肺癌关联的基因多态位点的识别与预测模型的构建

论文摘要

肺癌是全球范围内最为常见的恶性肿瘤,是一种由多种因素共同作用导致的肿瘤类疾病。其中,公认的最主要因素就是吸烟,但是仅有10-15%的吸烟者最后发展为肺癌,说明个体遗传因素在肺癌的发生和发展中发挥着不容忽视的作用。我们从基因多态位点与肺癌易感性的研究报道中,经一系列筛选,选取了24个肺癌关联的单核苷酸多态（SNP）位点。通过SNPscanTM基因分型技术,基于病例-对照研究的方法,对中国汉族人群中的1597例肺癌患者和2040例性别、年龄与之相匹配的健康对照进行功能和标签SNP位点的肺癌易感性分析。随后选取与肺癌风险显著关联的SNP位点以及吸烟状态、年龄和性别因素,运用Logistic逐步向后回归法进行变量筛选,检测交互作用和分析风险因素累积效应,从而构建肺癌风险预测模型,并用基于受试者操作特征（ROC）曲线下面积（AUC）来评价模型的预测能力。同时,通过把总数据平均分为实验数据和验证数据两个部分,以准确率、敏感度和特异度评价模型的预测效果。多因素降维法（MDR）加以分析和验证交互作用和可靠性。结果显示,Logistic逐步向后回归筛选出8个因素变量,其中包括性别、吸烟和6个SNP位点（TERT基因上的rs2736098和rs2853668、BAG6基因上的rs2242656、MMP2基因上的rs243865、CHEK2基因上的rs2236141以及XRCC6基因上的rs2267437）。其中TERT-rs2736098、BAG6-rs2242656、MMP2-rs243865、 CHEK2-rs2236141和KRCC6-rs2267437位点为隐性遗传模型；TERT-rs2853668位点为显性遗传模型。TERT-rs2736098和CHEK2-rs2236141突变纯合子个体的肺癌风险显著提高（rs2736098（TT）校正OR（95%CI）=1.25（1.01,1.54）,P=0.038；rs2236141（TT）:校正oR（95%CI）=2.03（1.31,3.16）,P=0.002）. TERT-rs2853668野生等位型携带者以及BAG6-rs2242656、MMP2-rs243865和XRCC6-rs2267437位点野生纯合子个体的患病风险率显著提高（rs2853668（TT+GT）:校正OR（95%CI）=1.20（1.04,1.40）,P=0.017；rs2242656（AA）校正OR（95%CI）=1.22（1.04,1.43）,P=0.017;rs243865（CC）:校正OR（95%CI）=1.36（1.13,1.64）,P=0.001；rs2267437（CC）:校正OR（95%CI）=1.28（1.10,1.50）,P=0.002）。基因-基因间和基因-环境间没发现显著的两因素交互作用,6个SNPs位点分别与肺癌发病独立相关,且统计学上有显著性（P<0.05）。6个SNPs口吸烟因素累加产生肺癌风险关联的累积效应,个体携带5个或更多肺癌风险因素时,其患肺癌的风险是携带1个或更少者的4.5倍（校正OR（95%CI）=4.50（2.93,6.91）,P=5.8×10-12）。性别、吸烟和6个SNP位点构成的环境-遗传肺癌风险预测模型的预测效果最佳（AUC（95%CI）=0.63（0.61,0.65）,P=2.2×10-38）,显著优于人口学模型（AUC（95%CI）=0.51（0.49,0.53）,P=0.307）、遗传变异模型（AUC（95%CI）=0.56（0.54,0.58）,P=2.4×10-10）和非遗传模型（AUC（95%CI）=0.60（0.58,0.62）, P=4.9×10-25）。这8个因素,在实验数据中预测指标为：准确率为60.97%,敏感度为44.68%,特异度为73.73%；在验证数据中预测指标为：准确率为61.77%,敏感度为36.84%,特异度为81.27%；总数据中预测指标为：准确率为61.37%,敏感度为40.76%,特异度为77.50%。MDR分析同时验证了我们模型的可靠性。本研究,在中国汉族人群中,初步建立了肺癌风险的环境-遗传预测模型,该模型具有一定的肺癌风险预测能力,对肺癌的预防和诊断工作有辅助作用。因此,更多肺癌关联的基因多态位点有待识别,以完善肺癌风险预测模型。

论文目录

• 摘要
• Abstract
• 缩略词
• 一 引言
• 二 材料与方法
• 2.1 技术流程总览
• 2.2 研究对象
• 2.3 方法
• 2.3.1 流行病学调查和资料整理统计
• 2.3.2 SNP的来源
• 2.3.3 SNP的分型
• 2.4 SNP的选择
• 2.4.1 分型成功率
• 2.4.2 哈迪-温伯格平衡检验
• 2.4.3 连锁不平衡检验
• 2.5 基因多态单位点及遗传模型比值比分析
• 2.5.1 比值比
• 2.5.2 Logistic回归模型的一般形式
• 2.5.3 Logistic回归系数的意义
• 2.6 肺癌预测模型的变量筛选与构建
• 2.6.1 基于最大似然估计的向后逐步Logistic回归模型
• 2.6.2 多重共线性检验
• 2.6.3 交互作用
• 2.6.3.1 Logistic回归乘积项法
• 2.6.3.2 信息熵交互图和系统树法
• 2.6.4 多因素降维法模型
• 2.7 构建的模型种类
• 2.8 模型的评价
• 三 结果
• 3.1 研究对象的基本资料
• 3.2 SNP位点选择和评价
• 3.3 基因多态位点和肺癌遗传易感性分析
• 3.3.1 单位点等位基因分析
• 3.3.2 遗传模型分析
• 3.4 构建肺癌风险预测模型
• 3.4.1 基于最大似然估计的向后逐步Logistic回归
• 3.4.2 多重共线性
• 3.4.3 交互作用
• 3.4.3.1 基因-基因交互作用
• 3.4.3.2 环境-基因交互作用
• 3.4.3.3 主效应与交互效应
• 3.4.3.4 聚类系统树
• 3.4.4 NSCLC风险关联因素的累积效应
• 3.5 模型评价与验证
• 3.5.1 ROC曲线分析
• 3.5.2 实验数据与验证数据评价
• 3.5.3 MDR模型验证
• 四 讨论
• 4.1 基因多态位点与肺癌易感性的关系
• 4.1.1 TERT基因
• 4.1.2 BAG6基因
• 4.1.3 MMP2基因
• 4.1.4 CHEK2基因
• 4.1.5 XRCC6基因
• 4.2 肺癌风险预测模型构建的意义
• 4.2.1 交互作用的影响
• 4.2.2 单核苷酸多态性的预测价值
• 4.3 研究的局限性
• 五 结论
• 参考文献
• 附录一
• 综述：肺癌预测模型构建的研究进展
• 参考文献
• 附录二
• 肺癌患者调查随访表
• 硕士期间发表文章
• 致谢