários genes [49], pode nos ajudar a entender por que observamos aumento do risco.

O fenómeno que uma combinação de polimorfismos dentro de genes de vias independentes podem elevar o risco de GBC poderia ser explicado por duas hipóteses. Uma possibilidade é que alguma ligação entre esses genes ou proteínas existe, mas ainda continua a ser descoberto. Outra hipótese, mais provável em nossa opinião, é que os genes que influenciam o risco de GBC pode também compreender um conjunto de alterações localizados dentro dos genes não relacionados uns com os outros.