【佳學(xué)基因檢測】CD44基因rs13347多態(tài)性與乳腺癌發(fā)生風(fēng)險(xiǎn)的相關(guān)性

腫瘤基因檢測與靶向藥物選擇導(dǎo)讀：

背景：

隨著對乳腺癌遺傳性的重視，尋找乳腺癌遺傳易感基因成為熱點(diǎn)。目前已有多項(xiàng)研究探討了分化簇44（CD44）基因rs13347多態(tài)性與乳腺癌的關(guān)系，但研究結(jié)論并不一致。因此，乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將利用這項(xiàng)薈萃分析來探索這種基因多態(tài)性在乳腺癌易感性中的作用。

方法：

本研究檢索時間自2021年3月建庫起設(shè)定。檢索數(shù)據(jù)庫包括中國知網(wǎng)、萬方、VIP信息中文期刊服務(wù)平臺、中國生物醫(yī)學(xué)光盤、PubMed、EMBASE、Web of Science和Cochrane圖書館。對象為CD44基因rs13347多態(tài)性與乳腺癌關(guān)系的觀察性研究（包括病例對照研究、橫斷面研究和隊(duì)列研究）。語言僅限于英文和中文。提取納入研究的數(shù)據(jù)，由兩名研究人員獨(dú)立評價(jià)文獻(xiàn)質(zhì)量。數(shù)據(jù)通過Stata 16.0軟件進(jìn)行統(tǒng)計(jì)分析。

結(jié)果：

本研究將在已有研究的基礎(chǔ)上，系統(tǒng)評價(jià)CD44基因rs13347多態(tài)性與乳腺癌的關(guān)系。

結(jié)論：

本研究將為闡明CD44基因多態(tài)性在乳腺癌中的作用提供循證醫(yī)學(xué)證據(jù)，為乳腺癌的早期發(fā)現(xiàn)和預(yù)防干預(yù)提供幫助。

道德與傳播：

不會公開來自個人的私人信息。該系統(tǒng)評價(jià)也不涉及危害參與者的權(quán)利。不需要道德批準(zhǔn)。結(jié)果可能會發(fā)表在同行評審的期刊上或在相關(guān)會議上傳播。

OSF 注冊號：

DOI 10.17605/OSF.IO/WBC7F

關(guān)鍵詞： 乳腺癌，分化簇44，基因多態(tài)性，薈萃分析，方案

1. 基因檢測與靶向藥物基礎(chǔ)知識：

乳腺癌是女性常見的惡性腫瘤。根據(jù)世界衛(wèi)生組織2018年公布的統(tǒng)計(jì)數(shù)據(jù)，乳腺癌是世界上先進(jìn)個威脅女性健康的惡性腫瘤。世界上乳腺癌的新病例超過200萬。2018年女性乳腺癌發(fā)病率和死亡率分別為46.3/105和13.0/105，且呈上升趨勢。每年，中國乳腺癌新發(fā)病例數(shù)和死亡人數(shù)分別約占世界乳腺癌死亡人數(shù)的12.2%和9.6%。由于延誤診斷，晚期乳腺癌患者的數(shù)量有所增加。以往的研究表明，乳腺癌的早期診斷可以顯著提高患者的生存率，但目前臨床上缺乏早期篩查的有效手段。研究證實(shí)，乳腺癌具有遺傳易感性。探索基因與乳腺癌的關(guān)系，有助于乳腺癌的早期診斷和預(yù)防。

分化簇 44 (CD44) 是一種多結(jié)構(gòu)和多功能的跨膜糖蛋白，可用作透明質(zhì)酸和許多其他細(xì)胞外基質(zhì)成分以及多種生長因子和細(xì)胞因子的受體。許多研究表明，CD44參與了細(xì)胞的許多關(guān)鍵過程，包括細(xì)胞的生長、繁殖、分化、粘附和遷移。[ 6、7 ] _ _CD44也是一種常見的腫瘤標(biāo)志物，與腫瘤細(xì)胞的增殖、遷移和侵襲密切相關(guān)，參與腫瘤相關(guān)的血管生成。研究發(fā)現(xiàn)，CD44在多種癌細(xì)胞中廣泛表達(dá)，影響疾病的預(yù)后，而CD44的特異性敲低會抑制癌癥的發(fā)生和發(fā)展。

CD44基因rs13347位點(diǎn)多態(tài)性與乳腺癌的相關(guān)性已被眾多學(xué)者關(guān)注。雖然關(guān)于CD44基因rs13347位點(diǎn)多態(tài)性與乳腺癌易感性關(guān)系的研究較多，但結(jié)論仍存在爭議。一些研究發(fā)現(xiàn)CD44基因rs13347位點(diǎn)的多態(tài)性增加了患乳腺癌的風(fēng)險(xiǎn)，而一些研究得出了相反的結(jié)論，即CD44基因的rs13347位點(diǎn)的多態(tài)性降低了患乳腺癌的風(fēng)險(xiǎn)。癌癥。為了探究這種差異的來源（如是否與種族、民族、地區(qū)人群或研究方法的差異等有關(guān)），并闡明CD44基因rs13347多態(tài)性與乳腺癌的關(guān)系，乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將采用采用薈萃分析的方法對現(xiàn)有數(shù)據(jù)進(jìn)行綜合分析，以期為CD44基因rs13347位點(diǎn)多態(tài)性與乳腺癌遺傳易感性的關(guān)系提供循證醫(yī)學(xué)證據(jù)。

2.方法

2.1。協(xié)議寄存器

本系統(tǒng)評價(jià)和薈萃分析方案是在系統(tǒng)評價(jià)和薈萃分析方案的先進(jìn)報(bào)告項(xiàng)目的指導(dǎo)下起草的。此外，它已在開放科學(xué)框架（OSF）上注冊（注冊號：DOI 10.17605/OSF.IO/WBC7F）。

2.2. 倫理

由于該計(jì)劃不需要招募患者和收集個人信息，因此不需要倫理委員會的批準(zhǔn)。

2.3. 資格標(biāo)準(zhǔn)

• (1)
• 受試者為病理診斷為乳腺癌者和對照組（非乳腺癌患者）。對患者的年齡、種族和地區(qū)沒有任何限制。
• (2)
• 研究類型為觀察性研究，研究CD44基因rs13347位點(diǎn)多態(tài)性與乳腺癌的關(guān)系（包括病例對照研究、橫斷面研究、隊(duì)列研究）。語言僅限于中文和英文。
• (3)
• 等位基因或基因型的分布頻率數(shù)據(jù)可用。
• (4)
• 基因型的分布頻率符合哈代-溫伯格定律。

2.4. 排除標(biāo)準(zhǔn)。

• (1)
• 多次發(fā)表研究。
• (2)
• 發(fā)表的文獻(xiàn)為摘要或綜述的文章，文章數(shù)據(jù)不完整或不正確，聯(lián)系作者后無法獲得完整數(shù)據(jù)。
• (3)
• 關(guān)于未能提供有關(guān)基因型頻率的詳細(xì)數(shù)據(jù)的研究。
• (4)
• 動物研究或?qū)嶒?yàn)研究。

2.5. 檢索策略

以“CD44”、“基因多態(tài)性”、“乳腺癌”為中文檢索詞，在中國知識基礎(chǔ)設(shè)施、萬方、VIP信息中文期刊服務(wù)平臺、中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫等中文數(shù)據(jù)庫中進(jìn)行檢索。“Cluster of Differentiation 44”、“CD44”、“polymorphism”、“breast cancer”、“breast cancer”等在PubMed、EMBASE、Web of Science和Cochrane等英文數(shù)據(jù)庫中被用作英文檢索詞圖書館。自2021年3月建庫以來，收集了所有關(guān)于CD44基因rs13347多態(tài)性與乳腺癌關(guān)系的文獻(xiàn)。以 PubMed 為例，檢索策略見表???

表格1

1.

表格1

PubMed 數(shù)據(jù)庫中的搜索策略。

2.6. 數(shù)據(jù)篩選和提取

兩名研究者獨(dú)立完成文獻(xiàn)篩選，排除明顯不符合納入標(biāo)準(zhǔn)的研究，進(jìn)一步閱讀摘要和全文，判斷是否符合納入標(biāo)準(zhǔn)。文獻(xiàn)中包含的數(shù)據(jù)被提取和交叉檢查。如有分歧，請與第三位研究人員協(xié)商并達(dá)成共識。提取的數(shù)據(jù)包括：先進(jìn)作者、發(fā)表年限、發(fā)表國家、研究人群的種族、研究人群的基本特征（包括年齡、性別、疾病等）、研究人群分布每個基因的表型（是否遵循哈代-溫伯格平衡定律）、基因多態(tài)性的檢測方法等。文獻(xiàn)篩選流程如圖???

圖1

1.

圖1

流程圖。

2.7. 文獻(xiàn)質(zhì)量評估

病例對照研究和隊(duì)列研究采用紐卡斯?fàn)?渥太華量表 ，包括3欄8項(xiàng)，共9分，評價(jià)標(biāo)準(zhǔn)≥6為高質(zhì)量，橫斷面研究為使用醫(yī)療保健研究和質(zhì)量局推薦的 11 項(xiàng)標(biāo)準(zhǔn)項(xiàng)目進(jìn)行評估，用于評估橫斷面研究。0 到 3 為低質(zhì)量，4到7 為中等質(zhì)量，8 到 11 為高質(zhì)量。

2.8. 統(tǒng)計(jì)分析

2.8.1. 數(shù)據(jù)分析處理 在評價(jià)基因多態(tài)性與乳腺癌的相關(guān)性之前，先用x 2檢驗(yàn)檢驗(yàn)各研究中對照組的基因型分布是否符合Hardy-Weinberg遺傳平衡（P≥0.05）。采用STATA.16軟件進(jìn)行Meta分析，連續(xù)變量以標(biāo)準(zhǔn)均值差和95%置信區(qū)間表示，二元分類變量以比值比和95%置信區(qū)間表示。異質(zhì)性通過Q檢驗(yàn)和I 2進(jìn)行分析，異質(zhì)性根據(jù)I 2進(jìn)行評價(jià)。如果P ?> ?.1 ，我2 ?< ?50%，納入研究間異質(zhì)性小，采用固定效應(yīng)模型進(jìn)行分析；若P ?< ?.1 , I 2 ≥ 50%，則納入研究間異質(zhì)性明顯，分析異質(zhì)性來源。隨機(jī)效應(yīng)模型用于分析。

2.8.2. 處理缺失數(shù)據(jù) 如果所需研究的數(shù)據(jù)不完整或未在研究中報(bào)告，研究人員將通過電話或電子郵件聯(lián)系該研究的先進(jìn)作者或其他作者。如果所需數(shù)據(jù)不可用，乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將使用描述性分析而不是薈萃分析，并在必要時排除這些研究。

2.8.3. 亞組分析 為應(yīng)對不同研究之間的異質(zhì)性，將根據(jù)人群（如年齡、更年期等）、種族（黃種人、高加索人等）和地區(qū)（歐洲人、亞洲人等）進(jìn)行亞組分析。 .

2.8.4。敏感性分析 為了檢驗(yàn)meta分析結(jié)果的穩(wěn)定性，乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將通過Stata 16.0采用一一排除法分析結(jié)果的敏感性。

2.8.5。評估報(bào)告偏差 乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將使用漏斗圖來定性識別發(fā)表偏倚，并使用 Egger 和 Begg 檢驗(yàn)來定量評估發(fā)表偏倚。如果漏斗圖不對稱且P ?< . 05，認(rèn)為有明顯發(fā)表偏倚。

2.8.6。證據(jù)質(zhì)量評估 乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將使用推薦評估、開發(fā)和評估評分的分級方法對證據(jù)的結(jié)果指標(biāo)進(jìn)行分級。所有證據(jù)的質(zhì)量將根據(jù)五個方面（偏倚風(fēng)險(xiǎn)、間接性、不一致、不正確、發(fā)表偏倚）在四個級別（高、中、低或非常低）進(jìn)行評估。

3. 討論

乳腺癌的發(fā)病率在世界范圍內(nèi)逐漸增加。據(jù)世界衛(wèi)生組織估計(jì)，到2025年，全球乳腺癌確診病例將超過1900萬例。乳腺癌發(fā)病機(jī)制復(fù)雜，遺傳易感因素與乳腺癌發(fā)病機(jī)制密切相關(guān)。近年來，對乳腺癌易感基因的研究和探討成為世界各國學(xué)者關(guān)注的焦點(diǎn)。

目前，關(guān)于單核苷酸多態(tài)性與乳腺癌易感性關(guān)系的研究較多。然而，這些SNP基因，包括BRCA1和BRCA2，只能解釋大約25%的乳腺癌易感性和發(fā)病率。以往的研究表明，CD44 基因 SNP，可在 84% 的乳腺癌患者中檢測到。因此，CD44基因可能是影響乳腺癌易感性的高外顯率基因之一。人類CD44基因位于11號染色體的短臂（11p13），由20個高度保守的外顯子和不同長度的內(nèi)含子組成。越來越多的研究集中在CD44基因單核苷酸多態(tài)性對癌癥風(fēng)險(xiǎn)的影響上。其中以位于CD44基因3'-非翻譯區(qū)的rs13347多態(tài)性研究賊多。通過影響hsa-miR-509-3P對CD44基因的調(diào)控，影響CD44基因的表達(dá)，進(jìn)而影響乳腺癌的發(fā)生發(fā)展。

由于基因多態(tài)性分析方法、種族和地區(qū)的不同，CD44基因rs13347多態(tài)性與乳腺癌的關(guān)系存在爭議。因此，本研究將通過系統(tǒng)評價(jià)和薈萃分析探討CD44基因rs13347多態(tài)性與乳腺癌的關(guān)系，為CD44基因多態(tài)性在乳腺癌風(fēng)險(xiǎn)評估、早期發(fā)現(xiàn)和預(yù)防中提供循證依據(jù)。

但是，本研究存在一些局限性：由于語言檢索的局限性，乳腺癌風(fēng)險(xiǎn)基因檢測的人工智能優(yōu)化課題組將僅將中文和英文文獻(xiàn)納入本研究，可能會忽略其他語言的研究。不同的種族、膚色和疾病等因素可能造成一定程度的臨床異質(zhì)性。

Correlation between rs13347 polymorphism of CD44 gene and the risk of occurring breast cancer: A protocol for systematic review and meta-analysis.

Shao Z, Wang Z, Shao L, Jin X.

Medicine (Baltimore). 2021 Jun 4;100(22):e25889. doi: 10.1097/MD.0000000000025889.