PLoS ONE: SNP-SNP Interaction Network ved angiogenese gener associeret med prostatakræft Aggressiveness

Abstrakt

angiogenese har vist sig at være forbundet med udvikling af prostatacancer. De fleste af prostatakræft undersøgelser fokuserede på individuelle enkelt nukleotid polymorfier (SNP), mens SNP-SNP interaktioner foreslået at have en stor indflydelse på afsløringen den underliggende mekanisme af komplekse sygdom. Brug 1.151 prostatakræft patienter i Cancer genetiske markører af følsomhed (CGEMS) datasæt, blev 2.651 SNPs i angiogenese gener forbundet med prostatakræft aggressivitet evalueret. SNP-SNP interaktioner blev primært vurderet ved hjælp af to-trins Tilfældige Skove plus Multivariate Adaptive Regression Splines (TRM) tilgang i CGEMS gruppen, og blev derefter revurderet i Moffitt gruppen med 1.040 patienter. For de identificerede genpar, var cross-evaluering anvendes til at evaluere SNP interaktioner i begge studiegrupper. Fem SNP-SNP interaktioner i tre genpar (

MMP16 + ROBO1

,

MMP16 + CSF1

, og

MMP16 + EGFR

) blev identificeret til at være forbundet med aggressiv prostatakræft i begge grupper . Tre par SNP’er (rs1477908 + rs1387665, rs1467251 + rs7625555, og rs1824717 + rs7625555) var i

MMP16

og

ROBO1

, Et par (rs2176771 + rs333970) i ​​

MMP16

CSF1

, og et par (rs1401862 + rs6964705) i

MMP16

EGFR

. Resultaterne tyder på, at

MMP16

kan spille en vigtig rolle i prostatakræft aggressivitet. Ved at integrere vores nye resultater og tilgængelige biomedicinsk litteratur, blev en hypotetisk gen interaktion netværk foreslået. Dette netværk viser, at vores identificerede SNP-SNP interaktioner er biologisk relevante og viser, at EGFR kan være knudepunkt for interaktionerne. Resultaterne give værdifulde oplysninger til at identificere genotype kombinationer i risiko for at udvikle aggressiv prostatakræft og forbedre forståelsen af ​​den genetiske ætiologi af angiogenese forbundet med prostatakræft aggressivitet

Henvisning:. Lin HY, Amankwah EK, Tseng TS, Qu X Chen DT, Park JY (2013) SNP-SNP Interaction Network ved angiogenese gener associeret med prostatakræft Aggressivitet. PLoS ONE 8 (4): e59688. doi: 10,1371 /journal.pone.0059688

Redaktør: Xiaoning Qian, University of South Florida, USA

Modtaget: August 27, 2012; Accepteret: 17 Februar 2013; Udgivet: April 3, 2013 |

Copyright: © 2013 Lin et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Finansiering:. Denne undersøgelse blev støttet af American Cancer Society (IRG-93-092-14, PI: WJP /Hyl); og National Cancer Institute (R01CA128813, PI: JYP). EKA understøttes af en forebyggelse af kræft stipendium fra National Cancer Institute (R25T CA147832). De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

prostatakræft tegner sig for 29% af forekomsten af ​​kræft og 9% af kræftdødsfald, og det er den mest almindelige kræftform og den anden hyppigste årsag til kræftdødsfald i amerikanske mænd i 2012 [1]. Prostatakræft har en betydelig klinisk heterogenitet. Læger har derfor ofte svært ved at skelne mellem patienter, der vil udvikle indolent og aggressive tumorer på tidspunktet for en prostatakræft diagnose [2]. For patienter med prostatacancer med lav risiko, er konservativ håndtering og behandling anbefales, fordi kan observeres en indolent kursus over en længere periode. Adskillige funktioner (såsom prostataspecifikt antigen, klinisk udvikling og tumorklassificering) er blevet anvendt til at klassificere højrisikopatienter som har behov øjeblikkelig terapi og patienterne lav risiko, der har brug konservativ behandling. Ved brug af de eksisterende funktioner, ca. 20% af disse prostatacancerpatienter lav risiko døde på grund af konservativ behandling [3]. Således er der et presserende behov for at identificere biomarkører for at forbedre forudsigelse nøjagtighed prostatakræft aggressivitet.

Angiogenese er en biologisk proces, der involverer deling og migrering af endotelceller, hvilket resulterer i mikrovaskulatur formation [4], [5]. Dannelsen af ​​blodkar er vigtig for organudvikling under embryogenese og fortsat bidrager til organ- vækst efter fødslen. I voksenalderen, de fleste blodkar forblive hvilende og angiogenese er begrænset til cykling ovarie og i placenta under graviditet [4], [5], [6]. Ikke desto mindre, endotelceller opretholder deres evne til at dele sig hurtigt til blodkar som respons på fysiologiske stimuli, såsom hypoxi, og angiogenese reaktiveret under sårheling og -reparation [4], [5], [7]. Processen med postnatal angiogenese reguleres af en kontinuerlig samspil (som etablerer en balance) af stimulatorer, såsom vaskulær endotelvækstfaktor (VEGF), basisk fibroblastvækstfaktor (bFGF), epidermal vækstfaktor (EGF), interleukiner (ILS), transformerende vækstfaktor beta (TGF-β), tumornekrosefaktor-alfa (TNF-α), blodpladeafledt vækstfaktor (PDGF), og matrixmetalloproteinaser (MMP’er) og inhibitorer, såsom endostatin, blodpladefaktor-4, tumastin, thrombospondin-1, plasminogen aktivator inhibitor-1 og angiostatin [4], [5], [6], [7], [8]. Men i mange lidelser, herunder prostatacancer, er balancen mellem stimulatorer og inhibitorer vippet at favorisere stimulatorer, hvilket resulterer i en “angiogen switch” [9], [10]. Den såkaldte “angiogen switch” kan skyldes ændringer i ekspressionsniveauer af gener i angiogenese pathway.

Single-polymorfier (SNP) i angiogenese gener kan ændre genekspression og påvirke processen af ​​angiogenese i prostata cancer og inhiberede tumorvækst i dyremodeller [11], [12]. Faktisk har adskillige SNP’er i angiogenese gener, der påvirker genekspression blevet identificeret. Disse varianter kan potentielt bidrage til inter-individuel variation i risikoen og progression af prostata tumorer [13]. Endvidere er angiogenese vist at være associeret med Gleason score, tumor stadium, progression, metastase og overlevelse blandt patienter med prostatacancer [14], [15].

Selv om antallet af undersøgelser til vurdering af rollen af ​​SNPs i angiogenese gener er begrænset, flere af undersøgelser understøtter sammenhængen mellem angiogenese og prostatakræft aggressivitet. Hidtil resultater fra flere kandidat-gen og genom-dækkende forening (GWA) undersøgelser antyder, at SNP’er i angiogenese pathway kan være vigtige i prostatakræft progression og aggressivitet. I kandidat gen studier,

VEGF

-1154A og -634C alleler var forbundet med en øget risiko for højere tumor kvalitet [16]. Jacobs

et al

. (2008) evaluerede 58 SNPs i ni angiogenese gener og fandt, at tre korrelerede SNPs (rs1477017, rs17301608, og rs11639960) i

MMP2

var forbundet med overordnede og fremskreden prostatacancer [17]. Derudover mænd med

IL-10

819 TT genotypen tendens til at have en højere risiko for at udvikle en høj kvalitet prostatacancer [18]. I en GWA undersøgelse, Thomas

et al.

Observeret, at en ikke-synonyme SNP (rs4072111), der ændrer en serin til prolin i

IL-16

var signifikant associeret med en øget risiko for aggressiv cancer [ ,,,0],19]. En anden GWA undersøgelse observeret signifikante sammenhænge mellem aggressiv prostatakræft og tre intergeniske SNPs (rs11199874, rs10749408 og rs10788165), der spænder en 590 kb region på kromosom 10q26, der omfatter

FGFR2

, en angiogenese-gen [20]. Penney observerede associationer med dødeligheden for SNPs i

IL-18 Hotel (rs360729, og rs243908) og

IL-11 Hotel (rs12709950) i deres scene én scanning, men ingen blev gentaget i den fase to scan [21].

for at omfattende vurdere genetiske variationer i angiogenese gener forbundet med prostatakræft aggressivitet, effekter af både individuelle SNP’er og SNP-SNP interaktioner blev undersøgt. De fleste af de nuværende undersøgelser er fokuseret på at evaluere individuelle SNP effekter; dog kan en-til-én foreninger ikke være tilstrækkelig til at forklare kompleksiteten af ​​sygdommen kausalitet. Det er for nylig blevet fastslået, at gen-gen /SNP-SNP interaktioner kan have en større indvirkning på afsløringen kausalitet af komplekse sygdomme [22], [23], [24], [25]. Pure SNP-SNP interaktioner, dvs. dem med mindre eller ingen signifikante individuelle SNP effekter, blev rapporteret i flere sygdomme, såsom brystcancer [26], [27], prostatacancer [28], og leddegigt [29].

for at overvinde udfordringerne i høje-dimensionelle data, vi søgte SNP-SNP interaktioner ved hjælp af TRM tilgang, en to-trins Random Skove plus Multivariate Adaptive Regression Splines (MARS). Konventionelle undersøgelser bruger en additiv model for SNP’er, og søge efter parvise SNP interaktioner ved hjælp af logistisk regression. Denne fremgangsmåde er ikke tilfredsstillende, da en additiv model antagelse ikke kan være gyldig. Det har vist sig, at den genetiske model valg har stor betydning for påvisning magt foreninger [28]. I nogle studier er rene SNP interaktioner overset fordi kun SNPs med en betydelig eller marginal hovedvirkning er taget i betragtning. For at forbedre forudsigelse evne kompleks sygdom, identificere relevante genetiske modeller (såsom dominant og recessiv) og i betragtning af gen-gen interaktioner i foreningen undersøgelser er foreslået [30]. Denne TRM tilgang, som tager forskellige arv modeller og interaktioner i både screening og interaktion mønster søge trin, har vist sig at være stærke i at opdage SNP interaktioner i en storstilet genetisk variation undersøgelse [31].

materialer og metoder

To grupper blev anvendt i denne undersøgelse. Den CGEMS gruppe blev anvendt som det primære datasæt til at identificere SNP-SNP-interaktioner forbundet med prostatacancer aggressivitet. De væsentlige resultater er identificeret i CGEMS data blev derefter igen evalueret ved brug af Moffitt data. Alle personer i vores analyse var mænd med europæisk afstamning, fordi data var tilgængelige på mænd med europæisk afstamning i CGEMS datasættet. Kun én fælles demografiske variable, alder ved tilmelding, var til rådighed i de to studiegrupper. Men på grund af undersøgelsens design forskel, variablerne gamle ved indskrivning i de to undersøgelsesgrupper er ikke sammenlignelige. For patienter i prostata cancer, datoen for tilmelding var før prostatakræft diagnose i CGEMS undersøgelsen (en indlejret case-kontrol undersøgelse inden for en prospektiv kohorteundersøgelse), men det var efter kræftdiagnose i Moffitt kohorte (en sag kun studere) . Således blev vores analyser baseret på ukorrigerede resultater.

CGEMS Befolkning

Der var 1.151 prostatakræft patienter (659 aggressiv og 492 ikke-aggressive patienter) i CGEMS prostatakræft genom-dækkende datasæt . Deltagerne blev udvalgt fra Prostate, Lung, Colon og Ovarian (PLCO) kræftscreening Trial indskrivning mellem 1993 og 2003 [32]. Der var 12%, 55% og 33% af patienterne i aldersgruppen af ​​ 60, 60-69 og = 70 år gammel, henholdsvis ved indskrivning af PLCO kohortestudie. Hele data indeholdt cirka 550.000 SNPs genotypede med Illumina HumanHap300 og Illumina HumanHap250. Patienter med Gleason score ≥ 7 eller ≥stage III blev anset for at have aggressive prostatakræft. Vi identificerede gener, der koder proteiner involveret i eller relateret til angiogenese ved at søge offentliggjort litteratur (PubMed) og den offentlige sti database (Cancer Genome Anatomy Project, Kyoto Encyclopedia of Gene og genomer og Gene ontologi). I alt 2.653 SNP’er i de 161 angiogenese gener blev undersøgt. Den Hardy-Weinberg ligevægt blev undersøgt i kontrolgruppen (n = 1101), som ikke var medtaget i denne undersøgelse. Efter at have udelukket to SNPs uden at følge den Hardy-Weinberg ligevægt (p-værdi 10

-4), blev i alt 2.651 SNPs ansøgt om yderligere analyser. Bindingsuligevægt blandt alle test SNPs blev undersøgt på grundlag af r

2 ved hjælp af Haploview Tagger [33]. Når du har valgt en SNP i hvert par med stærk koblingsuligevægt af r

2 . 0.8, blev i alt 2.177 SNPs inkluderet for interaktion analyser

Moffitt Befolkning

Moffitt gruppen blev anvendt i tværgående evaluering af SNP’er i angiogenese gener associeret med prostatacancer aggressivitet. Den Moffitt befolkning bestod af en historisk kohorte af 1.040 prostatektomi sager behandlet på Moffitt Cancer Center fra 1986 til 2003. Vi identificerede 437 aggressive tilfælde og 603 ikke-aggressive tilfælde baseret på de samme prostatakræft aggressivitet kriterier, der anvendes i CGEMS gruppen. Der var 49%, 42% og 8% af patienterne i aldersgruppen af ​​ 60, 60-69 og = 70 år gammel, henholdsvis ved indskrivning af Moffitt undersøgelsen. Der var 681 angiogenese SNPs genotyping hjælp af Illumina GoldenGate ™ assay (Illumina, San Diego, CA). Undersøgelsen protokol Den blev godkendt af Institutional Review Board fra University of South Florida (Tampa, FL).

Analyse af individuelle SNP Effects

I CGEMS gruppen, tre arv modeller (dominerende, recessive og additiv model) blev vurderet ved anvendelse af logistisk regression, og den bedste model blev valgt på basis af den minimale p-værdi for hver SNP. Falsk opdagelse sats (FDR) q-værdi [34] blev beregnet til justering for flere sammenligninger. De betydelige SNPs med en p-værdi mindre end 0,05 i CGEMS blev derefter revurderes i Moffitt gruppen. For konsistens, blev den samme genetiske model med minimal p-værdi i CGEMS gruppen anvendt i Moffitt gruppen for hver SNP. De væsentligste effekter af SNPs involveret i signifikante interaktioner blev også evalueret.

Cross-evaluering af SNP-SNP Interaktioner

For at udforske SNP-SNP interaktioner, TRM, to-trins Tilfældige Skove plus MARS, blev anvendt [31]. I den første fase af TRM tilgang, blev udvalgt de øverste kandidat SNPs baseret på at minimere out-of-pose (OOB) klassificering fejlprocent ved hjælp af uskalerede permutation nøjagtighed betydning-indekset i Random Skove. Ansøgerlandene SNPs valgt i den første fase blev undersøgt op til to-vejs interaktioner forbundet med prostatakræft aggressivitet hjælp MARS. I første fase, brugte vi standard på 5.000 træer for at bygge den første skov og 2.000 træer til alle yderligere skove bruger varSelRF R-pakken. Antallet af tilfældigt udvalgte prædiktorer blev fastsat til 47, kvadratroden af ​​antallet af prædiktorer. Blandt alle monteret skove blev den endelige sæt variabler vælges på grundlag af den mindste antal variabler, hvis fejl er mindre end en standard fejl af den mindste OOB fejlprocent. I MARS, blev de maksimale basisfunktioner på 30 anvendes til at udforske SNP-SNP interaktion mønstre blandt de bedste kandidat SNPs. Ti gange krydsvalidering blev anvendt til at vælge den grad af frihed opkrævet per basisfunktion.

Fordi Random Skove ikke giver mulighed for manglende værdier, blev sporadisk manglende genotypede data tilregnes hjælp tilregne version 2.0 med HapMap3 CEU + TSI data som reference befolkning. Blandt 2.177 SNPs for interaktion søgning, den manglende data rate var lav: Medianen mangler sats var 2,6% og maksimum 5,6%. For at bevare alle SNPs i analyserne, analyser vores interaktion var baseret på den kombinerede datasæt består af de oprindelige genotypede data og imputerede data. De individuelle SNP effekter blev vurderet ved hjælp af de oprindelige data.

TRM tilgang giver ikke variabel betydning ved hjælp p-værdier, så bootstrap metode blev anvendt til udvælgelse af faktorer i den endelige model og reducere falsk positive resultater. Bootstrap frekvenser af en null model, ingen sammenhæng mellem den simulerede resultat og test SNPs, blev anvendt til indstilling af cut-point af variabel udvælgelse i TRM. I denne null model, vi uafhængigt genereret en binær resultatvariabel med 659 forsøgspersoner i en gruppe og 492 individer i den anden gruppe, som stemte overens med den aggressivitet status i CGEMS datasæt. Vi opnåede 500 bootstrap prøver ved prøveudtagning med erstatning fra nul model. For hver identificeret faktor (individuelle effekter eller interaktioner) blev de falske positive frekvenser baseret på 500 bootstrap prøver beregnes. De 95% percentil af bootstrap frekvenser i de falske positive faktorer var 4,2%. For konservative formål, vi holdt kun dem med en bootstrap større hyppighed end 5%. For let fortolkning blev de identificerede faktorer indgår i multivariable logistisk regression til opnåelse odds ratio og deres konfidensintervaller 95%.

rutediagram for cross-evaluering til påvisning SNP-SNP-interaktioner er vist i figur 1 . i trin 1, de SNP-SNP interaktioner identificeret i CGEMS gruppen, behandles som et træningssæt, blev revurderet i Moffitt gruppen. Blandt de CGEMS identificerede genpar (gen-gen interaktioner), var vi også interesserede i at udforske, om der kunne påvises andre SNP-SNP interaktioner i den uafhængige Moffitt gruppen. I trin 2, vi yderligere søgt alle mulige to-vejs SNP-SNP interaktioner de identificerede genpar (såsom

MMP16

+

ROBO1

) i Moffitt gruppen. I trin 3, de identificerede SNP interaktioner fra trin 2 blev revurderet i CGEMS gruppen. De bedste “interaktion mønstre” (såsom dominant-dominerende model) blev påvist separat i begge grupper ved hjælp af MARS. Derudover kontrolleres vi, om de identificerede interaktion modeller var bedre end de modeller med deres vigtigste virkninger kun ved at bruge de trinvise logistiske regressioner. Data blev udført ved hjælp af SAS 9.3. TRM blev udført ved hjælp af MARS 2.0 (Salford Systems, San Diego, USA), og R pakke af randomForest og varSelRF.

I trin 1, SNP-SNP interaktioner identificeret i CGEMS gruppe blev revurderet i Moffitt gruppe. I trin 2 blev alle mulige to-vejs SNP-SNP interaktioner de identificerede genpar evalueret i Moffitt gruppen. I trin 3, de identificerede SNP interaktioner fra trin 2 blev revurderet i CGEMS gruppen.

Resultater

I Cancer genetiske markører af følsomhed (CGEMS) gruppe, vi evaluerede den vigtigste effekt af 2.651 angiogenese SNPs forbundet med prostatakræft aggressivitet status (ja /nej) ved hjælp af logistiske regressionsmodeller. Der var 279 SNPs i 75 gener med en rå p-værdi mindre end 0,05. Blandt disse SNP’er, den største FDR q-værdien var 0,053. Dette indikerer, at mindre end 15 falsk positive fund var forventet blandt de bedste udvalgte SNPs. Disse betydelige SNPs blev derefter vurderet i Moffitt gruppen. Blandt disse 279 SNPs, 160 SNPs var tilgængelige i Moffitt data. Fire SNPs i tre gener (

COL4A3

,

PDGFD

og

ELK3

) var forbundet med prostatakræft aggressivitet i både CGEMS og Moffitt grupper med en p-værdi mindre end 0,05. To SNP’er (rs10498214 og rs6436661) i

COL4A3

var signifikant forbundet med prostatakræft aggressivitet. Dem med CC genotype sammenlignet med CT og TT genotype i rs10498214 tendens til at have en højere risiko for aggressiv prostatakræft (odds ratio (OR) = 1,63 og p-værdi = 0,028 for CGEMS, OR = 1,53 og p-værdi = 0,047 for Moffitt). CC og CT genotype rs6436661 i

COL4A3

var negativt associeret med prostatakræft aggressivitet (OR = 0,74, p-værdi = 0,040 for CGEMS, OR = 0,71, p-værdi = 0,034 for Moffitt). Mænd med CC genotypen i rs488753 (

PDGFD

) var mere tilbøjelige til at udvikle aggressiv prostatakræft end dem med CT og TT genotypen (OR = 1,47, p-værdi = 0,035 for CGEMS, OR = 1,45, p -værdi = 0,031 for Moffitt). CC og CT genotype rs2268509 i

ELK3

var positivt associeret med prostatakræft aggressivitet (OR = 1,29, p-værdi = 0,047 for CGEMS, OR = 1,57, p-værdi = 0,002 for Moffitt)

de SNP interaktioner i angiogenese gener blev evalueret ved brug af TRM tilgang i CGEMS gruppen. I alt 14 faktorer blev valgt ved hjælp af TRM tilgang (figur 2). To vigtigste virkninger af rs3093040 (i

CSF1

) og rs1477908 (i

MMP16

) blev udvalgt, og 12 to-vejs SNP-SNP interaktioner blev identificeret. Til valg faktorer i den endelige model og intern validering blev bootstrap metode anvendt. Ved hjælp af en bootstrap frekvens på 5% som cut-point, blev udvalgt de øverste syv faktorer: to effekter og fem interagerende SNP par. De to vigtigste virkninger var de centrale faktorer i disse SNP par. Blandt de fem interagerende SNP par blev rs1477908 involveret i to SNP par og rs3093040 blev medtaget i de andre tre SNP par. De fem genpar af de identificerede SNP-SNP interaktioner

MMP16 + ROBO1, MMP16 + CSF1, CSF1 + FBLN5, CSF1 + HSPG2

, og

MMP16 + EGFR,

der i en rangorden baseret på bootstrap frekvenser . Som vist i tabel 1, vi medtaget disse vigtige faktorer i en multivariabel logistisk model, og alle faktorer var stærkt signifikant (p-value range: 0,015 til 0,0001). Disse resultater forblev ens efter justering alder (resultater ikke vist).

For at reducere falske positive resultater, blev bootstrap metode, der anvendes til udvælgelse af faktorer i den endelige model. Vi opnåede 500 bootstrap prøver ved prøveudtagning med erstatning fra nul model. For hver identificeret faktor blev de falske positive frekvenser baseret på 500 bootstrap prøver beregnes. De faktorer med en bootstrap større hyppighed end 5% blev inkluderet i multivariable model (tabel 1).

Selv om disse fem SNP-SNP interaktioner var betydelig i multivariable model, vi evalueres yderligere om disse SNP par var uafhængige prædiktorer for prostatakræft aggressivitet. De fem interagerende SNP par blev monteret individuelt i en logistisk regressionsmodel. I hver 2-vejs interaktion i tabel 2, blev referencegruppen mærket som OR = 1. Vi definerede dem med OR 1 som gruppen risiko og dem med OR 1 som den beskyttende gruppe. For let sammenligning af SNP interaktion mønstre mellem de to studiegrupper, blev de mønstre præsenteres ved hjælp af 3 × 3 tabeller i tillægget (tabel S1, S2, S3). Disse fem SNP par blev signifikant associeret med prostatacancer aggressivitet i CGEMS gruppen. Især de to bedste SNP-SNP interaktioner rs1477908 (

MMP16

) + rs1387665 (

ROBO1

) og rs6994019 (

MMP16

) + rs3093040 (

CSF1

). Prostata cancer patienter med AA + AG /GG genotype kombination af SNP par rs1477908 og rs1387665 var mere tilbøjelige til at udvikle aggressiv prostatakræft (OR = 1,83, p-værdi = 0,0002) end dem med genotypen kombination af AA + AA. Patienter med GG /GA genotype i rs3093040 var mere tilbøjelige til at have en aggressiv prostatakræft end dem med AA genotypen, men denne effekt var signifikant ændret af rs6994019. Blandt dem med GG /GA genotype i rs3093040, mænd med GG genotype rs6994019 var mere tilbøjelige til at udvikle aggressiv prostatakræft (OR = 2,22, p-værdi = 1,7 * 10

-5) end dem med AA-genotypen af rs3093040; alligevel, denne positive sammenhæng ikke var signifikant for dem med GT /TT genotype rs6994019 (OR = 1,36, p-værdi = 0,096).

Disse 5 vigtige SNP-SNP interaktioner blev yderligere vurderet ved anvendelse af den Moffitt gruppen (trin 1 i figur 1). Kun en SNP-SNP samspil mellem rs1477908 (

MMP16

) og rs1387665 (

ROBO1

) var tilgængelig i Moffitt gruppen. Som vist i tabel 2, observerede vi, at den høje risikogruppe for at udvikle aggressiv prostatakræft var dem med AA og GG-genotypen i parret af rs1477908 og rs1387665 (OR = 1,39 og p-værdi = 0,065) i Moffitt gruppen. De høje risikogrupper valgt i begge gruppe er ens: AA + GG og AA + AG /GG af rs1477908 og rs1387665 i Moffitt og CGEMS grupper henholdsvis

Udover CGEMS identificerede SNP-SNP interaktioner, vi udforsket, om andet. SNP interaktioner i de identificerede genpar i Moffitt gruppen var signifikant associeret med prostatakræft aggressivitet. To-vejs SNP-SNP interaktioner de fem identificerede genpar (

MMP16 + ROBO1, MMP16 + EGFR, MMP16 + CSF1, CSF1 + FBLN5, og CSF1 + HSPG2

) blev ransaget (Trin 2, figur 1). Som vist i tabel 2, blev der påvist yderligere otte SNP-SNP samspil Moffitt gruppen. To interaktioner var i genet par MMP16 + ROBO1, tre var i MMP16 + EGFR, var i

MMP16

+

CSF1

og to var i CSF1 + HSPG2. Blandt disse otte identificerede SNP-SNP-interaktioner, seks var tilgængelige i CGEMS; De var således derefter revurderes (figur 1, trin 3).

Tre genpar blev observeret at have mindst én SNP-SNP interaktion med en lignende interaktion mønster i de to undersøgelsesgrupper. Den lignende interaktion mønster blev defineret som de identificerede genotypekombinationer i de to undersøgelsesgrupper, som er overlappet og med samme retning med hensyn til en prostatakræft aggressivitet risiko. Tre (rs1477908 + rs1387665, rs1467251 + rs7625555, og rs1824717 + rs7625555) var i genet par

MMP16

ROBO1

. Samspillet mellem rs1401862 og rs6964705 var i

MMP16

EGFR

, og en anden SNP par rs2176771 og rs333970 var i

MMP16

CSF1

. Med undtagelse af SNP par rs1477908 og rs1387665, yderligere to SNP par (rs1467251 + rs7625555 og rs1824717 + rs7625555) i genet par

MMP16

ROBO1

var forbundet med prostatakræft aggressivitet. I Moffitt gruppen, prostata cancer patienter med AA + GG /GA genotype i SNP par rs1467251 og rs7625555 havde en lavere risiko for at udvikle aggressiv prostatakræft end andre genotype kombinationer i samme SNP par (OR = 0,29, p-værdi = 0,024). I CGEMS gruppen, den lave risikogruppe var dem med GA /AA + GG /GA genotype i samme SNP par (OR = 0,59, p-værdi = 0,002). Med hensyn til samspillet mellem rs1824717 og rs7625555, den højrisikogruppe for aggressiv prostatakræft i CGEMS gruppen var kombinationen af ​​AA og AA genotype af dette SNP par (OR = 1,91, p-værdi = 0,009), og den højrisikogruppe i Moffitt sættet var kombinationen af ​​AA /AG og GA /AA-genotypen (OR = 1,59, p-værdi = 0,008). Med

MMP16

EGFR

, mænd med genotypen kombinationen af ​​GA /AA og AA i en SNP par rs1401862 og rs6964705 tendens til at være mindre sandsynligt (OR = 0,58, p-værdi = 0,011) har aggressiv prostatakræft end andre genotype kombinationer af SNP par i CGEMS gruppen. Vi observerede også signifikant interaktion mønster af denne SNP par i Moffitt gruppen.

De vigtigste virkninger af SNPs involveret i signifikante interaktioner er vist i tabel 3. Disse vigtigste virkninger ikke kunne gentages inden for de to studiegrupper . Blandt de 16 SNPs involveret i SNP-SNP interaktioner forbundet med prostatakræft aggressivitet i CGEMS gruppen, 13 SNPs havde en p-værdi mindre end 0,05 i de univariate analyser. Blandt de 16 SNPs i Moffitt gruppen, kun rs17172446 havde en p-værdi mindre end 0,05. Vi bekræftede også, at interaktion modeller, der er anført i tabel 2 var bedre end de vigtigste-effekten kun modeller (resultater ikke vist).

Diskussion

Vores fund identificeret fem SNP-SNP interaktioner i angiogenese gener associeret med prostatacancer aggressivitet i CGEMS gruppe ved hjælp af hidtil ukendte TRM tilgang. Fem højsignifikante SNP-SNP interaktioner (p-værdi = 2 × 10

-5 til 6 × 10

-4) med en medium til stor effekt størrelse med succes blev påvist selv med en relativt lille stikprøve på ca. 1000 . De odds forhold mellem disse SNP interaktioner blev kategoriseret fra et medium (OR≥1.5) til stor effekt størrelse (OR≥2) [35]. Den kliniske virkning af de SNP-SNP interaktioner kan være større end for de enkelte SNPs identificeret i GWA undersøgelser. Den forudsigelse magt kræftrisiko for SNPs identificeret i GWA studier er begrænset med medianen pr-allel OR på 1,22 baseret på en nylig gennemgang [30].

Vores identificerede gen-gen interaktioner kan være biologisk relevant Based på netværket analyse. Samspillet af de fem genpar (MMP16 + ROBO1, MMP16 + CSF1, MMP16 + EGFR, CSF1 + FBLN5, og CSF1 + HSPG2) blev påvist ved hjælp af cross-evaluering i CGEMS og Moffitt grupper. Især de tidligere tre genpar havde mindst én SNP-SNP interaktion med en lignende interaktion mønster i de to undersøgelsesgrupper. Blandt de identificerede genpar,

MMP16

CSF1

var involveret i flere interagerende genpar, således et netværk Foreningen blev underforstået. For at kontrollere for biologisk relevans af de foreninger og udforske den underliggende funktionelle mekanisme af vores identificerede gen-gen interaktioner, blev en hypotetisk genetisk regulerende netværk (Figur 3) foreslået. Denne genetiske interaktion netværk blev genereret baseret på offentliggjorte protein-protein interaktioner i

Homo Sapience

bruge MetaCore databasen fra GeneGo Inc. De indbyrdes relationer mellem biokemiske proces netværk af de identificerede gener viste, at de seks proteiner blev involveret direkte eller indirekte i

EGFR

signalvejen. Det foreslået, at disse gener kan være co-reguleret af flere transkriptionsfaktorer sammen, såsom E2F1, STAT1, ESR1, SP1, og AP-1, og en receptor (integrin). Den mest fremtrædende protein i netværket var EGFR, som interagerede med de resterende fem proteiner, der var involveret i angiogenese

aFive interagerende genpar:.

MMP16 + ROBO1, MMP16 + CSF1, CSF1 + FBLN5, CSF1 + HSPG2

, og

MMP16 + EGFR.

b Nodes repræsenterer proteiner og linjer mellem knuder angiver interaktioner mellem proteiner. Grønne og røde linjer repræsenterer de positive og negative virkninger, hhv. Proteiner af identificerede gener er angivet med en cirkel omkring noderne.

epidermal vækstfaktor receptor (EGFR) er en kritisk protein i proliferation af epitelceller og er involveret i onkogenese. EGFR binder epidermal vækstfaktor (EGF) og er blevet vist at spille en vigtig rolle i reguleringen af ​​prostata cellulær vækst og funktion [36], [37], [38]. Vores resultater blev også understøttet af en nylig integrativ microarray undersøgelse. Wang

et al.

Udført en meta-analyse af 10 prostata cancer microarray udtryk datasæt til at identificere de fælles underskrifter på både gen- og pathway der er forbundet med risiko prostatakræft, og EGFR-vejen blev fundet i ni datasæt ,”Wang

et al.

performed a meta-analysis of 10 prostate cancer microarray expression datasets to identify the common signatures at both the gene and pathway levels associated with prostate cancer risk, and the EGFR pathway was found in nine datasets ,,,0