论文部分内容阅读
背景:肺癌是人类最常见的恶性肿瘤之一。根据国家癌症中心最新的数据,我国肺癌发病率位于男性恶性肿瘤的第一位和女性恶性肿瘤的第二位;肺癌死亡率位居全部恶性肿瘤的第一位。吸烟是导致肺癌发生最主要的危险因素,然而吸烟者中仅有不到20%的人群发生肺癌,提示不同个体对肺癌的易感程度存在差异。这种个体间肺癌易感性的差异一定程度上可归咎于胚系遗传变异,其中最常见的一类是单核苷酸多态性（Single nucleotide polymorphism,SNP）。自2008年以来,全基因组关联研究（Genome-wide association study,GWAS）在欧美和亚洲人群中系统探讨了肺癌的遗传易感性,发现了51个易感区域内的81个SNPs与肺癌发病风险显著相关。但是GWAS发现的遗传易感位点所能解释的遗传度十分有限,这种现象被称为“遗传度缺失”。随着DNA元件百科全书（ENCODE）计划等项目的开展,研究者发现基因组中顺式作用元件可通过与反式作用因子的相互作用使DNA序列形成环状结构,从而远端调控元件与目标基因的启动子在三维空间中产生近距离交互作用,实现其远程基因调控功能。近年来,Hi-C技术通过结合DNA交联与高通量测序,能够捕获全基因组范围内的染色质交互作用。多项研究通过Hi-C技术系统识别基因组范围内染色质交互作用区域,并进一步结合GWAS加以分析,发现位于染色质交互作用区域的遗传变异在疾病发生过程中扮演重要角色。因此,整合染色质交互作用区域的遗传变异进行关联分析,可能有助于发现更多的疾病相关位点。然而,目前尚无研究系统地分析染色质交互作用区域内遗传变异与肺癌发病风险之间的关联。目的:全面评价染色质交互作用区域内遗传变异与肺癌发病风险之间的关联,发现新的肺癌易感位点,一定程度上填补肺癌的“遗传度缺失”。同时,对所发现的肺癌易感位点,进一步通过功能注释、表达数量性状位点（expression quantitative trait locus,e QTL）分析和通路富集分析等方法探索其候选易感基因及潜在的生物学机制。方法:本研究采用病例-对照设计,共纳入7,127例肺癌病例和6,818例对照。所有研究对象均来自以下两项已发表的GWAS数据库:（1）中国人群肺癌全基因组关联研究（NJMU GWAS,2,331例肺癌病例和3,077例对照）和（2）亚洲非吸烟女性肺癌全基因组关联研究（FLCCA GWAS,4,796例肺癌病例和3,741例对照）。NJMU GWAS和FLCCA GWAS分别采用Affymetrix Genome-Wide Human SNP Array 6.0和Illumina Human660W-Quad v1.0 DNA Analysis Bead Chip platform进行全基因组基因分型。基因型填补前对每项GWAS的原始分型数据进行标准化质量控制,包括去除分型成功率<95%、分型性别与基线信息不一致、重复或具有一级亲缘关系、杂合率偏离群体均值、或具有明显人群分层的样本;去除分型成功率<95%、Hardy-Weinberg平衡检验P<1.00×10-6、或次要等位基因频率（Minor allele frequency,MAF）低于0.05的遗传变异。随后,以千人基因组计划（1000 Genomes Project,1000GP）第三阶段数据库为参考,使用SHAPEIT软件构建单倍型,使用IMPUTE2软件进行基因型填补。填补后数据保留分型成功率>95%、MAF>0.05、Hardy-Weinberg平衡P>0.05、且基因型填补INFO得分≥0.8的遗传变异。本研究从ENCODE计划项目下载肺癌细胞系A549的Hi-C数据,分别从两项GWAS提取出位于染色质交互作用区域的SNPs,并进一步使用Regulome DB数据库进行功能注释,筛选出Regulome DB分值≤3的SNPs。此外,本研究使用Priority Pruner软件剔除了具有高度连锁不平衡（R2≥0.8）关系的SNPs。全基因组关联分析在两项研究中分别进行,使用多因素Logistic回归模型,通过相加效应模型计算单个SNP对肺癌发病风险的效应值（Odds ratio,OR）和95%置信区间（95%confidence interval,95%CI）,调整的协变量包括年龄、性别、吸烟状态和主成份。随后,本研究使用固定效应模型逆方差加权法对SNPs在两项GWAS的关联结果进行Meta分析。研究之间的异质性应用Cochran’s Q检验进行衡量,最终保留异质性检验P>0.05、并且关联效应方向在NJMU GWAS和FLCCA GWAS一致的SNPs。本研究使用Benjamini-Hochberg假发现率（False discovery rate,FDR）进行多重比较校正,以PFDR<0.05作为统计学显著性标准。此外,本研究依据年龄、性别、吸烟状态和组织病理学类型对满足显著性标准的SNPs进行亚组分析。采用UCSC基因组生物信息学网站中ENCODE计划数据库对SNP位点进行功能注释,以初步探讨SNPs的生物学功能。使用90例肺癌患者癌/癌旁组织RNA测序数据和外周血DNA全基因组基因分型数据对所发现易感SNPs进行e QTL分析和靶基因的差异表达分析。最后针对SNP调控的靶基因进行全基因组共表达分析和通路富集分析,以进一步探讨靶基因的生物学功能。结果:基于ENCODE计划A549细胞系的Hi-C数据分析,获得25,666个染色质交互作用区域,包含了NJMU GWAS和FLCCA GWAS的363,334个SNPs,其中36,249个SNPs的Regulome DB分值≤3,在剔除具有高度连锁不平衡（R2≥0.8）的遗传变异后,共计23,743个SNPs进入关联分析。随后发现了5个满足显著性标准的SNPs,其中6q22.1区域的rs4946258是已报道的肺癌易感位点;其他四个SNPs为新发现的肺癌易感位点,分别是1q21.1区域的rs17160062(T>C;OR=1.19,P=4.00×10-6)、染色体2p23.3区域的rs670343(G>A;OR=0.88,P=4.87×10-7)、染色体2p15区域的rs9309336(T>C;OR=1.13,P=3.24×10-6)以及染色体17q21.2区域的rs9252(G>A;OR=0.85,P=1.51×10-5)。分层分析显示rs9309336（2p15）的效应在吸烟者和非吸烟者之间具有显著异质性(Phet=0.03)。功能注释结果显示,rs17160062（1q21.1）位于转录因子CEBPB的结合位点;rs9309336（2p15）位于启动子区,可以影响Foxp1等重要转录因子的结合;rs670343（2p23.3）和rs9252（17q21.2）位于增强子区域。e QTL和差异表达分析发现rs17160062-C在肺癌癌旁组织可上调CHD1L的转录表达(P=1.44×10-3),而CHD1L在肺癌组织中的表达水平显著性高于癌旁组织(P=5.95×10-9);rs9309336-T能够下调靶基因PUS10的表达水平（P=0.032）,PUS10在癌组织中的表达水平显著性高于癌旁组织(P=1.92×10-3)。通路富集分析发现,CHD1L和PUS10共表达基因均富集于核糖体通路。此外,PUS10共表达基因还显著富集于NOTCH信号通路、ERBB信号通路和非小细胞肺癌通路等。结论:整合肺癌细胞系的染色质交互作用信息开展肺癌易感性研究有助于发现更多的肺癌易感位点,一定程度上填补肺癌的“遗传度缺失”;所发现的肺癌易感位点为探索肺癌发生的生物学机制提供了理论依据。