引用本文： 武亞運, 王進, 董曉強, 何宋兵, 趙鑫. PALB2 基因 rs249954 位點單核苷酸多態性與乳腺癌發病風險關系的 meta 分析. 中國普外基礎與臨床雜志, 2017, 24(9): 1112-1121. doi: 10.7507/1007-9424.201703024 復制
乳腺癌（breast cancer）是全球最常見的惡性腫瘤之一，其發病率已經位于女性惡性腫瘤的第一位[1]。根據文獻[2]報道，2012 年全球乳腺癌新發病例約 167.66 萬例，死亡病例約 52.19 萬例。在中國，近年來其發病率和死亡率均有上升趨勢[3]，雖有含手術治療、化療、分子靶向治療等多種方式的綜合治療，其預后仍較差，在發展中國家，其 5 年生存率也僅為 50%～60% [4]，一直以來嚴重威脅著人民群眾的生命健康。眾所周知，腫瘤的發展是一個多步驟和多基因參與的過程，因此研究探討基因在腫瘤的發展過程中所扮演的角色就顯得格外重要。PALB2（partner and localizer of BRCA2）是近年來發現的一種熱門的乳腺癌易感基因[5-6]，其位于 16 號染色體 12.1，全長 38 kb，包含 13 個外顯子和 12 個內含子，編碼的 PALB2 蛋白包括 1 186 個氨基酸[7]。現筆者就 PALB2 基因 rs249954 位點單核苷酸多態性（SNP）與乳腺癌的關系進行 meta 分析。
1 資料和方法
1.1 文獻納入和排除標準
1.1.1 研究類型 ① 公開發表的文獻或未公開發表的博士學位論文；② 研究方法相似且均為病例對照研究；③ 數據完整。
1.1.2 研究對象 病例組均為確診的女性乳腺癌患者，對照組均為確認的非乳腺癌對照。檢測對象為血液標本。
1.1.3 暴露因素 PALB2 基因 rs249954 位點的 SNP。
1.1.4 結局指標 PALB2 基因 rs249954 位點的 SNP 和乳腺癌的發生情況。
1.1.5 排除標準 ① 會議論文或摘要、綜述以及系統評價類文獻；② 未公開發表的碩士學位論文；③ 動物實驗或非人類乳腺癌研究；④ 重復發表文獻，涉及相同作者或質量較低、時間較久遠的文獻。
1.2 文獻檢索策略
檢索的中文數據庫包括中國生物醫學文獻數據庫（CBM）、萬方數據庫及中國知網；英文數據庫包括 Pubmed、Embase、Corchrane Library、Web of Science 和 Science Direct。檢索時間均為建庫至 2017 年 2 月 16 日。未檢索灰色文獻，檢索無國別及語種限制。英文檢索式：〔 “mammary” or “breast” or “breast cancer （Mesh Term）” 〕 and （ “Polymorphism*” or “SNP” or “SNPs” or “variant*”） and〔 “PALB2” or “rs249954” or“PALB2（Mesh Term）” 〕 ；中文檢索式：（ “乳腺癌”或“乳腺腫瘤”或“乳腺腫物”或“乳癌”或“乳房癌”或“乳房腫瘤” ）和（ “多態性”或“多態型”或“多型性” ）和“PALB2”和“rs249954”。
1.3 文獻篩選和資料提取
文獻的篩選和剔除由兩名研究者獨立進行，必要時請第三位研究者進行抉擇。通過閱讀文獻題目、摘要及全文對文獻進行篩選和資料提取。提取內容包括：文獻作者、發表年份、文獻所載刊物或學位論文類型、研究設計類型、單核苷酸位點、測序及基因分型方法、不同基因型下病例組與對照組病例數、研究國家或地區等。
1.4 文獻偏倚風險評價
隨機對照研究多采用 Cochrane 協作網專門的風險偏倚評價工具（Cochrane collaboration’s risk of bias tool）、Jadad 量表、嚴格評價技能項目國際網絡隨機對照研究質量評價清單（CAPS 清單）等進行評價[8]。觀察型研究尤其是病例對照研究，其風險偏倚評價工具也包括多種，如 Downs-black 清單、NOS （Newcastle-Ottawa Scale）量表、嚴格評價技能項目國際網絡病例對照研究質量評價清單（CASPin 清單）、蘇格蘭學院間指南網絡病例對照研究方法學清單（SIGN 清單）等[9]。針對此次 meta 分析，由于是病例對照研究，筆者選用 NOS 量表進行偏倚風險評價，從“選擇”“可比性”及“暴露”3 個項目著手，并以其下屬的 8 個小條目作為評分點。如果滿足 1 項予以 1 分，若滿足 8 項，予以 9 分。筆者認為，分值是很重要的文獻選擇標準，高于6 分（含 6 分）的研究相對于 6 分以下的研究質量較高，偏倚風險較小，而低于 6 分的研究質量較低，風險偏倚較大，是無法進行 meta 分析的。因此本 meta 分析研究文獻評分要求在 6 分及以上。
1.5 統計學方法
采用專用的統計學軟件 Stata 14.0 對數據進行整理和分析。首先對對照組進行 Hardy-Weinberg 平衡檢驗，P>0.05 方可認為對照組符合 Hardy-Weinberg 定律。再對納入的研究采用 χ2 檢驗進行異質性分析，異質指數（I2）值超過 25%、50% 及 75% 時，分別提示研究具有低度、中度及高度異質性。一般認為，I2>50%、P<0.05 表明存在實質性的異質性，采用隨機效應模型進行 meta 分析，否則采用固定效應模型。本次 meta 分析對于二分類變量的計數資料，以比值比（OR）及 95% CI 作為效應量來評價 rs249954 位點的 SNP 與乳腺癌發生的關系，并繪制漏斗圖檢測發表偏倚，最后進行敏感性分析。檢驗水準 α=0.05。
2 結果
2.1 文獻檢索與篩選結果
通過檢索上述數據庫，共檢索到 590 篇 PALB2 基因多態性與乳腺癌的相關文獻，其中中文文獻 12 篇，英文文獻 578 篇。根據上述的文獻質量評價原則及文獻納入和排除標準，最終獲得文獻 7 篇。納入文獻的發表時間為 2008–2016 年。文獻檢索流程詳見圖 1。
圖1
示文獻篩選流程圖
2.2 納入文獻的一般情況及基因型分布
本次 meta 分析納入了 7 篇文獻（表 1），共計 3 247例經確診的乳腺癌患者以及 3 294 例非乳腺癌對照。
表1
納入研究的一般特征
2.3 meta 分析結果
2.3.1 等位基因模型（T vs C） 由于納入研究間存在實質性異質性（I2=81.2%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果表明，病例組與對照組的 C 和 T 等位基因頻率比較差異無統計學意義〔OR=1.14，95% CI 為（0.95，1.37），P=0.156〕，見圖 2。
圖2
示等位基因模型（T vs C）的 meta 分析結果
2.3.2 顯性基因模型（CT+TT vs CC） 由于納入研究間存在實質性異質性（I2=77.8%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CT+TT 和 CC 基因型頻率比較差異無統計學意義〔OR=1.22，95% CI 為（0.97，1.54），P=0.088〕，見圖 3。
圖3
示顯性基因模型（CT+TT vs CC）的 meta 分析結果
2.3.3 隱性基因模型（TT vs CT+CC） 由于納入研究間存在實質性異質性（I2=63.9%，P=0.011），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 TT 和 CT+CC 基因型頻率比較差異無統計學意義〔OR=1.11，95% CI 為（0.84，1.45），P=0.464〕，見圖 4。
圖4
示隱性基因模型（TT vs CT+CC）的 meta 分析結果
2.3.4 共顯性基因模型（CC vs CT、CC vs TT 及 TT vs CT） ① 對于共顯性基因模型 CC vs CT，由于納入研究間存在實質性異質性（I2=66.6%，P=0.006），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC 和 CT 基因型頻率比較差異有統計學意義〔OR=0.82，95% CI 為（0.67，1.00），P=0.048〕，見圖 5。② 對于共顯性基因模型 CC vs TT，由于納入研究間存在實質性異質性（I2=78.1%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC 和 TT 基因型頻率比較差異無統計學意義〔OR=0.79，95% CI 為（0.54，1.15），P=0.226〕，見圖 6。③ 對于共顯性基因模型 TT vs CT，由于納入研究間的異質性無統計學意義（I2=23.8%，P=0.248），故采用固定效應模型進行分析。meta 分析結果顯示，病例組與對照組的 TT 和 CT 基因型頻率比較差異無統計學意義〔OR=0.95，95% CI 為（0.82，1.11），P=0.523〕，見圖 7。
圖5
示共顯性基因模型 CC vs CT 的 meta 分析結果
圖6
示共顯性基因模型 CC vs TT 的 meta 分析結果
圖7
示共顯性基因模型 TT vs CT 的 meta 分析結果
2.3.5 超顯性基因模型（CC+TT vs CT） 由于納入研究間的異質性無統計學意義（I2=16.7%，P=0.302），故采用固定效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC+TT 和 CT 基因型頻率比較差異有統計學意義〔OR=0.85，95% CI 為（0.77，0.94），P=0.001〕，CT 雜合子基因型可增加乳腺癌的發病風險，見圖 8。
圖8
示超顯性基因模型（CC+TT vs CT）的 meta 分析結果
2.4 發表偏倚
對于各個模型，以 logOR 為橫坐標，SE（logOR）為縱坐標繪制漏斗圖（圖 9）。對等位基因模型、顯性基因模型、隱性基因模型、共顯性基因模型 CC vs CT 及共顯性基因模型 CC vs TT 而言，部分研究超出了 95% CI 范圍，部分漏斗圖（圖 9a、9b和9e）還顯示出較明顯的不對稱性，提示這部分 meta 分析可能存在發表偏倚；對共顯性基因模型 TT vs CT 和超顯性基因模型而言，各研究位于 95% CI 之內，基本對稱，提示無發表偏倚或發表偏倚較小。
圖9
示各模型的發表偏倚漏斗圖 a：等位基因模型；b：顯性基因模型；c：隱性基因模型；d：共顯性基因模型 CC vs CT；e：共顯性基因模型 CC vs TT；f：共顯性基因模型 TT vs CT；g：超顯性基因模型
2.5 敏感性分析
為考察單個研究排除對整合后結果的影響，筆者進行了敏感性分析（圖 10）。值得一提的是，在對共顯性基因模型 CC vs CT 進行敏感性分析時，排除 Chen 等[7]的研究后差異從有統計學意義轉變為無統計學意義〔OR=0.84，95% CI 為（0.66，1.07），P=0.164〕，說明結果具有不穩定性；在超顯性模型下，Chen 等[7]的研究對結果也有較大影響，但即便如此差異仍具有統計學意義〔OR=0.88，95% CI 為（0.78，0.99），P=0.029〕，說明該結果相對可靠；對于其他模型下的結果，敏感性分析均沒有顯示出特殊的變化。
圖10
示各個模型下的敏感性分析結果 a：等位基因模型；b：顯性基因模型；c：隱性基因模型；d：共顯性基因模型 CC vs CT；e：共顯性基因模型 CC vs TT；f：共顯性基因模型 TT vs CT；g：超顯性基因模型
3 討論
PALB2 作為一種新型的乳腺癌易感基因[16-17]，與乳腺癌易感基因 2（BRAC2）具有相似的表現型，被認為是一種 BRAC2 結合蛋白[18]。近年來有關 PALB2 的研究眾多，普遍認為 PALB2 突變導致乳腺癌發病風險增加[19]，尤其是家族性乳腺癌[20]。2014 年，就有一篇發表于 The New England Journal of Medicine 的研究[21]表明，PALB2 突變導致其功能的丟失是家族性乳腺癌的一個重要誘因。對于 PALB2 突變而言，Nakagomi 等[22]認為，不同地區的 PALB2 突變率不同，其中北美突變率為 1.1%～3.4%，歐洲人群為 1.1%～2.7%，而亞洲人群為 0～0.8%，總體而言亞洲人群的 PALB2 突變率處于較低水平。
PALB2 被認為是一種中等外顯度基因[23]。近年來有研究[24-25]表明，PALB2 序列多樣性與家族性乳腺癌或早期乳腺癌相關，其突變位點較多，研究較多的位點包括 rs249954、rs120963、rs249935、rs152451 等[19, 26-27]，其中 rs249954 屬于 PALB2 突變中的第六內含子突變，其最小等位基因頻率 T=0.350。關于 rs249954 突變與乳腺癌的相關性，眾說紛紜。Chen 等[7]就認為其顯性突變型（TT/CT）可以使得乳腺癌的發病風險增加 36%；而 Cao 等[14]認為，顯性突變型（TT/CT）不能增加乳腺癌的發病風險，病例組與健康對照組的基因型頻率比較差異無統計學意義。我國學者董永康等[12]則認為，TT 基因型可增加絕經后女性乳腺癌的患病風險〔TT vs CC：OR=2.19，95% CI 為（1.14，4.20） 〕，而在絕經前乳腺癌患者中則無相關性〔（TT vs CC：OR=1.71，95% CI 為（0.84，3.49） 〕。正是由于存在諸多觀點上的沖突和不一致性，筆者才認為有必要進行資料的整合以及 meta 分析。
本次 meta 分析納入了 7 篇文獻，其中乳腺癌病例 3 247 例，非乳腺癌對照 3 294 例，并按要求將每一項研究的對照組進行 Hardy-Weinberg 平衡檢驗，所得結果提示均符合 Hardy-Weinberg 平衡（表 1）。與以往不同的是，本次研究將 5 種遺傳模型分別進行 meta 分析，結果表明，在等位基因模型、顯性基因模型、隱性基因模型、共顯性基因模型 CC vs TT 及共顯性模型 TT vs CT 中，2 組的各基因型或等位基因頻率比較，差異均無統計學意義（P>0.05）。特別要指出的是，在共顯性基因模型 CC vs CT 中，2 組基因型頻率比較差異具有統計學意義（P=0.048），但是在隨后的敏感性分析中，排除 Chen 等[7]該篇權重較大的研究后，差異即轉變為無統計學意義（P=0.164），說明該 meta 分析結果不具有穩定性，結論的獲取應該謹慎。在超顯性基因模型中，2 組 CC+TT 和 CT 基因型的頻率比較差異具有統計學意義，提示雜合突變型（CT）能夠增加乳腺癌的發病風險（P=0.001），排除 Chen 等[7]這篇權重較大的研究后，結果有所變化，但是差異仍具有統計學意義（P=0.029），結論可靠。其他模型下的敏感性分析結果沒有顯示出特殊變化。從漏斗圖圖示來看，超顯性基因模型和共顯性基因模型 TT vs CT 下，各研究位于 95% CI 內，基本對稱，提示無發表偏移或發表偏倚較小；其他模型下的漏斗圖圖示結果表明，meta 分析存在一定程度的發表偏倚。
綜上所述，從 meta 分析結果來看，PALB2 基因 rs249954 位點突變與女性乳腺癌相關，CT 基因型相對于 CC+TT 基因型能增加乳腺癌的發病風險（P<0.05），此次結論或可為今后乳腺癌的預防或高危群體篩查帶來幫助。但是我們也認識到自身存在不足，例如納入研究的文獻數目較少，研究對象多數來自中國，因此期待更多的高質量、大樣本及多區域的研究，以便對 PALB2 基因 rs249954 位點多態性與乳腺癌的關系做出更客觀的評價。
乳腺癌（breast cancer）是全球最常見的惡性腫瘤之一，其發病率已經位于女性惡性腫瘤的第一位[1]。根據文獻[2]報道，2012 年全球乳腺癌新發病例約 167.66 萬例，死亡病例約 52.19 萬例。在中國，近年來其發病率和死亡率均有上升趨勢[3]，雖有含手術治療、化療、分子靶向治療等多種方式的綜合治療，其預后仍較差，在發展中國家，其 5 年生存率也僅為 50%～60% [4]，一直以來嚴重威脅著人民群眾的生命健康。眾所周知，腫瘤的發展是一個多步驟和多基因參與的過程，因此研究探討基因在腫瘤的發展過程中所扮演的角色就顯得格外重要。PALB2（partner and localizer of BRCA2）是近年來發現的一種熱門的乳腺癌易感基因[5-6]，其位于 16 號染色體 12.1，全長 38 kb，包含 13 個外顯子和 12 個內含子，編碼的 PALB2 蛋白包括 1 186 個氨基酸[7]。現筆者就 PALB2 基因 rs249954 位點單核苷酸多態性（SNP）與乳腺癌的關系進行 meta 分析。
1 資料和方法
1.1 文獻納入和排除標準
1.1.1 研究類型 ① 公開發表的文獻或未公開發表的博士學位論文；② 研究方法相似且均為病例對照研究；③ 數據完整。
1.1.2 研究對象 病例組均為確診的女性乳腺癌患者，對照組均為確認的非乳腺癌對照。檢測對象為血液標本。
1.1.3 暴露因素 PALB2 基因 rs249954 位點的 SNP。
1.1.4 結局指標 PALB2 基因 rs249954 位點的 SNP 和乳腺癌的發生情況。
1.1.5 排除標準 ① 會議論文或摘要、綜述以及系統評價類文獻；② 未公開發表的碩士學位論文；③ 動物實驗或非人類乳腺癌研究；④ 重復發表文獻，涉及相同作者或質量較低、時間較久遠的文獻。
1.2 文獻檢索策略
檢索的中文數據庫包括中國生物醫學文獻數據庫（CBM）、萬方數據庫及中國知網；英文數據庫包括 Pubmed、Embase、Corchrane Library、Web of Science 和 Science Direct。檢索時間均為建庫至 2017 年 2 月 16 日。未檢索灰色文獻，檢索無國別及語種限制。英文檢索式：〔 “mammary” or “breast” or “breast cancer （Mesh Term）” 〕 and （ “Polymorphism*” or “SNP” or “SNPs” or “variant*”） and〔 “PALB2” or “rs249954” or“PALB2（Mesh Term）” 〕 ；中文檢索式：（ “乳腺癌”或“乳腺腫瘤”或“乳腺腫物”或“乳癌”或“乳房癌”或“乳房腫瘤” ）和（ “多態性”或“多態型”或“多型性” ）和“PALB2”和“rs249954”。
1.3 文獻篩選和資料提取
文獻的篩選和剔除由兩名研究者獨立進行，必要時請第三位研究者進行抉擇。通過閱讀文獻題目、摘要及全文對文獻進行篩選和資料提取。提取內容包括：文獻作者、發表年份、文獻所載刊物或學位論文類型、研究設計類型、單核苷酸位點、測序及基因分型方法、不同基因型下病例組與對照組病例數、研究國家或地區等。
1.4 文獻偏倚風險評價
隨機對照研究多采用 Cochrane 協作網專門的風險偏倚評價工具（Cochrane collaboration’s risk of bias tool）、Jadad 量表、嚴格評價技能項目國際網絡隨機對照研究質量評價清單（CAPS 清單）等進行評價[8]。觀察型研究尤其是病例對照研究，其風險偏倚評價工具也包括多種，如 Downs-black 清單、NOS （Newcastle-Ottawa Scale）量表、嚴格評價技能項目國際網絡病例對照研究質量評價清單（CASPin 清單）、蘇格蘭學院間指南網絡病例對照研究方法學清單（SIGN 清單）等[9]。針對此次 meta 分析，由于是病例對照研究，筆者選用 NOS 量表進行偏倚風險評價，從“選擇”“可比性”及“暴露”3 個項目著手，并以其下屬的 8 個小條目作為評分點。如果滿足 1 項予以 1 分，若滿足 8 項，予以 9 分。筆者認為，分值是很重要的文獻選擇標準，高于6 分（含 6 分）的研究相對于 6 分以下的研究質量較高，偏倚風險較小，而低于 6 分的研究質量較低，風險偏倚較大，是無法進行 meta 分析的。因此本 meta 分析研究文獻評分要求在 6 分及以上。
1.5 統計學方法
采用專用的統計學軟件 Stata 14.0 對數據進行整理和分析。首先對對照組進行 Hardy-Weinberg 平衡檢驗，P>0.05 方可認為對照組符合 Hardy-Weinberg 定律。再對納入的研究采用 χ2 檢驗進行異質性分析，異質指數（I2）值超過 25%、50% 及 75% 時，分別提示研究具有低度、中度及高度異質性。一般認為，I2>50%、P<0.05 表明存在實質性的異質性，采用隨機效應模型進行 meta 分析，否則采用固定效應模型。本次 meta 分析對于二分類變量的計數資料，以比值比（OR）及 95% CI 作為效應量來評價 rs249954 位點的 SNP 與乳腺癌發生的關系，并繪制漏斗圖檢測發表偏倚，最后進行敏感性分析。檢驗水準 α=0.05。
2 結果
2.1 文獻檢索與篩選結果
通過檢索上述數據庫，共檢索到 590 篇 PALB2 基因多態性與乳腺癌的相關文獻，其中中文文獻 12 篇，英文文獻 578 篇。根據上述的文獻質量評價原則及文獻納入和排除標準，最終獲得文獻 7 篇。納入文獻的發表時間為 2008–2016 年。文獻檢索流程詳見圖 1。
圖1
示文獻篩選流程圖
2.2 納入文獻的一般情況及基因型分布
本次 meta 分析納入了 7 篇文獻（表 1），共計 3 247例經確診的乳腺癌患者以及 3 294 例非乳腺癌對照。
表1
納入研究的一般特征
2.3 meta 分析結果
2.3.1 等位基因模型（T vs C） 由于納入研究間存在實質性異質性（I2=81.2%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果表明，病例組與對照組的 C 和 T 等位基因頻率比較差異無統計學意義〔OR=1.14，95% CI 為（0.95，1.37），P=0.156〕，見圖 2。
圖2
示等位基因模型（T vs C）的 meta 分析結果
2.3.2 顯性基因模型（CT+TT vs CC） 由于納入研究間存在實質性異質性（I2=77.8%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CT+TT 和 CC 基因型頻率比較差異無統計學意義〔OR=1.22，95% CI 為（0.97，1.54），P=0.088〕，見圖 3。
圖3
示顯性基因模型（CT+TT vs CC）的 meta 分析結果
2.3.3 隱性基因模型（TT vs CT+CC） 由于納入研究間存在實質性異質性（I2=63.9%，P=0.011），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 TT 和 CT+CC 基因型頻率比較差異無統計學意義〔OR=1.11，95% CI 為（0.84，1.45），P=0.464〕，見圖 4。
圖4
示隱性基因模型（TT vs CT+CC）的 meta 分析結果
2.3.4 共顯性基因模型（CC vs CT、CC vs TT 及 TT vs CT） ① 對于共顯性基因模型 CC vs CT，由于納入研究間存在實質性異質性（I2=66.6%，P=0.006），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC 和 CT 基因型頻率比較差異有統計學意義〔OR=0.82，95% CI 為（0.67，1.00），P=0.048〕，見圖 5。② 對于共顯性基因模型 CC vs TT，由于納入研究間存在實質性異質性（I2=78.1%，P<0.001），故采用隨機效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC 和 TT 基因型頻率比較差異無統計學意義〔OR=0.79，95% CI 為（0.54，1.15），P=0.226〕，見圖 6。③ 對于共顯性基因模型 TT vs CT，由于納入研究間的異質性無統計學意義（I2=23.8%，P=0.248），故采用固定效應模型進行分析。meta 分析結果顯示，病例組與對照組的 TT 和 CT 基因型頻率比較差異無統計學意義〔OR=0.95，95% CI 為（0.82，1.11），P=0.523〕，見圖 7。
圖5
示共顯性基因模型 CC vs CT 的 meta 分析結果
圖6
示共顯性基因模型 CC vs TT 的 meta 分析結果
圖7
示共顯性基因模型 TT vs CT 的 meta 分析結果
2.3.5 超顯性基因模型（CC+TT vs CT） 由于納入研究間的異質性無統計學意義（I2=16.7%，P=0.302），故采用固定效應模型進行分析。meta 分析結果顯示，病例組與對照組的 CC+TT 和 CT 基因型頻率比較差異有統計學意義〔OR=0.85，95% CI 為（0.77，0.94），P=0.001〕，CT 雜合子基因型可增加乳腺癌的發病風險，見圖 8。
圖8
示超顯性基因模型（CC+TT vs CT）的 meta 分析結果
2.4 發表偏倚
對于各個模型，以 logOR 為橫坐標，SE（logOR）為縱坐標繪制漏斗圖（圖 9）。對等位基因模型、顯性基因模型、隱性基因模型、共顯性基因模型 CC vs CT 及共顯性基因模型 CC vs TT 而言，部分研究超出了 95% CI 范圍，部分漏斗圖（圖 9a、9b和9e）還顯示出較明顯的不對稱性，提示這部分 meta 分析可能存在發表偏倚；對共顯性基因模型 TT vs CT 和超顯性基因模型而言，各研究位于 95% CI 之內，基本對稱，提示無發表偏倚或發表偏倚較小。
圖9
示各模型的發表偏倚漏斗圖 a：等位基因模型；b：顯性基因模型；c：隱性基因模型；d：共顯性基因模型 CC vs CT；e：共顯性基因模型 CC vs TT；f：共顯性基因模型 TT vs CT；g：超顯性基因模型
2.5 敏感性分析
為考察單個研究排除對整合后結果的影響，筆者進行了敏感性分析（圖 10）。值得一提的是，在對共顯性基因模型 CC vs CT 進行敏感性分析時，排除 Chen 等[7]的研究后差異從有統計學意義轉變為無統計學意義〔OR=0.84，95% CI 為（0.66，1.07），P=0.164〕，說明結果具有不穩定性；在超顯性模型下，Chen 等[7]的研究對結果也有較大影響，但即便如此差異仍具有統計學意義〔OR=0.88，95% CI 為（0.78，0.99），P=0.029〕，說明該結果相對可靠；對于其他模型下的結果，敏感性分析均沒有顯示出特殊的變化。
圖10
示各個模型下的敏感性分析結果 a：等位基因模型；b：顯性基因模型；c：隱性基因模型；d：共顯性基因模型 CC vs CT；e：共顯性基因模型 CC vs TT；f：共顯性基因模型 TT vs CT；g：超顯性基因模型
3 討論
PALB2 作為一種新型的乳腺癌易感基因[16-17]，與乳腺癌易感基因 2（BRAC2）具有相似的表現型，被認為是一種 BRAC2 結合蛋白[18]。近年來有關 PALB2 的研究眾多，普遍認為 PALB2 突變導致乳腺癌發病風險增加[19]，尤其是家族性乳腺癌[20]。2014 年，就有一篇發表于 The New England Journal of Medicine 的研究[21]表明，PALB2 突變導致其功能的丟失是家族性乳腺癌的一個重要誘因。對于 PALB2 突變而言，Nakagomi 等[22]認為，不同地區的 PALB2 突變率不同，其中北美突變率為 1.1%～3.4%，歐洲人群為 1.1%～2.7%，而亞洲人群為 0～0.8%，總體而言亞洲人群的 PALB2 突變率處于較低水平。
PALB2 被認為是一種中等外顯度基因[23]。近年來有研究[24-25]表明，PALB2 序列多樣性與家族性乳腺癌或早期乳腺癌相關，其突變位點較多，研究較多的位點包括 rs249954、rs120963、rs249935、rs152451 等[19, 26-27]，其中 rs249954 屬于 PALB2 突變中的第六內含子突變，其最小等位基因頻率 T=0.350。關于 rs249954 突變與乳腺癌的相關性，眾說紛紜。Chen 等[7]就認為其顯性突變型（TT/CT）可以使得乳腺癌的發病風險增加 36%；而 Cao 等[14]認為，顯性突變型（TT/CT）不能增加乳腺癌的發病風險，病例組與健康對照組的基因型頻率比較差異無統計學意義。我國學者董永康等[12]則認為，TT 基因型可增加絕經后女性乳腺癌的患病風險〔TT vs CC：OR=2.19，95% CI 為（1.14，4.20） 〕，而在絕經前乳腺癌患者中則無相關性〔（TT vs CC：OR=1.71，95% CI 為（0.84，3.49） 〕。正是由于存在諸多觀點上的沖突和不一致性，筆者才認為有必要進行資料的整合以及 meta 分析。
本次 meta 分析納入了 7 篇文獻，其中乳腺癌病例 3 247 例，非乳腺癌對照 3 294 例，并按要求將每一項研究的對照組進行 Hardy-Weinberg 平衡檢驗，所得結果提示均符合 Hardy-Weinberg 平衡（表 1）。與以往不同的是，本次研究將 5 種遺傳模型分別進行 meta 分析，結果表明，在等位基因模型、顯性基因模型、隱性基因模型、共顯性基因模型 CC vs TT 及共顯性模型 TT vs CT 中，2 組的各基因型或等位基因頻率比較，差異均無統計學意義（P>0.05）。特別要指出的是，在共顯性基因模型 CC vs CT 中，2 組基因型頻率比較差異具有統計學意義（P=0.048），但是在隨后的敏感性分析中，排除 Chen 等[7]該篇權重較大的研究后，差異即轉變為無統計學意義（P=0.164），說明該 meta 分析結果不具有穩定性，結論的獲取應該謹慎。在超顯性基因模型中，2 組 CC+TT 和 CT 基因型的頻率比較差異具有統計學意義，提示雜合突變型（CT）能夠增加乳腺癌的發病風險（P=0.001），排除 Chen 等[7]這篇權重較大的研究后，結果有所變化，但是差異仍具有統計學意義（P=0.029），結論可靠。其他模型下的敏感性分析結果沒有顯示出特殊變化。從漏斗圖圖示來看，超顯性基因模型和共顯性基因模型 TT vs CT 下，各研究位于 95% CI 內，基本對稱，提示無發表偏移或發表偏倚較小；其他模型下的漏斗圖圖示結果表明，meta 分析存在一定程度的發表偏倚。
綜上所述，從 meta 分析結果來看，PALB2 基因 rs249954 位點突變與女性乳腺癌相關，CT 基因型相對于 CC+TT 基因型能增加乳腺癌的發病風險（P<0.05），此次結論或可為今后乳腺癌的預防或高危群體篩查帶來幫助。但是我們也認識到自身存在不足，例如納入研究的文獻數目較少，研究對象多數來自中國，因此期待更多的高質量、大樣本及多區域的研究，以便對 PALB2 基因 rs249954 位點多態性與乳腺癌的關系做出更客觀的評價。
