XRCC3多态性与肺癌关联的Meta分析

【摘要】 　　目的 综合评价XRCC3 rs861539多态性与肺癌的关联。 方法 计算机检索有关数据库，获取16个研究数据信息，结合本研究资料，依据NOS标准对文献进行质量评价，采用多变量Meta分析方法选择遗传模型，应用Stata评价异质性和发表偏倚、计算效应合并OR值及95%CI，Quanto与SPSS分析各研究的把握度及分类间的差异。 结果 欧美的研究存在遗传模型异质性， rs861539与中国人群肺癌无显著关联（隐性模型合并OR=1.59，95%CI：0.52～4.87）。 结论 rs861539变异对中国人群肺癌无明显遗传效应，尚需进一步探讨与环境可能存在的交互作用。

【关键词】 肺肿瘤； 多态现象， 遗传； 疾病遗传易感性； Meta分析； 模型， 遗传学； 遗传异质性

　　ABSTRACT: Objective To explore the relation between XRCC3 rs861539 polymorphism and lung cancer. Methods The data of sixteen studies were obtained after searching the database. Quality evaluation of the 16 studies and the present research was made according to NOS. Genetic model were selected by multivariate approach. Heterogeneity， publication bias， overall OR and 95%CI were explored by Stata. Power of each study was calculated by Quanto and subgroup differences were tested by SPSS. Results Heterogeneity in genetic model was found among European and American studies. No significant association was observed between rs861539 and lung cancer in Chinese research (recessive model， overall OR=1.59， 95%CI: 0.52-4.87). Conclusion No significant genetic effect of rs861539 on lung cancer is observed in China， and its interaction with environment should be further explored.
　　
　　KEY WORDS: lung neoplasms；polymorphism， genetic；genetic predisposition to disease；metaanalysis；models， genetic； genetic heterogeneity

　　迄今为止，不少功能性研究已报告了XRCC3 rs861539对肿瘤的影响，但国内外有关其多态性与肺癌易感性关联的研究结果不尽相同。有研究认为该功能性变异不影响人群的肺癌风险；但也有研究报道其变异增加肺癌风险或具有保护效应，或与吸烟存在交互作用，或对特定病理类型的肺癌发挥作用［16］。由于大多研究的样本量偏小，对微效基因的统计分析效能较弱，而且该变异的人群分布可能存在种族差异。因此，本研究通过广泛收集国内外相关研究结果，应用多变量Meta分析手段综合评价该变异与肺癌发生的关联，为进一步深入研究提供参考。

　　1 材料与方法

　　1.1 判定标准

　　纳入文献要求：（1）2010年1月8日以前国内外公开发表或学位论文数据库收录的独立的病例对照研究或队列研究；（2）研究内容包括XRCC3多态性与肺癌易感性的关联分析；（3）提供详细的分组基因型数据（各组野生型、突变杂合型和突变纯合型数目）；（4）基于同一人群的多个研究只选用最新发表的结果。依据NEWCASTLEOTTAWA病例对照研究质量评定量表（NOS，结合遗传关联研究稍作调整，表1）对所有纳入文献评分［7］。小于6分、或对照组的基因型分布不符合HardyWeinberg平衡者归为B类文献，其余归为A类文献［89］。

　　1.2 检索策略

　　按纳入文献判定标准的要求收集文献。一次检索，利用计算机检索中国知识资源总库（CNKI，检索词“FT=XRCC3 and AB=肺”）、维普资讯网（VIP，检索词“U＝XRCC3*肺”）、万方数据知识服务平台（检索词“abstract:XRCC3 肺”）、SCIRUS搜索引擎（http://www.scirus.com/，可同时检索ScienceDirect、Pubmed Central、BioMed Central三个期刊库，检索词“DSB lung”）；二次检索，追溯获得文献及相关综述的

参考文献

，并利用Google学术搜索补遗（检索词“XRCC3 lung DSB”）。截止日期为2010年1月8日。

　　1.3 流程质控

　　通过阅读标题和摘要进行初筛后，精读保留文献全文，严格按照纳入标准选择合格文献，记录作者、文章名称、刊登杂志、发表年限、样本来源及样本量、研究类型及结果、质量控制等信息并进行质量评定。追溯部分研究在既往文献中详细报道的研究人群信息，剔除重复报告、数据不全和质量差的研究。以上过程由两名研究人员独立完成，意见不同时协商解决。

　　1.4 统计分析

　　应用在线程序（http://www.tufts.edu/～mcourt01/Documents/Court%20lab%20-%20HW%20calculator.xls）检验各研究对照组基因型数据是否符合HardyWeinberg平衡（HWE）。应用Quanto 1.2.4软件计算各研究在既定模型下的把握度β，由IARC/WHO 2002年全球数据计算得人群肺癌发病率为0.000366（欧美）、0.000307（中国），分别假定OR为1.2与1.5［1011］。应用Stata 11.0软件（mvmeta及meta模块）计算logOR1（TT vs. CC），logOR2（CT vs. CC），λ（logOR2/logOR1）及95%CI。λ=0提示隐性模型，λ=1提示显性模型，λ=0.5提示共显性模型，λ>1或λ<0提示超显性模型［12］。根据异质性的有无分别选择随机或固定效应模型，计算最佳遗传模型下XRCC3多态性与肺癌关联的Meta分析的效应合并OR值，绘制森林图。对B类研究进行敏感性分析。在效应合并OR值有统计学意义的基础上，以漏斗图、Begg秩相关检验及Egger线性回归法评价发表偏倚。应用SPSS 16.0软件进行把握度的整体描述分析（以中位数（四分位数间距）表示），分类比较采用MannWhitney U检验。所有P值均为双侧检验结果，异质性和发表偏倚的检验水准α为0.10，其余均为0.05。表1 NOS原表及调整说明(略)

　　2 结果

　　2.1 文献基本情况

　　符合纳入标准共计15篇文献包括16个研究，并引入笔者的研究［13］。编号1～13为欧美研究，14～17为中国研究（表2）。全部研究累计病例4 947例，对照6 435例，其中A类研究11个，累计病例4 178例，对照5 597例。欧美对照人群的MAF均高于0.2，而中国对照人群的MAF都在0.1以下。对三种基因型分布作卡方检验：χ2=1 271.227，P<0.001，XRCC3 rs861539的突变在不同种族间差别有统计学意义。表2 纳入文献信息汇总（略）

　　2.2 HardyWeinberg平衡检验

　　17个研究的对照人群基因型分布均符合HW平衡，提示对照人群的代表性较好（表2）。

　　2.3 遗传模型分析

　　16号研究的病例组与对照组的TT个数均为0，无法计算logOR，故不引入计算。多变量meta分析结果见表3、图1。全部研究的λ可信区间包含了0与0.5，提示研究间存在遗传模型异质性。仅以A类研究作敏感性分析，仍存在异质性。进一步对人群分层分析结果提示，异质性主要来源于欧美研究。欧美研究的λ分布较散（图1），剔除偏差最大的6号研究后，欧美研究及其A类研究的λ分别为0.13（-0.31～0.57）与0.50（-0.27～1.28），表明各研究的遗传模型独立性较强，不宜计算合并效应量。中国研究的λ可信区间仅包含0，提示可能为隐性模型［11］。表3 多变量分析结果［λ（95%CI）］（略）

　　2.4 中国研究的合并效应估计

　　除外TT个数为0的16号研究，共纳入3篇文献，病例组和对照组的研究人数分别为1922例和1923例。异质性检验结果示χ2=0.11，Q=0.113，P=0.945，未见显著遗传效应异质性。选用固定效应模型计算合并效应量的OR值及95%CI为1.59（0.52～4.87）（森林图，图2）。合并效应检验结果Z=0.81，P=0.418，差别无统计学意义。分析结果显示Met纯合子变异（TT）与中国人群的肺癌风险无明显关联。

　　2.5 把握度分析

　　利用17个研究的数据信息估计的各研究的把握度见表2。在OR=1.2时，显性、隐性、对数加性模型的整体把握度分别为16%（9.5%）、9%（6%）、23%（14%），OR=1.5时，显性、隐性、对数加性模型的整体把握度分别为55%（37.5%）、30%（31%）、81%（31%）。仅在隐性模型中，中国研究与欧美研究的把握度差别有统计学意义，A类和B类研究的显性、隐性、对数加性模型的把握度差别均无统计学意义（表4）。表4 把握度分类比较的P值（略）

　　3 讨论
　　
　　对以人群为基础的分子关联研究进行Meta分析的重点，在于探索研究间的异质性及其来源，而非测量合并结果有无统计学意义。因为盲目合并存在异质性的研究将加大误导性结果的可能［24］。广义的异质性可以从专业与统计角度来分别衡量。从专业上看，两个研究差异太大，不应合并，而统计学异质性分析则可清晰提示研究间的显著性差异。本研究采用先进的多变量分析方法来判断最适遗传模型，对有异质性的研究文献不盲目合并数据计算效应OR值，而是进一步分析探讨异质性的来源，力求获得更合理的综合评价，为进一步的研究提供参考。

　　分子关联研究间的异质性涉及遗传效应和遗传模型两个层面。遗传效应的异质性包括研究方法的差异、潜在的基因－基因或基因－环境交互作用的差异、以及连锁不平衡差异——某SNP与疾病无关，但与致病SNP处于连锁不平衡，因此在LD人群中有风险效应，而非LD人群则不表现效应［9］。而遗传模型异质性则由杂合子和纯合子与疾病风险的关联程度不同所致。复杂的基因－环境交互作用可导致研究间作用模式的差异［12］。本研究观察到欧美研究中存在显著的遗传模型异质性，λ的可信区间提示可能存在多种遗传模型，这种作用模式的差异也提示XRCC3 rs861539与环境可能存在复杂的交互作用，尚需进一步深入探讨。
　　
　　基因多态与疾病关联的研究多是以假定多态效应服从遗传模型为前提，Meta分析也不例外。以二等位基因为例，野生等位基因为g，突变等位基因为G。多数Meta研究会利用以下手段将gg、Gg、GG三类基因型数据整理成两组［13］： (1)忽视杂合子，直接比较GG vs. gg；(2)分离原本成对的等位基因，比较 G vs. g；(3)假定隐性模型，比较GG vs. gg+Gg；(4)假定显性模型，比较Gg+GG vs. gg；(5)假定共显性模型，比较Gg vs. gg与GG vs. gg；(6)假定超显性模型，比较Gg vs. gg+GG。在不确定遗传模型时，研究者往往在多个遗传模型下分别做Meta分析，却未经多重检验校正。在执行两次独立的Meta分析来计算Gg vs. gg与GG vs. gg的OR值时，忽视了这两个基于同一人群（gg携带者）的OR间的关联，由此增大了犯I类错误的概率。研究发现，分别执行四种模型的五次比较（见前述3、4、5、6手段），合并假阳性率将增加到0.23（以单次比较α=0.05为前提）［11］。为了解决这些问题，Minelli等提出“无模型”方法，利用再参数化手段，依据λ来识别孟德尔遗传模式，同时判断遗传模型的异质性［12］。本研究利用这种手段发现了XRCC3 rs861539对中国人群肺癌可能存在隐性模型作用。
　　
　　本文纳入的研究均符合HW平衡定律。Thakkinstian等提出，Meta分析中的敏感性分析，应排除HW不平衡的研究。若结果一致，则提示该研究结果较稳健；若结果不同，则宜在分析中排除HW不平衡的研究。但由于文献所提供的信息量往往有限，要分析导致HW不平衡的原因较困难。虽然HW不平衡尚不足以否定关联研究的结果，但在无法明确HW不平衡原因时，分析处理这些研究的结果必须谨慎［9］。
　　
　　利用NEWCASTLE OTTAWA 病例对照研究质量评定量表，本研究对纳入文献进行质量评分，通过引入和剔除的方法来比较人群代表性较差或病例与对照不匹配对Meta分析结果稳健性的影响。种族间的MAF差异，可以造成同一SNP在不同的研究中有不同的遗传模型作用。本研究观察到MAF较低的中国人群的rs861539倾向于隐性模型，而MAF较高的欧美研究则存在多种模型的可能，造成了研究间的异质性（图1）。此外，MAF较低的研究在隐性模型上的把握度较低（表4），因此不宜计算合并效应值。
　　
　　发表偏倚是指结果有统计学意义（阳性）的研究较结果无统计学意义（阴性）的研究更容易被发表，它往往使Meta分析过分夸大实验效应值或影响因素的关联程度［25］。本研究最后仅对3个研究计算合并效应，且非阳性结果，因此不适合分析发表偏倚。
　　
　　不同于传统的以假定模型、合并数据为核心的Meta分析方法，本研究采用多变量Meta分析手段来识别最适遗传模型，综合评价XRCC3 rs861539多态性与肺癌发生的关联。多变量分析方法发展很快，仅计算λ而言，除了本研究采用的（最大似然）“无模型”方法，还有二元回归、贝叶斯无模型等。多变量Meta统计技术的进步必将促进分子流行病学与循证医学的发展。

参考文献

　　［1］Danoy P， Michiels S， Dessen P， et al. Variants in DNA doublestrand break repair and DNA damageresponse genes and susceptibility to lung and head and neck cancers［J］. Int J Cancer， 2008， 123(2):457463.

　　［2］Jacobsen N R， RaaschouNielsen O， Nex B， et al. XRCC3 polymorphisms and risk of lung cancer［J］. Cancer Lett， 2004，213(1):6772.

　　［3］Popanda O， Schattenberg T， Phong C T， et al. Specific combinations of DNA repair gene variants and increased risk for nonsmall cell lung cancer［J］. Carcinogenesis， 2004， 25(12):24332441.

　　［4］Ryk C， Kumar R， Thirumaran R K， et al. Polymorphisms in the DNA repair genes XRCC1， APEX1， XRCC3 and NBS1， and the risk for lung cancer in neverand eversmokers［J］. Lung Cancer， 2006，54(3):285292.

　　［5］Wang Y， Liang D， Spitz M R， et al. XRCC3 genetic polymorphism， smoking， and lung carcinoma risk in minority populations［J］. Cancer， 2003，98(8):17011706.

　　［6］张增利， 周彩存， 张颉， 等. DNA修复基因XRCC3多态性与肺癌易感性的关系［J］. 中华结核与呼吸杂志， 2007，30(12):936940.

　　［7］Wells G， Shea B， O'Connell D， et al. The NewcastleOttawa Scale (NOS) for assessing the quality of nonrandomized studies in metaanalyses ［EB/OL］. http://www.ohri.ca/programs/clinical_epidemiology/oxford.htm， 20010906/20100108.

　　［8］Leonardibee J， Smyth A， Britton J， et al. Environmental tobacco smoke and fetal health: systematic review and metaanalysis［J］. Arch Dis Child Fetal Neonatal Ed， 2008， 93(5):F351F361.

　　［9］Thakkinstian A， McElduff P， D'Este C， et al. A method for metaanalysis of molecular association studies［J］. Statist Med， 2005，24(9):12911306.

　　［10］Parkin D M， Bray F， Ferlay J， et al. Global cancer statistics， 2002［J］. CA Cancer J Clin， 2005，55:74108.

　　［11］Lohmueller K E， Pearce C L， Pike M， et al. Metaanalysis of genetic association studies supports a contribution of common variants to susceptibility to common disease［J］. Nat Genet， 2003，33(2):177182.

　　［12］Minelli C， Thompson J R， Abrams K R， et al. The choice of a genetic model in the metaanalysis of molecular association studies［J］. Int J Epidemiol， 2005，34(6):13191328.

　　［13］黄萌. XRCC3基因多态性、环境与肺癌的关联［D］. 福建医科大学， 2010.

　　［14］DavidBeabes G L， Lunn R M， London S J. No association between the XPD (Lys751G1n) polymorphism or the XRCC3 (Thr241Met) polymorphism and lung cancer risk［J］. Cancer Epidemiol Biomarkers Prev， 2001，10(8):911912.

　　［15］Harms C， Salama S A， SierraTorres C H， et al. Polymorphisms in DNA repair genes， chromosome aberrations， and lung cancer［J］. Environ Mol Mutagen， 2004，44(1):7482.

　　［16］Improta G， Sgambato A， Bianchino G， et al. Polymorphisms of the DNA repair genes XRCC1 and XRCC3 and risk of lung and colorectal cancer: a casecontrol study in a Southern Italian population［J］. Anticancer Res， 2008，28(5B):29412946.

　　［17］Landi S， Gemignani F， Canzian F， et al. DNA repair and cell cycle control genes and the risk of youngonset lung cancer［J］. Cancer Res， 2006，66(22):1106211069.

　　［18］LpezCima M F， Gonz lezArriaga P， Garc aCastro L， et al. Polymorphisms in XPC， XPD， XRCC1， and XRCC3 DNA repair genes and lung cancer risk in a population of northern Spain［J］. BMC Cancer， 2007，7:162.

　　［19］Matullo G， Dunning A M， Guarrera S， et al. DNA repair polymorphisms and cancer risk in nonsmokers in a cohort study［J］. Carcinogenesis， 2006，27(5):9971007.

　　［20］Misra R R， Ratnasinghe D， Tangrea J A， et al. Polymorphisms in the DNA repair genes XPD， XRCC1， XRCC3， and APE/ref1， and the risk of lung cancer among male smokers in Finland［J］. Cancer Lett， 2003，191(2):171178.

　　［21］Zienolddiny S， Campa D， Lind H， et al. Polymorphisms of DNA repair genes and risk of nonsmall cell lung cancer［J］. Carcinogenesis， 2006，27(3):560567.

　　［22］梁刚. DNA修复基因和致癌物代谢基因单核苷酸多态与肺癌遗传易感性［D］. 中国协和医科大学， 2004.

　　［23］夏文进， 张毅敏， 苏丹， 等. 人类XRCC3241单核苷酸多态性与非小细胞性肺癌的易感性研究［J］. 浙江医学， 2008，30(12):12911293.

　　［24］Thompson S G， Sharp S J. Explaining heterogeneity in metaanalysis: a comparison of methods［J］. Stat Med， 1999，18(20):26932708.

　　［25］康德英， 洪旗， 刘关键， 等. Meta分析中发表性偏倚的识别与处理［J］. 中国循证医学杂志， 2003，3(1):4549.