開展單核苷酸多態性 Meta 分析需先計算基因頻數。本文以等位基因模型為例，介紹如何計算基因頻數，并展示如何使用 RevMan 5.3 軟件實現單核苷酸多態性數據的 Meta 分析。
引用本文： 王朝陽, 翁鴻, 靳英輝, 李柄輝, 任學群, 曾憲濤. 如何采用 RevMan 5.3 軟件實現單核苷酸多態性數據的 Meta 分析. 中國循證醫學雜志, 2018, 18(2): 244-248. doi: 10.7507/1672-2531.201707072 復制
單核苷酸多態性（single nucleotide polymorphism，SNP）主要是指在基因組水平上由單個核苷酸的變異所引起的 DNA 序列多態性。它是人類可遺傳的變異中最常見的一種，占所有已知基因多態性的 90% 以上[1]。隨著基因檢測技術的發展，SNP 的篩查和檢測更加快速和便捷，加之 SNP 研究對病因探索具有重要意義，每年有大量關于 SNP 的原始研究發表[2]。Meta 分析作為一種定量分析方法，可綜合評價 SNP 相關原始研究，得出更具說服力的病因證據[3]。但鑒于 SNP 數據與傳統的二分類數據不同，在使用 RevMan 軟件進行 Meta 分析時，需先將 SNP 數據轉換為傳統二分類數據，故本文結合實例介紹如何使用 RevMan 軟件實現 SNP 數據的 Meta 分析。
1 資料與方法
1.1 示例數據
本文以《白細胞介素-1β（Interleukin-1b，IL-1β）C511T 多態性與慢性牙周病發病風險的 Meta 分析》[4]一文的數據為例，見表 1。本文根據實際需要，僅提取了納入研究、種族、樣本量、各基因表型頻數。表 1 中，CC 代表野生純合型、TT 代表突變純合型、CT 代表雜合型、Total 代表總樣本量。
表1
白細胞介素-1β C511T 多態性與慢性牙周病發病風險 Meta 分析的示例數據[4]
1.2 數據轉換
因提取的原始數據均為基因表型的頻數，在進行 Meta 分析前需轉換為等位基因頻數。將病例組的基因表型表示為 CC1、CT1、TT1；對照組為 CC0、CT0、TT0。則病例組 C 基因頻數：C1=2×CC1+CT1；T 基因頻數：T1=2×TT1+CT1。總基因頻數 Total1=C1+T1[5]。以表 1 中 Gore 1998 的數據為例，C1=2×13+15=41，T1=2×4+15=23，Total1=C1+T1=41+23=64。對照組的基因頻數算法相同，計算結果見表 2。
表2
白細胞介素-1β C511T 多態性與慢性牙周病發病風險的等位基因頻數表[4]
2 軟件操作
2.1 RevMan 軟件合并效應量
2.1.1 新建系統評價及選擇統計方法
本部分內容在既往相關文獻[6-8]中也有介紹，本文不再贅述。
2.1.2 添加數據及行 Meta 分析
在圖 1 界面應要求輸入 events 和 total，分別輸入“T1、total1”和“T0、total0”中的數據。數據可從表 2 中復制，但研究名稱輸入后順序可能變化，要注意原始數據與研究名稱一一對應。點擊圖 1 中森林圖“
”鍵及漏斗圖“
”鍵即可繪制森林圖和漏斗圖（圖 2）。因異質性較大（I2=80%，P<0.000 01），采用隨機效應模型[9]進行合并分析；結果顯示：該等位基因突變有增加慢性牙周病發病率的趨勢，但兩者的相關性無統計學意義［OR=1.03，95%CI（0.85，1.25），P=0.77］；漏斗圖基本對稱，提示未見明顯發表偏倚。
圖1
RevMan 軟件數據輸入及處理界面
圖2
白細胞介素-1β C511T 多態性與慢性牙周病發病率的漏斗圖
圖3
RevMan 軟件亞組分析菜單欄及數據輸入窗口
2.2 亞組分析
根據“種族”進行亞組分析，點擊左側菜單欄“Data and analysis”下的“T vs. C”，與 3.1.1 相同，右鍵“Add outcome”。命名為“亞組分析”，點擊“亞組分析”，右鍵“Add subgroup”，建立 3 個亞組，分別命名為“高加索人”、“巴西人”和“亞洲人”。將表 2 中的數據分別輸入各亞組的數據輸入框中（圖 3）。亞組分析結果顯示：高加索人組異質性檢驗結果為 I2=64%，P=0.02，總效應量：［OR=0.91，95%CI（0.67，1.23），P=0.53］；巴西人組異質性檢驗結果為 I2=58%，P=0.12，總效應量：［OR=1.01，95%CI（0.57，1.81），P=0.97］；亞洲人組異質性檢驗結果為 I2=84%，P<0.000 01，總效應量：［OR=1.08，95%CI（0.84，1.41），P=0.55］。這提示在這三種不同的人群中，該等位基因突變不會增加慢性牙周病發病風險，且異質性可能并不來源于種族差異。
圖4
RevMan 軟件敏感性分析窗口
2.3 敏感性分析
行敏感性分析時，在數據輸入窗口，每次分別勾選掉 1 個研究，觀察總效應量 OR 及 95%CI 和異質性檢驗結果（I2 和 P 值），如圖 4。將上述結果匯總，如表 3。結果顯示每剔除 1 個納入研究，其效應值、可信區間及異質性結果并未發生明顯改變，提示此 Meta 分析結果較為穩健。
表3
白細胞介素-1β C511T 多態性與慢性牙周病發病風險的敏感性分析結果
3 小結
RevMan 是免費的非編程軟件，由 Cochrane 協作網為系統評價/Meta 分析工作者提供，是 Cochrane 系統評價的標準化軟件。該軟件的主要特點是操作簡單，可對錄入的二分類變量、連續變量、生存資料、倒方差等不同類型數據進行 Meta 分析，并以森林圖的形式顯示[10]。本文以單核苷酸等位基因模型“T vs. C”為例，演示如何采用 RevMan 軟件進行 Meta 分析的過程。但在具體應用時，需注意：① 輸入數據是“events”及“total”，因此病例數轉換為基因頻數后，還需計算總的基因頻數；② 在添加研究名稱時需逐個添加，過程較為繁瑣；③ 數據輸入可直接從數據表中導出，但需逐條核對，如同年有多個研究需納入時，易出現次序混亂，從而干擾對亞組分析和敏感性分析中異質性來源的判斷；④ 發表偏倚只能根據漏斗圖的對稱性來定性判斷，其結果不夠精確；⑤ 行敏感性分析時，需每次剔除 1 個研究，過程較為繁瑣。雖然目前 RevMan 還存在一些缺點，但作為一款非編程軟件，其操作簡單，易于掌握，可作為初學者進行 SNP 數據 Meta 分析的首選軟件。
單核苷酸多態性（single nucleotide polymorphism，SNP）主要是指在基因組水平上由單個核苷酸的變異所引起的 DNA 序列多態性。它是人類可遺傳的變異中最常見的一種，占所有已知基因多態性的 90% 以上[1]。隨著基因檢測技術的發展，SNP 的篩查和檢測更加快速和便捷，加之 SNP 研究對病因探索具有重要意義，每年有大量關于 SNP 的原始研究發表[2]。Meta 分析作為一種定量分析方法，可綜合評價 SNP 相關原始研究，得出更具說服力的病因證據[3]。但鑒于 SNP 數據與傳統的二分類數據不同，在使用 RevMan 軟件進行 Meta 分析時，需先將 SNP 數據轉換為傳統二分類數據，故本文結合實例介紹如何使用 RevMan 軟件實現 SNP 數據的 Meta 分析。
1 資料與方法
1.1 示例數據
本文以《白細胞介素-1β（Interleukin-1b，IL-1β）C511T 多態性與慢性牙周病發病風險的 Meta 分析》[4]一文的數據為例，見表 1。本文根據實際需要，僅提取了納入研究、種族、樣本量、各基因表型頻數。表 1 中，CC 代表野生純合型、TT 代表突變純合型、CT 代表雜合型、Total 代表總樣本量。
表1
白細胞介素-1β C511T 多態性與慢性牙周病發病風險 Meta 分析的示例數據[4]
1.2 數據轉換
因提取的原始數據均為基因表型的頻數，在進行 Meta 分析前需轉換為等位基因頻數。將病例組的基因表型表示為 CC1、CT1、TT1；對照組為 CC0、CT0、TT0。則病例組 C 基因頻數：C1=2×CC1+CT1；T 基因頻數：T1=2×TT1+CT1。總基因頻數 Total1=C1+T1[5]。以表 1 中 Gore 1998 的數據為例，C1=2×13+15=41，T1=2×4+15=23，Total1=C1+T1=41+23=64。對照組的基因頻數算法相同，計算結果見表 2。
表2
白細胞介素-1β C511T 多態性與慢性牙周病發病風險的等位基因頻數表[4]
2 軟件操作
2.1 RevMan 軟件合并效應量
2.1.1 新建系統評價及選擇統計方法
本部分內容在既往相關文獻[6-8]中也有介紹，本文不再贅述。
2.1.2 添加數據及行 Meta 分析
在圖 1 界面應要求輸入 events 和 total，分別輸入“T1、total1”和“T0、total0”中的數據。數據可從表 2 中復制，但研究名稱輸入后順序可能變化，要注意原始數據與研究名稱一一對應。點擊圖 1 中森林圖“
”鍵及漏斗圖“
”鍵即可繪制森林圖和漏斗圖（圖 2）。因異質性較大（I2=80%，P<0.000 01），采用隨機效應模型[9]進行合并分析；結果顯示：該等位基因突變有增加慢性牙周病發病率的趨勢，但兩者的相關性無統計學意義［OR=1.03，95%CI（0.85，1.25），P=0.77］；漏斗圖基本對稱，提示未見明顯發表偏倚。
圖1
RevMan 軟件數據輸入及處理界面
圖2
白細胞介素-1β C511T 多態性與慢性牙周病發病率的漏斗圖
圖3
RevMan 軟件亞組分析菜單欄及數據輸入窗口
2.2 亞組分析
根據“種族”進行亞組分析，點擊左側菜單欄“Data and analysis”下的“T vs. C”，與 3.1.1 相同，右鍵“Add outcome”。命名為“亞組分析”，點擊“亞組分析”，右鍵“Add subgroup”，建立 3 個亞組，分別命名為“高加索人”、“巴西人”和“亞洲人”。將表 2 中的數據分別輸入各亞組的數據輸入框中（圖 3）。亞組分析結果顯示：高加索人組異質性檢驗結果為 I2=64%，P=0.02，總效應量：［OR=0.91，95%CI（0.67，1.23），P=0.53］；巴西人組異質性檢驗結果為 I2=58%，P=0.12，總效應量：［OR=1.01，95%CI（0.57，1.81），P=0.97］；亞洲人組異質性檢驗結果為 I2=84%，P<0.000 01，總效應量：［OR=1.08，95%CI（0.84，1.41），P=0.55］。這提示在這三種不同的人群中，該等位基因突變不會增加慢性牙周病發病風險，且異質性可能并不來源于種族差異。
圖4
RevMan 軟件敏感性分析窗口
2.3 敏感性分析
行敏感性分析時，在數據輸入窗口，每次分別勾選掉 1 個研究，觀察總效應量 OR 及 95%CI 和異質性檢驗結果（I2 和 P 值），如圖 4。將上述結果匯總，如表 3。結果顯示每剔除 1 個納入研究，其效應值、可信區間及異質性結果并未發生明顯改變，提示此 Meta 分析結果較為穩健。
表3
白細胞介素-1β C511T 多態性與慢性牙周病發病風險的敏感性分析結果
3 小結
RevMan 是免費的非編程軟件，由 Cochrane 協作網為系統評價/Meta 分析工作者提供，是 Cochrane 系統評價的標準化軟件。該軟件的主要特點是操作簡單，可對錄入的二分類變量、連續變量、生存資料、倒方差等不同類型數據進行 Meta 分析，并以森林圖的形式顯示[10]。本文以單核苷酸等位基因模型“T vs. C”為例，演示如何采用 RevMan 軟件進行 Meta 分析的過程。但在具體應用時，需注意：① 輸入數據是“events”及“total”，因此病例數轉換為基因頻數后，還需計算總的基因頻數；② 在添加研究名稱時需逐個添加，過程較為繁瑣；③ 數據輸入可直接從數據表中導出，但需逐條核對，如同年有多個研究需納入時，易出現次序混亂，從而干擾對亞組分析和敏感性分析中異質性來源的判斷；④ 發表偏倚只能根據漏斗圖的對稱性來定性判斷，其結果不夠精確；⑤ 行敏感性分析時，需每次剔除 1 個研究，過程較為繁瑣。雖然目前 RevMan 還存在一些缺點，但作為一款非編程軟件，其操作簡單，易于掌握，可作為初學者進行 SNP 數據 Meta 分析的首選軟件。
