肿瘤全基因组的关联分析研究进展

?综述?肿瘤全基因组的关联分析研究进展

谢峰　戴炳华　阎龙　申荣喜　杨甲梅

常见疾病如肿瘤、糖尿病和高血压等受多个基因和环境因素共同影响，每个基因的单独作用较弱，且往往存在多基因交互和基因环境的交互作用，因此，这些疾病被称作复杂疾病，其遗传机制的研究有助于开发新药物、发展新疗法和开展预防。上述复杂疾病不像单基因疾病，即不遵循经典的Ｍｅｎｄｅｌ遗传规律，遗传因素对疾病只起部分作用，如遗传因素对老年性痴呆的影响约为６０％～８０％［１］，其发生发展是遗传因素与生活方式环境因素共同作用的结果，且往往存在遗传异质性，遗传模式也尚未确定，基于以上特点，复杂疾病的研究面临着众多难题。

全基因组关联分析（ｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙ，ＧＷＡＳ）是现阶段研究复杂疾病与基因关系比较有效和方便的一种方法［２唱３］，从２００６年起，已经陆续报道了糖尿病、乳腺癌、前列腺癌、精神分裂症等几十种疾病的关联分析结果，确定了一系列疾病的易感位点［４唱６］。在我国“十一五”国家高技术研究发展计划中，对精神疾病、高血压、糖尿病、肺癌和食管癌等５种重大疾病的全基因组关联分析进行了优先支持。大量研究表明，复杂疾病的发生发展是基因唱基因间，基因唱环境间相互作用的结果，但是对于基因（环境）间的相互作用，在目前的技术条件下，尚无法用生物学实验验证，因此利用统计学方法筛选疾病易感位点，分析评价基因（环境）间的交互作用，对复杂疾病的病因学研究有重要作用。

一、疾病易感位点识别研究进展

目前绝大多数ＧＷＡＳ研究是在病例对照研究设计基础上对个体的全基因组单核苷酸多态性（ＳＮＰ）进行检测，其数据的特点是变量（ＳＮＰ）远远多于样本量，在一个ＧＷＡＳ研究中，ＳＮＰ的数量能够达到上百万，且变量之间存在着交互作用，在这样的背景下，传统的用于离散数据建模的多元回归模型如Ｌｏｇｉｓｔｉｃ回归无法正常使用。目前，疾病易感位点识别的常用方法是基于单个ＳＮＰ位点Ｐ值的频率学方法，如Ｃｏｃｈｒａｎ唱Ａｒｍｉｔａｇｅ趋势检验［３］，但是这种方法存在着以下两个方面的缺点。一是Ｐ值的阈值无法确定，由于变量众多，单个ＳＮＰ位点的检测容易引起Ⅰ类错误的升高，从而引起大部分的假阳性结果，虽然目前存在较多的多重检验方法，如Ｂｏｎｆｅｒｒｏｎｉ，但是当样本量较小，ｐｏｗｅｒ较低时，这种保守的方法容易产生假阴性的结果，从而使较为重要的ＳＮＰ位点无法发现。二是复杂疾病中单个变异位点的效应往往是微小的，不存在明显强的主效应，但是这些微小作用的集合对疾病的表型有着重要的作用［７唱８］。还有一种方法是利用集合关联方法以避免多重比较的问题，如Ｈｏｈ等［９］提出的

ｓｅｔ唱ａｓｓｏｃｉａｔｉｏｎ方法，虽然该方法通过ＳＮＰ的集合检验避免了多重检验，但是该方法存在着无法识别最重要位点的缺点，因此使用范围也受到了限制。基于上述多重检验及集合关联分析的缺点，有研究将贝叶斯方法引入ＧＷＡＳ数据分析中。目前贝叶斯方法在ＧＷＡＳ易感位点识别中的应用主要集中在贝叶斯图模型（Ｂａｙｅｓｉａｎｇｒａｐｈｉｃａｌｍｏｄｅｌｓ）［１０］和贝叶斯因子（Ｂａｙｅｓｆａｃ唱ｔｏｒｓ，ＢＦｓ）［４，８，１１唱１２］。与Ｐ值比较，ＢＦｓ有如下优点：ＢＦｓ方法相对简单，避开了选择检验统计量确定统计量的抽样分布这一频率统计学派假设检验的难点；充分利用了先验信息，不仅利用了样本信息而且利用了参数的先验信息，并将其综合为后验分布并根据后验分布进行推断；方便处理多重检验的问题，ＢＦｓ是通过计算每一个假设的后验概率并接受后验概率最大的假设进行推断，因此可以方便的处理频率统计中较难处理的多重检验问题［１３唱１５］。有研究将利用ＢＦｓ取代Ｐ值推断ＳＮＰ与患病状态的关联，同时，将在基因表达数据中有广泛应用的多重检验方法———假阳性发现率（ｆａｌｓｅｄｉｓｃｏｖｅｒｙｒａｔｅ，ＦＤＲ）［１６］引入ＧＷＡＳ数据分析，ＦＤＲ是在基因表达数据多重比较中应用较为成熟的方法，在我们先前的研究中也对该方法与ｐｅｒｍｕｔａｔｉｏｎｔｅｓｔ等方法进行了深入的比较研究，在进行多重检验筛选差异表达基因时有很好的表现［１７］。有学者建议在不同的条件下，如不同遗传模式、样本量以及ＳＮＰ密度等，对ＢＦｓ与ＦＤＲ进行全面比较。

二、基因（环境）交互作用研究进展

目前ＧＷＡＳ研究中，大部分的研究将重点放在关联性研究上，对于基因唱基因间，基因环境间的研究不是很多，但是却已经引起了重视，枟Ｓｃｉｅｎｃｅ枠［１８］的一篇社论对于ＧＷＡＳ基因（环境）间的研究寄予了厚望。由于目前生物学实验没有很好的方法来验证基因唱基因间、基因唱环境间的交互作用，因此较为可行的方法是运用统计学或机器学习的方法，对ＧＷＡＳ数据进行挖掘，但是目前该领域的方法研究不是很多。较为常用的方法是多因子降维法（ｍｕｌｔｉｆａｃｔｏｒ唱ｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎ，ＭＤＲ）［１９唱２０］，ＭＤＲ为非参数方法，将多位点基因型分为高风险和低风险，并采用交叉验证对测试集进行分类，计算预测错误率，但是ＭＤＲ方法存在着以下缺点：首先是计算量较大；其次是当模型维度较高样本量较小时，模型对外部数据集的预测能力较差；再次是ＤＯＩ：１０．３８７７／ｃｍａ．ｊ．ｉｓｓｎ．１６７４唱０７８５．２０１１．１９．０８２

基金项目：国家博士后基金一等资助（２０１００４７０１０７）；上海市博士后基金Ａ类资助（１１Ｒ２１４１８５００）；ＣＳＣＯ基金（Ｙ唱Ｂ２０１１唱００６）；博士后特别资助（２０１１０４７５０）

作者单位：２００４３８　上海，第二军医大学附属东方肝胆外科医院特需科

通讯作者：谢峰，Ｅｍａｉｌ：ｈｕｎａｎｘｉｅｆｅｎｇ＠ｙａｈｏｏ．ｃｏｍ．ｃｎ

对于每个多位点基因型，只能将其分为高风险和低风险，无法获得量化指标。据以上方法的缺点，目前有学者引入了贝叶斯网络分析基因唱基因，基因唱环境间的交互作用。

贝叶斯网络是用图的形式来描述一组随机变量之间的联合概率分布，在基于基因表达谱的网络构建中已有成功的应用［２１］。在关联分析中，Ｒｏｄｉｎ等利用贝叶斯网络研究了载脂蛋白Ｅ基因上的ＳＮＰ位点与血脂水平的关系，研究利用ｂｏｏｔ唱

ｓｔｒａｐ验证了模型的准确性，发现了三个多态性位点与ＡＰＯＥ水平关联［２２唱２３］。构建贝叶斯网络一般分为确定变量集和变量域、结构学习及参数学习。由于全基因组数据ＳＮＰ数量庞大，若不经过变量筛选，直接将所有变量纳入贝叶斯网络的构建中，将加大运算的复杂度，引起“维度灾难”，且构建的模型过于复杂，变量间相互作用的涵义无法解释。故在进行贝叶斯网络构建前，必须确定参与网络构建的变量集。Ｗａｋｅｆｉｅｌｄ等［２４］在最近一篇利用贝叶斯混合模型识别基因唱环境和基因唱基因间交互作用的文章中，也对纳入模型的变量集进行了限定，适用于候选基因的关联研究或者ＧＷＡＳ数据经过ＳＮＰ筛选的后续研究。

在贝叶斯网络构建中，结构学习是核心部分，而ＮＰ难题是结构学习中经常碰到的问题，最常见的解决办法是基于节点的顺序采用局部搜索算法，寻找满意的但不一定是最优的拓扑结构。关于网络节点的顺序一般可以通过先验知识或专家意见指定，但是在绝大多数情况下这种顺序是无法预先获得的，所以确定网络各节点的顺序对于网络的结构学习至关重要。有学者利用决策树与贝叶斯网络相结合的算法对基因表达数据与临床资料进行联合数据挖掘，并且获得了满意的结果。

随着人类全基因组图谱精细度的提高和大样本ＧＷＡＳ研究的增多，我们不仅能绘制出肿瘤易感基因图谱，分析评价基因（环境）间的交互作用，还可标示出各种肿瘤易感基因分型者的患病风险。更进一步，除了注明这些易感基因对肿瘤易感性贡献外，还可以标示出肿瘤相关的信号通路，各病程的生化指标与临界值，针对相关信号通路上各靶点的有效药物，患者的生活方式指南和非药物治疗方法等，将开创肿瘤个体化治疗的新时代。

参　考　文　献

［１］　ＡｂｒａｈａｍＲ，ＭｏｓｋｖｉｎａＶ，ＳｉｍｓＲ，ｅｔａｌ．Ａｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙｆｏｒｌａｔｅ唱ｏｎｓｅｔＡｌｚｈｅｉｍｅｒ′ｓｄｉｓｅａｓｅｕｓｉｎｇＤＮＡｐｏｏｌｉｎｇ．ＢＭＣＭｅｄＧｅｎｏｍ唱ｉｃｓ，２００８，１：４４．

［２］　ＣａｒｄｏｎＬＲ，ＢｅｌｌＪＩ．Ａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙｄｅｓｉｇｎｓｆｏｒｃｏｍｐｌｅｘｄｉｓｅａｓｅｓ．ＮａｔＲｅｖＧｅｎｅｔ，２００１，２：９１唱９９．

［３］　ＭｃＣａｒｔｈｙＭＩ，ＡｂｅｃａｓｉｓＧＲ，ＣａｒｄｏｎＬＲ，ｅｔａｌ．Ｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓｆｏｒｃｏｍｐｌｅｘｔｒａｉｔｓ：ｃｏｎｓｅｎｓｕｓ，ｕｎｃｅｒｔａｉｎｔｙａｎｄｃｈａｌｌｅｎｇｅｓ．ＮａｔＲｅｖＧｅｎｅｔ，２００８，９：３５６唱３６９．

［４］　ＷｅｌｌｃｏｍｅＴｒｕｓｔＣａｓｅＣｏｎｔｒｏｌＣｏｎｓｏｒｔｉｕｍ．Ｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙｏｆ１４，０００ｃａｓｅｓｏｆｓｅｖｅｎｃｏｍｍｏｎｄｉｓｅａｓｅｓａｎｄ３，０００ｓｈａｒｅｄｃｏｎｔｒｏｌｓ．Ｎａｔｕｒｅ，２００７，４４７：６６１唱６７８．

［５］　ＳｌａｄｅｋＲ，ＲｏｃｈｅｌｅａｕＧ，ＲｕｎｇＪ，ｅｔａｌ．Ａｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙｉｄｅｎｔｉｆｉｅｓｎｏｖｅｌｒｉｓｋｌｏｃｉｆｏｒｔｙｐｅ２ｄｉａｂｅｔｅｓ．Ｎａｔｕｒｅ，２００７，４４５：８８１唱８８５．［６］　ＥａｓｔｏｎＤＦ，ＰｏｏｌｅｙＫＡ，ＤｕｎｎｉｎｇＡＭ，ｅｔａｌ．Ｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙｉｄｅｎｔｉｆｉｅｓｎｏｖｅｌｂｒｅａｓｔｃａｎｃｅｒｓｕｓｃｅｐｔｉｂｉｌｉｔｙｌｏｃｉ．Ｎａｔｕｒｅ，２００７，４４７：１０８７唱１０９３．

［７］　ＦｒｉｄｌｅｙＢＬ．Ｂａｙｅｓｉａｎｖａｒｉａｂｌｅａｎｄｍｏｄｅｌｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｓｆｏｒｇｅｎｅｔｉｃａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ．ＧｅｎｅｔＥｐｉｄｅｍｉｏｌ，２００９，３３：２７唱３７．

［８］　ＳｔｅｐｈｅｎｓＭ，ＢａｌｄｉｎｇＤＪ．Ｂａｙｅｓｉａｎｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓｆｏｒｇｅｎｅｔｉｃａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ．ＮａｔＲｅｖＧｅｎｅｔ，２００９，１０：６８１唱６９０．

［９］　ＨｏｈＪ，ＷｉｌｌｅＡ，ＯｔｔＪ．Ｔｒｉｍｍｉｎｇ，ｗｅｉｇｈｔｉｎｇ，ａｎｄｇｒｏｕｐｉｎｇＳＮＰｓｉｎｈｕｍａｎｃａｓｅ唱ｃｏｎｔｒｏｌａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ．ＧｅｎｏｍｅＲｅｓ，２００１，１１：２１１５唱２１１９．［１０］　ＶｅｒｚｉｌｌｉＣＪ，ＳｔａｌｌａｒｄＮ，ＷｈｉｔｔａｋｅｒＪＣ．Ｂａｙｅｓｉａｎｇｒａｐｈｉｃａｌｍｏｄｅｌｓｆｏｒｇｅｎｏｍｅｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ．ＡｍＪＨｕｍＧｅｎｅｔ，２００６，７９：１００唱１１２．

［１１］　ＷａｋｅｆｉｅｌｄＪ．Ｂａｙｅｓｆａｃｔｏｒｓｆｏｒｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ：ｃｏｍｐａｒｉｓｏｎｗｉｔｈＰ唱ｖａｌｕｅｓ．ＧｅｎｅｔＥｐｉｄｅｍｉｏｌ，２００９，３３：７９唱８６．

［１２］　ＷａｋｅｆｉｅｌｄＪ．ＡＢａｙｅｓｉａｎｍｅａｓｕｒｅｏｆｔｈｅｐｒｏｂａｂｉｌｉｔｙｏｆｆａｌｓｅｄｉｓｃｏｖｅｒｙｉｎｇｅｎｅｔｉｃｅｐｉｄｅｍｉｏｌｏｇｙｓｔｕｄｉｅｓ．ＡｍＪＨｕｍＧｅｎｅｔ，２００７，８１：２０８唱２２７．

［１３］　ＭａｒｄｅｎＪ．ＨｙｐｏｔｈｅｓｉｓＴｅｓｔｉｎｇ：ＦｒｏｍｐＶａｌｕｅｓｔｏＢａｙｅｓＦａｃｔｏｒｓ．ＪｏｕｒｎａｌｏｆｔｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ，２０００，９５：１３１６唱１３２０．

［１４］　ＪａｍｅｓＯ．Ｂｅｒｇｅｒ．贾乃光，译．统计决策论及贝叶斯分析．北京：中国统计出版社，１９９５．

［１５］　朱新玲．假设检验：从ｐ值到贝叶斯因子．统计教育，２００８，５，１７唱１８．

［１６］　ＢｅｎｊａｍｉｎｉＹＨ．Ｃｏｎｔｒｏｌｌｉｎｇｔｈｅｆａｌｓｅｄｉｓｃｏｖｅｒｙｒａｔｅ：ａｐｒａｃｔｉｃａｌａｎｄｐｏｗｅｒｆｕｌａｐｐｒｏａｃｈｔｏｍｕｌｔｉｐｌｅｔｅｓｔｉｎｇ．ＪｏｕｒｎａｌｏｆｔｈｅＲｏｙａｌＳｔａｔｉｓｔｉｃａｌＳｏｃｉｅｔｙ．ＳｅｒｉｅｓＢ（Ｍｅｔｈｏｄｏｌｏｇｉｃａｌ），１９９５，５７：２８９唱３００．

［１７］　ＪｉｎＺＣ，ＧａｏＱＢ，ＷｕＣ，ｅｔａｌ．Ａｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆｔｗｏｍｕｌｔｉｐｌｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｂａｓｅｄｏｎｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｕｓｉｎｇｔｕｍｏｒｍｉｃｒｏａｒｒａｙｇｅｎｅｅｘｐｒｅｓｓｉｏｎｄａｔａ／／２００９ＩｎｔｅｒｎａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＳｔａｔｉｓｔｉｃｓＳｔｕｄｉｅｓｍ，２００９．

［１８］　ＣｏｕｚｉｎＪ，ＫａｉｓｅｒＪ．Ｇｅｎｏｍｅ唱ｗｉｄｅａｓｓｏｃｉａｔｉｏｎ．Ｃｌｏｓｉｎｇｔｈｅｎｅｔｏｎｃｏｍｍｏｎｄｉｓｅａｓｅｇｅｎｅｓ．Ｓｃｉｅｎｃｅ，２００７，３１６：８２０唱８２２．

［１９］　ＭａＤＱ，ＷｈｉｔｅｈｅａｄＰＬ，ＭｅｎｏｌｄＭＭ，ｅｔａｌ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｓｉｇｎｉｆｉｃａｎｔａｓｓｏｃｉａｔｉｏｎａｎｄｇｅｎｅ唱ｇｅｎｅｉｎｔｅｒａｃｔｉｏｎｏｆＧＡＢＡｒｅｃｅｐｔｏｒｓｕｂｕｎｉｔｇｅｎｅｓｉｎａｕ唱ｔｉｓｍ．ＡｍＪＨｕｍＧｅｎｅｔ，２００５，７７：３７７唱３８８．

［２０］　ＲｉｔｃｈｉｅＭＤ，ＨａｈｎＬＷ，ＲｏｏｄｉＮ，ｅｔａｌ．Ｍｕｌｔｉｆａｃｔｏｒ唱ｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎｒｅｖｅａｌｓｈｉｇｈ唱ｏｒｄｅｒｉｎｔｅｒａｃｔｉｏｎｓａｍｏｎｇｅｓｔｒｏｇｅｎ唱ｍｅｔａｂｏｌｉｓｍｇｅｎｅｓｉｎｓｐｏｒａｄｉｃｂｒｅａｓｔｃａｎｃｅｒ．ＡｍＪＨｕｍＧｅｎｅｔ，２００１，６９：１３８唱１４７．

［２１］　ＦｒｉｅｄｍａｎＮ，ＬｉｎｉａｌＭ，ＮａｃｈｍａｎＩ，ｅｔａｌ．ＵｓｉｎｇＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｏａｎａｌｙｚｅｅｘｐｒｅｓｓｉｏｎｄａｔａ．ＪＣｏｍｐｕｔＢｉｏｌ，２０００，７：６０１唱６２０．

［２２］　ＲｏｄｉｎＡ，ＭｏｓｌｅｙＴＨＪｒ，ＣｌａｒｋＡＧ，ｅｔａｌ．ＭｉｎｉｎｇｇｅｎｅｔｉｃｅｐｉｄｅｍｉｏｌｏｇｙｄａｔａｗｉｔｈＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓａｐｐｌｉｃａｔｉｏｎｔｏＡＰＯＥｇｅｎｅｖａｒｉａｔｉｏｎａｎｄｐｌａｓｍａｌｉｐｉｄｌｅｖｅｌｓ．ＪＣｏｍｐｕｔＢｉｏｌ，２００５，１２：１唱１１．

［２３］　ＲｏｄｉｎＡＳ，ＢｏｅｒｗｉｎｋｌｅＥ．ＭｉｎｉｎｇｇｅｎｅｔｉｃｅｐｉｄｅｍｉｏｌｏｇｙｄａｔａｗｉｔｈＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓＩ：Ｂａｙｅｓｉａｎｎｅｔｗｏｒｋｓａｎｄｅｘａｍｐｌｅａｐｐｌｉｃａｔｉｏｎ（ｐｌａｓｍａａｐｏＥｌｅｖｅｌｓ）．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，２００５，２１：３２７３唱３２７８．

［２４］　ＷａｋｅｆｉｅｌｄＪ，ＤｅＶｏｃｈｔＦ，ＨｕｎｇＲＪ．Ｂａｙｅｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｉｎｇｏｆｇｅｎｅ唱ｅｎｖｉｒｏｎｍｅｎｔａｎｄｇｅｎｅ唱ｇｅｎｅｉｎｔｅｒａｃｔｉｏｎｓ．ＧｅｎｅｔＥｐｉｄｅｍｉｏｌ，２０１０，３４：１６唱２５．

（收稿日期：２０１０唱０９唱２５）

（本文编辑：戚红丹）

谢峰，戴炳华，阎龙，等．肿瘤全基因组的关联分析研究进展［Ｊ／ＣＤ］．中华临床医师杂志：电子版，２０１１，５（１９）：５７５６唱５７５８．