La carie dentale è il risultato di una complessa interazione tra fattori ambientali, comportamentali e genetici, con distinti modelli di decadimento probabili a causa di eziologie specifiche. Pertanto, le misure globali di degrado, come l'indice DMFS, potrebbe non essere ottimale per identificare i fattori di rischio che si manifestano schemi di decadimento come specifici, soprattutto se i fattori di rischio come loci di suscettibilità genetica hanno piccoli effetti individuali. Abbiamo utilizzato due metodi per estrarre schemi di decadimento a partire da dati di carie a livello di superficie al fine di generare nuovi fenotipi con cui esplorare la regolazione genetica della carie.
Le 128 superfici dei denti della dentizione permanente sono stati segnati come cariato o no con l'esame intra-orale per i 1.068 partecipanti di età compresa tra 18 a 75 anni da 664 famiglie biologiche. analisi delle componenti principali (PCA) e analisi fattoriale (FA), due metodi di identificazione modelli sottostanti senza a priori classificazioni
superficiali, sono stati applicati ai nostri dati.
I tre più forti carie modelli identificati dalla PCA riconquistarono variante rappresentata da indice DMFS (correlazione, r = 0.97), fossa e la carie superficiali fessura (r = 0.95), e la carie superficie liscia (r = 0.89). Tuttavia, insieme, questi tre modelli spiegati solo il 37% della variabilità dei dati, indicando che a priori misure
carie non sono sufficienti per quantificare completamente la carie variazione. In confronto, il primo modello identificato da FA è stato fortemente correlato con la carie solchi e fessure superficiali (r = 0.81), ma altri modelli identificati, tra cui un secondo modello che rappresenta la carie degli incisivi superiori, non erano rappresentativi di ciascun indice carie precedentemente definiti. Alcuni modelli identificati dalla PCA e FA erano ereditarie (h
2 = 30-65%, p = 0,043-0,006), mentre gli altri modelli non erano, indicando eziologie sia genetiche e non genetiche dei singoli modelli di decadimento.
Conclusioni
Questo studio dimostra l'uso di modelli di decadimento come nuovi fenotipi per aiutare a comprendere la natura multifattoriale della carie dentale.
Parole
carie dentale genetica ereditabilità permanente dentatura solchi e fessure superfici superfici lisce superfici dei denti analisi delle componenti principali I modelli di analisi fattoriale di carie dentaria modelli di carie dentale materiale supplementare elettronica
La versione online di questo articolo (doi:. 10 1186 /1472-6831-12-7) contiene materiale supplementare, che è disponibile per gli utenti autorizzati.
Sfondo
la carie dentale è una malattia che colpisce la maggior parte degli adulti e causato dalla complessa interazione di numerosi ambientale, comportamentale [1, 2], e fattori di rischio genetici [3-12]. L'eziologia della carie dentale è ulteriormente complicata dal rischio non uniforme tra le superfici dei denti della dentatura completa che porta a modelli distinti di carie, come descritto in precedenza [13-25]. I modelli di decadimento sono stati utilizzati per esplorare la carie eziologia sotto l'ipotesi che diversi fattori di rischio conducono a diversi modelli di carie. Un esempio ben noto è il modello mascellare anteriore di decadimento (vale a dire, "biberon" carie) nei bambini piccoli in parte a causa dei comportamenti di alimentazione [20, 24]. Nonostante l'evidenza prevalente l'importanza della carie modelli, gli indici più comuni utilizzati per studiare l'epidemiologia della carie sono DMFT e DMFS (ad esempio, conta il numero di cariati, mancanti o denti pieni /superfici), che non valutare il decadimento specifico modelli. Come misure globali di carie, indici DMFT e DMF potrebbe non essere ottimale per indagare i fattori genetici e ambientali che si manifestano modelli più specifici di carie attraverso la dentatura. Separare il livello globale di carie in componenti o modelli con eziologie distinte può essere critica per identificare i fattori di rischio di dimensioni modesto effetto, come ad esempio specifici loci genetici contribuire alla carie.
Precedenti descrizioni di carie modelli sono generalmente assunte e rispetto a priori
classificazioni di superfici dentali [14-22, 25], che spesso differivano tra gli studi, che porta a incongruenze che dimostrano l'utilità limitata a priori classificazioni
superficiali. Alcuni studi hanno modellato i modelli di denti infanzia carie senza a priori
ipotesi e hanno individuato modelli distinti che riflettono la carie delle superfici incisivi mascellari e superfici solchi e fessure, fra gli altri [13, 23, 24].
la nostra conoscenza, è stata precedentemente effettuata alcuna valutazione di permanenti carie dentizione modelli negli adulti senza a priori
classificazioni di superficie. In questo studio abbiamo utilizzato due metodologie analitiche correlati per identificare gli schemi sottostanti all'interno del nostro gruppo di dati: analisi delle componenti principali (PCA) e analisi fattoriale (FA). Tre scopi specifici di questo studio erano (1) per identificare i modelli di carie nella dentatura permanente degli adulti, senza a priori
ipotesi circa le classificazioni superficie del dente; (2) per determinare la relazione tra i modelli identificati della decadenza ea priori misure
di decadimento, come indice di DMFS, decadimento delle superfici solchi e fessure, e il decadimento delle superfici lisce; e (3) per valutare l'ereditarietà dei modelli identificati di decadimento
. Metodi
reclutamento e la raccolta di dati
Il Centro per la ricerca di salute orale in Appalachia (COHRA) è stato creato per identificare la comunità-, famiglia-, e predittori a livello individuale di risultati di salute orale nella popolazione Appalachian [26], una sottopopolazione vulnerabili con più poveri salute orale rispetto alla maggiore popolazione degli Stati Uniti [27-29]. partecipanti COHRA sono stati reclutati dalla famiglia come descritto in precedenza [6, 7, 26], per cui le famiglie ammissibili sono stati tenuti a includere almeno una coppia genitore-figlio biologico con il bambino essere da 1 a 18 anni di età. Tutti i membri delle famiglie ammissibili sono stati invitati a partecipare, senza riguardo al loro stato di salute orale, la demografia, o relazioni biologiche o giuridiche. consenso informato scritto è stato fornito da tutti i partecipanti adulti. Assentire con genitore o tutore autorizzazione scritta è stata fornita a nome di tutti i partecipanti del bambino. Lo studio è stato approvato dal comitato di ricerca COHRA e le Institutional Review Board della Università di Pittsburgh e West Virginia University.
In totale, 732 famiglie sono stati reclutati, che comprendeva 2.663 persone provenienti da 740 parentele biologiche di 1 a 20 membri della famiglia ( media = 4.72 membri). Alcuni parentele spanning multiple famiglie, mentre altre famiglie contenevano più parentele. relazioni familiari riportati sono stati convalidati usando pannelli di ascendenza-informativo [30] e l'intero genoma [31] dati marcatori genetici forniti dal Centro per Inherited ricerca sulle malattie presso la Johns Hopkins University e qualità controllata congiuntamente da ricercatori dello studio e il Centro di coordinamento per il NIH geni e iniziativa per l'ambiente (Ginevra; [32])
la carie dentale è stata valutata mediante ispezione visiva con un esploratore dentale durante gli esami dentali intra-orale condotta da dentisti o di ricerca igienisti dentali calibrate rispetto ad un dentista di riferimento almeno una volta al. anno. concordanze inter- e intra-esaminatore delle valutazioni carie erano alte [7, 26]. Ogni superficie del dente è stato segnato come suono, pre-cavitato, decaduto, pieno, mancanti a causa di degrado, o mancante a causa di motivi diversi da quelli di decadimento, in accordo con l'Organizzazione Mondiale della Sanità DMFS /DFS scala e in conformità con il NIH /NIDCR- protocollo approvato per valutare la carie dentale per scopi di ricerca [33]. Questo metodo di valutazione della carie è compatibile con quello raccomandato dal PhenX Toolkit (http:.. //Www phenxtoolkit org, progettato per facilitare la combinazione dei dati attraverso studi), e il National Center for Health Statistics Dental Esaminatori Manuale delle procedure (Vedi Sezione 4.9.1.3) [34]. Terzi molari sono stati esclusi dalla valutazione della carie. individui edentuli sono stati reclutati nello studio, ma sono stati esclusi dalla valutazione e l'analisi della carie.
Analisi statistica
L'obiettivo analitica del presente studio è stato quello di esplorare i modelli di carie dentale della dentizione permanente negli adulti. Quindi abbiamo escluso i bambini limitando il nostro campione di studio ai 1.068 partecipanti di età compresa tra 18 e 75 anni. Per ogni partecipante, carie a livello di superficie i dati sui 128 superfici (ad esempio, 4 superfici per ogni incisivo e canino, e 5 superfici per ogni premolari e molari) sono stati codificati come 0 per il suono o mancante a causa di motivi diversi dal degrado, o codificato come 1 per il pre-cavitazione, cariati, mancanti a causa di degrado, o riempito /restaurato. Così, abbiamo generato una matrice di 1.068 partecipanti da 128 indicatori di livello superficiale stato carie affetto. Questa matrice è stata utilizzata come input per due metodi di estrazione relativi modelli all'interno dei dati:. PCA e FA [35]
PCA utilizza decomposizione ai valori singolari della matrice di dati per estrarre un insieme di variabili non correlate (chiamato componenti principali colonne sonore, i PC ) dove il primo PC (cioè, PC1) spiega la maggior quantità possibile di variabilità dei dati in una sola dimensione, e il secondo PC (cioè, PC2) spiega la maggior quantità possibile di variabilità che rimane nei dati in una ortogonali dimensione a PC1, e così via. Il risultato è un numero di PC ortogonali uguale al numero di variabili originali (in nostri dati, 128), con PC successive ogni spiegando meno della variabilità dei dati. Ciascun PC può essere definita come una combinazione lineare delle variabili originali ponderate dai loro carichi. I primi diversi PC possono rappresentare modelli importanti nei dati, essenzialmente valutare segnali sottostanti da un maggior numero di misurazioni fenotipo correlate. Il carico forniscono un modo di interpretare i PC in termini di variabili originali. In altre parole, i carichi descrivono il modello delle lesioni cariose attraverso dentizione permanente per un determinato PC, mentre i PG attuali indicano il grado /gravità della carie dentaria quel modello.
FA è simile a PCA che è usato per estrarre variabili latenti chiamati punteggi fattoriali (FAC) da una matrice di dati originali. Come PC, FACS sono calcolate come combinazioni lineari delle variabili originali ponderati per loro carichi, tranne che il numero di FAC utilizzato per modellare i modelli di dati viene scelto a priori
, e le FAC non sono vincolati ad essere ortogonali. In questo studio, abbiamo modellato la matrice carie dati utilizzando 10 fattori. Come PCA, l'obiettivo della FA è quello di generare FAC rappresentano segnali sottostanti nella matrice di dati che possono poi essere utilizzati come fenotipi, in questo caso, di identificare i fattori di rischio per la carie dentale.
In pratica, FA e PCA svolgono spesso similmente. Tuttavia i due metodi hanno prospettive opposte estrazione di modelli da una matrice di dati: PCA assume che le variabili osservate forniscono la base per i modelli, che FA presuppone che i modelli latenti forniscono la base per le variabili osservate. In questo modo, PCA è spesso usato per la riduzione dimensione, cioè
., Che riassume le informazioni da un gran numero di variabili, con alcune variabili, mentre FA può meglio rappresentare sottostante "endofenotipi", vale a dire
., Fenotipi non misurati che si manifestano come le variabili osservate. Per entrambi PCA e FA, i carichi definiscono i modelli di degrado e le PC e FAC descrivono la gravità della malattia per i loro modelli corrispondenti.
Per confronto con il PC e FACS, abbiamo anche generato tre a priori
carie fenotipi : l'indice DMFS, fossa e la carie superficiali fessura (PFS) e la carie superficie liscia (SMS). Questi fenotipi a priori
sono comunemente usati nella letteratura della carie. DMFS è stato calcolato come il numero di pre-cavitato, cariati, mancanti a causa di degrado, o superfici ripristinate riempito /. PFS e SMS sono stati calcolati nello stesso modo come DMFS tranne che conta sono limitati a superfici solchi e fessure e superfici lisce, rispettivamente. superficie occlusale dei premolari e molari, le superfici vestibolari dei molari superiori, e le superfici linguali dei molari inferiori sono stati considerati fossa e superfici fessura. Tutte le altre superfici dentali sono state considerate superfici lisce.
Per valutare la stabilità dei modelli identificati dalla PCA e FA, abbiamo effettuato un'analisi di sensitività ripetendo PCA e FA su dieci sottoinsiemi casuale di dati compresi di 80% del totale campione. Abbiamo confrontato i PC e FAC ottenuti da sottoinsiemi casuali per quelli dal campione completo utilizzando il coefficiente di correlazione di Pearson, r. PC 1-4 erano estremamente stabili (r = 0,98-1,00), i PC 5-9 sono rimasti stabili (r = ,86-,95), e PC 10 era moderatamente stabile (r = 0,77) tra sottoinsiemi casuali. FAC 1-6 erano stabili (r = 0,86-0,99), e FAC 7-10 erano moderatamente stabile (r = 0,69-0,82) attraverso sottoinsiemi casuali. Allo stesso modo, abbiamo valutato l'effetto dei parenti PCA e FA ripetendo questi metodi nel sottoinsieme massima di individui non imparentati. PC 1-10 e FAC 1-8 dal campione indipendenti sono stati altamente correlati (r & gt; 0,95) con quelli dal campione completo, mentre FAC9 e FAC10 erano moderatamente correlati (r = 0.57, e 0.81, rispettivamente). Complessivamente, questi risultati suggeriscono che la carie modelli erano generalmente stabile e robusto per l'inclusione dei parenti tra il campione.
Stime di ereditabilità di PC e FAC sono stati calcolati utilizzando l'approccio componenti della varianza. Questi modelli metodo fenotipo tra tutti i tipi di parenti in funzione del grado atteso di condivisione genetica (cioè che i genitori e figli quota del 50% del loro genoma, i fratelli condividono il 50%, fratellastri quota del 25%, gli individui non imparentati condividono 0% , eccetera.). Dettagli per questo metodo applicato al nostro campione di studio sono stati precedentemente segnalati [6, 36]. La stima ereditarietà viene interpretato come la percentuale di varianza fenotipo riconducibile all'effetto cumulativo di tutti i geni.
Tutte le analisi statistiche sono state eseguite nel pacchetto software R (R Foundation for Statistical Computing, Vienna, AU), ad eccezione delle stime di ereditabilità che erano ottenuto dalla modellazione genetica eseguita in SOLARE [37]. analisi delle componenti principali è stata effettuata utilizzando il prcomp
funzione con parametri di default. L'analisi fattoriale è stata effettuata utilizzando la funzione
factanal con l'opzione del Thomson di regressione a base di punteggi, 10 fattori, e di altri parametri di default. Prevalenze, le correlazioni e le figure sono stati tutti generati in R.
Risultati
prevalenza della carie dalla superficie
dati carie a livello di superficie per 1.068 partecipanti (età 18 e 75 anni, età media di 34,7 anni, il 63,3% di sesso femminile , sono stati raccolti 90,0% auto-riferito bianco) attraverso 128 superfici dei denti. superfici dei denti che mostravano evidenza di lesioni pre-cavitato o decadimento, mancavano a causa di degrado, o erano stati riempiti /restaurati, sono stati considerati cariato. superfici dei denti che erano suono o mancante a causa di motivi diversi da quelli di decadimento sono stati considerati non-cariato. Carie prevalenze per superficie (vale a dire la percentuale del campione esibendo la carie su una particolare superficie del dente) sono riportati nella tabella 1. superfici dei denti mascellari anteriori (vale a dire, incisivi e canini) mostravano una maggiore prevalenza di carie di denti anteriori mandibolari; mentre i denti mascellari posteriori (cioè, premolari e molari) hanno mostrato tassi più bassi rispetto pravelences posteriore teeth.Table mandibolare 1 carie prevalenze per superficie attraverso la dentizione permanente (N = 1.068)
Surface
Right
|
|
|
denti mascellari
|
|
|
|
sinistra
|
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
|
destra
|
|
|
|
denti mandibolari
|
|
|
|
sinistra
|
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
analisi delle componenti principali
PCA è stata effettuata sui dati a livello di superficie, al fine di estrarre i modelli alla base di carie. PC1 spiegato 26,3% della variabilità dei dati, PC2 spiegato 6,7%, e tutti gli altri PC spiegato & lt; 5% (Figura 1A). Carichi dimostrano che, fatta eccezione per le superfici inferiori anteriori, tutte le altre superfici contribuiscono in modo simile a PC1 (Figura 1B) che rappresenta un modello /misura quasi globale di decadimento. Carichi di PC2 mostrano contributi opposti di superfici lisce e superfici solchi e fessure (Figura 1C). Carichi di PC3 Mostra contributi opposti premolari contro altre superfici e carica totale per PC4 mostrano contributi opposti mascellari contro superfici mandibolari (vedi file supplementare 1). Carichi per tutti gli altri PC mostrano schemi complessi di contributi da superfici dei denti che non sono facilmente distinguibili nel contesto del PC 1 a 4, tuttavia, la descrizione generale delle superfici contribuiscono sono riassunti nella Tabella 2. Figura 1 analisi delle componenti principali. (A) proporzione della varianza Dati illustrati dal PC 1-10 (rosso) e PC successive (nero). (B) Carichi per PC1 ordinate per tipo di dente, da sinistra a destra: incisivi superiori (blu), canini (verde), premolari (rosso), molari (nero), incisivi inferiori (grigio), canini (giallo), premolari ( magenta), molari (ciano). Per ogni dente, i contributi delle superfici sono elencate nel seguente ordine: buccale, distale, linguale, mesiale, occlusale e, se applicabile. Denti ordinati da sinistra a destra: mascellare 8, 9, 7, 10, 6, 11, 5, 12, 4, 13, 3, 14, 2, 15; mandibolare 24, 25, 23, 26, 22, 27, 21, 28, 20, 29, 19, 30, 18, 31. (C) Carichi per PC2, nello stesso ordine; superfici lisce ombreggiati rosso, blu solchi e fessure superfici ombreggiate. grafici a dispersione di (D) PC1 vs. indice DMFS, (E) PC2 vs. solchi e fessure carie, (F) PC3 contro la carie superficie liscia.
Tabella 2 interpretazioni generali del PCA e carichi FA.
< col> modello
interpretazione generale di carichi
PCA
|
PC1
tutto mascellare denti premolari e molari mandibolari e
PC2
molari contro i non-molari
PC3
premolari contro i non-premolari
PC4
denti mandibolari vs. denti mascellari
PC5
2 ° molari mandibolari vs. 1 ° molari
PC6
premolari mandibolari e 2 ° molari vs. mandibolare 1 ° molari e molari superiori e 2 ° premolari
PC7
premolari mascellari e mandibolari molari vs. molari superiori e premolari mandibolari
PC8
contributi complessi
PC9
contributi complessi
PC10
vs. destra a sinistra molari inferiori
FA
|
FAC1
denti posteriori: premolari e molari
FAC2
mascellare anteriore denti: incisivi e canini
FAC3
canini e premolari mandibolari
FAC4
mascellare premolari
FAC5
mandibolari incisivi e canini
FAC6
non premolari e molari superfici di masticazione, incisivi laterali mascellari e canini mascellari
FAC7
dente 20 (sinistra mandibolare 2 ° premolare)
FAC8
dente 29 (diritto mandibolare 2 ° premolare)
FAC9
mascellari 2 ° molari
FAC10
dente 13 (a sinistra mascellare 2 ° premolare)
Vedere file aggiuntive 1 per tutti i dettagli
PC1 era quasi identica a DMF index (r = 0.969; p-value & lt; 10 -250 [vale a dire, il p-valore minimo dichiarato di utilizzare il software di statistiche]; Figura 1D) che indica che il modello più forte della carie nei dati individui distingue per il livello globale di degrado. PFS, il conteggio delle superfici solchi e fessure carie, è stato molto altamente correlata con PC2 dopo aver sottratto fuori PC1 (r = 0,947; p-value & lt; 10 -250; Figura 1E). SMS, il numero di superfici lisce carie, è stato fortemente correlato con PC3 dopo aver sottratto fuori PC2 e PC1 (r = 0,894; p-value & lt; 10 -250; Figura 1E). Tali correlazioni mostrano che PC1, PC2, e PC3 catturare i modelli di carie corrispondente a priori
fenotipi, DMF indice eccesso PFS (per un dato DFms), e l'eccesso di SMS (per proposta DMFS e PFS), rispettivamente.
Il ereditabilità (h 2) dell'indice DMFS e PC 1-10 sono stati calcolati e contemporaneamente l'adeguamento per gli effetti dell'età, età 2, e il sesso (tabella 3). Indice DMFS, PC1, PC5, e PC7 erano tutti fortemente ereditarie (h 2 = 37% al 50%; p-value = 0.043 a 0.008), indicando che alcuni modelli di carie erano dovuti a eziologie genetiche. Altri PC non erano ereditarie indicando che alcuni modelli di carie non erano dovuti a fattori genetici. Covariate età, età 2, e il sesso ha spiegato circa il 10% della variazione di PC1 e pochissime variazioni per i restanti 3 PCs.Table stime di ereditabilità per l'indice DMFS, PC, e FAC
< col> fenotipo
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 sull'oggetto -
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 sull'oggetto -
0,500
0.006
PC10
0.000 sull'oggetto -
0,500
0.001
FA
|
|
|
|
FAC1
0,157
0.181
0,194
0,033
FAC2
0.000 sull'oggetto -
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 sull'oggetto -
0,500
0.015
FAC8
0.000 sull'oggetto -
0,500
0.018
FAC9
0,084
0,208
0,343
0.006
FAC10
0,342
0.292
0.136
0.014
h2 = ereditabilità stima (ad esempio, percentuale di variazione fenotipo attribuibile alla genetica)
h2 SE = errore standard della stima dell'ereditarietà
R2 = percentuale di variazione fenotipo attribuibile agli effetti cumulativi di età, Age2, e il sesso
analisi fattoriale
FA è stata anche effettuata sui dati a livello di superficie per identificare i modelli latenti di carie (Tabella 2). 10 fattori sono stati estratti che cumulativamente spiegato 44,7% della variabilità dei dati. FAC1 è dovuto principalmente ai contributi di superfici molari, e in misura minore, superfici premolari (vedi carichi, la Figura 2A). FAC1 era moderatamente correlato con l'indice DMFS (r = 0,593; p-value & lt; 10 -250), e fortemente correlato con PFS (r = 0.815, p-value & lt; 10 -250; Figura 2B) . Carichi mostrato che le superfici degli incisivi mascellari, e in misura minore, superfici canini mascellari, contribuiscono a FAC2 (Figura 2C). FAC2 era moderatamente correlato con SMS (r = 0.523; p-value & lt; 10 -250) e l'indice DMFS (r = 0,453; p-value & lt; 10 -250). Vedere file aggiuntive 1 per carichi di tutti gli altri fattori. In generale, la maggior parte delle FAC hanno mostrato bassa correlazione con i PC, che indica che i due metodi estratti diversi modelli dai dati. Rispetto ai PC, che rappresentavano contributi di molti denti, un certo numero di FAC principalmente contributi dei singoli denti rappresentato (ad esempio, dente 20 per FAC7, dente 29 per FAC8, dente 13 per FAC10). Figura 2 L'analisi fattoriale. (A) Carichi per FAC1 ordinate per tipo di dente, da sinistra a destra: incisivi superiori (blu), canini (verde), premolari (rosso), molari (nero), incisivi inferiori (grigio), canini (giallo), premolari ( magenta), molari (ciano). Per ogni dente, i contributi delle superfici sono elencate nel seguente ordine: buccale, distale, linguale, mesiale, occlusale e, se applicabile. Denti ordinati da sinistra a destra: mascellare 8, 9, 7, 10, 6, 11, 5, 12, 4, 13, 3, 14, 2, 15; mandibolare 24, 25, 23, 26, 22, 27, 21, 28, 20, 29, 19, 30, 18, 31. (B) Diagramma di dispersione dei FAC1 vs pit e di superficie fessura della carie. . (C) Carichi per FAC2 nello stesso ordine
Le stime di ereditabilità di FAC 1-10 sono anche riportati nella Tabella 3. FAC3 e FAC6 erano fortemente ereditabile (h 2 = 65,3 e il 30,2%; p-value = 0,006 e 0,027, rispettivamente), mentre tutti gli altri FAC non erano ereditarie. Questi risultati fanno eco i risultati PCA, mostrando che alcuni modelli di carie sono dovuti a eziologie genetiche, mentre altri non lo sono. livelli di significatività per le stime di ereditabilità non soddisfacevano aggiustamento Bonferroni (per 20 modelli, che richiedono valori di p & lt; 0,0025 per significato saggio-famiglia); anche se, corretta regolazione per la prova multipla non è chiaro dato il previo ereditabilità significativo di DMFS, PFS, e gli indici SMS segnalato per questo campione [6, 36]
. Discussione
Abbiamo usato due dei relativi metodi di estrazione carie modelli in la dentizione permanente a partire dai dati di carie a livello di superficie. APC ha prodotto molti modelli moderati-to-debole, che potrebbe indicare un alto livello di rumore o sporadici (non-fantasia) insorgenza della carie dentale. Inoltre, i PC 1-3 strettamente riconquistarono la DMFT, PFS, e gli indici SMS, un'osservazione che suggerisce che questi a priori
carie fenotipi può riflettere i modelli predominanti di decadimento nella dentizione permanente, anche cumulativamente essi rappresentano solo il 37% dei la variabilità. Alcuni PC erano ereditarie, mentre molti non erano, il che suggerisce che i modelli genetici di decadimento possono essere separabili da modelli non genetici. A differenza di PCA, FA non ha dato i fattori che chiaramente riconquistato a priori
fenotipi, con l'eccezione che FAC1 era correlata con PFS. incisivi superiori hanno contribuito pesantemente a FAC2, che è coerente con gli studi precedenti che hanno utilizzato scaling multidimensionale [24] e la cluster analysis [23] per esplorare carie modelli in dentizione primaria dimostrando di incisivi superiori formano il secondo gruppo (dopo altre superfici lisce). Dieci fattori non erano sufficienti a spiegare la variabilità dei dati, cumulativamente pari a circa il 45%.
Come PCA, FA ceduto alcuni fattori che sono stati altamente ereditabile indicando che alcune carie modelli possono essere dovuti a eziologie genetiche, mentre altri possono essere dovuti alla eziologie non genetiche. Perché le carie modelli presentati in questo manoscritto sono più preciso e definito agnosticamente che a priori
fenotipi, abbiamo prudenzialmente concludere che i modelli specifici rappresentati da FAC3 e FAC6 sono ereditarie, invece di generalizzare a più ampie categorie superficiali come gli SMS. È interessante notare che il più forte contributo genetico identificato era per FAC3, che era ereditabile 65,3% (rispetto al 41,8% per l'indice D1MFS), che suggerisce che FAC3 può essere un fenotipo migliore per la scoperta del gene che a priori
carie fenotipi. Una conclusione simile può essere fatto per PC7 (50,3% ereditabile). Questi risultati sono in linea con uno studio precedente confronto tra APC e FA che ha mostrato FA può meglio cogliere i segnali genetici alla base delle misurazioni fenotipo correlate (anche se entrambi i metodi eseguono abbastanza simile) [35]. PC e FAC non ereditari, presumibilmente a causa di effetti di fattori di rischio non genetici, possono essere preferito fenotipi per i futuri studi epidemiologici di fattori di rischio ambientali per la carie dentale.
La gravità della carie significativamente aumentata con l'età (o l'età 2) per la maggior parte dei modelli (risultati non mostrati). stime di ereditabilità sono state calcolate e contemporaneamente la modellazione di età, di età 2, e il sesso, anche se molto simili stime di ereditabilità sono stati ottenuti in modelli aggiustati per tutti i modelli tranne PC1 che esibivano diminuita ereditabilità quando covariate sono stati omessi (risultati non mostrati). Questi risultati sono sensibile dato che complessivamente, l'età, l'età 2 e il sesso hanno rappresentato circa il 10% della varianza nel PC1, ma molto poco varianza per gli altri PC e FAC.
Una delle sfide con metodi agnostiche tali come APC e FA per identificare i modelli alla base di carie (privi di a priori classificazioni
di superficie) è nell'interpretazione dei risultati. Mentre alcuni modelli, come PC1 (definiti da carichi pressoché uniforme attraverso la maggior parte superfici dentali e quindi rappresentano portata globale di decadimento), e FAC 7, 8 e 10 (ciascuno definito da contributi di un singolo pre-molare), sono facilmente interpretabili , altri PC e FAC può essere difficile mettere in relazione torna alle variabili originali. Inoltre, non esiste un metodo chiaro per distinguere modelli biologicamente rilevanti attribuibili a fattori di rischio distinto da modelli sporadici causa del rumore. L'analisi di sensibilità ha mostrato che i modelli rappresentati dai PC 1-9 e 1-6 FAC sono rimasti stabili, mentre PC10 e FAC 7-10 erano moderatamente stabile. La stabilità complessiva avvalori l'idea che i PC e FAC considerati in questo studio non sono dovuti al solo caso.
Questo studio vantaggi dal grande campione di individui correlati con dettagliata valutazione carie a livello di superficie, che hanno facilitato l'estrazione della carie modello e ereditabilità stima. Un ulteriore punto di forza dell'analisi stava usando due metodi diversi ma correlati di estrazione di carie modelli dai dati, che, soprattutto, non hanno utilizzato a priori le definizioni
modello.
Nonostante questi punti di forza, alcune limitazioni di questo studio mandato discussione, comprese le limitazioni inerenti ad assegnare superfici dentali come carie o meno.
| | 