Cariës is het resultaat van een complex samenspel tussen ecologische, gedrags-, en genetische factoren, met verschillende patronen van verval waarschijnlijk als gevolg van specifieke etiologieën. Daarom zullen maatregelen van verval, zoals DMFS index, niet optimaal voor het identificeren van risicofactoren die specifieke verval patronen vertonen, vooral als de risicofactoren zoals genetische gevoeligheid loci kleine individuele effecten. We gebruikten twee methoden om patronen van verval van gelijkvloerse cariës te extraheren om nieuwe fenotypen waarmee de genetische regulatie van cariës staand genereren.
Methods Ondernemingen De tandoppervlakken 128 van de permanente gebit werden als carieuze of niet door intra-mondeling examen voor 1.068 deelnemers 18-75 jaar uit 664 biologische familie. Principale componenten analyse (PCA) en factoranalyse (FA), twee methoden voor het identificeren van onderliggende patronen zonder a priori
oppervlak classificaties, werden toegepast op onze data.
De drie sterkste cariës patronen geïdentificeerd door PCA heroverd variatie vertegenwoordigd door DMFS index (correlatie, r = 0,97), pit en spleet oppervlak cariës (r = 0,95), en glad oppervlak cariës (r = 0,89). Echter, bij elkaar, deze drie patronen verklaarde slechts 37% van de variabiliteit in de gegevens, waaruit blijkt dat a priori
cariës maatregelen ontoereikend zijn om volledig te kwantificeren cariës variatie. Ter vergelijking, werd de eerste patroon geïdentificeerd door FA sterk gecorreleerd met pit en spleet oppervlak cariës (r = 0,81), maar ook andere geïdentificeerde patronen, met inbegrip van een tweede patroon dat cariës van het bovenfront, waren niet representatief voor alle eerder gedefinieerde cariës indices. Sommige patronen die door PCA en FA waren erfelijk (h
2 = 30-65%, p = 0,043-0,006), terwijl andere patronen niet waren, met vermelding van zowel genetische en niet-genetische etiologie van de individuele verval patronen.
conclusies
Deze studie toont het gebruik van verval patronen als nieuwe fenotypes om te helpen bij het begrijpen van de multifactoriële aard van tandcariës.
Sleutelwoorden
cariës genetica Erfelijkheid permanente gebit Pit en spleet oppervlakken gladde oppervlakken van de tand oppervlakken Principal componenten analyse factor analyse Patronen van tandbederf Patterns of cariës Electronic aanvullend materiaal
De online versie van dit artikel (doi:. 10 1186 /1472-6831-12-7) bevat aanvullend materiaal, dat beschikbaar is voor geautoriseerde gebruikers is. achtergrond
Tandcariës is een ziekte die de meeste volwassenen en als gevolg van de complexe wisselwerking van talrijke milieu, gedrags- [1, 2], en genetische risicofactoren [3-12]. De etiologie van tandcariës wordt verder gecompliceerd door de niet-uniforme risico in tandoppervlakken van het volledige gebit leiden tot verschillende patronen van tandbederf, zoals eerder beschreven [13-25]. Patronen van verval zijn gebruikt om cariës etiologie verkennen in de veronderstelling dat verschillende risicofactoren die leiden tot verschillende cariës patronen. Een bekend voorbeeld is het bovenfront patroon van verval (dat wil zeggen, "zuigfles" cariës) bij jonge kinderen deels te wijten aan het voeden gedrag [20, 24]. Ondanks de heersende bewijs van het belang van cariës patronen, de meest voorkomende indexen gebruikt voor het bestuderen van de epidemiologie van cariës zijn DMFT en DMFS (dwz tellingen van het aantal vervallen, ontbreekt, of gevulde tanden /oppervlakken), die niet specifiek zijn verval niet beoordelen patronen. Als wereldwijde maatregelen van tandbederf, kan DMFT en DMFS indices niet optimaal voor het onderzoeken van genetische en omgevingsfactoren die als specifieke patronen van cariës in het hele gebit manifesteren. Het scheiden van het mondiale niveau van cariës in componenten of patronen met verschillende etiologieën kan van cruciaal belang voor het identificeren van risicofactoren van bescheiden effect maten, zoals specifieke genetische loci die bijdragen aan tandbederf zijn.
Vorige beschrijvingen van cariës patronen zijn meestal aangenomen en vergeleken a priori
classificaties van tandoppervlakken [14-22, 25], die vaak verschilde tussen studies, wat leidt tot inconsistenties dat de beperkte nut van a priori
oppervlak classificaties te tonen. Een paar studies hebben de patronen van de kindertijd tandbederf gemodelleerd zonder a priori
veronderstellingen en hebben verschillende patronen als gevolg van cariës van de bovenkaak snijtand oppervlakken en pit en spleet oppervlakken, die onder anderen [13, 23, 24]. Belgique Om onze kennis, geen evaluatie van de permanente gebit cariës patronen in volwassenen zonder a priori
oppervlak classificaties eerder is uitgevoerd. In deze studie gebruik gemaakt we twee verwante analytische methoden voor het identificeren van de onderliggende patronen in onze dataset: principale componenten analyse (PCA) en factoranalyse (FA). Drie specifieke doelen van deze studie waren (1) de patronen van tandcariës in het blijvende gebit volwassenen identificeren zonder priori
aannames tandoppervlak classificaties; (2) de verhouding tussen de geïdentificeerde patronen van verval en a priori
maatregelen van verval zoals DMFS index verval pit en fissuren oppervlakken en verval van gladde oppervlakken bepalen; en (3) om de erfelijkheid van geïdentificeerde patronen van verval te beoordelen.
Methoden
Werving en het verzamelen van gegevens
The Center for Oral Health Research in Appalachia (COHRA) werd opgericht om de gemeenschapsgerichte, familie- identificeren, en individueel niveau voorspellers van orale uitkomsten gezondheid in de Appalachian bevolking [26], een kwetsbare subpopulatie met een slechtere mondgezondheid in vergelijking met de grotere Amerikaanse bevolking [27-29]. COHRA deelnemers werden gerekruteerd huishouden zoals eerder beschreven [6, 7, 26], waarbij in aanmerking huishoudens moesten ten minste één biologische ouder-nakomelingen paar met het kind waarbij 1 tot 18 jaar omvat. Alle leden van de subsidiabele huishoudens werden uitgenodigd om deel te nemen zonder te letten op hun mondelinge gezondheid, demografie, of biologische of juridische relaties. Schriftelijke informed consent werd verstrekt door alle volwassen deelnemers. Instemming met een ouder of voogd schriftelijke toestemming werd verstrekt namens alle kinderen deelnemers. De studie werd goedgekeurd door de COHRA onderzoek comité en de Institutional Review Board van de Universiteit van Pittsburgh en de Universiteit van West Virginia.
In totaal werden 732 huishoudens geworven, die 2663 mensen bestond uit 740 biologische verwantschappen van 1 tot 20 familieleden ( gemiddelde = 4.72 leden). Sommige verwantschappen overspannen meerdere huishoudens, terwijl andere huishoudens meerdere verwantschappen bevatte. Gemeld familiale relaties zijn gevalideerd met panels van voorgeslacht-informatieve [30] en het hele genoom [31] genetische merker gegevens die door het Center for Disease Erfelijke Onderzoek aan de Johns Hopkins University en de kwaliteit gecontroleerd gezamenlijk door de onderzoekers en de Coördinatie Centrum voor de NIH Genes and Environment Initiative (GENEVA; [32])
cariës werd beoordeeld via visuele inspectie met een tandheelkundige explorer tijdens de intra-orale tandheelkundig onderzoek uitgevoerd door tandartsen of onderzoek mondhygiënisten geijkt ten opzichte van een referentie tandarts ten minste eenmaal per. jaar. Inter- en intra-onderzoeker concordanties van cariës evaluaties waren hoog [7, 26]. Elk tandoppervlak werd gescoord als geluid, pre-holten, rot, gevuld ontbreken als gevolg van bederf of ontbrekende gevolg zijn van andere redenen verval, volgens de World Health Organization DMFS /dfs schaal volgens de NIH /NIDCR- goedgekeurde protocol voor de beoordeling van tandbederf voor onderzoeksdoeleinden [33]. Deze wijze van beoordeling cariës is compatibel met dat wordt aanbevolen door de PhenX Toolkit (http:.. //Www phenxtoolkit org, ontworpen om te vergemakkelijken het combineren van gegevens over studies), en het National Center for Health Statistics TandExaminators Procedures Manual (Zie paragraaf 4.9.1.3) [34]. Derde kiezen werden uitgesloten van de beoordeling cariës. Tandeloze individuen werden gerekruteerd in de studie, maar werden uit evaluatie en analyse van cariës uitgesloten.
Statistische analyse
De analytische doel van de huidige studie was om patronen van tandcariës van de permanente gebit bij volwassenen te verkennen. Daarom uitgesloten we kinderen door het beperken van onze studie monster op de 1068 deelnemers 18-75 jaar. Voor elke deelnemer, oppervlakte-level cariës gegevens op 128 oppervlakken (dat wil zeggen, 4 oppervlakken voor elke snijtand en honden, en 5 oppervlakken voor elke premolaar en kies) werden gecodeerd als 0 voor geluids- of ontbrekende om andere redenen dan verval, of gecodeerd als 1 voor pre-holten voorzien, vervallen, ontbreekt als gevolg van verval, of gevulde /hersteld. Zo genereerden wij een matrix van 1068 deelnemers met 128 indicatoren van de oppervlakte-level cariës genegenheid-status. Deze matrix werd gebruikt als input voor twee verwante methoden voor de winning van patronen in de gegevens. PCA en FA [35]
PCA maakt gebruik van singuliere waarden ontbinding van de data matrix om een set van niet-gecorreleerde variabelen (de zogenaamde belangrijkste componenten scores halen, pc's ) waarbij de eerste computer (bijv PC1) legt de grootst mogelijke hoeveelheid variabiliteit in de gegevens in een enkele dimensie en de tweede computer (bijv PC2) legt de grootst mogelijke hoeveelheid resterende variabiliteit van de gegevens in een enkele dimensie orthogonaal PC1, enzovoort. Het resultaat is een aantal orthogonaal PC gelijk is aan het aantal oorspronkelijke variabelen (in onze data, 128), waarbij achtereenvolgende stuks per uitleggen minder van de gegevens variabiliteit. Elke PC kan worden gedefinieerd als een lineaire combinatie van de oorspronkelijke variabelen gewogen hun ladingen. De eerste meerdere PC kan belangrijk patronen vertegenwoordigen de gegevens wezen beoordeling onderliggende signalen van een groter aantal gecorreleerde fenotype metingen. De belastingen bieden een manier van interpreteren van de pc's op het gebied van de oorspronkelijke variabelen. Met andere woorden, de belastingen beschrijft het patroon van cariës in de definitieve gebit gedurende een bepaalde PC, terwijl de werkelijke computers geven de mate /ernst van cariës van die vervalpatroon.
FA vergelijkbaar met PCA doordat het gebruikt latente variabelen genoemd factor scores (FACS) van een originele data matrix te halen. Zoals PCs, FACS worden berekend als lineaire combinatie van de oorspronkelijke variabelen gewogen hun belastingen, behalve dat het aantal FACS gebruikt om de patronen te modelleren in de gegevens is gekozen a priori
en de FACS kennen geen orthogonaal te zijn. In deze studie, gemodelleerd we de cariës datamatrix met behulp van 10 factoren. PCA als het doel van FA is FACS vertegenwoordigen onderliggende signalen in de datamatrix die vervolgens kan worden gebruikt als fenotypen genereren, in dit geval, de risicofactoren voor tandcariës.
Concreet FA en PCA voeren vaak soortgelijke. Echter beide methoden nemen tegengestelde invalshoeken extraheren patronen uit een datamatrix: PCA neemt aan dat het waargenomen variabelen vormen de basis voor de patronen, terwijl FA neemt aan dat latent patronen vormen de basis voor de waargenomen variabelen. Op deze manier wordt PCA vaak gebruikt voor dimensie reductie, dwz
., Een samenvatting van de informatie uit een groot aantal variabelen met een aantal variabelen, terwijl FA beter kan vertegenwoordigen onderliggende "endofenotypes", dat wil zeggen
., Ongemeten fenotypes die zich manifesteren als de geobserveerde variabelen. Zowel PCA en FA, de belastingen de patronen van verval definiëren en PCs en FACS beschrijven de ernst van de ziekte voor de bijbehorende patronen.
Voor vergelijking met de PC en FAC genereerden we ook drie a priori
cariës fenotypes : het DMFS index, kuil en spleet oppervlak cariës (PFS), en glad oppervlak cariës (SMS). Deze a priori
fenotypes worden gewoonlijk in de literatuur cariës. DMFS werd berekend als het aantal pre-holten voorzien, vervallen, ontbreekt als gevolg van verval, of gevulde /herstelde oppervlakken. PFS en SMS werden berekend op dezelfde wijze als DMFS uitzondering tellingen werden beperkt tot pit en fissuren oppervlakken en gladde oppervlakken, respectievelijk. Kauwvlakken van de premolaren en kiezen, buccale oppervlakken van de bovenkaak kiezen, en linguale oppervlakken van de onderkaak molaren werden beschouwd put en spleet oppervlakken. Alle andere tandoppervlakken werden als glad oppervlak.
Om de stabiliteit van patronen die door PSO en FA evalueren, voerden we een gevoeligheidsanalyse herhaalt PCA en FA op tien deelverzamelingen van gegevens bestaande uit 80% van de volledige monster. We vergeleken de pc's en FAC verkregen uit willekeurige deelverzamelingen met die uit het volledige monster met behulp van de Pearson correlatiecoëfficiënt, r. PCs 1-4 waren uiterst stabiel (r = 0,98-1,00), pc's 5-9 waren stabiel (r = 0,86-0,95), en PC-10 was redelijk stabiel (r = 0,77) over willekeurige deelverzamelingen. FACS 1-6 waren stabiel (r = 0,86-0,99), en FAC 7-10 waren redelijk stabiel (r = 0,69-0,82) over willekeurige deelverzamelingen. Ook onderzochten we het effect van naasten op PCA en FA door het herhalen van deze methoden in de maximale subset van verwante individuen. PCs 1-10 en FAC 1-8 van de niet-verbonden steekproef waren sterk gecorreleerd (r & gt; 0,95) met die van de volledige steekproef, terwijl FAC9 en FAC10 werden matig gecorreleerd (r = 0,57 en 0,81, respectievelijk). Al met al, deze resultaten suggereren dat cariës patronen over het algemeen stabiel en robuust aan de opneming van familieleden onder het monster waren.
Erfelijkheidsschattingen van pc's en FAC werden berekend met behulp van de variantie componenten aanpak. Deze werkwijze modellen fenotype correlaties tussen allerlei verwanten als functie van de verwachte mate van genetische uitwisseling (namelijk dat ouders en nakomelingen aandeel 50% van hun genoom, siblings delen 50%, half-siblings delen 25%, niet verwante individuen delen 0% , enz.). Gegevens voor deze werkwijze toegepast op onze onderzoeksgroep eerder gerapporteerd [6, 36]. De erfelijkheid schatting wordt geïnterpreteerd als het aandeel van de fenotype variantie toe te schrijven aan het cumulatieve effect van alle genen.
Alle statistische analyses werden uitgevoerd in de R-softwarepakket (R Stichting voor statistische berekeningen, Wenen, AU), met uitzondering van erfelijkheid ramingen die waren verkregen uit genetische modellering uitgevoerd in SOLAR [37]. Hoofdcomponentenanalyse werd uitgevoerd met het prcomp
functie standaardparameters. Factor analyse werd uitgevoerd met behulp van de factanal
functie met de Thomson-regressie op basis van scores optie, 10 factoren, en andere standaard parameters. Prevalenties, correlaties en cijfers werden alle gegenereerde in R.
Resultaten
cariës prevalentie door oppervlakte
Surface-level cariës gegevens voor 1068 deelnemers (leeftijd 18-75 jaar, gemiddelde leeftijd van 34,7 jaar, 63,3% vrouw , 90,0% zelf-gerapporteerde wit) over 128 tandoppervlakken werden verzameld. Tand oppervlakken dat het bewijs van pre-holten laesies of bederf vertoonden, werden vermist als gevolg van verval, of waren gevuld /gerestaureerd, werden carieuze beschouwd. Tand oppervlakken die geluid of vermist waren te wijten aan andere dan verval redenen werden beschouwd als niet-carieuze. Cariës prevalentie per oppervlak (d.w.z. het deel van het monster vertoont cariës op een bepaald tandoppervlak) getoond in Tabel 1. Oppervlakken van de voorste maxillaire tanden (d.w.z. snijtanden en hoektanden) vertoonde meer dan cariës prevalentie voorste mandibular tanden; terwijl posterieure bovenkaak tanden (dat wil zeggen, premolaren en kiezen) vertoonden lagere pravelences tarieven dan de achterste onderkaak teeth.Table 1 cariës prevalentie per oppervlakte over de blijvende gebit (N = 1068)
Surface
Right
|
|
|
Maxillary tanden
|
|
|
|
Left
|
2
3
4
5
6
7
8
9
10
11
12
13
14
15
buccal
0.18
0.15
0.09
0.10
0.11
0.13
0.16
0.15
0.13
0.11
0.09
0.10
0.15
0.20
distal
0.18
0.21
0.20
0.18
0.07
0.11
0.16
0.16
0.13
0.08
0.19
0.21
0.20
0.18
lingual
0.22
0.40
0.08
0.07
0.07
0.15
0.15
0.16
0.16
0.08
0.07
0.09
0.39
0.23
mesial
0.16
0.27
0.19
0.12
0.07
0.15
0.17
0.18
0.16
0.09
0.12
0.20
0.25
0.18
occlusal
0.60
0.63
0.30
0.26
|
|
|
|
|
|
0.28
0.31
0,63
0.59
|
recht
|
|
|
|
onderkaak tanden
|
|
|
|
links
|
31
30
29
28
27
26
25
24
23
22
21
20
19
18
buccal
0.29
0.41
0.11
0.09
0.08
0.04
0.03
0.03
0.03
0.07
0.09
0.10
0.39
0.28
distal
0.16
0.26
0.19
0.08
0.02
0.03
0.03
0.02
0.03
0.02
0.08
0.18
0.26
0.15
lingual
0.16
0.19
0.07
0.02
0.01
0.01
0.02
0.01
0.02
0.02
0.03
0.07
0.21
0.14
mesial
0.22
0.25
0.11
0.05
0.03
0.02
0.02
0.03
0.02
0.03
0.04
0.10
0.25
0.21
occlusal
0.64
0.60
0.27
0.12
|
|
|
|
|
|
0.14
0.26
0,59
0.61
Principal componenten analyse
PCA werd uitgevoerd op het oppervlak-level data om de onderliggende patronen van cariës te halen. PC1 verklaarde 26,3% van de variabiliteit in de data, PC2 verklaarde 6,7%, en alle andere pc's toegelicht & lt; 5% (Figuur 1A). Ladingen blijkt dat behalve anterior onderkaak oppervlakken, alle andere oppervlakken bijdrage leveren tot de PC1 (Figuur 1B) die een bijna mondiale beeld /mate van verval. Ladingen voor PC2 tonen tegenover de bijdragen van gladde oppervlakken en pit en spleet oppervlakken (figuur 1C). Ladingen voor PC3 tonen tegenover de bijdragen van premolaar versus andere oppervlakken en belastingen voor PC4 tonen tegenover de bijdragen van de bovenkaak vs. onderkaak oppervlakken (zie Extra file 1). Toeslagen voor alle andere computers tonen van ingewikkelde bijdragen van tandoppervlakken die niet gemakkelijk te onderscheiden in verband met PCs 1 tot 4, echter algemene beschrijvingen van de bijdragende oppervlakken worden samengevat in tabel 2. Figuur 1 Hoofdcomponentenanalyse. (A) hoeveelheid gegevens variantie verklaard door PC 1-10 (rood) en opeenvolgende PCs (zwart). (B) Belastingen voor PC1 bevolen door tand soort, van links naar rechts: bovenfront (blauw), hoektanden (groen), premolaren (rood), kiezen (zwart), onderfront (grijs), hoektanden (geel), premolaren ( magenta), kiezen (cyaan). Voor elke tand worden geschreven oppervlakken vermeld in de volgende volgorde: buccale, distale, linguale, mesiale en occlusale, indien van toepassing. Tanden besteld van links naar rechts: maxillaire 8, 9, 7, 10, 6, 11, 5, 12, 4, 13, 3, 14, 2, 15; onderkaak 24, 25, 23, 26, 22, 27, 21, 28, 20, 29, 19, 30, 18, 31. (C) toeslagen voor PC2, in dezelfde volgorde; gladde oppervlakken in de schaduw rode, pit en spleet oppervlakken donkere blauwe. Scatter plots van (D) PC1 vs. DMFS index, (E) PC2 vs. put en spleet cariës, (F) PC3 vs. glad oppervlak cariës.
Tabel 2 Algemene interpretaties van PCA en FA ladingen.
< col> Pattern
Algemene interpretatie van belastingen
PCA
|
PC1
alle bovenkaak tanden en onderkaak premolaren en kiezen
PC2
kiezen versus niet-kiezen
PC3
premolaren versus niet-premolaren
PC4
onderkaak tanden vs. bovenkaak tanden
PC5
2 kiezen vs. onderkaak 1 kiezen
PC6
onderkaak premolaren en 2 kiezen vs. onderkaak 1 molair en bovenkaak kiezen en 2e premolaar
PC7
maxillaire premolaren en onderkaak molaren vs. bovenkaak kiezen en onderkaak premolaren
PC8
complex bijdragen
PC9
complex bijdragen
PC10 Gids rechts versus links onderkaak kiezen
FA
|
FAC1
gebitselementen: premolaren en kiezen
fac2
bovenfront: snijtanden en hoektanden
FAC3
mandibular hoektanden en premolaren
FAC4
maxillaire premolaren
FAC5
mandibulaire snijtanden en hoektanden
FAC6
niet- occlusale premolaar en kies oppervlakken, laterale snijtanden en hoektanden
FAC7
tand 20 (links mandibulaire 2e premolaar)
FAC8
tand 29 (rechts onderkaak 2e premolaar)
FAC9
bovenkaak 2 kiezen
FAC10
tand 13 (links maxillaire 2e premolaar)
Zie aanvullende bestand 1 voor alle details
PC1 was bijna identiek aan de index (r = 0,969 DMFS; p-waarde & lt; 10 -250 [dat wil zeggen, de minimale p-waarde gerapporteerd op basis van de statistieken software]; Figuur 1D) dat aangeeft dat de sterkste patroon van cariës in de data onderscheiden personen door mondiaal niveau van verval. PFS, de graaf van carieuze put en spleet oppervlakken, was zeer sterk gecorreleerd met PC2 na aftrek uit PC1 (r = 0,947; p-waarde & lt; 10 -250 Figuur 1E). SMS, de graaf van carieuze gladde oppervlakken, was sterk gecorreleerd met PC3 na aftrek uit PC2 en PC1 (r = 0,894; p-waarde & lt; 10 -250 Figuur 1E). Deze correlaties tonen aan dat PC1, PC2 en PC3 vastleggen van de patronen van tandbederf die overeenkomt met a priori
fenotypes, DMFS index, overmatige PFS (voor een bepaalde DFMS), en overtollige SMS (voor gegeven DMFS en PFS), respectievelijk. Ondernemingen de erfelijkheid (h 2) van DMFS index en pc's 1-10 werden berekend, terwijl tegelijkertijd aanpassing voor de effecten van leeftijd, leeftijd 2, en geslacht (tabel 3). DMFS index, PC1, PC5 en PC7 waren sterk erfelijk (h 2 = 37% tot 50%, p-waarde = 0,043-0,008) aangegeven dat sommige patronen van tandbederf waren door genetische etiologie. Andere pc's waren niet erfelijk wordt aangegeven dat sommige vormen van tandbederf waren niet te wijten aan genetica. Covariates leeftijd, leeftijd 2, en seks legde ongeveer 10% van de variatie in PC1 en zeer weinig variatie voor de resterende PCs.Table 3 Erfelijkheidsschattingen voor DMFS index, pc's en FAC
< col> fenotype
h2
h2 SE
p-value
R2
DMFS
0.418
0.164
0.008
0.054
PCA
|
|
|
PC1
0,404
0.160
0,009
0.095
PC2
0,149
0,171
0.190
0,017
PC3
0.000
-
0.500
0,037
PC4
0,174
0,234
0,231
0.004
PC5
0,373
0,207
0,043
0,021
PC6
0,027
0.236
0,455
0.001
PC7
0,503
0,221
0.020
0.004
PC8
0.000
-
0.500
0.003
PC9
0.000
-
0.500
0.006
PC10
0.000
-
0.500
0.001
FA
|
|
|
|
FAC1
0,157
0,181
0,194
0,033
fac2
0.000
-
0.500
0,014
FAC3
0,653
0,198
0.006
0.010
FAC4
0,274
0,239
0,135
0,058
FAC5
0,019
0,161
0,454
0,017
FAC6
0,302
0,153
0.027
0,009
FAC7
0.000
-
0.500
0.015
FAC8
0.000
-
0.500
0,018
FAC9
0,084
0,208
0,343
0.006
FAC10
0,342
0,292
0,136
0,014
h2 = erfelijkheid schatting (dwz aandeel van fenotype variatie toe te schrijven aan genetica)
h2 SE = standaardfout van de erfelijkheid schatting
R2 = aandeel van fenotype variatie toe te schrijven aan de cumulatieve effecten van leeftijd, ouderdom2 en seks
Factor analyse
FA werd ook uitgevoerd op het oppervlak-level data latente vormen van tandbederf (tabel 2) te identificeren. 10 factoren werden geëxtraheerd die cumulatief verklaarde 44,7% van de variabiliteit van de gegevens. FAC1 was vooral te danken aan de bijdrage van de mol oppervlakken, en in mindere mate, premolaar oppervlakken (zie ladingen, figuur 2A). FAC1 was matig gecorreleerd met DMFS index (r = 0,593; p-waarde & lt; 10 -250), en sterk gecorreleerd met PFS (r = 0,815, p-waarde & lt; 10 -250; Figuur 2B) . Ladingen bleek dat maxillaire snijtanden oppervlakken, en in mindere mate, maxillaire canine oppervlakken, bijdragen tot fac2 (figuur 2C). Fac2 was matig gecorreleerd met SMS (r = 0,523; p-waarde & lt; 10 -250) en DMFS index (r = 0,453; p-waarde & lt; 10 -250). Zie aanvullende bestand 1 voor belastingen van alle andere factoren. Over het algemeen vertoonden de meeste FACS lage correlaties met pc, wat aangeeft dat de twee methoden geëxtraheerd verschillende patronen van data. Vergeleken met de PC, die bijdragen van verschillende tanden vertegenwoordigde, een aantal FACS hoofdzakelijk voortvloeit uit de bijdragen van afzonderlijke snijkanten (bijvoorbeeld 20 tanden voor FAC7, tand 29 voor FAC8, tand 13 voor FAC10). Figuur 2 Factor-analyse. (A) Belastingen voor FAC1 bevolen door tand soort, van links naar rechts: bovenfront (blauw), hoektanden (groen), premolaren (rood), kiezen (zwart), onderfront (grijs), hoektanden (geel), premolaren ( magenta), kiezen (cyaan). Voor elke tand worden geschreven oppervlakken vermeld in de volgende volgorde: buccale, distale, linguale, mesiale en occlusale, indien van toepassing. Tanden besteld van links naar rechts: maxillaire 8, 9, 7, 10, 6, 11, 5, 12, 4, 13, 3, 14, 2, 15; onderkaak 24, 25, 23, 26, 22, 27, 21, 28, 20, 29, 19, 30, 18, 31 (B) Scatterplot van FAC1 vs. put en spleet cariës. . (C) Belastingen voor fac2 in dezelfde volg orde De erfelijkheidsramingen FACS 1-10 worden ook getoond in Tabel 3. FAC3 en FAC6 waren sterk erfelijk (h 2 = 65,3 en 30,2%, p-waarde = 0,006 en 0,027, respectievelijk), terwijl alle andere FAC waren niet erfelijk. Deze resultaten aansluiten bij de PCA resultaten, waaruit blijkt dat sommige cariës patronen zijn te wijten aan genetische etiologie, terwijl anderen dat niet zijn. Significantie niveaus erfelijkheidsramingen niet voldeed aan Bonferroni correctie (voor 20 modellen, waarbij p-waarden & lt; 0,0025 voor familie-wise betekenis); hoewel, juiste afstelling voor meerdere testen is niet duidelijk, gezien de voorafgaande significante erfelijkheid van DMFS, PFS, en SMS indices gemeld voor dit voorbeeld [6, 36].
Discussion
We gebruikten twee verwante methoden van winning van cariës patronen in de permanente gebit van het oppervlak-level cariës gegevens. PCA leverde vele matige tot zwakke patronen, mogelijk duidt op een hoge mate van ruis of incidenteel (zonder patroon) voorkomen van tandcariës. Bovendien, pc 1-3 nauw heroverde de DMFT, PFS, en SMS-indices, een observatie dat deze a priori
cariës fenotypes suggereert kan de overheersende patroon van verval in de permanente gebit weer te geven, hoewel cumulatief zijn zij goed voor slechts 37% van de de variabiliteit. Sommige computers waren erfelijk, terwijl veel niet, wat suggereert dat genetische patronen van verval worden gescheiden van niet-genetische patronen kunnen zijn. In tegenstelling tot PCA, FA niet factoren die duidelijk heroverde a priori
fenotypes, behalve dat FAC1 werd gecorreleerd met PFS verkregen. Bovenfront sterk bijgedragen aan fac2, dat is in overeenstemming met eerdere studies die multidimensionaal scaling [24] en cluster analyse [23] gebruikt om cariës patronen ontdekken in de primaire gebit en toonde bovenfront vormde de tweede cluster (na andere gladde oppervlakken). Ten factoren waren onvoldoende om de variabiliteit van de gegevens te verklaren, cumulatief bedraagt ongeveer 45%.
Zoals PCA, FA leverde enkele factoren die mate erfelijk aangeeft dat bepaalde cariës patronen mogelijk waren door genetische etiologie terwijl anderen kan het gevolg zijn niet-genetische etiologie. Omdat de cariës patronen die in dit handschrift zijn meer nauwkeurig en agnostically gedefinieerd dan a priori
fenotypes, we conservatief concluderen dat specifieke patronen vertegenwoordigd door FAC3 en FAC6 zijn erfelijk, in plaats van generaliseren tot bredere oppervlak categorieën zoals SMS. Interessant is dat de sterkste genetische bijdrage geïdentificeerd was voor FAC3, dat was 65,3% erfelijk (tegenover 41,8% voor D1MFS index), die suggereert dat FAC3 een betere fenotype voor ontdekking van genen dan a priori
cariës fenotypes kan zijn. Een soortgelijke conclusie kan worden getrokken voor PC7 (50,3% erfelijke). Deze resultaten zijn in het algemeen in overeenstemming met een eerdere studie waarin PCA en FA die aantoonden FA kan beter beeld onderliggende genetische signalen van gecorreleerde fenotype metingen (hoewel beide methoden soortgelijke voeren vrij) [35]. Niet-erfelijke PC's en FAC, vermoedelijk als gevolg van effecten van niet-genetische risicofactoren, kan de voorkeur fenotypes voor toekomstige epidemiologische studies naar risicofactoren milieukwaliteitsnormen voor tandbederf. Ondernemingen De ernst van cariës significant toe met de leeftijd (of leeftijd 2) voor de meeste patronen (resultaten niet getoond). Erfelijkheidsramingen werden berekend tegelijkertijd modelleren leeftijd, leeftijd 2, en geslacht, hoewel vergelijkbaar erfelijkheidsramingen in niet-gecorrigeerde modellen werden verkregen voor alle patronen die behalve PC1 vertoonden verminderde erfelijkheid als covariaten werden weggelaten (resultaten niet getoond). Deze resultaten worden zinvolle aangezien geheel, leeftijd, leeftijd 2 en seks goed voor ongeveer 10% van de variantie in PC1, maar zeer weinig variatie voor de andere PC's en FACS.
Een van de uitdagingen van het gebruik agnostische methoden als PCA en FA om onderliggende patronen van tandbederf (zonder a priori
oppervlak klassementen) te identificeren is bij de interpretatie van de bevindingen. Terwijl sommige patronen, zoals PC1 (gedefinieerd door bijna uniforme belasting in de meeste tandoppervlakken en derhalve die globale mate van verval) en FAC 7, 8 en 10 (elk gedefinieerd door bijdragen van een pre-molair), gemakkelijk interpreteerbare , andere pc's en FAC kan moeilijk zijn om terug naar de oorspronkelijke variabelen betrekking hebben. Bovendien is er geen duidelijke wijze onderscheiden biologisch relevante patronen toegeschreven aan verschillende risicofactoren van sporadische ingevolge de lawaai. Gevoeligheidsanalyse toonde aan dat patronen vertegenwoordigd door pc's 1-9 en FAC 1-6 waren stabiel, terwijl PC10 en FAC 7-10 redelijk stabiel waren. De algehele stabiliteit leent geloof aan het idee dat pc's en FAC beschouwd in dit onderzoek zijn niet alleen te wijten aan het toeval over.
Dit onderzoek profiteert van de grote steekproef van verwante individuen met gedetailleerde evaluatie oppervlakte-niveau cariës, die cariës patroon extractie vergemakkelijkt en erfelijkheid schatting. Een extra kracht van de analyse werd met behulp van twee verschillende, maar verwante methoden van het extraheren van cariës patronen uit de gegevens, die, belangrijker nog, maakte geen gebruik van a priori
patroon definities.
Ondanks deze sterke punten, een aantal beperkingen van deze studie warrant discussie, met inbegrip van inherente beperkingen op het toewijzen van tandoppervlakken als cariës of niet.
| | 