Генетические полиморфизмы, ассоциированные с раком шейки матки: систематический обзор

Обложка


Цитировать

Полный текст

Аннотация

Введение. Рак шейки матки (РШМ) является одним из самых распространённых онкологических заболеваний у женщин. Этиологический агент РШМ — вирус папилломы человека высокого канцерогенного риска. При этом не у всех женщин, инфицированных этим вирусом, развивается рак, что позволяет предположить наличие генетической предрасположенности к РШМ.

Цель работы заключалась в анализе информации об однонуклеотидных полиморфизмах, ассоциированных с риском развития РШМ.

Материалы и методы. Выполнен поиск исследований по полногеномному скринингу ассоциаций (GWAS) и метаанализов за последние 10 лет, посвящённых генетическому риску РШМ в европеоидной популяции.

Результаты. Наиболее значимые ассоциации с РШМ были найдены у следующих однонуклеотидных полиморфизмов. По данным GWAS — с аллелями риска rs138446575-T (ОШ = 2,39) TTC34; rs73728618-T (ОШ = 1,48) HLA-DQA1; rs3130196-C (ОШ = 1,4) HLA-DPB1; rs2516448-T (ОШ = 1,39 и 1,44) MICA и протективными аллелями rs9271898-А (ОШ = 0,64) и 9272143-С (ОШ = 0,65) между HLA-DRB1 и HLA-DQA1, rs55986091-A HLA-DQB1 (ОШ = 0,66). Для метаанализов — с генотипом rs4646903-СС (ОШ = 4,65) CYP1A1 и протективными аллелями — rs1801133-Т (ОШ = 0,77) MTHFR, rs2333227-АА (ОШ = 0,57) MPO.

Заключение. Использование полученных данных является важным этапом создания лабораторных методик и наборов реагентов, направленных на персонализированный подход к определению групп риска с целью рекомендации таким пациенткам обязательной вакцинации и скрининга предраковых заболеваний шейки матки.

Полный текст

Введение

Рак шейки матки (РШМ) является четвертым по встречаемости и смертности раком в мире среди женщин: в 2020 г. зарегистрировано более 340 тыс. смертельных исходов от данной нозологии, что составляет 7,7% всех смертей, связанных с опухолями1. Число случаев РШМ в России неуклонно растёт: за 10 лет (с 2009 до 2019 г.) увеличилось практически на 22% (с 14 до 17 тыс.), что демонстрирует социальную значимость данного заболевания. Особого внимания заслуживает факт, что на возрастную группу женщин 30–44 года, т.е. социально активного и репродуктивного возраста, приходится 32,4% случаев РШМ [1]. Согласно статистике по оказанию онкологической помощи населению России в 2019 г., общепринятые механизмы профилактики предраковых заболеваний шейки матки работают недостаточно эффективно (нет всеобщей вакцинации, женщины не информированы о необходимости и возможности цитологического исследования, нет мотивации к регулярному обследованию). В связи с этим смертность от РШМ практически не снижается [1].

Доказанным канцерогенным фактором РШМ является инфицирование вирусом папилломы человека высокого канцерогенного риска (ВПЧ ВКР). Показано, что связь с ВПЧ и РШМ выше, чем связь между курением и раком лёгкого [2]. При этом, по существующим в литературе данным, среди женщин с уровнем инфицирования ВПЧ 15–40% частота РШМ составляет всего 0,015%, что позволяет предполагать наличие генетической предрасположенности [3]. Определение однонуклеотидных полиморфизмов (SNP), ассоциированных с заболеваниями, позволяет охарактеризовать возможную наследственную предрасположенность к развитию патологических состояний в досимптоматический период для своевременного назначения диагностических или профилактических мероприятий [4]. Учитывая длительный бессимптомный период, половой путь передачи и поражение женщин репродуктивного возраста, определение генетического риска развития РШМ является важной клинической задачей, особенно актуальной для женщин из групп риска, к которым в том числе относятся ВИЧ-инфицированные [5].

Цель данной работы заключалась в обобщении информации о SNP, связанных с риском развития РШМ в европеоидной популяции.

Материалы и методы

Протокол исследования составлен полностью в соответствии с рекомендациями руководства PRISMA [6], которое предполагает дополнительную регистрацию с помощью PROSPERO — международной базы данных регистрации обзоров в области здравоохранения, в которых есть регламентированные с позиции доказательной медицины результаты лечения [7]. При этом наше исследование не соответствует некоторым критериям регистрации в PROSPERO: например, оно не связано напрямую с лечением на основании результатов обзора. Определение генетических рисков является дополнительным инструментом, направленным на повышение информированности врача с целью применения индивидуализированных подходов, в первую очередь к профилактике заболеваний на досимптоматическом этапе [4].

Поиск источников проводился с использованием интернет-ресурсов PubMed, Web of Science, Scopus, GWAS Catalog2 на английском языке по ключевым словам: cervical cancer, gene variants, polymorphism, single nucleotide polymorphism, metaanalysis, GWAS, с 17 ноября по 12 декабря 2021 г.

Критерии включения и исключения

Критерии включения:

  • в обзоре выполнена оценка ассоциации SNP с РШМ;
  • дата публикации не ранее 2011 г.;
  • дизайн исследования соответствует исследованию по полногеномному скринингу ассоциаций (GWAS) или метаанализу.

Критерии исключения:

  • в обзоре не затронута европеоидная (сaucasian) популяция, к которой в данной работе относили население Европы и белое население США;
  • не указаны отношение шансов (ОШ) или 95% доверительный интервал (95% ДИ);
  • ОШ и 95% ДИ не показывали статистически значимой ассоциации с РШМ для европеоидной популяции;
  • метаанализ включал менее 2 исследований, в которых анализировалась европеоидная популяция.

Статистический анализ

Пересчёт показателей для европеоидных популяций, описанных в метаанализах, проводили при помощи программного обеспечения «RevMan 5.0» («Cochrane Collaboration»).

Статистическую гетерогенность выборок оценивали с помощью индекса гетерогенности (I2) и Q-критерия Кохрена (Cochran's Q test). I2 отражает процент вариаций между исследованиями, который обусловлен гетерогенностью, а не случайностью (при I2 > 50% выборки считаются гетерогенными). Q-критерий Кохрена отражает идентичность эффектов в разных исследованиях; при p > 0,1 эффект считался идентичным, поскольку метаанализ включал небольшое количество исследований с небольшим размером выборки [8][9].

Данные предоставлены для модели как фиксированных, так и случайных эффектов [12].

Результаты

В результате поиска найдены 4 GWAS и 5 метаанализов, в которых проведён анализ 40 SNP (рисунок).

Блок-схема исследования

 

Всего GWAS объединяли результаты анализа 34 SNP, редкие аллели которых у 17 SNP ассоциированы с заболеванием и у 15 SNP являются протективными. Аллели, ассоциированные с РШМ, и показатели ОШ, определённые в GWAS, приведены в табл. 1.

 

Таблица 1. SNP, ассоциированные с РШМ по результатам GWAS

Table 1. SNP associated with cervical cancer for GWAS

REVIEWS

Объём выборок: случай/контроль [источник]

Sample size — case/control [source]

Ген Gene

SNP

Аллель (частота, %)*

Allele (frequency, %)*

ОШ (95% ДИ)** OR (95% CI)**

4769/145545

PAX8

rs10175462

A (39)

0,87 (0,84-0,91)

[10]

CLPTM1L

rs27069

T (43)

0,88 (0,84-0,92)

 

HLA-B

rs9272245

C (31)

1,26 (1,21-1,31)

 

MICA

rs6938453

A (25)

0,79 (0,75-0,83)

 

HLA-DQA1

rs9272050

G (37)

1,27 (1,21-1,32)

 

HLA-DQB1

rs55986091

A (15)

0,66 (0,60-0,72)

 

TTC34

rs138446575

T (3)

2,39 (1,75-3,27)

 

ACACB

rs117960705

G (1)

1,22 (1,04-1,44)

1140/1058

MICA

rs2516448

T (39)

1,44 (1,30-1,58)

[11]

HLA-DRB1, HLA-DQA1

rs9272143

C (46)

0,65 (0,59-0,72)

 

HLA-DPB2

rs3117027

A (34)

1,73 (1,38-2,19)

48961/408786

LINC00339

rs2473290

T (21)

1,08 (1,05-1,12)

[12]

PARP1

rs2793381

C (84)

1,08 (1,05-1,11)

 

PAX8

rs10175462

G (61)

1,15 (1,10-1,19)

 

HCG27

rs3869114

G (87)

1,20 (1,12-1,29)

 

HLA-B

rs3016018

C (51)

1,13 (1,10-1,17)

 

AIF1

rs34451818

C (4)

0,79 (0,73-0,85)

 

AGER

rs2070600

C (95)

0,78 (0,73-0,84)

 

HLA-DQA1

rs73728618

T (90)

1,48 (1,39-1,58)

 

HLA-DQB1

rs9273501

T (61)

0,9 (0,88-0,92)

 

HLA-DMA, HLA-DMB

rs2395296

A (31)

1,09 (1,06-1,12)

 

COL11A2P1

rs3117245

C (88)

1,17 (1,11-1,24)

 

HLA-DPB2

rs3129270

C (89)

0,87 (0,83-0,92)

 

AHR

rs9639279

A (37)

0,93 (0,9-0,95)

 

CASC8

rs78449170

T (95)

1,18 (1,11-1,25)

 

MLLT10

rs55990219

T (99)

0,83 (0,78-0,89)

 

FGFR2

rs3096763

A (39)

0,95 (0,94-0,97)

 

MYEOV

rs35637432

G (98)

0,81 (0,75-0,88)

 

KANSL1

rs2532389

G (77)

1,07 (1,05-1,1)

 

NSF

rs199533

G (78)

1,06 (1,04-1,08)

 

CCNE1

rs997669

T (64)

0,96 (0,94-0,97)

 

ZBTB46

rs4809367

C (87)

0,92 (0,89-0,95)

1034/3948

HLA-DRB1, HLA-DQA1

rs9271898

A (49)

0,64 (0,59-0,70)

[13]

MICA

rs2516448

T (61)

1,39 (1,28-1,52)

 

HLA-DPB1, HLA-DPA1

rs3130196

C (12)

1,40 (1,26-1,57)

 

HLA-DRB1, HLA-DQA1

rs115625939

G (11)

0,58 (0,51-0,67)

Примечание. *Указана частота аллелей SNP для европейской популяции в базе данных Ensembl3 [14][15].

**Для выделенных SNP p < 10–6.

Note. *Allele frequency for European population in Ensemble3 database [14][15].

**p < 10–6 for choices marked.

 

По данным 5 метаанализов, удовлетворяющих заявленным критериям, найдено 6 SNP в 4 генах. Из них 4 SNP были ассоциированы с риском РШМ и 2 обладали протективным эффектом. В табл. 2 указаны подробная информация и результаты расчёта ОШ для европеоидных популяций из этих метаанализов.

 

Таблица 2. SNP, ассоциированные с РШМ по результатам метаанализов

Table 2. SNP associated with cervical cancer for meta-analysis

SNP, генотип или аллель риска (частота редкого аллеля, %)* SNP, risk genotype or risk allele (rare allele frequency, %)*

Метаанализ, объём выборки — случай/ контроль [источник] Meta-analysis, sample size — case/control [source]

ОШ (95% ДИ) OR (95% CI)

Объём выборок: случай/контроль, страна

Sample size case/ control, country, source

ОШ (95% ДИ)

OR (95% CI)

Рассчитанные ОШ (95% ДИ); p-значение Calculated OR (95% CI), p-value

Индекс гетеро­генности, Q-критерий Кохрена An heterogeneity index, Cochran's Q test

MTHFR, rs1801133, T (36)

1898/2678 [16]

0,64

(0,45-0,89)

21/91, Греция / Greece [17]

636/592, Нидерланды / Netherlands [18]

0,79 (0,38-1,66)

0,75 (0,63-0,89)

0,77 (0,66-0,89); p < 0,01

I2 = 0%;

p = 0,83

 

 

 

124/168, Польша / Poland [19]

0,84 (0,59-1,20)

 

 

CTLA4, rs5742909, T (8)

1665/1502 [20]

1,72 (1,07-2,77)

140/216, Польша / Poland [21]

1281/808, Швеция / Sweden [22]

1,07 (0,86-1,33)

1,99 (1,25-3,17)

1,19 (0,98-1,45); p > 0,05

I2 = 82%;

p = 0,02

CYP1A1, rs4646903, CC (11)

2148/2252 [23]

2,16

(1,45-3,21)

43/121, Израиль / Israel [24]

405/337, Швеция / Sweden [25]

0,87 (0,03-21,98)

8,69 (1,11-68,35)

4,65 (1,51-14,43); p < 0,05

I2 = 0%;

p = 0,49

 

 

 

104/124, Португалия / Portugal [26]

3,87 (0,73-20,54)

 

 

CYP1A1, rs1048943,

CT + CC (3)

1466/1690 [23]

2,22

(1,48-3,33)

85/202, Турция / Turkey [27]

43/121, Израиль / Israel [24]

5,66 (3,27-9,80)

1,73 (0,84-3,56)

2,52 (1,83-3,47); p < 0,05

I2 = 84%;

p = 0,02

 

 

 

456/495,

Польша / Poland [28]

1,59 (0,97-2,60)

 

 

TNF-a rs1800629,

AA + GA (13)

4146/4731 [29]

1,47 (1,08-2,00)

127/107, США / USA [30]

143/194, США / USA [31]

0,85 (0,48-1,49)

0,92 (0,57-1,48)

1,18 (1,01-1,37); p > 0,05

I2 = 81%;

p = 0,0002

 

 

 

195/244, Португалия / Portugal [32]

3,20 (2,0-5,12)

 

 

 

 

 

154/228, США / USA [33]

0,89 (0,59-1,34)

 

 

 

 

 

1263/804, Швеция / Sweden [22]

1,14 (0,94-1,39)

 

 

MPO, rs2333227, AA (24)

1125/1150 [34]

0,60 (0,36-0,99)

149/126, Германия / Germany [35]

0,28 (0,01-6,93)

0,57 (0,34-0,95); p < 0,05

I2 = 0%;

p = 0,91

 

 

 

100/122, Португалия / Portugal [36]

0,59 (0,19-1,78)

 

 

 

 

 

476/493,

Польша / Poland [37]

0,58 (0,32-1,03)

 

 

Примечание. *Указана частота аллелей SNP для европейской популяции (EUR) в базе данных Ensembl [15].

Note. *Allele frequency for European population (EUR) in Ensemble database [15].

 

Данные из табл. 2 могут быть дополнены следующими расчётами.

После отбора и суммирования данных о частотах аллелей и генотипов из исследований для европеоидных популяций ассоциация генотипа rs1801133-СС перестала быть значимой (ОШ = 0,79; 95% ДИ = 0,53–1,12; p > 0,05), но была показана статистически значимая ассоциация аллеля rs1801133-Т (ОШ = 0,77; 95% ДИ = 0,66–0,89; p < 0,01) в модели как фиксированных, так и случайных эффектов.

Для rs5742909 ассоциация, указанная во втором столбце табл. 2, перестаёт быть значимой как для аллельной, так и для рецессивной модели (СС в сравнении с СT + TT): OШ = 1,19; 95% ДИ = 0,98– 1,45; p > 0,05 и OШ = 1,19; 95% ДИ = 0,96–1,47; p > 0,05 соответственно. При этом параметры, отражающие однородность исследований, превысили нормированные значения, что указывает на неоднородность исследований (I2 > 50%; p < 0,1).

Для rs4646903 ОШ достигло статистически значимых значений при гомозиготной модели (СС в сравнении с ТТ): ОШ = 4,14; 95% ДИ = 1,24–13,81; p < 0,05 для модели случайных эффектов и ОШ = 4,65; 95% ДИ = 1,51–14,43; p < 0,05 для модели фиксированных эффектов. В то же время при анализе ассоциаций в рецессивной модели (ТТ в сравнении с СТ + СС) расчёт показал неоднородность исследований (I2 > 50%; p < 0,1). При исключении из анализа исследования [29], данные которого влияли на коэффициенты неоднородности, ассоциация перестала быть значимой: ОШ = 1,14; 95% ДИ = 0,81–1,62; p > 0,05 в модели случайных эффектов и ОШ = 1,15; 95% ДИ = 0,83–1,59; p > 0,05 в модели фиксированных эффектов.

Для rs1048943 ОШ продемонстрировало статистически значимые значения при рецессивной модели (TT в сравнении СС + СT): OШ = 2,52; 95% ДИ = 1,08–5,86; p < 0,05 в модели случайных эффектов и OШ = 2,52; 95% ДИ = 1,83–3,47; p < 0,05 в модели фиксированных эффектов. Однако расчёт показал неоднородность исследований (I2 > 50%, p < 0,1). При исключении из расчётов вносящих неоднородность данных исследования [26] значения ОШ снизились для модели как случайных эффектов, так и фиксированных, но остались статистически значимыми: OШ = 1,63; 95% ДИ = 1,08–2,45; p < 0,05, в то же время в аллельной модели (С в сравнении с T) ассоциация перестала быть значимой: OШ = 1,31; 95% ДИ = 0,89–1,93; p > 0,05.

Коэффициенты для rs1800629 как в алелльной модели (А в сравнении с G), так и в рецессивной (GG в сравнении с AA + AG), показали неоднородность исследований (I2 > 50%; p < 0,1). При исключении вносящих неоднородность данных исследования [33] ассоциация стала незначимой как для аллельной, так и для рецессивной модели: OШ = 1,04; 95% ДИ = 0,91–1,20; p > 0,05 и ОШ = 1,05; 95% ДИ = 0,89–1,23; p > 0,05 соответственно.

Для rs2333227 значения ОШ достигли статистической значимости в рецессивной модели (АА в сравнении с GG + AG) как для фиксированных, так и для случайных эффектов: OШ = 0,57; 95% ДИ = 0,34–0,95; p < 0,05 и ОШ = 0,57; 95% ДИ = 0,34–0,95; p < 0,05 соответственно. Для гомозиготной модели (АА в сравнении с GG) ассоциация была значимой только для модели фиксированных эффектов: OШ = 0,60; 95% ДИ = 0,36–0,99; р = 0,05; для случайных эффектов ассоциация не достигала статистической значимости: OШ = 0,60; 95% ДИ = 0,36–1,0; р = 0,05,

Обсуждение

В GWAS наибольшие значения ОШ были выявлены для rs138446575 (OШ = 2,39) около гена TTC34 rs73728618 (ОШ = 1,48) в HLA-DQA1 и rs3130196 в межгенном пространстве между HLA-DPB1 и HLADPA1 (ОШ = 1,4). В 2 GWAS для rs2516448 около гена MICA реплицированы относительно высокие значения ОШ, равные 1,44 [12] и 1,39 [14]. В 2 других GWAS для rs10175462 (G > A) в гене PAX были определены ассоциация с РШМ для частого аллеля G (OШ = 1,15) [13] и протективный эффект для редкого аллеля А (OШ = 0,87) [11].

Максимальным протективным эффектом обладали аллели rs9271898-A (ОШ = 0,64) и rs9272143-C (ОШ = 0,65) между HLA-DRB1 и HLA-DQA1, и rs55986091 около HLA-DQB1 (ОШ = 0,66).

В метаанализах определено существенно более высокое значение ОШ — 4,65 для rs4646903 в CYP1A1. Высокие значения показателя ОШ, по сравнению с данными табл. 1, могут быть связаны с ограничением GWAS, в которых проводится оценка ОШ только для аллельной модели. Показатели ОШ, определённые для rs5742909, rs1048943 и rs1800629 (табл. 2), не могут отражать ассоциацию с риском, поскольку значения индексов гетерогенности и Q-критерия вышли за границу интервала, который отражает неоднородность исследований. Использование для этих данных более глубокого анализа, такого как метарегрессионный [38], невозможно из-за малого количества публикаций внутри нашего метаанализа. В то же время в метаанализах выявлены статистически значимые показатели ОШ для протективного аллеля rs1801133-T (ОШ = 0,77) и генотипа rs2333227-AA (ОШ = 0,57).

В опубликованных ранее метаанализах [16][20][23][29][34], результаты которых взяты за основу в данной работе, европеоидные популяции отдельно не анализировались. Недавно опубликованный обзор GWAS D. Ramachandran и соавт. включал анализ не всех локусов, найденных при литературном поиске для данной публикации [39]. Научная новизна настоящей работы заключается в объединении данных о генетических факторах, определённых в GWAS и метаанализах, ассоциированных с РШМ в европеоидной популяции.

Диагностика мультифакторных заболеваний на догоспитальном этапе снижает затраты примерно на 20% за счёт сокращения числа лабораторных и инструментальных исследований, посещений врача и более точного подбора терапии с учётом особенностей индивидуального фармакологического ответа (фармакогенетического тестирования) [4][40]. Систематизация и анализ опубликованных в разных исследованиях данных являются важным элементом создания лабораторных методик и наборов реагентов, направленных на определение групп риска мультифакторных заболеваний с целью персонализированного подхода к назначению лечебных или диагностических мероприятий [4][41].

Информация о наиболее значимых SNP, к которым на основании полученных данных можно отнести rs138446575, rs73728618, rs3130196, rs2516448, rs10175462, rs9271898, rs9272143, rs55986091, rs4646903, rs1801133 и rs2333227, необходима для разработки лабораторных методик, направленных на определение индивидуальных рисков РШМ. Выявление как индивидуальных, так и популяционных рисков развития РШМ позволит в перспективе сделать наблюдение за лицами, инфицированными ВПЧ ВКР, более эффективным за счёт мотивации женщин к вакцинации и обследованию, что поможет снизить частоту развития летальности от РШМ.

1. WHO. Global Cancer Observatory. Cancer Today: Data visualization tools for exploring the global cancer burden in 2020. URL: https://gco.iarc.fr/today

2. GWAS Catalog (2020). URL: https://www.ebi.ac.uk/gwas/home

3. URL: https://www.ensembl.org/index.html

×

Об авторах

М. А. Винокуров

Центральный научно-исследовательский институт эпидемиологии Роспотребнадзора

Автор, ответственный за переписку.
Email: vinokurov@cmd.su
ORCID iD: 0000-0002-4101-0702

Винокуров Михаил Андреевич — лаборант-исследователь лаборатории молекулярных методов изучения генетических полиморфизмов ЦНИИ Эпидемиологии.

Москва

Россия

К. О. Миронов

Центральный научно-исследовательский институт эпидемиологии Роспотребнадзора

Email: fake@neicon.ru
ORCID iD: 0000-0001-8207-9215

Миронов Константин Олегович — доктор медицинских наук, руководитель лаборатории молекулярных методов изучения генетических полиморфизмов ЦНИИ Эпидемиологии.

Москва

Россия

В. И. Корчагин

Центральный научно-исследовательский институт эпидемиологии Роспотребнадзора

Email: fake@neicon.ru
ORCID iD: 0000-0003-2264-6294

Корчагин Виталий Иванович — кандидат биологических наук, научный сотрудник лаборатории молекулярных методов изучения генетических полиморфизмов ЦНИИ Эпидемиологии.

Москва

Россия

А. А. Попова

Центральный научно-исследовательский институт эпидемиологии Роспотребнадзора

Email: fake@neicon.ru
ORCID iD: 0000-0001-9484-5917

Попова Анна Анатольевна — кандидат медицинских наук, старший научный сотрудник специализированного научно-исследовательского отдела по профилактике и борьбе со СПИДом ЦНИИ Эпидемиологии.

Москва

Россия

Список литературы

  1. Каприн А.Д., Старинский В.В., Шахзадова А.О. Состояние онкологической помощи населению России в 2019 году. М.; 2020.
  2. Okunade K.S. Human papillomavirus and cervical cancer. J. Obstet. Gynaecol. 2020 40(5): 602-608. https://doi.org/10.1080/01443615.2019.1634030
  3. Duenas-Gonzalez A., Serrano-Olvera A., Cetina L., Coronel J. New molecular targets against cervical cancer. Int. J. Womens Health. 2014; 6: 1023–31. https://doi.org/10.2147/IJWH.S49471
  4. Баранов В.С., Иващенко Т.Э., Баранова Е.В., Асеев М.В., Глотов А.С., Глотов О.С. и др. Генетический паспорт — основа индивидуальной и предиктивной медицины. СПб.: Н-Л; 2009.
  5. Попова А.А., Домонова Э.А., Виноградова Н.А., Шипулина О.Ю. Аногенитальная папилломавирусная инфекция у ВИЧ-инфицированных женщин (по результатам пилотного исследования в Московском регионе). Эпидемиология и инфекционные болезни. Актуальные вопросы. 2021; 11(3): 40–5. https://doi.org/10.18565/epidem.2021.11.3.40-5
  6. Page M.J., McKenzie J.E., Bossuyt P.M., Boutron I., Hoffmann T.C., Mulrow C.D., et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. Int. J. Surg. 2021; 88: 105906. https://doi.org/10.1016/j.ijsu.2021.105906
  7. Page M.J., Shamseer L., Tricco A.C. Registration of systematic reviews in PROSPERO: 30,000 records and counting. Syst. Rev. 2020; 7(1): 32. https://doi.org/10.1186/s13643-018-0699-4
  8. Higgins J.P.T., Thompson S.G. Quantifying heterogeneity in a meta-analysis. Stat. Med. 2002; 21(11): 1539–58. https://doi.org/10.1002/sim.1186
  9. Higgins J.P.T., Julian P.T. Cochrane Handbook for Syste matic Reviews of Interventions. John Wiley & Sons; 2019.
  10. Borenstein M., Hedges L.V., Higgins J.P., Rothstein H.R. A basic introduction to fixed-effect and random-effects models for meta-analysis. Res. Synth. Methods. 2010; 1(2): 97–111. https://doi.org/10.1002/jrsm.12
  11. Bowden S.J., Bodinier B., Kalliala I., Zuber V., Vuckovic D., Doulgeraki T., et al. Genetic variation in cervical preinvasive and invasive disease: a genome-wide association study. Lancet Oncol. 2021; 22(4): 548–57. https://doi.org/10.1016/S14702045(21)00028-0
  12. Chen D., Juko-Pecirep I., Hammer J., Ivansson E., Enroth S., Gustavsson I., et al. Genome-wide association study of susceptibility loci for cervical cancer. J. Natl. Cancer Inst. 2013; 105(9): 624–33. https://doi.org/10.1093/jnci/djt051
  13. Rashkin S.R., Graff R.E., Kachuri L., Thai K.K., Alexeeff S.E., Blatchins M.A., et al. Pan-cancer study detects genetic risk variants and shared genetic basis in two large cohorts. Nat. Commun. 2020; 11(1): 4423. https://doi.org/10.1038/s41467-020-18246-6
  14. Chen D., Enroth S., Liu H., Sun Y., Wang H., Yu M., et al. Pooled analysis of genome-wide association studies of cervical intraepithelial neoplasia 3 (CIN3) identifies a new susceptibility locus. Oncotarget. 2016; 7(27): 42216–24. https://doi.org/10.18632/oncotarget.9916
  15. Flicek P., Aken B.L., Ballester B., Beal K., Bragin E., Brent S., et al. Ensembl's 10th year. Nucleic Acids Res. 2010; 38(Database issue): D557–62. https://doi.org/10.1093/nar/gkp972
  16. Mei Q., Zhou D., Gao J., Shen S., Wu J. Guo L., Liang Z. The association between MTHFR 677C>T polymorphism and cervical cancer: evidence from a meta-analysis. BMC Cancer. 2012; 12: 467. https://doi.org/10.1186/1471-2407-12-467
  17. Lambropoulos A.F., Agorastos T., Foka Z.J., Chrisafi S., Constantinidis T.C., Bontis J., et al. Methylenetetrahydrofolate reductase polymorphism C677T is not associated to the risk of cervical dysplasia. Cancer Lett. 2003; 191(2): 187–91. https://doi.org/10.1016/s0304-3835(02)00675-4
  18. Zoodsma M., Nolte I.M., Schipper M., Oosterom E., van der Steege G., de Vries E.G., et al. Methylenetetrahydrofolate reductase (MTHFR) and susceptibility for (pre)neoplastic cervical disease. Hum. Genet. 2005; 116(4): 247–54. https://doi.org/10.1007/s00439-004-1233-4
  19. Mostowska A., Myka M., Lianeri M., Roszak A., Jagodziński P.P. Folate and choline metabolism gene variants and development of uterine cervical carcinoma. Clin. Biochem. 2011; 44(8-9): 596–600. https://doi.org/10.1016/j.clinbiochem.2011.02.007
  20. Xu H.B., Yang H., Liu T., Chen H. Association of CTLA4 gene polymorphism (rs5742909) with cervical cancer: a meta-analysis. Tumour Biol. 2014; 35(2): 1605–8. https://doi.org/10.1007/s13277-013-1221-1
  21. Pawlak E., Karabon L., Wlodarska-Polinska I., Jedynak A., Jonkisz A., Tomkiewicz A., et al. Influence of CTLA-4/CD28/ ICOS gene polymorphisms on the susceptibility to cervical squamous cell carcinoma and stage of differentiation in the Polish population. Hum. Immunol. 2010; 71(2): 195–200. https://doi.org/10.1016/j.humimm.2009.11.006
  22. Ivansson E.L., Juko-Pecirep I., Gyllensten U.B. Interaction of immunological genes on chromosome 2q33 and IFNG in susceptibility to cervical cancer. Gynecol. Oncol. 2010; 116(3): 544–8. https://doi.org/10.1016/j.ygyno.2009.10.084
  23. Ding B., Sun W., Han S., Cai Y., Ren M., Shen Y. Cytochrome P450 1A1 gene polymorphisms and cervical cancer risk: A systematic review and meta-analysis. Medicine (Baltimore). 2018; 97(13): e0210. https://doi.org/10.1097/MD.0000000000010210
  24. Gutman G., Morad T., Peleg B., Peretz C., Bar-Am A., Safra T., et al. CYP1A1 and CYP2D6 gene polymorphisms in Israeli Jewish women with cervical cancer. Int. J. Gynecol. Cancer. 2009; 19(8): 1300–2. https://doi.org/10.1111/IGC.0b013e3181b9fa5d
  25. von Keyserling H., Bergmann T., Schuetz M., Schiller U., Stanke J., Hoffmann C., et al. Analysis of 4 single-nucleotide polymorphisms in relation to cervical dysplasia and cancer development using a high-throughput ligation-detection reaction procedure. Int. J. Gynecol. Cancer. 2011; 21(9): 1664–71. https://doi.org/10.1097/IGC.0b013e31822b6299
  26. Matos A., Castelão C., Pereira da Silva A., Alho I., Bicho M., Medeiros R., et al. Epistatic interaction of CYP1A1 and COMT polymorphisms in cervical cancer. Oxid. Med. Cell. Longev. 2016; 2016: 2769804. https://doi.org/10.1155/2016/2769804
  27. Taskiran C., Aktas D., Yigit-Celik N., Alikasifoglu M., Yuce K., Tunçbilek E., et al. CYP1A1 gene polymorphism as a risk factor for cervical intraepithelial neoplasia and invasive cervical cancer. Gynecol. Oncol. 2006; 101(3): 503–6. https://doi.org/10.1016/j.ygyno.2005.11.018
  28. Roszak A., Lianeri M., Sowińska A., Jagodziński P.P. CYP1A1 Ile462Val polymorphism as a risk factor in cervical cancer development in the Polish population. Mol. Diagn. Ther. 2014; 18(4): 445–50. https://doi.org/10.1007/s40291-014-0095-2
  29. Li M., Han Y., Wu T.T., Feng Y., Wang H.B. Tumor necrosis factor alpha rs1800629 polymorphism and risk of cervical lesions: a meta-analysis. PLoS One. 2013; 8(8): e69201. https://doi.org/10.1371/journal.pone.0069201
  30. Calhoun E.S., McGovern R.M., Janney C.A., Cerhan J.R., Iturria S.J., Smith D.I., et al. Host genetic polymorphism analysis in cervical cancer. Clin. Chem. 2002; 48(8): 1218–24. https://doi.org/10.1093/clinchem/48.8.1218
  31. Deshpande A., Nolan J.P., White P.S., Valdez Y.E., Hunt W.C., Peyton C.L., et al. TNF-alpha promoter polymorphisms and susceptibility to human papillomavirus 16-associated cervical cancer. J. Infect. Dis. 2005; 191(6): 969–76. https://doi.org/10.1086/427826
  32. Duarte I., Santos A., Sousa H., Catarino R., Pinto D., et al. G-308A TNF-alpha polymorphism is associated with an increased risk of invasive cervical cancer. Biochem. Biophys. Res. Commun. 2005; 334(2): 588–92. https://doi.org/10.1016/j.bbrc.2005.06.137
  33. Gostout B.S., Poland G.A., Calhoun E.S., Sohni Y.R., Giuntoli R.L., Matos A., et al. TAP1, TAP2, and HLA-DR2 alleles are predictors of cervical cancer risk. Gynecol. Oncol. 2003; 88(3): 326–32. https://doi.org/10.1016/s0090-8258(02)00074-4
  34. Shi X., Li B., Yuan Y., Chen L., Zhang Y., Yang M., et al. The possible association between the presence of an MPO -463 G > A (rs2333227) polymorphism and cervical cancer risk. Pathol. Res. Pract. 2018; 214(8): 1142–8. https://doi.org/10.1016/j.prp.2018.05.018
  35. Mustea A., Heinze G., Sehouli J., Koensgen D., Wolf A., Gutu L., et al. The -463G/A polymorphism in myeloperoxidase gene and cervical cancer. Anticancer Res. 2007; 27(3B): 1531–5. https://doi.org/10.1007/s11010-015-2359-5
  36. Castelão C., da Silva A.P., Matos A., Inácio Â., Bicho M., Medeiros R., et al. Association of myeloperoxidase polymorphism (G463A) with cervix cancer. Mol. Cell Biochem. 2015; 404(1-2): 1–4. https://doi.org/10.1007/s11010-015-2359-5
  37. Roszak A., Lutkowska A., Lianeri M., Sowińska A., Jagodziński P.P. Involvement of myeloperoxidase gene polymorphism 463G>A in development of cervical squamous cell carcinoma. Int. J. Biol. Markers. 2016; 31(4): e440–5. https://doi.org/10.5301/jbm.5000212
  38. Morton S.C., Adams J.L., Suttorp M.J., Shekelle P.G. Meta-Regression Approaches: What, Why, When, and How? Rockville (MD): Agency for Healthcare Research and Quality (US); 2004.
  39. Ramachandran D., Dörk T. Genomic risk factors for cervical cancer. Cancers (Basel). 2021; 13(20): 5137. https://doi.org/10.3390/cancers13205137
  40. Назаров В.С., Сисигина Н.Н. Экономика генетического здра воохранения. Экономическая политика. 2018; 13(6): 188–213. https://doi.org/10.18288/1994-5124-2018-6-188-213
  41. Korchagin V., Mironov K., Platonov A., Dribnokhodova O., Akselrod E., Dunaeva E., et al. Application of the genetic risk model for the analysis of predisposition to nonlacunar ischemic stroke. Per. Med. 2019; 16(5): 369–78. https://doi.org/10.2217/pme-2018-0104

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Блок-схема исследования

Скачать (111KB)
Метаданные

© Винокуров М.А., Миронов К.О., Корчагин В.И., Попова А.А., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: ПИ № ФС77-75442 от 01.04.2019 г.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах