MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA STUDIJNÍ PROGRAM: EXPERIMENTÁLNÍ BIOLOGIE
METODY ANALÝZY DAT Z RODOKMENŮ Bakalářská práce
Markéta Prustoměrská
VEDOUCÍ PRÁCE: RNDR. MICHAELA CVANOVÁ
BRNO 2015
Bibliografický záznam Autor:
Markéta Prustoměrská Přírodovědecká fakulta, Masarykova univerzita Institut biostatistiky a analýz LF a PřF MU Centrum pro výzkum toxických látek v prostředí
Název práce:
Metody analýzy dat z rodokmenů
Studijní program:
Experimentální biologie
Studijní obor:
Matematická biologie
Vedoucí práce:
RNDr. Michaela Cvanová
Akademický rok:
2014/2015
Počet stran:
63 + 2
Klíčová slova:
heritabilita, korelace mezi příbuznými, multifaktoriální onemocnění, obezita, rodokmen, studie rodin
Bibliographic Entry Author:
Markéta Prustoměrská Faculty of Science, Masaryk University Institute of Biostatistics and Analyses MU Research Centre for Toxic Compounds in the Environment
Title of Thesis:
Methods of analysis of family data
Degree programme:
Experimental Biology
Field of Study:
Computational Biology
Supervisor:
RNDr. Michaela Cvanová
Academic Year:
2014/2015
Number of Pages:
63 + 2
Keyword:
heritability, familiar correlation, multifactorial disease, obesity, pedigree, family studies
Abstrakt Tato bakalářská práce se zabývá prací s rodinnými daty, multifaktoriálním onemocněním obecně i konkrétním onemocněním – obezitou. V prvních kapitolách je popsána problematika zápisu rodinných dat a to jak v rodokmenové formě, tak ve formě datové tabulky. Dále je popsáno multifaktoriální onemocnění a jeho charakteristiky, heritabilita a způsoby jejího odhadu. V teoretické části se také nachází kapitola o obezitě. V praktické části je vysvětlena příprava datového souboru pro následnou analýzu a dále jsou představeny výsledky korelací obézního fenotypu mezi příbuznými s následnou interpretací jako heritabilita v úzkém smyslu.
Abstract This bachelor thesis deals with family data, multifactorial disease in general and also with specific disease – obesity. The introductory chapters describe the issue of family data including pedigrees and family data tables. Further a multifactorial disease and its characteristics are described and heritability and methods of estimation, too. There is also a chapter about obesity in the theoretical part. In the practical part the preparation of the data file for analysis is explained and this chapter also presents the results of an obese phenotype correlation between relatives with interpretation as the narrow-sense heritability.
MUt
{ff}íyrowT-ť-kurn
|Wffi Íl ffixxlXJ**nu IBA
#{-arw*mur,* L'#"ffi{,#, ffi#'|ťi ť}t} Wt'yw:t, t.Eafi,
=
,,
=.*=á-li=;=
+&#"# h$w &W #"ffi&#, V,lw\pl"r'l**wt'*n,rt.
,v
ZADANI BAKALARSKE PRACE Jméno studenta/ky: Markéta Prustoměrská
Studijní program/obor: Experimentá|ní biologie/Matematická Název
prácel
UCo:
408438
bio|ogie
Metody ana|yzy dat z rodokmenr]
Název práce anglicky: Methods of ana|ysis of fami|y data
Vedoucí:
Konzultant(i):
RNDr. Michae|a Cvanová doc. MUDr. Ju|ie Bieneftová Vaškr3, Ph.D.
5.10.2014 Datum zadánt Datum odevzdání: 25.5.2015 PĚedpokládanf rozsah: 40 - 60 stran
Postup a zásady pro vypracování: V'fs|edky hodnocení geneticlcfch dat v rodinách se využívajínapÍ. v geneticlcfch poradnách. Údaie o rodinné anamnéze a pÍís|ušn'fchgeneticlcfch po|ymorfizmŮ pacienta pak mohou predikovat riziko onemocnění a pĚípadně i jeho prŮběh u s|edovaného pacienta. Studium rodin dá|e umožĎuje, to co dnes běžnétzv. studie pacientŮ a kontrol niko|i, napÍ. odha|it tzv. zpŮsob pĚenosu. Studentka ve své práci uvede zpŮsoby zápisu datornÍch souborŮ rodin a jejich rodokmenŮ. Popíše principy dědičnosti komp|exních nemocí, což zahrnuje pojmy jako heterogenita, fenokopie,
imprinting nebo
Ev. zpúsob pienosu (parent-of-origin effeď). Studentka se seznámí s obezitou a ana|yzy segregace fenotypu a metody hodnocení
její dědičností. Dá|e nastuduje metody
genetick'fch studií, které využUe pro ana|'fzu reá|ného datového souboru. Stěžejní praktickou částí bude pÍíprava a vyčištěnírodokmenovfch dat na ana|'|zu vybran'fmi metodami. Data pochází ze studie, ve které se hodnoti|y rizikové faktory vzniku obezity v rodině.
ffiffiffi
TBA
W^mmryw,vstr"* 3"#"#Í-#, ffip,%
Doporučená iteratu |
o o
ra
nnstítunt
b*ostntistiky
a anail1fx
*.inĚi,tl r+#*,rr
ffi{3 ffiYyjť}, ťm,w : +&#^# %ew &ffi p^#{&.#, wyp,,ty*l,r*aw**w'*n
:
BURTON P. R., TOBIN M. D., HOPPER J. 1., 2005: Key concepts in genetic epidemiology. The Lancet 366 (9489), 941-951. ZIEGLER, A. AND t<Órutc, I..R.,2006: 2'3 Comp|ications of Mende|ian segregation, In: A Statistical Approach to Genetic Epidemiology. Wiley-VCH-Verl, Weinheim, pp. 24-34.
V Brně dne: 5.10.2aL4 Podpis Vedoucího práce:
Podpis studenta/ky:
Podpis garanta oboru:
iI
{'f,x Y
t-a
a r r t t t ! r t r r r r I r r l ! r r r I r r r r r r ! r a !
Mr^a";. $ w-
doc. RNDr. Ladislav Duše|íPh.D.
Poděkování Na tomto místě bych chtěla poděkovat především vedoucí mé bakalářské práce RNDr. Michaele Cvanové za trpělivost, cenné rady a čas, který mi věnovala. Dále bych chtěla poděkovat doc. MUDr. Julii Bienertové-Vašků, Ph.D. za čas a poskytnutá data. Děkuji také paní Ireně Vaďurové za pomoc při zpracování dat.
Prohlášení Prohlašuji, že jsem svoji bakalářskou práci vypracovala samostatně s využitím informačních zdrojů, které jsou v práci citovány. Brno 25. května 2015
.…………………………… Markéta Prustoměrská
Institut biostatistiky a analýz Lékařské a Přírodovědecké fakulty Masarykovy univerzity spolupracuje na organizačním zajištění výuky studijního oboru Matematická biologie s Centrem pro výzkum toxických látek v prostředí Přírodovědecké fakulty MU.
Obsah
Obsah Úvod ......................................................................................................................................... 11 1. Genealogie ........................................................................................................................... 12 1.1. Genetická genealogie .................................................................................................... 12 1.2. Rodokmeny ................................................................................................................... 12 1.2.1. Genealogické symboly ........................................................................................... 12 2. Datový zápis rodin .............................................................................................................. 15 2.1. Příklady datového zápisu rodin v softwarech ............................................................... 15 3. Multifaktoriální onemocnění a charakteristiky související s jeho dědičností ............... 18 3.1. Definice multifaktoriálního onemocnění ...................................................................... 18 3.2. Bliţší charakteristiky multifaktoriálního onemocnění .................................................. 18 3.2.1. Neúplná penetrance ................................................................................................ 18 3.2.2. Genetická heterogenita ........................................................................................... 18 3.2.3. Existence fenokopií ................................................................................................ 19 3.2.4. Polygenní dědičnost ............................................................................................... 19 3.2.5. Zpŧsob přenosu (parent of origin effect, POE) ...................................................... 20 3.2.6. Imprinting ............................................................................................................... 20 3.2.7. Vysoká populační frekvence alel zodpovědných za rozvoj patologického fenotypu .......................................................................................................................................... 22 3.2.8. Interakce mezi geny ............................................................................................... 22 4. Heritabilita .......................................................................................................................... 23 4.1. Definice heritability....................................................................................................... 23 4.2. Heritabilita v širším smyslu........................................................................................... 23 4.3. Heritabilita v úzkém smyslu .......................................................................................... 23 4.4. Výpočet heritability ....................................................................................................... 24 4.4.1. Porovnávání dvojčat ............................................................................................... 24 4.4.2. Falconerovy metody ............................................................................................... 26 4.4.3. Smíšené lineární modely ........................................................................................ 27 4.4.4. Korelace mezi příbuznými ..................................................................................... 29 4.5. Význam heritability ....................................................................................................... 32 5. Obezita................................................................................................................................. 33 5.1. Definice obezity ............................................................................................................ 33 5.2. Epidemiologie obezity................................................................................................... 34 5.2.1. Epidemie obezity v České republice ...................................................................... 34 5.2.2. Epidemie obezity ve světě ...................................................................................... 36 5.3. Etiopatogeneze obezity ................................................................................................. 36 9
Obsah 5.3.1. Energetický příjem ................................................................................................. 36 5.3.2. Energetický výdej ................................................................................................... 36 5.4. Genetické faktory obezity ............................................................................................. 37 6. Praktická část ..................................................................................................................... 41 6.1. Datový zdroj .................................................................................................................. 41 6.2. Předzpracování dat ........................................................................................................ 42 6.3. Popisná statistika ........................................................................................................... 44 6.4. Metodika a pouţitý software ......................................................................................... 47 6.5. Výsledky........................................................................................................................ 47 6.6. Diskuze výsledkŧ .......................................................................................................... 50 Závěr ........................................................................................................................................ 52 Seznam literatury ................................................................................................................... 53 Internetové zdroje .................................................................................................................. 60 Seznam obrázků ..................................................................................................................... 61 Seznam tabulek ....................................................................................................................... 62 Seznam použitých zkratek ..................................................................................................... 63 Příloha A .................................................................................................................................. A Příloha B................................................................................................................................... B
10
Úvod
Úvod Studie rodin mají svŧj význam a hrají dŧleţitou roli v pochopení dědičnosti některých znakŧ a nemocí. Rodinné studie většinou slouţí k identifikaci stupně moţného rozvoje nemoci, pokud danou nemocí trpí někdo z rodiny. Základním předpokladem rodinných studií je to, ţe pokud je zkoumaná nemoc zpŧsobená genetickými faktory, pak by jednotlivci, kteří jsou geneticky příbuzní, měli sdílet podobná rizika pro rozvoj dané nemoci. Rodinné studie hrají dŧleţitou roli v odvětví genetické epidemiologie. Jsou totiţ schopny odhalit a identifikovat geny, které mají vliv na individuální riziko rozvoje onemocnění. Tento typ studií taktéţ přispívá k odhadu penetrance zkoumaného genotypu. Rodiny se vyuţívají ve vazebných analýzách nebo asociačních studiích. Při těchto studiích jde ale o hodnocení nukleárních rodin, tzv. trios (rodiče a jejich potomek). Pokud jsou do studie zahrnuti i příbuzní druhého či třetího stupně, mluvíme o rozšířené studii rodin. Obezita neboli česky otylost je ve vyspělých zemích běţně vyskytující se nemoc, která se epidemicky šíří. S obezitou je spojena celá řada zdravotních rizik, díky kterým se obezita stává závaţným nejen medicínským, ale i ekonomickým problémem. Obezita jako rizikový faktor se totiţ podílí na morbiditě a mortalitě, zhoršuje tedy kvalitu ţivota a zkracuje jeho délku. Obezita je ve svých dŧsledcích závaţným onemocněním a proto má význam pátrat po pŧvodu a příčinách tohoto onemocnění. Rodinná data bývají zapsána ve formě rodokmenŧ, která je nutné digitalizovat, aby byla moţná analýza takovýchto dat. Jedním z cílŧ této práce je nastudování datových zápisŧ rodin. Dalším cílem bylo nastudovat multifaktoriální onemocnění a principy, které souvisejí s dědičností tohoto onemocnění. Dědičnost takovýchto onemocnění je sloţitá a neodpovídá klasickému zpŧsobu dědičnosti. Je to zpŧsobeno právě tím, ţe se na rozvoji onemocnění podílí vícero faktorŧ, genetických i negenetických. Studium komplexních nemocí je do práce zařazeno z toho dŧvodu, ţe se obezita mezi takováto onemocnění řadí. V praktické části je cílem zkoumat charakteristiky rodin s pozorovanou familiární agregací obezity. To je příčinou dalšího cíle této práce, a tím je seznámení se s obezitou a nastudování genetických faktorŧ zapříčiňujících rozvoj tohoto onemocnění. První kapitola této práce se věnuje rodokmenŧm a genealogii jako takové, protoţe genealogie je věda, do které řadíme studium rodokmenŧ. V této kapitole nalezneme také symboliku pouţívanou v rodokmenech. Druhá kapitola obsahuje informace o datovém zápisu rodin kvŧli moţným analýzám rodinných dat. Kapitola obsahuje také příklady zápisu rodin ve vybraných softwarech, protoţe se datový zápis rodinných dat mŧţe v jednotlivých softwarech lišit. Ve třetí kapitole najdeme informace o multifaktoriálním onemocnění obecně a dále jsou v této kapitole rozebrány pojmy související s dědičností tohoto onemocnění. Čtvrtá kapitola pojednává o heritabilitě obecně (mŧţeme zaměnit za pojem segregace fenotypu), o zpŧsobech jejího odhadu a také o jejím významu. V páté kapitole je popsána obezita. Konkrétně definice obezity, jak se stanovuje, její zastoupení v České republice i celosvětově. Jsou uvedeny i příčiny, které vedou ke vzniku obezity, a v neposlední řadě také genetické faktory obezity. V praktické části je představen datový soubor a jsou předloţeny výsledky spočítaných korelací znaku obezity mezi příbuznými a odhadnutá heritabilita právě z této korelace. Výpočet korelací mezi příbuznými byl zvolen vzhledem k typu dat. Nebylo moţné provádět například vazebnou analýzu nebo asociační studii z toho dŧvodu, ţe nebyly k dispozici genetické údaje. Byla tedy zkoumána obezita jako binární znak a lidé tedy byli bráni tak, ţe buď obezitou trpí, či netrpí.
11
Genealogie
1. Genealogie Název genealogie vznikl z řeckého slova génos = rod. Z širšího hlediska jde o vědu, která zkoumá vzájemný vztah jevŧ, které spolu nějak souvisí. Z uţšího hlediska by se dalo říct, ţe genealogie je věda, která se zabývá zkoumáním rodových vztahŧ mezi jedinci určitého druhu. Z biologického hlediska jde o jednu z metod genetického výzkumu. Mezi základní genealogické pojmy patří pokrevenství, příbuzenství, vývod a rozrod. Pokrevenství (latinsky consanguinitatis) znamená, ţe osoby pocházejí od jediného předka, jde tedy např. o děti, vnoučata, pravnoučata apod. Velkou roli u pokrevenství hraje jeho stupeň. Příbuzenství (latinsky affinitas) znamená vztah mezi dvěma osobami. Tento vztah mŧţe být přímý, který je například mezi sourozenci, kde tento vztah vznikl díky společným rodičŧm, nebo vedlejší, který vzniká uzavřením sňatku. Podle typu příbuznosti mezi sebou příbuzní sdílejí rŧzné počty genŧ:
Příbuzní prvního stupně sdílí mezi sebou 50 % genŧ a jsou jimi rodiče, děti a sourozenci daného člověka. Příbuzní druhého stupně mezi sebou sdílí 25 % genŧ, konkrétně se takto označují tety, strýcové, neteře, synovci, prarodiče a poloviční sourozenci jedince. 12,5 % genŧ sdílí mezi sebou příbuzní třetího stupně, tedy sestřenice, bratranci a praprarodiče jedince (URL 1). Vývod je forma rodokmenu, tedy zápis příbuzných osob, kde se vychází od probanda a postupuje se směrem dozadu. U rozrodu se postupuje opačně, zajímají nás potomci probanda. Slovem proband se označuje osoba, která je zkoumána (Otová et al., 2008).
1.1. Genetická genealogie V odvětví genetické genealogie jde o to, abychom získali informace o rodové linii z hlediska testování DNA. Mezi nejpouţívanější testy patří analýza chromozomu Y (Y-DNA) a test mitochondriální DNA (mtDNA), které jsou od roku 2000 dostupné i v komerční sféře (Kennett et Pomery, 2011). Protoţe chromozom Y nalezneme pouze u muţŧ, je touto metodou zjišťována otcovská linie. Naopak testem mitochondriální DNA se zjišťuje linie mateřská.
1.2. Rodokmeny Genealogie se také zabývá rodokmeny, které jsou zajisté hlavním pomocníkem při studiu lidské dědičnosti. Podle rodokmenŧ hodnotíme výskyt znaku nebo choroby, kterou sledujeme v příbuzenstvu, ale i jiné, pro genetika dŧleţité údaje, například zpŧsob dědičnosti. Při zápisu rodokmenŧ začínáme obvykle od osoby nesoucí sledovaný znak či chorobu, která se nazývá proband a je označena šipkou. Dále pouţíváme mezinárodně dohodnutých rodokmenových (genealogických) značek (Šrám et al., 1987).
1.2.1. Genealogické symboly Jde o mezinárodně dohodnuté značky, díky kterým mŧţeme číst rodokmeny z celého světa. Jak uţ jsem uvedla, proband (zkoumaná osoba) je označen šipkou (viz Obr. 1). Pokud jde o muţe, pouţívá se jako symbol čtverec, pro ţenu je to kruh. U jedince neznámého pohlaví jde o kosočtverec. Pro vyjádření toho, ţe je jedinec nositelem sledovaného znaku, vybarvíme jeho symbol černou barvou. Pokud jsou symboly vybarvené napŧl, tak jde 12
Genealogie o heterozygoty, a pokud je v symbolu kruhu menší vybarvený kruh, tak jde o ţenu přenašečku. Pokud chceme zaznamenat do rodokmene jedince, který je jiţ po smrti, tak jeho symbol přeškrtneme. Potrat znázorňujeme ve většině případŧ pouze spontánní a jako symbol se pouţívá malý symbol příslušného pohlaví. Pokud ještě nebylo pohlaví známé, pouţije se jako symbol trojúhelník. Zaznamenání jedince, který byl do rodiny adoptován nebo byl dán k adopci, je také moţné, odlišujeme jej hranatými závorkami. Dále se od sebe liší typem čáry, která vede od rodičŧ. Jedinec, který byl adoptován, má čáru přerušovanou a jedinec, který byl dán k adopci, má čáru spojitou, nepřerušovanou. Monozygotní (jednovaječná) dvojčata do rodokmene zaznamenáváme tak, ţe uděláme rozdvojku pro sourozence a dva stejné symboly příslušného pohlaví spojíme vodorovnou, nepřerušovanou čarou. Dizygotní (dvojvaječná) dvojčata vodorovnou čarou nespojujeme. Zápis manţelství značíme tak, ţe příslušné symboly muţe a ţeny propojíme vodorovnou čarou neboli sňatkovou čarou. Bývá zvykem, ţe manţela značíme na sňatkovou čáru nalevo od manţelky. Obecně to jsou dva lidé, kteří spolu mají děti, pro rodokmen není dŧleţité, zdali jsou oddáni. Pokud je čára mezi symboly dvojitá, znamená to, ţe sňatek byl uzavřen mezi příbuznými jedinci. Sourozence obvykle řadíme zleva doprava podle data narození, tedy od nejstaršího k nejmladšímu. Pokud je sourozencŧ více a nenesou sledovaný znak, není nutné je do rodokmene všechny zaznamenávat. Stačí uvést jejich počet. Zde zmíněné symboly jsou uvedeny na Obr. 1 jde o ty nejčastěji pouţívané. Bennett et al. (2008) uvádějí i ty méně poţívané symboly a zápisy, jako je dárce spermatu, dárkyně vajíček, mimoděloţní těhotenství apod. Jednotlivé generace se v rodokmenech obvykle číslují, a to římskými číslicemi. Číslovat se začíná od nejstarší generace, ta má tedy zpravidla číslo I.
13
Genealogie zdravý muţ
manţelský pár
zdravá ţena
příbuzenský sňatek
jedinec neznámého pohlaví
potomci
muţ se sledovaným znakem, ţena se sledovaným znakem
dvojvaječná dvojčata
zemřelý muţ, zemřelá ţena
jednovaječná dvojčata
heterozygoti
potrat
ţena přenašečka
více sourozencŧ
proband
adoptovaný muţ
Obr. 1 Nejčastější rodokmenové značky (upraveno z URL 2)
14
Datový zápis rodin
2. Datový zápis rodin Analýza rodinných dat vychází z rodokmene rodiny. Aby taková data bylo moţné statisticky vyhodnotit, musí být zapsána v takovém formátu, jaký podporují genetické softwarové nástroje nebo softwary pro vykreslování rodokmenŧ. Tento formát je obvykle tabulkový, kde jeden řádek představuje jednoho jedince z dané rodiny. Kódování se v jednotlivých genetických softwarech mŧţe mírně lišit, ale podstata sloupcŧ a řádkŧ je víceméně shodná. Jeden řádek tedy představuje jednoho jedince, sloupce se liší podle genetického softwaru, ale několik sloupcŧ se stejnými proměnnými se vyskytuje téměř v kaţdém programu. Jeden sloupec označuje rodinu, ze které jedinec pochází a jeden sloupec označuje samotného jedince z rodiny. Další dva sloupce označují rodiče jedince z dané rodiny, obvykle v pořadí takovém, ţe se první uvádí otec, poté matka. Další sloupec označuje pohlaví jedince, následující sloupec udává, zda je jedinec nositelem sledovaného znaku. Další sloupce mohou představovat rŧzné genetické markery, označení probanda, dvojčat, zemřelých jedincŧ, případně další rŧzná onemocnění.
2.1. Příklady datového zápisu rodin v softwarech Dále uvedu příklady datového zápisu rodin pro některé vybrané genetické softwary. Softwary jsou vhodné pro vykreslení rodokmenŧ, ale i další analýzy (Tab. 1).
PED Pro software PED (URL 3) a jeho vstupní soubor ve formátu CSV (z angl. Comma Separated Values, hodnoty oddělené čárkou) mŧţe být první sloupec ID (z angl. IDentification) rodiny (family ID), ale není povinný. Rodina mŧţe být označena číselnými hodnotami nebo písmeny. Druhý sloupec by měl představovat ID jedince (individual ID) a je povinný, jedinec má mít unikátní číselné označení v rámci rodiny rŧzné od nuly. Třetí sloupec, taktéţ povinný, s označením ID otce (father ID) mŧţe obsahovat pouze číselné hodnoty, nula je povolená. Čtvrtý sloupec má nést označení ID matky (mother ID), který je povinný a mŧţe obsahovat, stejně jako sloupec ID otce, pouze čísla, kde je povolená nula v případě chybějícího rodiče. Posledním povinným sloupcem je sloupec, který nese informaci o pohlaví jedince, měl by tedy nést označení pohlaví (gender). V tomto sloupci jsou moţné tři hodnoty, a to 0, 1 a 2. 0 pro jedince neznámého pohlaví, 1 pro jedince muţského pohlaví a 2 pro jedince ţenského pohlaví. Další sloupce jsou nepovinné a jedná se o sloupce s informací o fenotypu jedince (phenotype), o tom, zda jedinec nese sledovaný znak nebo má sledovanou chorobu (affection status). V těchto sloupcích mohou být čísla od 0 do 29. Fenotypŧ mŧţeme odlišit aţ 30. Pokud jedinec nese sledovaný znak, tak bude mít označení 2, pokud nenese sledovaný znak, tak 1, a pokud informaci neznáme, tak 0. Dalším sloupcem mŧţe být informace o markerech, kde se mohou vyskytovat čísla od 0 do 63. Dále se mohou vyskytovat i sloupce s textovými popisky (text), kde se mŧţe vyskytovat jakákoliv další informace.
MERLIN Pro software MERLIN, verze 1.1.2 (URL 4) a jeho vstupní soubor ve formátu QTDT (z angl. Quantitative Transmission Disequilibrium Tests, kvantitativní test nerovnováhy přenosu) opět prvních pět sloupcŧ představují proměnné rodina (family), jedinec (person), jeho otec (father), jeho matka (mother) a pohlaví (sex). Všechny proměnné jsou obvykle zastoupené čísly. U proměnné pohlaví označuje číslice 1 muţe a číslice 2 ţeny. Kaţdá rodina 15
Datový zápis rodin musí mít unikátní strukturu a musí být nezávislá od ostatních rodin v souboru. Prvních pět sloupcŧ je povinných a další sloupce mohou představovat fenotypy a genetické markery. Sloupec, který nám říká, zda jedinec má nebo nemá sledovanou chorobu, se kóduje tak, ţe U nebo 1 představuje jedince bez sledované choroby, A nebo 2 patří jedinci se sledovanou chorobou a X nebo 0 bude mít jedinec, u kterého o sledované chorobě nemáme informaci. Pro kvantitativní znaky se ve sloupci pouţívají číselné hodnoty s tím, ţe X představuje chybějící, neznámé hodnoty. Sloupec s proměnnou genetické markery je obvykle kódován dvěma čísly, kaţdé pro jednu alelu. Tato čísla jsou oddělena lomítkem. Od verze programu 1.1 mohou být místo čísel pouţita písmena A, C, T, G.
HaploPainter Pro software HaploPainter (URL 5) a jeho vstupní soubor ve formátu CSV je prvních pět sloupcŧ standardních, tedy sloupec rodina (family), jedinec (person), jeho otec (father), jeho matka (mother), pohlaví (gender). V prvních čtyřech sloupcích mŧţe být hodnota proměnné jakákoliv. Pohlaví se kóduje číslicí 1 nebo písmenem m pro muţe, číslicí 2 nebo písmenem f pro ţeny a číslicí 0 nebo písmenem x pro neznámé pohlaví. V dalším sloupci, kterým je proměnná sledovaný znak (affection), mohou být hodnoty od 0-9 nebo x pro neznámou hodnotu. Další sloupec nese hodnotu o tom, zda je daný jedinec naţivu, nebo je jiţ po smrti (is_deceased). Pokud je jedinec jiţ po smrti, tak se označí Y nebo 1, pokud ţije, tak je označení N nebo 0. Další proměnnou je informace o potratu nebo přerušení těhotenství (is_sab_or_top). Kódování je stejné jako u předchozího sloupce. Následující sloupec nese informaci o probandovi (is_proband). Kódování je totoţné jako v předchozích dvou sloupcích a je totoţné i v následujícím sloupci, který představuje adoptovaného jedince (is_adopted). Následuje sloupec s informací o dvojčatech (are_twins). Rozlišují se dvojčata jednovaječná a dvojvaječná. Kódování je takové, ţe se napíše písmeno označující typ dvojčat, poté následuje podtrţítko a dále unikátní textový identifikátor, protoţe dvojčat mŧţe být v souboru více. Pro jednovaječná dvojčata je označující písmeno m a pro dvojvaječná d. Protoţe se jedná o program, který je určený především k vykreslování rodokmenŧ, mŧţeme si umístit k jednotlivým symbolŧm také popisky. Textové popisky mohou být uvnitř příslušného symbolu, vedle něj nebo pod ním (text_inside_symbol, text_beside_symbol, text_below_symbol). Prvních šest sloupcŧ musí mít vyplněny všechny hodnoty, ostatní proměnné mohou zŧstat i prázdné.
R Dalším softwarem je software s názvem R (URL 6), jeho balík kinship2 (Sinnwell et al., 2014) a funkce pedigree, která vytváří strukturu rodokmenových dat potřebnou pro vykreslení. Proměnná, která označuje rodinu, nemusí být přítomna, potom bude software pracovat s daty jedné rodiny. Začíná se tedy s proměnnou pro identifikaci jedince (id), dále následuje proměnná s identifikací otce jedince (dadid) a matky jedince (momid), pokud chybí informace o rodičích, uvede se hodnota NA (z angl. Not Applicable, neaplikovatelný). Následuje proměnná s informací o pohlaví jedince (sex), zde je kódování takové, ţe se pouţívá 1 pro muţské pohlaví, 2 pro ţenské pohlaví, 3 pro neznámé pohlaví a 4 pro ukončené těhotenství. V dalším sloupci následuje proměnná sledovaný znak (affected), kde se mŧţe vyskytovat i matice, pokud se jedná o kvantitativní znaky. Pokud je znak binární, tak 0 označuje jedince bez sledovaného znaku a 1 jedince se sledovaným znakem. Další proměnnou je informace o tom, zda je jedinec naţivu či nikoli. Pokud jedinec ţije, označuje se číslicí 0, pokud je jiţ po smrti, označuje se číslicí 1. Následuje proměnná s informací o vztazích mezi jednotlivými jedinci (relation). Jde o matici se třemi sloupci, přičemţ první dva sloupce představují ID jedincŧ, kterých se informace o vztazích týká a třetí sloupec stanovuje vztah 16
Datový zápis rodin mezi těmito osobami. Jde o informace o tom, zda jde o dvojčata, nebo pokud se v rodině vyskytuje bezdětné manţelství, tak se v této matici označí, ţe jsou jedinci manţeli. Jednovaječná dvojčata budou mít v posledním sloupci této proměnné 1, dvojvaječná dvojčata 2. Pokud nemáme informaci o zygozitě dvojčat, tak bude v tomto sloupci 3, a pokud se tato informace týká bezdětného manţelství, tak se značí číslicí 4. Pokud bychom pracovali s daty od více rodin, musí být přítomna proměnná, která tyto rodiny od sebe odliší (famid). Další proměnná obsahuje informace o tzv. zakladateli rodiny – nemá v rodokmenu matku a otce – (missid). Výchozí hodnota této proměnné je 0.
Tab. 1 Shrnutí popisovaných softwarů Software
Funkce související s touto prací
PED
vykreslování rodokmenŧ (podporuje několik partnerŧ jednoho člověka)
http://www.medgen.de/index.html
MERLIN
vazebné analýzy, asociační analýzy
http://csg.sph.umich.edu/abecasis/Merli n/index.html
HaploPainter
vykreslování rodokmenŧ (umoţňuje import dat rŧzných formátŧ)
http://haplopainter.sourceforge.net/inde x.html
R, balík kinship2
vykreslování rodokmenŧ, výpočet matice příbuznosti
17
URL
http://www.r-project.org/
Multifaktoriální onemocnění a charakteristiky související s jeho dědičností
3. Multifaktoriální onemocnění a charakteristiky související s jeho dědičností 3.1. Definice multifaktoriálního onemocnění Zatímco monogenní onemocnění vzniká poruchou v genetické informaci jednoho genu, multifaktoriální onemocnění, jindy nazývané komplexní onemocnění, vzniká spolupŧsobením více faktorŧ. Dědičnost komplexního onemocnění se neřídí Mendelovými zákony dědičnosti a díky tomu nemá toto onemocnění typický rodokmen, i přestoţe je opakovaný výskyt tohoto onemocnění v rodinách častý (Nussbaum et al., 2004). Mezi tato onemocnění řadíme například astma, rakovinu, ischemickou chorobu srdeční nebo právě obezitu (Burton et al., 2005). Spolupŧsobením více faktorŧ na vzniku onemocnění jsou myšleny faktory genetické, epigenetické a také faktory vnějšího prostředí, které mají velký podíl na rozvoji tohoto onemocnění (Kaňková, 2005). Pro komplexní onemocnění je charakteristické: a) neúplná penetrance b) genetická heterogenita c) existence fenokopií d) polygenní dědičnost e) imprinting f) vysoká populační frekvence alel zodpovědných za rozvoj patologického fenotypu g) interakce mezi geny (Lander et Schork, 1994). Onemocnění s komplexní dědičností vykazují familiární agregaci, tzn., ţe se jedinci postiţení chorobou častěji vyskytují ve shlucích v jednotlivých rodinách. Obráceně to ale neplatí, tedy, i kdyţ je v rodině častý výskyt nějaké choroby, mŧţe být náhodný. Musíme brát v úvahu také to, ţe rodina mezi sebou nesdílí jen genetickou informaci, ale také rŧzné návyky – kulturní i potravní, vzorce chování a expozici vlivŧm vnějšího prostředí (Nussbaum et al., 2004).
3.2. Bližší charakteristiky multifaktoriálního onemocnění 3.2.1. Neúplná penetrance Penetrance je pravděpodobnost, ţe určitý gen bude mít nějakou fenotypovou expresi. Tedy pravděpodobnost P(x|g), ţe jedinec má nemoc x, pokud má genotyp g (Ziegler et König, 2006). Pokud někteří z těch, kdo mají příslušný genotyp, tento genotyp vŧbec neexprimují, potom tento gen vykazuje neúplnou penetranci (Nussbaum et al., 2004). Tedy u jedincŧ se neprojevil sledovaný znak, ačkoliv nesou odpovídající genotyp (Snustad et Simmons, 2009b).
3.2.2. Genetická heterogenita O genetické heterogenitě mluvíme tehdy, kdyţ mutace např. v rŧzných genech má za následek rozvoj stejného onemocnění. U člověka je polycystické onemocnění ledvin 18
Multifaktoriální onemocnění a charakteristiky související s jeho dědičností nebo Alzheimerova choroba s časným nástupem příznakŧ příkladem právě genetické heterogenity (Lander et Schork, 1994). Genetická heterogenita mŧţe být buď alelová, lokusová, nebo mohou být zkombinovány oba typy. Alelová heterogenita mŧţe být výsledkem mutací ve stejném lokusu, zatímco lokusová heterogenita je následkem mutací ve více lokusech. U alelové heterogenity mohou rŧzné mutantní alely ve stejném lokusu zpŧsobovat odlišné fenotypové projevy, ale v jiných případech se mŧţe rŧzný počet mutací v daném lokusu podílet na téměř nerozlišitelném fenotypovém projevu. Kvŧli tomu, ţe se rŧzné kombinace alel mohou odlišně klinicky projevovat, musí se brát v úvahu, ţe pacienti, u kterých se předpokládá stejné onemocnění, mohou vykazovat určitou variabilitu. Lokusová heterogenita je zpŧsobena rŧznými genetickými defekty u dvou nebo více lokusŧ, při které se projeví stejný fenotyp. Právě tato heterogenita vnáší problém do studií vazebných analýz. Při jejím neodhalení se mŧţe stát, ţe daný marker nevykazuje vazbu s lokusem, i kdyţ ve skutečnosti ve vazbě jsou (Nussbaum et al., 2004). Dále existuje i fenotypová heterogenita, kdy rŧzné mutace ve stejném genu vykazují rŧzné vnější projevy například u rŧzných rodin nebo skupin pacientŧ (Ziegler et König, 2006).
3.2.3. Existence fenokopií Jedná se o genetický jev, při kterém lidé, kteří nezdědili predisponující alelu, tedy alelu, která by měla vykazovat rizikový genotyp projevující se rizikovým fenotypem, tento fenotyp vykazují. Děje se tak z dŧvodu vnějších vlivŧ nebo náhody. Tento nevýhodný znak není dále předán potomkŧm. U člověka je příkladem existence fenokopií hluchota, mentální retardace nebo kretenismus (Lander et Schork, 1994).
3.2.4. Polygenní dědičnost Znaky, které vyţadují přítomnost většího mnoţství mutací ve více genech, jsou znaky s polygenní dědičností. Účinek kaţdé z těchto mutací je malý, ale společný účinek má za následek fenotyp vykazující právě tento znak (Strauch et al., 2003). Geny malého účinku nazýváme téţ minor-geny, kde se alela tohoto genu podílí jen z části na genetické variabilitě celkového znaku. Alely jednotlivých minor-genŧ se mohou vyskytovat ve dvou formách, a to buď v aktivní, nebo neaktivní. Aktivní alely zvyšují nebo sniţují hodnotu fenotypového znaku a neaktivní alely hodnotu znaku vŧbec neovlivňují (Otová et al., 2012). Dědičné znaky mŧţeme rozdělit na diskrétní nebo kvalitativní a kvantitativní. Znaky diskrétní nebo kvalitativní jedinec mŧţe mít nebo nemusí a jsou speciálně klasifikovány. Příkladem u člověka mŧţe být úmrtí po infarktu myokardu, které nastalo či nenastalo (znak diskrétní). Znaky kvantitativní jsou měřitelné vlastnosti, jako je tělesná výška nebo krevní tlak, a jejich fenotypové zastoupení v populaci znázorňuje Gaussova křivka (Obr. 2)., která znázorňuje, ţe nejvíce jedincŧ v populaci má prŧměrné hodnoty znaku (Lander et Schork, 1994).
Obr. 2 Gaussova křivka (URL 7)
19
Multifaktoriální onemocnění a charakteristiky související s jeho dědičností Pro hodnocení vlivu dědičnosti na kvantitativní znaky mohou být vyuţity studie pacientŧ a kontrol1. Jelikoţ to jsou znaky získané měřením a neplatí pro ně, ţe buď jsou, nebo nejsou přítomny, není moţné porovnávat prevalenci onemocnění u příbuzných ve srovnání s kontrolami (Nussbaum et al., 2004). Tedy znak se zdědí polygenně a na finálním fenotypu má ještě vliv prostředí. Podle Fishera (1942) je celkový fenotyp, značený VT, výsledkem součtu genetické variance (Vg) a environmentální variance (Ve): T
g
(3.1)
VT se nazývá celková fenotypová variance.
3.2.5. Způsob přenosu (parent of origin effect, POE) POE je široký pojem, který zahrnuje celou řadu epigenetických a genetických mechanismŧ dědičnosti. V podstatě jde o jev, který se projevuje rozdílem ve fenotypovém projevu mezi heterozygoty, kdy záleţí na pŧvodu alely. Zpŧsob přenosu je nejčastěji asociován s genovou expresí (Lawson et al., 2013). Mŧţe se jednat o změny v transkripci nebo o změny, které mají vliv na mutační frekvence. Zpŧsob přenosu je známý více neţ 3 000 let. Poprvé byl prokázán v Asii u muly, coţ je kříţenec samce osla a samice koně. Byla prokázána neidentita reciprokých kříţení. Pokud se totiţ zkříţil samec osla se samicí koně, vznikla mula. Naopak, pokud se zkříţil samec koně se samicí osla, vznikl mezek. K poznání dalších zpŧsobŧ přenosu a hlavně k jeho formálnímu pochopení významně pomohly studie prováděné u myší (DeChiara et al., 1991). U člověka je vliv zpŧsobu přenosu spojován s nemocemi, jako je Angelmanŧv a Prader-Williho syndrom (Nicholls, 2000), astma (Carroll et al., 2005) nebo juvenilní idiopatická artritida (Zeft et al., 2007). U prvních dvou uvedených syndromŧ je onemocnění zpŧsobeno poruchou 15. chromozomu. Pokud je tento chromozom zděděn od matky, zpŧsobuje Angelmanŧv syndrom. V opačném případě, tedy pokud je poškozený chromozom zděděn od otce, zpŧsobuje Prader-Williho syndrom. K odhalení POE se pouţívají například metody TAT (transmission asymmetry test), TDTMVSF (transmission disequilibrium test) – typ testování nerovnováhy přenosu, LDT (likelihood-ratio test) nebo PAT test (paternal-asymetry test). Tyto metody pracují s tzv. nukleárními rodinami2 (Zhou et al., 2010; Weinberg, 1999). Existuje databáze, která zahrnuje POEs a imprintované geny u lidí a zvířat (Morison et al., 2001). Tato databáze byla v roce 2006 rozšířena o tzv. de novo mutace, neboli nové mutace (Glaser et al., 2006). Jde o mutace, kterou nenese ani jeden rodič, ale u potomkŧ se objeví (Maříková et Seemanová, 2013). Databáze obsahuje více neţ 1 700 mutací se zpŧsobem přenosu. Nejznámější POE je právě genomový imprinting (Guilmatre et Sharp, 2012).
3.2.6. Imprinting Podle Mendelových zákonŧ dědičnosti platí, ţe mutantní alela autozomálního genu má stejnou pravděpodobnost přenosu od rodičŧ na potomstvo bez rozdílu pohlaví. Děje se tak 1
Studie pacientŧ a kontrol porovnávají četnosti expozice určitého faktoru ve skupině osob nesoucích daný znak (pacienti) a v kontrolní skupině zdravých osob. Pro tento typ studie je klíčový správný výběr kontrolní skupiny. Ideálně by se kontroly měly lišit pouze tím, ţe se u nich nevyskytuje sledovaný znak nebo sledované onemocnění (Hopper et al., 2005). 2 Nukleární rodinu tvoří rodiče a jejich dítě.
20
Multifaktoriální onemocnění a charakteristiky související s jeho dědičností kvŧli tomu, ţe lidé jsou diploidní organismy a ve svých tělních buňkách mají dvě odpovídající sady chromozomŧ – jednu zděděnou od matky a druhou od otce. Genomový imprinting, někdy zvaný parentální, je genetický mechanismus, který je definován jako reverzibilní proces, kdy specifická modifikace genŧ v rodičovské generaci zpŧsobí funkční rozdíly mezi maternálními a paternálními genomy v diploidních buňkách svých potomkŧ. Geny nazýváme imprintované (Reik et Walter, 2001). Imprinting je zpŧsobený změnami v chromatinu. Změny v chromatinu ovlivňují expresi daného genu, ale neovlivňují jeho DNA sekvenci. Jeho jednoznačnými dŧkazy jsou geny, jejichţ alely jsou aktivní pouze jednoho pŧvodu – buď maternálního nebo paternálního. To znamená, ţe genová exprese závisí z velké části na tom, od kterého rodiče byla příslušná alela zděděna. Tedy pouze jedna alela je aktivní a druhá je utlumena (Hall, 1990). Klíčovou roli při aktivaci imprintované alely má zejména metylace cytosinu (Li et al., 1993). Imprintované geny jsou u člověka zodpovědné za řadu patologických stavŧ, protoţe zpŧsobují genomické nebo epigenomické změny, které mají katastrofální následky na zdraví člověka. Tyto anomálie se projevují jako vývojové a neurologické poruchy, pokud se objeví v rané části vývoje, nebo jako rakovina při pozdějším projevu. Konkrétně je imprinting spojován s nemocemi, jako je Alzheimerova choroba, Prader-Williho syndrom, autismus, cukrovka, schizofrenie, obezita a řada rakovin (Falls et al., 1999). Na Obr. 3 mŧţeme vidět abstraktní příklad genomového imprintingu. Jde o příklad dědičnosti exprese genu, který kóduje koţní pigment u člověka. Vlevo jde o příklad maternálního imprintingu, přičemţ v potomstvu je umlčena alela od matky (kódující bílý pigment) a exprimovala se alela od otce (kódující černý pigment), a potomci jsou tedy černé barvy. Vpravo vidíme příklad paternálního imprintingu, kdy je u potomkŧ umlčena otcovská alela (kódující černý pigment) a exprimovala se alela maternální (kódující bílý pigment). Potomstvo je bílé barvy (Vyskot, 1999).
Obr. 3 Abstraktní příklad genomového imprintingu (Vyskot, 1999)
Maternální imprinting tedy znamená, ţe patologický fenotyp se rozvine, pokud je umlčena alela od matky a byla zděděna kauzální mutace od otce. Maternální imprinting je tedy synonymem pro paternální expresi. O analogický jev se jedná při maternální expresi a paternálními imprintingu, kdy bude jedinec nést sledovaný znak v případě, ţe genetická příčina výskytu tohoto znaku byla exprimována od matky (Ziegler et König, 2006). 21
Multifaktoriální onemocnění a charakteristiky související s jeho dědičností
3.2.7. Vysoká populační frekvence alel zodpovědných za rozvoj patologického fenotypu V případě komplexního onemocnění je nutnost vysoké frekvence alel zodpovědných za rozvoj patologického fenotypu z toho dŧvodu, ţe jednotlivé alely nejsou pravděpodobně samostatně patogenní. Pravděpodobnost výskytu komplexního onemocnění se zvyšuje za předpokladu, ţe se v populaci bude vyskytovat současně určitý soubor alel. Tyto alely ale samy nejsou výrazně patogenní, a proto musí být v populaci jejich frekvence zvýšená. Tato vlastnost se rozvíjí při shluku těchto alel. Mŧţe to být problémem při mapování dokonce jednoduchého znaku, právě pokud by se alely zodpovědné za rozvoj patologického fenotypu vyskytly v populaci ve vysoké frekvenci. Problém by nastal v nerozeznání vazby u některých jedincŧ mezi konkrétními alelami v blízkosti genetického markeru, protoţe jeden ze dvou homologních chromozomŧ by mohl být předán postiţenému potomstvu. Ještě větší problémy přináší společný vysoký výskyt alel zodpovědných za rozvoj patologického fenotypu s genetickou heterogenitou (Lander et Schork, 1994).
3.2.8. Interakce mezi geny Kaţdý gen existuje ve více variantách neboli alelách. Pod pojmem interakce mezi geny tedy rozumíme vzájemný vztah mezi geny nebo právě mezi alelami. Těchto vztahŧ mŧţe existovat více, a proto je i více druhŧ interakcí. Genové interakce mohou určovat buď typ dědičnosti, nebo konkrétní typ genové interakce. Genové interakce určující typ dědičnosti představují vzájemné vztahy mezi alelami na daném lokusu. Dědičnost mŧţe být dominantní nebo recesivní. Dominantní fenotyp jedince se u dominantní dědičnosti projeví u heterozygota i u dominantního homozygota, zatímco u recesivní dědičnosti se recesivní fenotyp projeví pouze u recesivního homozygota. Dominantní typ dědičnosti mŧţeme dále rozdělit na: a) neúplnou dominanci, kde se fenotypy homozygotŧ a heterozygotŧ neshodují b) kodominanci, kde dominují všechny typy alel na jednom lokusu (Otová et al., 2012). Vztahy mezi dvěma nebo více geny mohou být rŧzné, ale podílí se na výsledném fenotypovém projevu. Za tyto interakce mŧţeme povaţovat například: a) komplementaritu b) epistázi recesivní dominantní c) kompenzaci d) inhibici e) multiplicitní faktory nekumulativní duplicitní geny s dominancí kumulativní duplicitní geny s dominancí nekumulativní duplicitní geny bez dominance. Všechny tyto genové interakce mají specifické fenotypové štěpné poměry (Miller et al., 2000).
22
Heritabilita
4. Heritabilita 4.1. Definice heritability Heritabilita neboli dědivost je definována jako část celkové fenotypové variance znaku, která je podmíněna variabilitou genetické informace v populaci. Je to tedy míra dědičné sloţky na vytvoření fenotypu jednotlivého znaku (Choi et McCallum, 2012). Heritabilitu mŧţeme chápat ve dvou smyslech, a to jako heritabilitu v širším smyslu a heritabilitu v úzkém smyslu.
4.2. Heritabilita v širším smyslu Heritabilita v širším smyslu nám říká, jaká část z celkové fenotypové variance je dána genetickými rozdíly mezi jedinci v dané populaci. Obvykle se tato heritabilita značí symbolem H2 (Visscher et al., 2008). I kdyţ by se mohlo podle exponentu zdát, ţe bude vzorec obsahovat druhé mocniny, není tomu tak. S vyuţitím rovnice (3.1) z kapitoly 3.2.4. ji lze zapsat jako: g
2
T
g g
(4.1)
kde g představuje genetickou varianci, environmentální varianci neboli varianci prostředí a T představuje součet těchto dvou variancí. Exponent 2 má za úkol připomenout, ţe jednotlivé variance jsou statistické veličiny, které mají jednotky vţdy na druhou. Hodnoty heritability v širším slova smyslu se pohybují v rozmezí hodnot 0 a 1. Pokud se právě tyto hodnoty blíţí 0, je jen malá část pozorované variability populace přisuzována individuálním genetickým rozdílŧm. Z čehoţ plyne, ţe velká část pozorované variability připadá na úkor environmentálních vlivŧ neboli vnějšího prostředí. Naopak, pokud se hodnoty heritability blíţí 1, lze většinu pozorované variability přisoudit právě genetickým faktorŧm a vliv prostředí je téměř zanedbatelný. Heritabilita v širším smyslu je proto chápána jako souhrnné vyjádření relativního podílu genetických a environmentálních vlivŧ k pozorované variabilitě populace. Koeficient heritability je vţdy specifický pro danou populaci. Tedy koeficient heritability zjištěný u jedné populace nemŧţeme povaţovat za reprezentativní pro jinou populaci (Snustad et Simmons, 2009a).
4.3. Heritabilita v úzkém smyslu U heritability v úzkém smyslu se dá mluvit o jakési míře rozsahu, v jakém jsou rŧzné alely v odlišných genech zodpovědné za variabilitu určitého znaku v populaci. Schopnost predikce závisí v kvantitativní genetice na mnoţství genetické variability, která je zpŧsobena účinky jednotlivých alel (Snustad et Simmons, 2009a). Vzorec pro heritabilitu v úzkém slova smyslu je následující: h2 T
(4.2)
kde Va představuje aditivní genetickou varianci1 a VT celkovou genetickou varianci, která se od aditivní variance liší tím, ţe obsahuje ještě další sloţky. 1
Aditivní pŧsobení genŧ je jedním ze základních paradigmat kvantitativních znakŧ. Znamená to, ţe výsledný efekt ve dvou nebo více lokusech je daný součtem individuálních účinkŧ alel (Burton et al., 2005).
23
Heritabilita V genetice kvantitativních znakŧ rozlišujeme kromě genetické variance zpŧsobené aditivním účinkem alel (Va) ještě genetickou varianci zpŧsobenou dominancí (Vd) a také třetí sloţku variance, a to varianci zpŧsobenou epistází1 (Vi). Dominance i epistáze mají malý význam pro predikci fenotypŧ, ale společně s aditivní variancí představují celkovou genetickou varianci: g
i
(4.3)
S vyuţitím rovnice (3.1) z kapitoly 3.2.4. nám vyjde, ţe celkovou fenotypovou varianci mŧţeme vyjádřit jako součet čtyř sloţek: T
i
(4.4)
Pro účely predikce fenotypového projevu potomstva je vhodná pouze aditivní genetická variance, proto se pro výpočet heritability v úzkém smyslu pouţívá pouze ta. Stejně jako u heritability v širším smyslu, tak i u heritability v úzkém smyslu vycházejí hodnoty v intervalu od 0 do 1. Největší podíl aditivní genetické variance na celkové fenotypové varianci, tedy vysokou hodnotu heritability v úzkém smyslu, má znak, pokud je koeficient heritability blízký hodnotě 1 (Tenesa et Haley, 2013). Heritabilita daného znaku je do jisté míry vlastně teoretická hodnota, která je odhadnutá výpočtem korelace mezi měřeními daného znaku mezi příbuznými se známým stupněm příbuznosti (Nussbaum et al., 2004). S rostoucí heritabilitou roste variabilita znaku, která přispívá ke genetickým rozdílŧm mezi jednotlivci (Visscher et al., 2008).
4.4. Výpočet heritability Na výpočet koeficientu heritability existuje více zpŧsobŧ. Neexistuje tedy jeden postup výpočtu, ale v podstatě jde o odhady. Také záleţí na typu dat, která máme k dispozici. Odhad heritability v dané populaci záleţí na rozdělení pozorované variance na jednotlivé sloţky, které reflektují genetické a environmentální faktory, protoţe tyto variance vlastně odráţí heritabilitu v dané populaci. Také jde o posouzení kaţdé z těchto sloţek. Heritabilita mŧţe být odhadnuta z empirických dat a očekávaných podobností mezi příbuznými (Visscher et al., 2008). Odhad koeficientu heritability by se dal rozdělit do 4 směrŧ. Jde o:
porovnávání dvojčat Falconerovy metody metody, které vyuţívají Bayesiánských postupŧ nebo metod reziduální maximální věrohodnosti korelace mezi příbuznými (Tenesa et Haley, 2013).
4.4.1. Porovnávání dvojčat Drtivá většina studií dvojčat porovnává dvojčata monozygotní a dizygotní. Monozygotní nebo také identická dvojčata pocházejí z jednoho vajíčka a z toho dŧvodu sdílejí všechny geny. Dizygotní dvojčata, neidentická nebo česky dvojvaječná dvojčata pocházejí ze dvou rŧzných vajíček. Jsou to vlastně sourozenci, kteří se narodili ve stejnou dobu. Z tohoto dŧvodu mezi sebou sdílejí 50 % genŧ jako ostatní příbuzní prvního stupně. Vize myšlenky u studia dvojčat tkví v tom, ţe pokud se na rozvoji nějakého znaku nebo nemoci podílí genetická sloţka, je větší pravděpodobnost vzniku tohoto onemocnění 1
Epistáze je jev, kdy jeden gen je přímo nadřazený druhému genu a ovlivňuje tak jeho projev.
24
Heritabilita u jednovaječných dvojčat neţ u dvojvaječných právě z toho dŧvodu, ţe mezi sebou sdílí všechny geny. Nejprve je nutné ujistit se, ţe máme identifikovaná všechna dvojčata v populaci, kterou hodláme zkoumat a vědět, u kolika z nich se vyskytuje znak nebo onemocnění, které chceme zkoumat. Pokud nám vyjde, ţe pravděpodobnost vzniku onemocnění je stejná jak u dvojvaječných, tak u jednovaječných dvojčat, znamená to, ţe naše studie nezaznamenala ţádné dědičné komponenty. Pokud je ovšem pravděpodobnost vzniku onemocnění vyšší u monozygotních dvojčat, obvykle se předpokládá, ţe je tento rozdíl přisuzován dědičným genetickým faktorŧm. Nicméně je obtíţné interpretovat, jak velkou částí se podílejí na rozvoji genetické faktory z toho dŧvodu, ţe například jednovaječná dvojčata sdílejí více společné prostředí a ţivotní styl neţ dvojčata dvojvaječná, coţ mŧţe taktéţ vysvětlit rozdíl ve výsledcích mezi dvěma typy dvojčat. Větší problém nastává, pokud se na rozvoji onemocnění podílí společně s geny i ţivotní prostředí (Nussbaum et al., 2004). Heritabilita u dvojčat mŧţe být počítána více zpŧsoby, záleţí především na interpretaci. První zpŧsob je zaloţen na rozptylech. Heritabilita se vypočítá jako podíl, kde v čitateli je rozdíl rozptylu dvojvaječných a rozptylu jednovaječných a ve jmenovateli je rozptyl dvojvaječných dvojčat (Nussbaum et al., 2004): M
h2
(4.5)
kde rozptyl se vypočítá jako:
∑ (rozdíly mezi dvojčaty)2 2N kde N představuje počet dvojčecích párŧ o stejné zygozitě.
(4.6)
Další výpočet heritability zaloţený na srovnávání typŧ dvojčat představuje rozdíl vnitrotřídních korelačních koeficientŧ 2
2 rM
r
(4.7)
kde rM představuje korelaci mezi jednovaječnými dvojčaty a r korelaci mezi dvojvaječnými dvojčaty (Lustig, 2011). Jako korelační koeficient mŧţe být pouţit například Pearsonŧv korelační koeficient (Tsai et al., 2009) nebo se koeficient mŧţe vypočítat následovně:
∑
(4.8) Ns2 kde X a Y jsou konkrétní hodnoty kaţdého z dvojčat z dvojčecího páru, a je prŧměr všech měření od všech dvojčat, s2 je rozptyl prŧměru a a N je počet párŧ (Norris et al., 1989). Další vzorec pro výpočet je obdobný, je taktéţ zaloţený na korelaci: r
h2
rM 1
r r
(4.9)
kde rM představuje korelaci mezi jednovaječnými dvojčaty a r korelaci mezi dvojvaječnými dvojčaty (Jensen, 1967). Jak jsem jiţ uvedla, dvojčata mezi sebou sdílí i prostředí. Podíl variance tohoto prostředí lze aproximovat, je to vlastně rozdíl pozorované korelace mezi dvojčaty a koeficientem heritability. Obvykle se značí c2. Tedy pro jednovaječná dvojčata je výpočet následující: 25
Heritabilita 2
h2
rM
(4.10)
A pro dvojvaječná dvojčata: h2 r 2 kde rM představuje korelaci mezi jednovaječnými dvojčaty a dvojvaječnými, h2 je koeficient heritability (Lustig, 2011). 2
(4.11) korelaci mezi
4.4.2. Falconerovy metody Pokud máme k dispozici kvalitativní proměnnou, mŧţeme odhadovat dědivost tzv. náchylnosti k nemoci (liability), kterou popsal právě Falconer (1965). Falconerova metoda odhadu dědivosti náchylnosti k nemoci je zaloţena na teorii výběru. Předpokládá normální rozdělení náchylnosti a je tedy velice citlivá na odchylky od normality. Tato metoda mŧţe být aplikována na skupiny příbuzných se stejnou strukturou, například rodič-potomek nebo dvojčecí páry. Při výpočtu se předpokládá, ţe celková fenotypová variance (VT) se rovná jedné. Pokud náchylnost nemoci překročí určitou hranici neboli práh, objeví se znak ve fenotypu. Prevalenci nemoci v běţné populaci budeme značit a tato prevalence určuje práh nemoci. Nechť Φ značí normální kumulativní distribuční funkci, potom Φ 1 (xg )
qg
1
xg
Φ 1 1 – qg
(4.12)
a také (4.13)
kde Φ-1 představuje inverzní kumulativní distribuční funkci a představuje hranici náchylnosti znaku, za kterou je znak exprimován. Pokud by byla tato hranice překročena, je znak označován jako prahový. Prŧměr náchylnosti onemocnění u probanda, značený
, se vypočítá následovně:
g g
(4.14)
qg
kde zg představuje výšku hustoty normálního rozdělení hranice x. xr je normálně distribuovaná proměnná qr , kde qr představuje prevalenci nemoci mezi příbuznými probanda. Regrese příbuzenské náchylnosti na náchylnosti onemocnění (b) je odhadnuta jako: xg
xr
(4.15)
g
Koeficient heritability se potom vypočítá jako: h2
(4.16) r kde r představuje koeficient příbuznosti. Pro jednovaječná dvojčata je tento koeficient roven 1, pro příbuzné prvního stupně je roven 0,5, pro příbuzné druhého stupně je roven 0,25 26
Heritabilita a pro příbuzné třetího stupně je roven 0,125 (Tenesa et Haley, 2013). Falconer (1960) dále popsal i odhad koeficientu heritability, který vyuţívá příbuzenských vztahŧ mezi biologickými příbuznými. V následujících rovnicích platí, ţe představuje varianci zpŧsobenou aditivním účinkem alel, varianci zpŧsobenou dominancí, varianci zpŧsobenou prostředím a T celkovou fenotypovou varianci. Aproximace jako heritabilita v širším smyslu je zaloţena na rozdílu mezi dvojčaty, koeficient je tedy odhadnut pomocí dvojčat. Kovariance jednovaječných dvojčat je definována následovně: ovM
(4.17)
M
Kovariance u dvojvaječných dvojčat je definována jako: 1 2
ov
1 4
(4.18)
Potom rozdíl mezi kovariancí fenotypŧ obou typŧ dvojčat: 1 3 (4.19) 2 4 Korelace fenotypŧ (r), která je definovaná jako podíl kovariance a celkové fenotypové variance se tedy vypočítá jako: ovM
ov
1 2
r
1 4
(4.20) T
a M
rM
(4.21)
T
Rozdíl těchto dvou korelací je následující: r
1 2
rM
3 4
(4.22)
T
Zdvojnásobením tohoto rozdílu dostáváme Falconerŧv odhad heritability v širším smyslu zaloţený na rozdílech jednovaječných a dvojvaječných dvojčat: 2r
rM
3 2
(4.23)
T
4.4.3. Smíšené lineární modely Odhady heritability pomocí smíšených lineárních modelŧ umoţňují zpracovávat rodokmeny rŧzné velikosti a rŧzné struktury. Pomocí těchto modelŧ nejde o výpočet koeficientu heritability jako takového, ale pomocí těchto metod se odhadují jednotlivé variance, ze kterých se poté daný koeficient heritability spočítá. Předpokladem je normální rozdělení dat. Tyto odhady také přináší menší zkreslení na rozdíl od metod popsaných Falconerem. Jsou tedy přesnější, ale zato jsou výpočetně náročné. 27
Heritabilita Smíšený lineární regresní model (LMM, linear mixed model) mŧţeme vyjádřit jako: y
u
(4.24)
kde y je vektor náchylnosti, b je vektor pevných efektŧ, u je vektor náhodných efektŧ, e je vektor reziduí a X a Z jsou matice odpovídající parametrŧm b a u (West et al., 2014). Přístupy popsané níţe vycházejí z této rovnice smíšeného lineárního regresního modelu. Metoda reziduální maximální věrohodnosti (REML, residual estimation maximum likelihood) Této metody vyuţívají nejčastěji evoluční biologové a genetici zabývající se zvířaty. Tato metoda je vlastně modifikovaná metoda odhadu maximální věrohodnosti (MLE, maximum likelihood estimation). Metoda maximální věrohodnosti nebere v úvahu stupně volnosti potřebné při odhadu pevného efektu, a proto výsledný odhad není nestranný. Reziduální metoda maximální věrohodnosti tento problém odstraňuje, protoţe odhad varianční sloţky je zaloţený na reziduích získaných při odhadu pevných efektŧ (v tomto případě lze za pevný efekt povaţovat například pohlaví nebo věk) metodou nejmenších čtvercŧ. Dŧleţité je to zejména v tom případě, pokud je těchto efektŧ hodně a vzorek je malé velikosti. Obecně metody maximální věrohodnosti zvětšují odhad dědivosti podhodnocením variance prostředí (Ve). Metody reziduální maximální věrohodnosti odstraňují zkreslení odhadu maximalizováním pouze části pravděpodobnosti, právě té, která není závislá na pevných efektech. Další zkreslení mŧţe nastat, pokud odhad vyjde záporný. Variance totiţ nemohou být záporné, jsou tedy poloţeny rovno nule. Nejznámější model zaloţený na této metodě je tzv. zvířecí model (animal model). Odhady heritability zaloţené na zvířecím modelu vyuţívají k výpočtu regresní analýzu a korelační koeficienty. Popis tohoto modelu je sloţitý, ale ve zkratce je odvozen ze smíšeného lineárního regresního modelu (rovnice 4.24), který se vyuţívá u hospodářských zvířat, ale i u lidských populací (Visscher et al., 2008). Výsledná heritabilita se potom odhaduje jako: ̂
(4.25)
kde představuje varianci zpŧsobenou aditivním účinkem alel a varianci zpŧsobenou prostředím, které jsou odhadnuty pomocí REML metody (Cantet et al., 2000). Bayesiánský přístup Bayesiánský přístup odhadu koeficientu heritability taktéţ řadíme do smíšených lineárních modelŧ, protoţe se tu vyuţívá aproximace smíšené modelové rovnice (Tenesa et Haley, 2013). Odhad je zaloţen na Bayesově větě, která reflektuje souvislost mezi dvěma opačně podmíněnými pravděpodobnostmi. Pokud máme dva náhodné jevy A a B s pravděpodobnostmi P(A) a P(B), přičemţ P(B) > 0, potom platí: P ( | )P P
P( | ) 28
(4.26)
Heritabilita kde P(A|B) je podmíněná pravděpodobnost jevu A za předpokladu, ţe nastal jev B, a naopak P(B|A) je pravděpodobnost jevu B podmíněná výskytem jevu A. Vyuţívá se také výsledku Bayesovského odhadu: p(
2
|y)
p(y| 2 )p ∫ p (y| 2 )p
2 2
2
(4.27)
kde y představuje sledovaný znak a je vyjádřený pomocí smíšeného lineárního modelu, tedy rovnicí (4.24). p 2 je priorní rozdělení y a p(y| 2 ) je posteriorní rozdělení y. Přičemţ heritabilita je počítána ze vzorce pro heritabilitu v širším slova smyslu, tedy z rovnice (4.1) (Furlotte et al., 2014).
4.4.4. Korelace mezi příbuznými Korelace společně s kovariancí mezi příbuznými jsou také dŧleţitými aspekty v genetice kvantitativních znakŧ. Při analýze rodinných dat a zvláště při analýze některých znakŧ a nemocí, které se neřídí Mendelovými zákony, je dŧleţité znát stupeň podobnosti mezi rodinnými příslušníky. Pro kontinuální typ dat jsou vhodnými metodami regresní nebo korelační koeficienty. Pokud bychom měli znak, který se řídí Mendelovými zákony, bylo by vhodné provádět segregační analýzu a vazebnou studii pro zjištění dědičnosti fenotypŧ v rodinách. Pokud počítáme korelační koeficient, tak se vyuţívá kovariance, která je obsaţena ve výpočtu korelace. Vztah mezi příbuznými, tedy vzájemná korelace určitého znaku mezi nimi se nám taktéţ mŧţe promítnout do odhadu heritability určitého znaku. Korelaci mezi příbuznými lze interpretovat jako heritabilitu v úzkém smyslu i jako heritabilitu v širším smyslu, záleţí na stupni příbuznosti. Ten je dŧleţitý z toho dŧvodu, ţe nám říká, kolik procent stejných genŧ sdílí příbuzní určitého stupně. Kolik procent genŧ sdílí daný příbuzenský stupeň, je popsáno v kapitole 1. Poté existuje jakási teoretická hodnota korelačního koeficientu pro rŧzné páry příbuzných jedincŧ (viz. Tab. 2). Tato tabulka ukazuje teoretické hodnoty korelačních koeficientŧ pro rŧzné vztahy mezi příbuznými, h2 v tabulce představuje heritabilitu v úzkém smyslu a H2 heritabilitu v širším smyslu. Tab. 2 Teoretické korelační koeficienty pro příbuzné i nepříbuzné jedince (Hartl, 2014; Snustad et Simmons, 2009a) Korelační koeficient
Typ vztahu Rodič a potomek Prŧměr rodičŧ a potomek Poloviční sourozenci Bratranci a sestřenice
h2 2 h2 √2 h2 4 h2 8
Jednovaječná dvojčata
2
Dvojvaječná dvojčata a sourozenci
2
Nepříbuzní jedinci
0
29
Heritabilita Konkrétně pro typ vztahu rodič a potomek, prŧměr rodičŧ1 a potomek, poloviční sourozenci, bratranci a sestřenice, dvojvaječná dvojčata a sourozenci se hodnota heritability v úzkém smyslu získá násobením. Pokud chceme vypočítat hodnotu heritability z korelačního koeficientu rodiče a potomka, musíme korelační koeficient vynásobit dvěma. Pokud chceme získat hodnotu heritability z korelace mezi polovičními sourozenci, vynásobíme korelační koeficient čtyřmi. A osmi násobíme korelaci mezi bratranci a sestřenicemi pro získání koeficientu heritability. S korelačními koeficienty u dvojčat a sourozencŧ souvisí odhad heritability v širším smyslu. Je to z toho dŧvodu, ţe fenotypová podobnost mezi těmito příbuznými nesouvisí pouze s variancí zpŧsobenou aditivním účinkem alel (Va), ale také s dominancí (Vd). U těchto příbuzných se také počítá s vlivem dominance z toho dŧvodu, ţe mezi sebou mohou sdílet obě alely jako dŧsledek společného předka. U rodičŧ a potomkŧ, prŧměru rodičŧ a potomka, polovičních sourozencŧ nebo bratrancŧ a sestřenic se vliv dominance nepočítá, protoţe mezi sebou mohou sdílet jen jednu alelu určitého genu jako dŧsledek společného předka. To je také dŧvod, proč je fenotypová podobnost větší u sourozencŧ neţ u rodičŧ a jejich potomkŧ (Hartl, 2014). U interpretace korelací mezi příbuznými by se také neměl podceňovat vliv prostředí z toho dŧvodu, ţe příbuzní, zejména sourozenci, rodiče a děti ţijí společně. U dvojvaječných dvojčat je stupeň příbuznosti stejný jako u běţných sourozencŧ. Pro interpretaci korelačního koeficientu musíme proto z jeho genetické sloţky odečíst faktor ½, který představuje právě podíl společných genŧ. Korelační koeficient pro dizygotní dvojčata bude tedy vyšší nebo roven h2/2, ale bude menší nebo maximálně roven H2/2. Jsouli účinky dominance, ale i epistáze zanedbatelné, pak je korelační koeficient roven h2/2. U nepříbuzných jedincŧ musíme taktéţ brát v úvahu vliv prostředí. Jedná se zejména o děti adoptované do rodiny a intepretace korelace s jejich adoptivními sourozenci. Nesdílí spolu sice ţádné geny od společného předka, ale vliv prostředí bychom neměli opomíjet. Interpretace tedy mŧţe být nejistá, protoţe výše uvedené předpoklady zjednodušují danou intepretaci a v populaci, kde daný znak sledujeme, nemusí být splněny (Snustad et Simmons, 2009a). Existují dva typy odhadŧ korelací mezi příbuznými. Jedná se o: vnitrotřídní korelace (intraclass correlation) mezitřídní korelace (interclass correlation). Za vnitrotřídní korelaci mŧţeme například povaţovat korelaci mezi sourozenci a za mezitřídní korelaci například korelace mezi rodiči a dětmi. U vnitrotřídních korelací tedy máme pouze jednu třídu osob a u mezitřídních dvě třídy osob. O odhadu obou typŧ korelačních koeficientŧ bylo napsáno několik článkŧ. Uţ v roce 1886 popsal Galton výpočet korelačního koeficientu mezi rŧznými druhy příbuzných jako například korelace mezi rodiči a potomky, mezi bratry, strýci a neteřemi atd. Nebyly ovšem popsány nezbytné intervalové odhady nebo hypotézy o testování nenulových korelací (Galton et Dickson, 1886). Srivastava et Keen (1988) popsali asymptotickou teorii odhadu mezitřídních korelačních koeficientŧ se zobecněnými vahami a později odvodili i asymptotický rozptyl maximálního věrohodného odhadu pro mezitřídní korelace v náhodném vzorku nukleárních rodin2, které se liší svou velikostí (Keen et Srivastava, 1991). Vnitrotřídní korelační koeficient v analýze rodinných dat odhadnutý pomocí metody 1
Korelace rodič a potomek značí korelaci jednoho rodiče a jednoho potomka. Korelace prŧměr rodičŧ a potomek znamená korelaci znaku, ve kterém jsou zahrnuti oba dva rodiče. 2 Nukleární rodinu tvoří rodiče a jejich děti.
30
Heritabilita maximální věrohodnosti popsali Donner et Koval (1980). Dále blíţe popíšu váţený korelační koeficient a jeho váhy, které jsou implementovány v programu S.A.G.E. (URL 8) a byly vyuţity v praktické části. Předpokládáme řadu pozorování u členŧ z jednoho nebo více náhodných rodokmenŧ. Dále máme N párŧ pozorování jako soubor náhodných dvousloţkových vektorŧ *(xi i )+Ni 1 Tyto vektory nemají předpoklad nezávislosti nebo nekorelovanosti. Struktura párové korelace je známa přes rodokmenovou strukturu, tedy přes vztahy v rodině. Korelace mezi dvěma náhodnými proměnnými xi a yi je odhadována podle následujícího vzorce:
rxy
∑Ni
1 wi (xi
√∑Ni 1 wi
x̅)(yi x̅
xi
2
∑Ni 1
y̅) y̅
yi
2
(4.28)
kde x̅
∑i wi xi ∑i w i
(4.29)
y̅
∑i wi yi ∑i w i
(4.30)
a
pro libovolné váhy *wi +, které musí být ovšem nezáporné. ̅ a ̅ představují váţené prŧměry. Korelace rxy mŧţe představovat jak mezitřídní korelační koeficient, tak vnitrotřídní korelační koeficient a mŧţe se počítat jak pro stejný sledovaný znak, tak pro rŧzné znaky. Například uvaţujme, ţe rxy představuje mezitřídní korelační koeficient. Sledujeme znak u matky a u syna její dcery. Znak u matky bude představovat proměnná x a znak u syna její dcery bude představovat proměnná y. V tomto případě se tedy jedná o mezitřídní korelační koeficient, přičemţ babička představuje jednu třídu a vnuk třídu druhou. V náhodném vzorku rodokmenŧ v N párech dvou tříd pro kaţdý i-tý pár xi představuje sledovaný znak u dané ţeny a yi představuje sledovaný znak u jednoho ze synŧ dcery této ţeny. Pokud má dcera ţeny více neţ jednoho syna, bude potřeba spočítat i korelace mezi syny. Korelace mezi bratranci by bylo potřeba spočítat, pokud by měla daná ţena více neţ jednu dceru a kaţdá z těchto dcer by měla syna. Vnitrotřídní korelace jsou odhadovány vţdy v jedné třídě příbuzných. Pokud neuvaţujeme rozdíl mezi pohlavím, je vnitrotřídní korelací například korelace mezi sourozenci nebo bratranci a sestřenicemi. Pokud rozdíl mezi pohlavími uvaţujeme, vnitrotřídní korelační koeficient představuje například korelace mezi bratry, bratranci nebo sestřenicemi. Pokud jsou vektory {(xi yi )} vzájemně nezávislé nebo nekorelované, jsou váhy poloţeny rovno 1 (wi = 1 pro všechna i). Kdyţ rxy představuje mezitřídní korelační koeficient a rodokmen se skládá z mi členŧ jedné třídy a ni členŧ další třídy a pokud je váha přiřazena kaţdé dvojici, potom váha celé rodiny bude dána jejich součinem (mini). Rovnosti vah pro rodokmen lze dosáhnout:
wi
1 { mi ni 0
pokud mi jinak 31
1 a ni
1
(4.31)
Heritabilita Pokud vektory {(xi yi )} reprezentují všechny moţné páry znakŧ rŧzných osob stejné třídy v rodokmenu, potom rxy reprezentuje vnitrotřídní korelační koeficient. Proměnné xi a yi mohou nebo nemusí představovat stejný sledovaný znak. Párový odhad vnitrotřídního korelačního koeficientu pro jednu proměnnou nebo mezi dvěma proměnnými je získán poloţením vah rovno 1 (wi = 1). V tomto případě by párový odhad dával mnohem větší váhu rodinám s velkým počtem členŧ. Například v případě výpočtŧ korelace mezi sourozenci je přiměřený váhový faktor úměrný počtu sourozencŧ daný: 1 wi = {mi
pokud mi > 1
1 0
jinak
(4.32)
kde mi označuje velikost třídy asociovanou s i-tým vektorem. Na druhou stranu rovnoměrný váhový faktor, kde má kaţdá třída stejnou váhu, dostaneme, pokud: 1 wi = {mi (mi 0
1)
pokud mi > 1 jinak
(4.33)
Jsou moţné i další varianty, například přiřazení váhy kaţdé třídě přímoúměrné celkové velikosti rodokmenu v případě mnohapočetných rodin (Keen et Elston, 2003).
4.5. Význam heritability Heritabilita je a bude i nadále významným parametrem v genetice a genetických studiích. Přináší totiţ srovnání genetických a negenetických faktorŧ podílejících se na určitém onemocnění nebo na zkoumaném znaku. Svŧj význam má i u hospodářských zvířat a kulturních rostlin, kde slouţí nejen k odhadu tzv. plemenné hodnoty1. Je také klíčovým parametrem predikce odpovědi umělého a přírodního výběru. Nicméně výpočet dědivosti má i své stinné stránky. Protoţe vyjadřuje poměr jednotlivých variancí (rozptylŧ), neříká nám nic o konkrétních velikostech jednotlivých sloţek a také se vztahuje vţdy ke konkrétní populaci. Dále se nemŧţeme nic dozvědět o interakcích mezi geny (Visscher et al., 2008). Výzkumy heritability většinou nastíní problémy, které vědci dále rozebírají a zkoumají z dalších hledisek. Pokud totiţ známe míru asociace výskytu daného znaku v rodině, mŧţe následovat analýza, která bude zkoumat míru asociace genetických markerŧ. Konkrétně například vazebná analýza.
1
Plemenná hodnota představuje odhad dědičného zaloţení u zvířat. Je to hodnota genŧ zvířete, které jsou předány potomkŧm.
32
Obezita
5. Obezita 5.1. Definice obezity Obezita neboli česky otylost je definována jako nadměrné zmnoţení tuku a jeho uloţení v organismu (Hainer et al., 1997). Za normální mnoţství tuku v organismu se u muţŧ povaţuje okolo 20 %, u ţen je tato hodnota mírně vyšší, do 30 %. Tento podíl tuku se určuje několika zpŧsoby a postupy. Jedním ze zpŧsobŧ je měření koţních řas speciálními kleštěmi, které nazýváme kaliper. U dalšího postupu se vyuţívá počítačové tomografie nebo ultrazvuku (Svačina et Bretšnajdrová, 2008). Tyto metody jsou sloţitější, existují i takové, kde stačí vědět pouze výšku a váhu člověka, coţ je jednoduché změřit. Pro určení závaţnosti obezity se pouţívá tělesná váha a výška. V minulosti se vyuţívalo tzv. Brocova indexu, který ve druhé polovině devatenáctého století pouţil právě Broca. Vypočítaná hodnota Brocova indexu se dále porovná s tabulkovou hodnotou.
Brocŧv index(BI) =
hmotnost ,kgvýška,cm- – 100
(5.1)
V současné době je známo, ţe tento index je ovlivněn výškou postavy, a není tedy vhodný k určování obezity velkých i malých jedincŧ současně (Svačina et Bretšnajdrová, 2008). V roce 1869 belgický matematik a statistik Adolph Queteletem zavedl index tělesné hmotnosti (body mass index, BMI), někdy označovaný také jako tzv. Queteletŧv index. Tento index vyjadřuje poměr mezi tělesnou hmotností a kvadrátem tělesné výšky.
Queteletŧv index (BMI) =
hmotnost ,kgvýška ,m-2
Vypočtená hodnota BMI se dále porovná s tabulkovou hodnotou (viz. Tab. 3). Tab. 3 Klasifikace podle BMI (Svačina et Bretšnajdrová, 2008) BMI [kg/m2]
Kategorie
> 18,5
Podváha
18,5–24,9 25,0–29,9
Normální hmotnost Nadváha
30,0–34,9
Obezita 1. stupně
35,0–39,9
Obezita 2. stupně
> 40
Obezita 3. stupně
33
(5.2)
Obezita Na Obr. 4 mŧţeme vidět grafické vyjádření stupně obezity klasifikované podle BMI.
Obr. 4 Schéma BMI (URL 9)
Tyto údaje neplatí pro děti. BMI samozřejmě přesně neurčuje, kolik je v těle tuku a kolik beztukové hmoty. BMI také nezohledňuje stavbu těla. Ţeny mají obvykle při stejné hodnotě BMI větší podíl tuku v těle neţ muţi. Dále také věkově starší lidé mají větší podíl tuku v těle neţ mladší jedinci. Stanovení obezity pomocí BMI tedy není nejideálnější, například změření tloušťky koţní řasy by bylo přesnější, ale z finančních dŧvodŧ se vyuţívá klasifikace podle BMI. Normální hmotnost je podle BMI 18,5–24,9. V rozmezí BMI 25,0– 29,9, kdy se jedná o nadváhu, nezaznamenáváme váţnější zdravotní rizika. Ovšem podle některých epidemiologických studií je při BMI > 27 zvýšená mortalita (Hainer et al., 1997). Vysoké riziko zdravotních komplikací nastává, pokud je hodnota BMI > 30. V Mezinárodní klasifikaci nemocí má prostá obezita číslo E66.9. Podle této klasifikace mŧţe být dále obezita např. endokrinní (E66.8), exokrinní (E66.8), vyvolaná léky (E66.1), zpŧsobená přejídáním (E66.0) atd. (World Health Organization, 2004).
5.2. Epidemiologie obezity Obezita v posledních desetiletích postihuje populaci ve velmi vysoké míře, a dokonce dosahuje charakteristik pandemie. Četnost obezity se liší v rŧzných zemích. Dokonce aţ 30 % obézních obyvatel se vyskytuje v některých zemích světa, společně s nadváhou je to okolo 50 % obyvatel (Kunešová et al., 2011). Podle údajŧ Světové zdravotnické organizace (World Health Organization, WHO) z roku 2014 je na celém světě více neţ 600 miliónŧ lidí starších 18 let hodnoceno podle BMI jako obézních. Počet lidí starších 18 let v roce 2014 byl 4 969 920 663, tedy 13 % celosvětové populace bylo hodnoceno jako obézních. Počet lidí s nadváhou je více neţ dvojnásobný, je jich dokonce 1,3 miliardy, v procentech asi 39 % z celkové populace (URL 10).
5.2.1. Epidemie obezity v České republice Prevalence obezity v České republice je na tom stejně jako ve většině ostatních zemí, dochází k jejímu zvyšování, jak je patrné z Tab. 4. Mŧţeme vidět, ţe se prevalence obezity zvyšuje, ale v podstatě jde o to, ţe se jedinci z kategorie nadváhy přesouvají do kategorie obezity a také se zvyšuje prevalence vyšších stupňŧ obezity. Prevalence nadváhy se v prŧběhu 34
Obezita let mírně sníţila, prevalence obezity u muţŧ je opravdu zvýšená, u ţen pozorujeme zvýšení mírnější (Kunešová et al., 2011). Tab. 4 Prevalence nadváhy a obezity v České republice (Kunešová et al., 2011) Prevalence Věk [roky] Pohlaví Nadváha (BMI > 25) Obezita (BMI > 30) 1988
20–65
2001
18–75
2005
18–75
2009
18–75
Muţi
66,2 %
16,3 %
Ţeny Muţi
54,3 % 56,6 %
20,2 % 12,4 %
Ţeny
42,6 %
15,2 %
Muţi
60,3 %
17,1 %
Ţeny
46,0 %
16,7 %
Muţi
64,0 %
23,0 %
Ţeny
49,0 %
21,0 %
Podle výsledkŧ prŧzkumu agentury STEM/MARK z roku 2013, kterého se zúčastnilo 2058 respondentŧ z celé České republiky, se ukázalo, ţe počet obézních lidí v České republice zŧstává od posledního prŧzkumu skoro stejný (Obr. 5). Obezita u ţen se dokonce od roku 2008 mírně sníţila (STEM/MARK, 2013).
ZÁKLAD: Všichni respondenti, n = 3 053 (2000), n = 2 096 (2005), n = 2 058 (2008), n = 2 065 (2010), n = 2 058 (2013) POZNÁMKA: Srovnání v letech 2000, 2005, 2008, 2010 a 2013
ženy
muži
celkem
0% 2000 2005 2008 2010 2013 2000 2005 2008 2010 2013 2000 2005 2008 2010 2013
4,0 % 2,0 % 2,0 % 2,0 % 2,0 % 3,0 % 1,0 % 1,0 % 1,0 % 0,0 % 5,0 % 3,0 % 3,0 % 3,0 % 4,0 %
podváha 20%
normální váha 40%
51,0 % 46,0 % 42,0 % 43,0 % 43,0 % 48,0 % 40,0 % 35,0 % 38,0 % 35,0 % 53,0 % 51,0 % 48,0 % 48,0 % 50,0 %
nadváha 60%
obezita 80%
31,0 % 35,0 % 34,0 % 34,0 % 34,0 % 35,0 % 41,0 % 41,0 % 40,0 % 42,0 % 27,0% 29,0 % 28,0 % 28,0 % 27,0 %
Obr. 5 Vývoj obezity v ČR (upraveno z URL 11)
35
100% 14,0 % 17,0 % 22,0 % 21,0 % 21,0 % 14,0 % 18,0 % 23,0 % 21,0 % 23,0 % 15,0 % 17,0 % 21,0 % 21,0 % 19,0 %
Obezita
5.2.2. Epidemie obezity ve světě Jak mŧţeme vidět z Obr. 9, který je umístěn v Příloze A, obezita se ve světě liší podle státu. Více neţ jednoho obézního člověka ze tří najdeme v Mexiku, Novém Zélandu a Spojených státech amerických. Jeden obézní člověk na čtyři lidi s normální váhou připadá v Austrálii, Kanadě, Chile a Maďarsku. Naopak pouze 2–4 % obézní populace bychom našli v Indii, Indonésii, Číně, Japonsku a Koreji. Počet lidí s nadváhou a obezitou se za poslední roky nejméně změnil v Itálii, Velké Británii a ve Spojených státech amerických. Počet obézní populace za posledních 10 let mírně vzrostl v Kanadě, Koreji a Španělsku. Naopak velký nárŧst obézních byl zaznamenán v Mexiku, Austrálii a Švýcarsku (Organisation for Economic Co-operation and Development, 2014).
5.3. Etiopatogeneze obezity V etiopatogenezi obezity se uplatňuje řada faktorŧ. Jedná se o faktory vnější, tedy vliv prostředí, a také dědičné faktory. Jejich interakce vedou k pozitivní energetické bilanci, která vzniká v dŧsledku nepoměru mezi energetickým příjmem a energetickým výdejem. Podle Kunešové et al. (2005) je pozitivní energetická bilance zapříčiněna nevhodným ţivotním stylem. Obezita se tedy ve většině případŧ řadí mezi multifaktoriálně podmíněné choroby. I z etiopatogenetického hlediska mŧţeme obezitu dělit na několik kategorií: a) běţná obezita b) obezita navozená léky c) obezita endokrinně podmíněná d) monogenní obezita e) syndromy provázející obezita f) obezita podmíněná jinými patogenetickými faktory (Hainer et Bendlová, 2011).
5.3.1. Energetický příjem Energetický příjem závisí především na obsahu základních ţivin v potravě, tedy na skladbě potravy člověka. Dále by měl energetický příjem především odpovídat energetickému výdeji, který je závislý na pohlaví, věku a stupni fyzické aktivity (Hainer et al., 1997). Největší vliv na zvýšený energetický příjem má především zvýšená konzumace tukŧ, které by se na celkovém energetickém příjmu měly podílet cca 30 %. V praxi se však jedná o 36–38 %. Ze sacharidŧ se na rozvoji obezity nepodílí komplexní sacharidy, ale sacharidy jednoduché, zejména sacharóza a fruktóza. Bílkoviny nemají příliš velký vliv na vznik obezity (Hainer et Bendlová, 2011).
5.3.2. Energetický výdej Celkový energetický výdej se skládá z klidového energetického výdeje, z energetického výdeje po jídle a energetického výdeje při pohybové aktivitě (Van Baak, 2002). Největší podíl energetického výdeje (55–70 %) tvoří klidový energetický výdej, který závisí zejména na genetických faktorech, věku, pohlaví, mnoţství tuku a beztukové tkáně, výši energetického příjmu, hormonech, aktivitě sympatoadrenálního systému, fyzické aktivitě a zevní teplotě. Energetický výdej při pohybové aktivitě tvoří 20–40 % celkového energetického výdeje. V souvislosti s touto sloţkou dochází k nárŧstu prevalence obezity právě kvŧli jejímu poklesu v závislosti na sociokulturních vlivech. Energetický výdej po jídle 36
Obezita se podílí na celkovém energetickém výdeji 8–12 %. Závisí především na metabolismu ţivin, trávení a vstřebávání potravy, ale i na genetických faktorech (Hainer et Bendlová, 2011).
5.4. Genetické faktory obezity Obezita je povaţována za multifaktoriální onemocnění, na jejímţ vzniku se podílí jak genetická sloţka, tak negenetická sloţka – prostředí. Podíl těchto dvou sloţek je odlišný při určování mnoţství tuku v těle a při určování indexu tělesné hmotnosti. Ke zjištění, zda se na obezitě podílí genetické faktory či nikoliv, přispělo mnoho studií. Nejvýznamnější podíl mají studie prováděné na dvojčatech, neboli dvojčecí studie, dále také studie rodin a studie adopční.
Dvojčecí studie Dvojčata mohou být jednovaječná (monozygotní) a dvojvaječná (dizygotní). Jednovaječná dvojčata jsou geneticky identická a dvojvaječná dvojčata spolu sdílejí v prŧměru 50 % genŧ jako normální sourozenci. Právě na tomto rozdílu jsou zaloţeny dvojčecí studie (Clément et Sørensen, 2008). Na studiích dvojčat byla zjišťována míra dědičnosti. Byly to studie dědičnosti BMI a tloušťky koţní řasy. Stunkard et al. (1986a) publikovali velkou studii dvojčat, kde byla hodnocena výška, váha a BMI. Studie byla provedena na vzorku 1 974 jednovaječných a 2 097 dvojvaječných dvojčecích párŧ. Dvojvaječná dvojčata byla muţského pohlaví. Koeficient heritability byl odhadnut mezi 0,77 a 0,84. V této studii byla také prokázána vyšší míra konkordance nadváhy u jednovaječných dvojčat. Brook et al. (1975) zkoumali vliv genetiky a vnějších vlivŧ na dědičnost tloušťky koţní řasy. Studie byla provedena na dvojčatech ve věku od 3 do 15 let. Jednovaječných dvojčat bylo 78 párŧ a dvojvaječných 144 párŧ. Výsledkem byl mnohonásobně vyšší korelační koeficient u jednovaječných dvojčat neţ u dvojvaječných. U dvojvaječných dvojčat byl korelační koeficient pro tloušťku koţní řasy stanoven na hodnotu 0,34, zatímco u jednovaječných dvojčat byl tento koeficient 0,83. Stunkard et al. (1990) provedli studii indexu tělesné hmotnosti u dvojčat ţijících odděleně, do které byla zahrnuta i dvojčata ţijící společně. Této studie se účastnilo 93 párŧ monozygotních dvojčat ţijících odděleně, 154 párŧ monozygotních dvojčat ţijících společně, 218 párŧ dizygotních dvojčat ţijících odděleně a 208 párŧ dizygotních dvojčat ţijících společně. Studie prokázala vysokou korelaci indexu tělesné hmotnosti mezi jednovaječnými dvojčaty nezávislou na tom, zda ţijí společně nebo odděleně. Hodnota heritability 0,70 pro muţe a 0,66 pro ţeny jsou hodnoty pro dvojčata ţijící odděleně, a pokud se zahrnou i dvojčata ţijící společně, jsou tyto hodnoty 0,74 pro muţe a 0,69 pro ţeny. Ve finské studii, kterou provedli Korkeila et al. (1991) na 7 245 párech jednovaječných i dvojvaječných dvojčat stejného pohlaví ve věku 18 aţ 54 let bylo prokázáno, ţe se zřejmě liší genetické faktory, které ovlivňují BMI v dospělosti a v období dospívání. Vliv genetických sloţek byl zkoumán odděleně pro kaţdých deset let a bylo zjištěno, ţe vliv genetických faktorŧ na indexu tělesné hmotnosti klesá společně s věkem a ţe největší podíl má genetická sloţka u adolescentŧ. U šestnácti a sedmnáctiletých chlapcŧ a dívek v další finské studii, které se účastnilo 4 884 dvojčat a 2 509 jedináčkŧ, Pietiläinen et al. (1999) přišli na to, ţe se na interindividuální varianci BMI podílí genetické faktory z 80 %. Ve studii dvojčat, kterou provedli Haworth et al. (2008a), bylo ve finálním vzorku 3 582 párŧ dvojčat, kterým byly 4 roky, 3 148 párŧ dvojčat ve věku 7 let, 3 573 párŧ dvojčat ve věku 10 let a 4 251 dvojčat, kterým bylo 11 let. Zjistilo se, ţe genetický vliv na BMI 37
Obezita stoupá s koeficientem heritability 0,48 ve věku 4 let a 0,78 ve věku 11 let. Jedním z dŧvodŧ stoupajícího koeficientu dědivosti byl uveden trend dětí vybírat si prostředí, které více koreluje s jejich genetickými sklony. V další podobné analýze dvojčat, kterou provedli taktéţ Haworth et al. (2008b), byly od 2 342 párŧ dvojčat stejného pohlaví ve věku 7 let a od 3 526 párŧ dvojčat stejného pohlaví ve věku 10 let z Velké Británie známé údaje o výšce a váze. Nejen dvojčecí metoda byla pouţita k analýze zjištění genetických a environmentálních vlivŧ mezi obézním dítětem a dítětem s normální váhou. U dvojčat v obou věkových kategoriích se zjistila heritabilita 0,60–0,74 pro BMI a obezitu, coţ je opět vysoké číslo. Dále se zjistilo také mírné ovlivnění sdílenými faktory ţivotního prostředí (0,12–0,22). Ve švédské studii, kterou prováděli Silventoinen et al. (2007), se zaměřili hlavně na tělesnou hmotnost. Zkoumali ji opět na dvojčatech, konkrétně na 231 párech jednovaječných a 144 párech dvojvaječných dvojčat muţského pohlaví narozených v letech 1973 aţ 1979. Jejich antropometrické měření probíhalo kaţdý rok od narození do 18 let. Cílem této studie bylo zjistit podíl genetické sloţky a environmentálních vlivŧ na hmotnosti v období rŧstu. Zjistilo se, ţe index tělesné hmotnosti v 18 letech koreluje s indexem tělesné hmotnosti v 1 roce ţivota s hodnotou 0,32 a ţe tato korelace nepřetrţitě roste do 17 let, tam je hodnota 0,91. Dalším výsledkem bylo, ţe podíl genetické sloţky na této korelaci je 81–95 %. Ordoñana et al. (2007) ve své studii, které se účastnilo 222 párŧ jednovaječných a 103 párŧ dvojvaječných dvojčat ţenského pohlaví z Nizozemska a také 202 párŧ jednovaječných a 235 párŧ dvojvaječných dvojčat ze Španělska, taktéţ ţenského pohlaví, prokázali, ţe se vliv prostředí na BMI liší v rŧzných evropských zemích. Ţeny pocházející z Nizozemska měly větší tělesnou hmotnost a byly vyšší, ale ţeny pocházející ze Španělska měly výrazně větší hodnotu BMI. Rŧst tělesné hmotnosti spolu s věkem byl prokázán výrazně vyšší u španělských ţen. Vliv genetických faktorŧ i vliv ţivotního prostřední na index tělesné hmotnosti byl prokázán vyšší u ţen pocházejících ze Španělska neţ u ţen pocházejících z Nizozemska. Velká longitudinální studie1 navazovala na finskou studii (Kaprio et Koskenvuo, 2002). Její účastníci byli kontaktováni, a vědci tedy měli k dispozici antropometrické údaje za roky 1975, 1981 a 1990, tedy celkem 3 měření v prŧběhu 15 let. Při prvním měření byla zkoumána dvojčata ve věku mezi 20 aţ 26 lety. Cílem bylo analyzovat genetické faktory ovlivňující BMI v prŧběhu času. Prokázal se velký vliv genetických sloţek na BMI na začátku studie, u muţŧ 80 %, u ţen dokonce o něco více, 82 %. A střední aţ vysoký vliv genetických sloţek se prokázal na rychlosti změny indexu tělesné hmotnosti, u muţŧ tentokrát 58 % a u ţen 64 %. Studie ale ukazuje, ţe genetické sloţky, které se podílejí na BMI jako takovém, se liší od těch, které jsou zodpovědné za jeho změnu v prŧběhu času (Hjelmborg et al., 2008). Existují i rozšířené studie dvojčat zahrnující rodiče, sourozence, potomky atd. Segal et al. (2009) provedli tuto studii, která kromě 164 jednovaječných a 156 dvojvaječných dvojčat zahrnovala ještě patero trojčat, jedna čtyřčata, 128 tzv. „virtuálních dvojčat― (jde o děti, které jsou stejně staré, nemají stejné biologické rodiče, ale vyrŧstaly společně, obvykle jde o rodinu se svým vlastním dítětem, která další dítě adoptovala), 2 tzv. „virtuální trojčata― a 2 tzv. „virtuální čtyřčata―. V této studii bylo zjištěno, ţe index tělesné hmotnosti je podmíněn geneticky z 63,6 % a 25,7 % je vliv prostředí. Studie tedy dospěla k závěru,
1
Longitudinální studie výzkumná metoda, která je charakteristická tím, ţe jsou údaje o sledovaných objektech k dispozici pro delší časový úsek. Data jsou shromáţděna na začátku studie a poté mohou být opakovaně získávána po dobu trvání této studie. Cílem je tedy zkoumat, jak se změny vyvíjí v čase.
38
Obezita ţe nejen genetické komponenty, ale i stravovací návyky a sportování mají svou roli v indexu tělesné hmotnosti. Na dvojčatech byly prováděny i vazebné studie1. Protoţe jde o komplexní onemocnění, vazebná analýza byla prováděna neparametrická, kde není předpoklad modelu dědičnosti (Nussbaum et al., 2004). Studie jednovaječných dvojčat ţenského pohlaví prokázala vazbu indexu tělesné hmotnosti na chromozomu 8q11 s LOD (Logarithm of the Odds) skóre 1,3. Dvojčata pocházela z 1094 rodokmenŧ (Wilson et al., 2006).
Rodinné studie Dvojčecí studie jsou zaloţeny hlavně na příbuzenském vztahu mezi sourozenci. Rodinné studie zkoumají širší rodinu, ne pouze sourozence. Obvykle se těchto studií vyuţívá ke zkoumání vazby sledovaného znaku s markery lidského genomu a také pomáhají k identifikaci genŧ spojených s výskytem sledovaného znaku (Lustig, 2011). Hlavní metodou je segregační analýza, která má zjistit zpŧsob dědičnosti (Zvárová et al., 2001). To, ţe je dědičnost obezity polygenní a ţe se na této dědičnosti podílí jeden nebo dva geny, potvrdily některé dřívější rodinné studie (Borecki et al., 1998; Rice et al., 1993a; Rice et al., 1993b). Studie, která zkoumala familiární korelace indexu tělesné hmotnosti na vzorku muţŧ ze Švédska, kteří pocházeli z celonárodního datového souboru muţŧ vykonávajících základní vojenskou sluţbu ve věku 18–19 let, prokázala korelaci pro BMI mezi biologickými rodinnými vztahy, například pro vztah otec-syn byla tato korelace 0,28. Korelace mezi vlastními bratry byla stanovena na hodnotu 0,21. Dále byla také prokázána určitá míra korelace pro nevlastní bratry, kteří měli buď společnou matku, nebo otce, a byla také prokázána významná korelace mezi synem a jeho nevlastním otcem. Zde musíme ale brát v úvahu, ţe nenáhodné vztahy a regionální shlukování hrají roli právě v této studii a odhad koeficientu dědivosti pro BMI mŧţe být nadhodnocen. Údaje o BMI byly dostupné od 196 743 synŧ a 19 972 otcŧ (Magnusson et Rasmussen, 2002). Nejen BMI, ale i další znaky spojené s obezitou byly v rodinách zkoumány. Obvod pasu, fenotypový znak také často uţívaný ve spojení s obezitou, byl zkoumán ve studii, která se primárně zaměřovala na metabolický syndrom. Nicméně bylo zjištěno, ţe genetické sklony se na tomto znaku podílejí s koeficientem dědivosti 0,38 (Henneman et al., 2008). Davey et al. (2000) se ve své studii, ve které bylo zkoumáno 1 295 jedincŧ pocházejících z 300 indických rodin, zaměřili také na dědivost hromadění tuku v oblasti břicha. Rodinám se měřil sagitální abdominální rozměr u rodičŧ a jejich potomkŧ. S ohledem na věk, pohlaví a celkovou tloušťku se zjistilo, ţe dědivost se pohybuje okolo 92 %.
Adopční studie Zkoumají rodinu jedince, který byl v krátké době po narození přemístěn od svých biologických rodičŧ do nové rodiny, kde byl vychován. Podstata je taková, ţe jsou ve značné míře vyloučeny faktory prostředí sdílené v rodině. Dŧleţité tedy je, aby nová adopční rodina 1
Vazebná analýza je metoda genového mapování, která pomocí studia rodin zjišťuje, zda dva geny zŧstávají ve vazbě i při jejich přenosu z generace na generaci. Konkrétně se měří, s jakou frekvencí zŧstanou tyto geny spolu na jednom chromozomu v období mitotického dělení. Jsou dva typy vazebných studií a to parametrická a neparametrická. Parametrická je zaloţená na znalosti modelu dědičnosti a neparametrická nepředpokládá, ţe známe model dědičnosti. Dŧkaz vazby mezi geny se vyjadřuje právě pomocí LOD skóre (Dawn Teare et Barrett, 2005).
39
Obezita nebyla geneticky propojená s tou biologickou. Tyto studie tedy nezahrnují případy, kdy si například dítě adoptují jeho teta nebo strýc apod. (Clément et Sørensen, 2008). Adopční studie zkoumaly obezitu v dětském věku i mezi dospělými. Kanadská adopční studie celkem 785 adoptovaných dětí chtěla dokázat, zda má sdílené ţivotní prostředí vliv na tělesnou hmotnost těchto dětí. Byla u nich měřena váha/výška a zjistila se hodnota korelačního koeficientu 0,37 mezi biologickými sourozenci a hodnota -0,03 mezi adoptovanými sourozenci. Toto zjištění se nutně nemusí vztahovat k obezitě, protoţe u dětí neplatí standardní určení obezity podle BMI (Biron et al., 1977). Při školní zdravotní prohlídce byly u 269 adoptovaných dětí z Dánska získány údaje o výšce a váze ve věku od 7 do 13 let, které byly následně pouţity ve studii za účelem posouzení velikosti genetických vlivŧ a vlivŧ prostředí na index tělesné hmotnosti v dětství. Byly odhadovány korelace mezi indexem tělesné hmotnosti těchto dětí a jejich biologickými i adoptivními příbuznými. Prŧměrná korelace mezi adoptovaným dítětem a jeho biologickými sourozenci v přibliţně stejném věku byla odhadnuta na hodnotu 0,59. Dále korelace mezi adoptovaným dítětem a jeho adoptovanými sourozenci byla odhadnuta na hodnotu 0,14. Tyto dvě hodnoty vykazují silný vliv genetiky na hodnotě BMI. Hodnota korelačního koeficientu mezi biologickou matkou a adoptovaným dítětem byla stanovena na hodnotu 0,17, s biologickým otcem na hodnotu 0,16. Pro porovnání s adoptivními rodiči – korelace adoptivní matky a dítěte byla stanovena na hodnotu 0,10 a korelace adoptivního otce a dítěte byla odhadnuta hodnotou 0,03 (Sørensen et al., 1992a). Tato dánská skupina vědcŧ je také zodpovědná za dŧleţitou adopční studii obezity u dospělých osob. Zkoumali taktéţ vliv genetického pozadí a rodinného prostředí na vliv BMI na vzorku 540 adoptovaných dospělých osob. Tyto osoby byly rozděleny do čtyř skupin – lidé s podváhou, normální váhou, s nadváhou a obezitou. Prokázala se významná asociace BMI mezi adoptovaným člověkem a jeho biologickými rodiči. Nebyly prokázány ţádné významné asociace u adoptivních rodičŧ. Tito vědci neprokázali pouze vliv genetiky na obezitě, ale také zjistili, ţe genetika má vliv na tělesných proporcích obecně, tedy nepodílí se jen na rozvoji obezity, ale například i na podváze. Tedy genetika má vliv na tělesnou hmotnost jak u velmi hubených lidí, tak u obézních (Stunkard et al., 1986b). Pokud bychom porovnali obě dánské adopční studie, došli bychom k závěru, ţe dávají stejné výsledky. Tedy podle adopčních studií má genetika vliv na rozvoji obezity jiţ od dětského věku. Rozšířením dánské adopční studie dospělých osob o další osoby a informace nejen o aktuální výšce a tělesné váze, ale také o největší dosaţené váze, se zjistily další výsledky. Korelace BMI mezi adoptovanou osobou a jeho biologickou matkou byla 0,15, s jeho biologickým otcem 0,11 a korelace mezi vlastními biologickými sourozenci byla 0,23. Naopak se nezjistila ţádná korelace mezi adoptivními rodiči a adoptovaným jedincem (Sørensen et al., 1992b). Statistickou metodou, zvanou pěšinková analýza, nebo také path analýza, byl v další studii odhadnut koeficient heritability na 0,34, přičemţ nebyl prokázán ţádný vliv sdíleného rodinného prostředí. Do této analýzy byli zahrnuti adoptovaní jedinci, jejich biologičtí i adoptivní rodiče, vlastní sourozenci a nevlastní sourozenci (společná matka nebo otec) (Vogler et al., 1995). Ze všech těchto studií vyplývá, ţe má obezita jistě dědičný předpoklad. Míra dědičnosti se pohybuje v prŧměru od 40 do 70 %. Procento vlivu ţivotního prostředí je taktéţ variabilní, ale je dokázáno, ţe se na rozvoji obezity rovněţ podílí. 40
Praktická část
6. Praktická část 6.1. Datový zdroj Data, která byla pouţita v praktické části, byla pŧvodně sesbírána pro prŧřezovou studii firmy Danone ke studiu genetického pozadí obezity. Účastníci se do studie hlásili dobrovolně a všichni podepsali informovaný souhlas před nastoupením do studie. Účastníci byli do studie nabíráni od roku 2006 a finální soubor tvoří 923 probandŧ, u kterých se dělal záznam nutrice pomocí sedmidenních záznamŧ, rozbor rodinné anamnézy ve formě rodokmenŧ, popis pohybové aktivity a také byl odebrán biologický materiál pro získání DNA (Bienertová-Vaškŧ et al., 2008). Kritéria pro přijetí do studie byla odvozena ze článku autorŧ Ma et al. (2003). Šlo zejména o to, aby přijatí účastníci nebrali léky ke sníţení hladiny cholesterolu nebo léky ke sníţení hmotnosti. Dále bylo dŧleţité, aby účastníci nedrţeli dietu a aby nebyli v rizikové skupině lidí, u kterých je moţný vznik sekundární hypercholesterolémie (těhotné ţeny, lidé s metabolickými poruchami). Další podmínkou bylo, aby proband neměl nějaké závaţné chronické onemocnění (rakovina, selhání ledvin). Primární studie z těchto dat měla za cíl zjistit variabilitu v genu pro leptin, leptinový receptor, adiponektin, proopiomelanokortin a receptor pro melanokortin-4 ve vztahu k výskytu obezity v české populaci. Výsledky byly prŧběţně publikovány. V roce 2008 byly publikovány výsledky studie v práci Bienertové-Vaškŧ et al. (2008), kde celkem u 185 probandŧ zkoumali mutace v genech kódujících adipokiny. Analýzy byly prováděny na 125 obézních lidech, přičemţ jako obézní se brali lidé s BMI ≥ 30 kg/m2 a na kontrolní skupině 60 lidí, kteří měli podle BMI váhu normální. Pomocí polymerázové řetězové reakce (PCR) a následnou restrikční analýzou zkoumali DNA těchto objektŧ. Ke statistické analýze byl vyuţit Pearsonŧv χ2 test, Fisherŧv exaktní test a také analýza rozptylu (ANOVA). Cílem této studie bylo prozkoumat moţné asociace variability v genu pro leptin, leptinový receptor, adiponektin a proopiomelanokortin s potravními preferencemi, protoţe se v dřívějších studiích prokázaly moţnosti těchto asociací. Nicméně se zjistilo, ţe ţádný ze zkoumaných polymorfismŧ není v asociaci s antropometrickými charakteristikami zkoumaných subjektŧ a také nebyla zjištěna ţádná asociace zkoumaných polymorfismŧ s potravinovými preferencemi. Závěrem tedy bylo, ţe dané polymorfismy v genech kódujících adipokiny nemají hlavní podíl na rozvoji obezity v české populaci. O 2 roky později byly publikovány další výsledky ze studie, kde vyuţili 409 účastníkŧ. Konkrétně 252 obézních lidí s BMI ≥ 30 kg/m2 a 157 lidí z kontrolní skupiny, tedy neobézních. V této konkrétní studii se zaměřili na sloţení potravy jako znak související s obezitou. Byl zjištěn významný polymorfismus (LEP + 19A/G) jako nezávislý prediktor pro BMI, procenta tělesného tuku, tloušťku koţní řasy a vlivu na časovou strukturu denního příjmu energie. Další polymorfismus (POMC RsaI) byl detekován jako významný v asociaci s procentem tělesného tuku. Také se zjistila asociace polymorfismu (LEPR Gln223Arg) s diastolickým krevním tlakem a velikostí jídla během dne (Bienertová-Vaškŧ et al., 2010). O další 2 roky později se objevila studie, ve které bylo zkoumáno 258 objektŧ. Tentokrát 160 obézních a 98 neobézních lidí, kteří byli ještě rozděleni do dvou skupin, a to na lidi s normální váhou (20 ≤ BMI ≤ 25 kg/m2) a nadváhou (25 ≤ BMI ≤ 30 kg/m2). Cílem studie bylo zjistit potenciál tří vybraných polymorfismŧ v jednom konkrétním lokusu sloţení stravy. Nebyl pozorován ţádný statisticky významný rozdíl v celkovém energetickém příjmu, v podílu energie získaném bílkovinnou potravou, sacharidy nebo tuky, u pacientŧ 41
Praktická část a kontrol ani v případě jejich rozdělení podle pohlaví. Byly zjištěny společné haplotypy1 ve zkoumaném genu asociované s denním příjmem proteinŧ a tekutin bez ohledu na fyzickou aktivitu jedincŧ (Bienertová-Vaškŧ et al., 2012b). V ten samý rok byla publikována ještě jedna studie, jejímţ cílem bylo zjistit vztah mezi jedním aktivátorem B-lymfocytŧ, konkrétně BAFF aktivátorem, sloţením stravy a antropometrickými charakteristikami, které souvisejí s obezitou. V této konkrétní studii bylo zkoumáno celkem 58 objektŧ, konkrétně 36 obézních a 22 neobézních lidí. U lidí bez obezity nebyl zaznamenán případ obezity v dětství nebo poruchy příjmu potravy. Antropometrické charakteristiky zahrnovaly výšku, váhu, tukovou hmotu, tělesný tuk, obvod pasu a bokŧ, poměr pas-boky a měření tloušťky koţní řasy na 4 rŧzných místech těla. Zjistilo se, ţe BAFF je nezávislým prediktivním faktorem v procentu tělesného tuku a také, ţe hladiny BAFF jsou korelovány s obvodem pasu (r = 0,43) a tělesným tukem (r = 0,45). Výsledky této studie také naznačily, ţe právě BAFF mŧţe hrát roli v propojení imunitního stavu a metabolické reakce na smrt (Bienertová-Vaškŧ et al., 2012a). Do poslední studie, která byla publikovaná, bylo zahrnuto 329 objektŧ. Obézních v této studii bylo 227 a lidí bez obezity 102. Cílem studie případŧ a kontrol bylo zjistit moţné asociace rŧzného počtu tandemových repeticí2 polymorfismu v genu s rozvojem obezity, konkrétně s antropometrickými charakteristikami, spánkem a nutričním chováním. Ke stanovení genotypŧ byla pouţita metoda zaloţená na polymerázové řetězové reakci (PCR). Sloţení a časové rozvrţení stravy bylo hodnoceno pomocí sedmidenních záznamŧ potravin a sedmidenní spánkové evidence. V této studii nebyl pozorován ţádný statisticky významný rozdíl v alelových frekvencích mezi obézními lidmi a lidmi bez obezity. Zkoumaný polymorfismus byl asociován s celkovou denní energií přijatou ze sacharidŧ a tukŧ (Bienertová-Vaškŧ et, al. 2014).
6.2. Předzpracování dat Jak jsem jiţ uvedla v kapitole 6.1., v rámci prŧřezové studie firmy Danone byl u probandŧ prováděn rozbor rodinné anamnézy ve formě rodokmenŧ. Rodokmen probanda kreslil vyšetřující lékař na papír na základě informací od probanda. Rodokmeny byly rŧzné velikosti, ale prŧměrná velikost se pohybovala mezi třemi aţ pěti generacemi. Rodokmeny byly zapsány pomocí standardizovaných značek popsaných v kapitole 1.2.1., vyskytovaly se v nich ovšem také některé nepřesnosti, se kterými bylo potřeba se vyrovnat. Do rodokmenŧ byla zapisována rodinná anamnéza v rámci celé rodiny. V praxi to vypadalo tak, ţe u kaţdého člena rodiny bylo napsáno, jakým trpí onemocněním, pokud vŧbec nějakým trpí. Rodokmeny probandŧ byly tedy k dispozici v papírové formě, elektronicky nebyly zpracovány. Mým cílem bylo označit rodiny s familiární agregací obézního fenotypu s následným zkoumáním charakteristik těchto rodin. Prvním krokem bylo prohlédnout všechny rodokmeny. Při prohlíţení jsem zjistila, ţe probandŧ je celkem 923 a rodokmen je zakreslen v 628 případech. Následně jsem zaznamenala počty obézních lidí v rodinách. Rodin s familiární agregací bylo označeno 96. Jak bylo uvedeno v kapitole 2, aby se dalo dále pracovat s rodinnými daty, musí být zpracovány v digitalizované formě. Tyto rodokmeny byly pouze ve formě papírové. 1
Haplotyp je skupina alel na jednom chromozomu, které jsou ve vazbě a jsou tedy předávány potomkŧm společně. 2 Tandemové repetice jsou opakující se jednotky stejné nebo podobné sekvence DNA, které jsou na chromozomu lokalizovány v řadě za sebou.
42
Praktická část Digitalizace rodokmenŧ probíhala podle následujícího postupu. Nejprve bylo nutné si všechny jedince v rodokmenu očíslovat, tedy kaţdému jedinci z dané rodiny přidělit jedinečné ID. V kapitole 2.1. je popsáno, ţe kaţdý software vyţaduje trochu jiné formátování. Na začátku přepisu byl zvolen software HaploPainter, ve kterém se kontrolovala správnost přepsaných rodokmenŧ, proto byla od začátku data zapisována ve formátu vhodném pro tento program. Ne všechny rodokmeny byly na papíru zapsány správně. Některým jedincŧm v rodině chyběl jeden rodič a s tím se softwary neumí vypořádat. Chybějící rodiče tedy bylo potřeba doplnit ve všech rodinách. Celkem jich bylo 661. Rodokmeny se zapisovaly do tabulky v programu Microsoft Excel. Jeden řádek představoval vţdy jednoho jedince a sloupce byly následující:
family je označení rodiny. Jako označení rodiny se vyuţívalo označení probanda ze studie pro firmu Danone. Probandi byli značeni jako OB001–OB923. person je označení jedince dané rodiny, tedy rodiny z prvního sloupce. Označení jedincŧ v rámci jedné rodiny bylo jedinečné, tedy kaţdý v rodině měl jiné číslo. father je informace o tom, kdo je otec daného jedince. Do tohoto pole se tedy zapsalo jeho ID. Pokud byl jedinec zakladatelem rodiny, v rodokmenu neměl matku ani otce, vyplnilo se pole číslicí 0. mother je stejně jako předchozí sloupec informace o rodiči daného jedince, tentokrát o matce. gender nese informaci o pohlaví jedince. Pokud byl daný jedinec muţského pohlaví, v rodokmenu byl zakreslen pomocí čtverce a do tabulky se zapsal číslicí 1. Naopak, pokud byl jedinec ţenského pohlaví, tedy v rodokmenu byl zakreslen pomocí kruhu, do tabulky se zapsal číslicí 2. Jedinec neznámého pohlaví se zapisoval číslicí 0. affection představuje informaci o sledovaném znaku. V našem případě byl sledovaným znakem obézní fenotyp, tedy to, zda jedinec má nebo nemá obezitu. Pokud ji daný jedinec měl, zaznamenalo se to číslicí 2 a pokud ji neměl, tak číslicí 1. Je nutné podotknout, ţe tato informace nebyla vţdy v rodokmenu uvedena, ale byl k dispozici soubor s výškou a váhou probandŧ. Spočetlo se tedy BMI probandŧ a následně se podle něj určovalo, zda proband má (BMI ≥ 30 kg/m2) nebo nemá obezitu (BMI < 30 kg/m2). proband nese informaci o probandovi. Tedy o tom, zda je daný člověk probandem v rodině. Pokud ano, měl v tabulce vyplněnou číslici 2, pokud nebyl probandem, tak číslici 1. pridani je sloupec, kam se zaznamenávali přidaní jedinci, tedy ti, kteří nebyli v rodokmenu zakresleni, ale formálně do něj patřili, protoţe byli rodiči někoho z rodiny. Tito jedinci byli značeni číslicí 2, ostatní číslicí 1. zemreli zda je člověk z dané rodiny naţivu nebo ne – takovou informaci nesl devátý sloupec. V rodokmeni byl tento člověk zaznačen tak, ţe jeho symbol byl přeškrtnutý a v tabulce pokud byl jiţ po smrti, měl vyplněnou číslici 2, pokud byl naţivu, tak číslici 1. sloupce s lšími on mo něními tyto sloupce měly všechny stejné kódování, šlo převáţně o informace o dalších rŧzných onemocněních. Tedy pokud měl jedinec nemoc, kterou představoval daný sloupec, byla v poli vyplněna 2, pokud ji neměl, tak 1. 43
Praktická část
poznámky – poslední sloupec představovaly textové poznámky, kam se přepisovaly poznámky z rodokmene, protoţe se přepisovalo opravdu vše, co bylo na daném papíru napsáno a zakresleno.
Ke kontrole rodokmenové struktury, tedy vztahŧ v rodině bylo nutné přepsaný rodokmen vykreslit v nějakém programu kvŧli odhalení moţných chyb. K tomuto účelu byl pouţit program HaploPainer (URL 5). Kontrola probíhala vţdy po přepsání jednoho rodokmenu a kontrolovalo se prvních 6 proměnných. Pro import dat do tohoto program byla data převedena do formátu ped a následně byl vykreslen rodokmen. Takto bylo přepsáno 96 rodokmenŧ. Pro další analýzy byly vyloučeny 4 rodokmeny kvŧli tomu, ţe v nich nebyl označen proband, coţ je dost zásadní informace.
6.3. Popisná statistika Finální datový soubor tvořily rodiny od 92 probandŧ. Celkový počet jedincŧ ve všech rodinách je 3 178. Z tohoto počtu bylo 1 476 ţen a 1 585 muţŧ, coţ představuje téměř shodné zastoupené muţŧ i ţen. V souboru všech rodin se taktéţ vyskytovalo 117 jedincŧ s neznámým pohlavím, ale u nikoho z nich nebyla obezita zaznamenána. Tito jedinci představovali zejména potraty nebo vzdálené příbuzné, přičemţ proband si nepamatoval jejich pohlaví, tedy logicky ani to, zda jsou obézní či ne (Obr. 6). 117; 3,7 %
1 585; 49,9 %
1 476; 46,4 %
ţeny muţi neznámé pohlaví
Obr. 6 Zastoupení pohlaví
V Tab. 5 nalezneme charakteristiky probandŧ a jejich rodin. Probandŧ s obezitou se ve finálním datovém souboru nacházelo 66 a probandŧ bez obezity 26. Nejmladší proband nacházející se v souboru měl v době sběru dat 24 let. Nejstarší proband měl 71 let, přičemţ prŧměrný věk probandŧ je 48 let. Prŧměrná hodnota BMI pro obézní probandy byla 37,4 kg/m2, coţ je obezita 2. stupně a prŧměrná hodnota BMI pro neobézní probandy byla 26,0 kg/m2, coţ značí mírnou nadváhu. Člověk s nejniţší hodnotou BMI (20,0) patřil do kategorie normální váhy. Člověka s nejvyšší hodnotou BMI (58,0) řadíme do skupiny obezity 3. stupně. Všech členŧ rodiny od probandŧ s obezitou se v souboru nachází 2 379 a 799 členŧ mají rodiny, kde se nachází neobézní proband. Prŧměrná velikost rodin se pohybovala okolo 35 členŧ v jedné rodině. Nejméně členná rodina byla devítičlenná a největší rodina byla ta, ve které bylo 102 lidí. Rodokmen rodin byl zakreslen v prŧměru s pěti generacemi. Nejméně se v souboru vyskytovaly rodiny se třemi generacemi a nejvíce zakreslených generací v jedné rodině bylo 6. 44
Praktická část V rámci všech rodin se v prŧměru nacházelo 10 nukleárních rodin v jednom rodokmenu. Nejméně byly v jednom rodokmenu 3 nukleární rodiny a nejvíce 20. Rodiče měli v prŧměru 2 potomky, nejméně jednoho, nejvíce se v souboru nacházeli rodiče, kteří měli potomkŧ 10. V souboru se nacházelo devětkrát více dvojvaječných dvojčat neţ jednovaječných. Jednovaječných dvojčat totiţ byly pouze 2 páry a to u rodin probandŧ s obezitou. Dvojvaječných dvojčat se v souboru nacházelo celkem 19 párŧ. Tab. 5 Charakteristiky probandů a jejich rodin Proband s obezitou
Proband bez obezity
92
66
26
Věk probandů prŧměr (min; max)
48 (24; 71)
48 (25; 71)
44 (24; 67)
BMI probandů prŧměr (min; max)
34,2 (20,0; 58,0)
37,4 (30,1; 58,0)
26,0 (20,0; 29,7)
3 178
2 379
799
35 (9; 102)
36 (9; 102)
13 (15; 60)
5 (3; 6)
5 (3; 6)
4 (3; 5)
Nukleární rodiny v jednom rodokmenu prŧměr (min; max)
10 (3, 20)
11 (3, 20)
10 (3; 18)
Počet potomků v nukleární rodině prŧměr (min; max)
2 (1; 10)
2 (1; 10)
2 (1; 7)
Dvojvaječná dvojčata
19 párŧ
11 párŧ
8 párŧ
Jednovaječná dvojčata
2 páry
2 páry
0 párŧ
Celkem Počet probandů
Počet všech jedinců Velikost rodiny prŧměrný počet osob (min; max) Počet generací prŧměr (min; max)
Tab. 6 nám říká, kolik bylo v souboru lidí s obezitou a lidí bez obezity. Mŧţeme vidět, ţe se v souboru vyskytovalo 220 (14,9 %) ţen s obezitou a 1 256 (85,1 %) ţen, které neměly obézní fenotyp. Muţŧ s obezitou bylo méně neţ ţen s obezitou, a to 131 (8,3 %). Muţŧ bez obezity se v souboru vyskytovalo 1 454 (91,7 %). V rodokmenech se označují jako zakladatelé ti, kdo nemají v rodokmenu otce ani matku. Jsou to ti lidé, od kterých rodokmen vychází, vlastně úplně první linie. Zakladatelŧ s obezitou se v souboru vyskytovalo 65 (6,3 %), bez obezity 970 (93,7 %). Ten, kdo není zakladatel, se označuje jako pokračovatel. Ve finálním souboru se pokračovatelŧ vyskytovalo s obezitou 286 (13,3 %) a bez obezity 1 857 (86,7 %). Tab. 6 Počty lidí s obezitou a bez ní Ženy (%)
Muži (%)
S obezitou
220 (14,9 %)
131 (8,3 %)
65 (6,3 %)
286 (13,3 %)
Bez obezity
1 256 (85,1 %)
1 454 (91,7 %)
970 (93,7 %)
1 857 (86,7 %)
Celkem
1 476 (100,0 %) 1 585 (100,0 %) 1 035 (100,0 %)
45
Zakladatel (%) Pokračovatel (%)
2 143 (100,0 %)
Praktická část Obr. 7 charakterizuje příbuzenské vztahy v souboru z hlediska výskytu obezity. Konkordance bez znaku nám říká, kolik procent jedincŧ z daného páru se shodovalo v tom, ţe nemělo obézní fenotyp. Diskordance znamená nesoulad, tedy jeden z páru trpěl obézním fenotypem, ale druhý nikoliv. Konkordance se znakem znamená, ţe oba v páru trpí obézním fenotypem, tedy shodou ve sledovaném znaku. V grafu mŧţeme nalézt páry, kde se rozlišuje mezi pohlavími (např. bratr-sestra), nebo páry, kde se mezi pohlavím rozdíl nedělá (sourozenci). Největší konkordanci se znakem vykazují mezi sebou sestry. Z celkového počtu 449 párŧ je v konkordanci se znakem 42 párŧ (10,0 %). Konkordanci se znakem 6,9 %, tedy 33 párŧ ze 479, vykazují bratři. Ostatní konkordance se znakem jsou cca do 5,0 %.
typ páru
rodič potomek sourozenci sestra-sestra
74,6 % 77,7 %
70,2 % 80,2 % 76,0 % 66,6 % 65,0 % 72,0 % 78,3 %
bratr-bratr
bratr-sestra prarodiče tety a strýcové poloviční sourozenci
bratranci a sestřenice 0%
20%
40% 60% zastoupení v %
konkordance bez znaku
diskordance
3,0 % N = 4 286 16,8 % 5,0 % N = 1 987 20,5 % 10,0 % N = 449 12,9 % 6,9 % N = 479 19,8 % 4,2 % N = 832 31,2 % 2,1 % N = 3 538 31,7 % 2,7 % N = 3 827 25,3 % 2,7 % N = 75 20,5 % 1,2 % N = 3 238 21,9 %
80%
100%
konkordance se znakem
Obr. 7 Charakteristika příbuzenských vztahů z hlediska obezity
onemocnění
Z rodokmenŧ se přepisovaly i informace týkající se anamnézy celé rodiny. Celkem se ve všech rodinách vyskytovalo 86 rŧzných onemocnění. Na Obr. 8 mŧţeme vidět ty nejčastější z nich. hypertenze cukrovka infarkt myokardu cévní mozková příhoda nadváha astma hypercholesterol alergie rakovina ţaludku ischemická choroba srdeční krečové ţíly
0
20 40 60 80 100 počet postižených osob
Obr. 8 Nejčastější onemocnění v rodinné anamnéze
46
120
Praktická část
6.4. Metodika a použitý software Ke zkoumání charakteristik rodin s familiární agregací obézního fenotypu byly spočítány korelace obézního fenotypu mezi příbuznými. Je obecně dohodnuto, ţe se prokazuje familiární korelace znakŧ, které se neřídí Mendelovými zákony dědičnosti, před jakoukoli další genetickou analýzou (Keen et Elston, 2003). Počítání korelací mezi příbuznými bylo pouţité také z toho dŧvodu, ţe genetické markery byly vyšetřovány pouze u probandŧ. Nebylo tedy moţné provádět vazebnou analýzu. Korelace byly počítány podle rovnice (4.28) v programu S.A.G.E., neboli Statistical Analysis for Genetic Epidemiology (URL 8). Vyuţita byla analýza FCOR. Tento program nemá pro zápis rodinných dat pouze jeden zpŧsob. Kódování lze zvolit libovolně, přičemţ se po načtení dat vytváří soubor s parametry, kde se v moţnostech softwaru uvede, jak je co kódováno. Kódování rodin bylo tedy ponecháno stejné jako v programu HaploPainter. Přesný skript je uveden v Příloze B. Byla také odhadována asymptotická standardní chyba korelace pomocí Taylorovy řady. P-hodnoty korelačních koeficientŧ byly odhadnuty následovně: Nechť r představuje odhad korelace ρ. P-hodnota pro ρ = 0 je zaloţena na Fischerově z-transformaci: zr =
1 log 2
( 11 – rr )
(6.1) 1
1
2
1–ρ
Pro velké vzorky má z normální rozdělení s prŧměrem log .
ρ
/
Následně byla vypočtena heritabilita z korelace rodič-potomek a to podle Tab. 2 z kapitoly 4.4.4. Korelační koeficient byl pro získání koeficientu heritability násoben dvěma. Dědičnost náchylnosti nemoci nebyla počítána z toho dŧvodu, ţe byla obezita u rodinných příslušníkŧ hodnocena jako binární znak, tedy pouze tak, zda daný člověk obezitou trpí nebo netrpí. Koeficient heritability tedy představuje heritabilitu samotného znaku.
6.5. Výsledky Byly spočítány korelace mezi příbuznými do druhé generace. Korelační koeficienty byly počítány jak mezitřídní, tak vnitrotřídní. Dále byly počítány korelace s vlivem pohlaví i bez něj, coţ znamená, ţe byla například spočítaná korelace rodič-potomek, ale i matka-syn, otec-dcera atd. U statisticky významných korelačních koeficientŧ je uveden symbol *. Byla zvolena 5 % hladina významnosti. V Tab. 7 máme korelační koeficienty rodičŧ a potomkŧ. Všechny tyto koeficienty jsou mezitřídní. Statisticky významné jsou všechny kromě korelace otec-dcera. Korelační koeficienty nejsou příliš vysoké. Závislost je malá. Tab. 7 Korelační koeficienty rodičů a potomků Počet párů
Korelační koeficient P-hodnota ± standardní chyba
Rodič-potomek
4 286
0,12 ± 0,02
< 0,001*
Otec-syn
1 036
0,15 ± 0,03
< 0,001*
Matka-syn
1 036
0,08 ± 0,04
0,034*
Otec-dcera
990
0,06 ± 0,04
0,083
Matka-dcera
990
0,18 ± 0,04
< 0,001*
47
Praktická část Tab. 8 představuje korelační koeficienty mezi sourozenci. Zde je korelace mezi sourozenci obecně, mezi bratry a mezi sestrami vnitrotřídní a korelace mezi sestrou a bratrem mezitřídní. Všechny korelační koeficienty z této tabulky jsou statistiky významné. Nejvyšší korelaci mezi sebou vykazují bratři. Závislost je střední.
Tab. 8 Korelační koeficienty sourozenců Počet párů
Korelační koeficient P-hodnota ± standardní chyba
Bratr-bratr
1 987 479
0,30 ± 0,03 0,44 ± 0,05
< 0,001* < 0,001*
Sestra-bratr
832
0,21 ± 0,05
< 0,001*
Sestra-sestra
449
0,35 ± 0,05
< 0,001*
Sourozenci
V Tab. 9 nalezneme hodnoty korelačních koeficientŧ polovičních sourozencŧ, coţ znamená, ţe daní sourozenci měli buď společnou matku, nebo společného otce. Mezitřídní korelační koeficient zde představují korelace bratr a sestra se společným otcem a bratr a sestra se společnou matkou. Ostatní korelační koeficienty z této tabulky jsou vnitrotřídní. Ţádný z daných korelačních koeficientŧ není statisticky významný a objevují se i záporné hodnoty korelačních koeficientŧ.
Tab. 9 Korelační koeficienty polovičních sourozenců Počet párů
Korelační koeficient P-hodnota ± standardní chyba
Poloviční sourozenci
75
0,03 ± 0,17
0,857
Bratři se společným otcem
14
-0,02 ± 0,55
0,966
Bratři se společnou matkou
9
-0,06 ± 0,39
0,885
Bratr a sestra se společným otcem
21
0,12 ± 0,57
0,905
Bratr a sestra se společnou matkou
17
-0,06 ± 0,30
0,849
Sestry se společným otcem
6
-0,50 ± 0,35
0,209
Sestry se společnou matkou
7
-0,17 ± 0,42
0,706
Korelační koeficienty prarodičŧ a vnoučat představuje Tab. 10. V této tabulce jsou všechny korelační koeficienty mezitřídní. Vnitrotřídní korelační koeficient se tu neobjevuje. Statisticky významný vyšel korelační koeficient prarodičŧ a vnoučat, kde se neuvaţoval rozdíl mezi pohlavími a také korelační koeficient pro dědy z otcovy strany a vnučky. Korelační koeficienty se ale pohybují blízko pod hranicí nulové hodnoty.
48
Praktická část Tab. 10 Korelační koeficienty prarodičů a vnoučat Počet párů
Korelační koeficient P-hodnota ± standardní chyba
3 538
-0,06 ± 0,02
0,001*
Děda z otcovy stany-vnuk
403
-0,09 ± 0,05
0,099
Babička z otcovy stany-vnuk
403
-0,09 ± 0,05
0,083
Děda z matčiny stany-vnuk Babička z matčiny stany-vnuk
443
-0,09 ± 0,06
0,096
443
-0,06 ± 0,06
0,267
Děda z otcovy stany-vnučka
402
-0,11 ± 0,05
0,048*
Babička z otcovy stany-vnučka
402
-0,10 ± 0,05
0,082
Děda z matčiny stany-vnučka Babička z matčiny stany-vnučka
436 436
-0,10 ± 0,05 -0,01 ± 0,05
0,064 0,965
Prarodiče-vnukové a vnučky
V Tab. 11 nalezneme vypočtené korelační koeficienty strýcŧ a tet se synovci a neteřemi. Všechny tyto korelační koeficienty představují mezitřídní korelační koeficienty. Ani jeden z těchto koeficientŧ nevyšel jako statisticky významný. Hodnoty těchto koeficientŧ se pohybují okolo nuly.
Tab. 11 Korelační koeficienty strýců a tet se synovci a neteřemi Počet párů
Korelační koeficient P-hodnota ± standardní chyba
3 827 382
-0,05 ± 0,02 -0,09 ± 0,06
0,057 0,171
Strýc z otcovy strany-synovec
470
0,01 ± 0,06
0,860
Teta z matčiny strany-synovec
475
0,01 ± 0,06
0,839
Strýc z matčiny strany-synovec Teta z otcovy strany-neteř
431 439
-0,03 ± 0,07 -0,10 ± 0,06
0,641 0,100
Strýc z otcovy strany-neteř
383
-0,08 ± 0,06
0,238
Teta z matčiny strany-neteř
489
0,01 ± 0,06
0,867
Strýc z matčiny strany-neteř
429
-0,03 ± 0,06
0,599
Tety a strýcové-neteře a synovci Teta z otcovy strany-synovec
Výsledná heritabilita v úzkém smyslu obezity jako binárního znaku je odhadnuta jako dvojnásobek korelace rodič-potomek z Tab. 7 a nabývá hodnoty 0,24 ± 0,04.
49
Praktická část
6.6. Diskuze výsledků V praktické části byla posuzována obezita v rodinách. Protoţe byly k dispozici rozsáhlé rodokmeny, byly počítány korelace mezi příbuznými obézního fenotypu v rodinách. Ke studiu obezity se většinou vyuţívají pouze tzv. nukleární rodiny, tedy jen rodiče a jejich potomci, kde je stanovená přesná hodnota BMI nebo jiných antropometrických charakteristik. V tomto případě se jednalo spíše o rozšířenou rodinnou studii. Jak uţ jsem zmínila, měla jsem k dispozici rozsáhlé rodokmeny, které dosud nebyly zpracovány. Moje práce tedy přinesla nové informace. Je nutné zmínit určité limitace daného datového souboru. Prvním nedostatkem datového souboru je, ţe vzorek neodpovídá náhodnému výběru. Je to z toho dŧvodu, ţe do studie byli cíleně nabíráni probandi trpící obezitou a dále kontrolní skupina lidí bez obezity. U náhodného vzorku by se předpokládalo, ţe kaţdý účastník má stejnou pravděpodobnost účastnit se studie. Do studie taktéţ nebyli nabíráni lidé se závaţným chronickým onemocněním nebo s určitou medikací. Další limitací představuje to, ţe informace o celé rodině pocházejí pouze od jednoho člena celé rodiny. Informace o dalších členech rodiny byly získány pomocí moderovaného tzv. self-reported dotazníku, coţ znamená, ţe s probandem vyplňoval dotazník vyšetřující lékař, který následně zakreslil rodokmen. Velké zkreslení lze očekávat i z toho dŧvodu, ţe pokud je člověk obézní, nemusí se za obézního povaţovat, z toho dŧvodu také moţná neuvedl pravdivé informace o dalších členech své rodiny. Moţným problémem v datech je také absence informace o věku lidí v rodinách. Velké mnoţství studií obezity je totiţ rozděleno dle věku. Tedy některé studie zkoumaly obezitu v dětském věku a obezitu v dospělosti odděleně z toho dŧvodu, ţe se mohou lišit genetické faktory ovlivňující obezitu v dětském věku a v dospělosti. Korelační koeficienty ve studiích obezity byly ve většině případŧ počítány pro BMI, kde ovšem byla tato hodnota brána jako spojitý znak, tedy byla známa přesná hodnota indexu tělesné hmotnosti. V této práci byla známa přesná hodnota BMI pouze u probandŧ. V současné době se výzkumy spojené s obezitou zaměřují především na konkrétní geny asociované s výskytem obezity a souvisejícími charakteristikami, protoţe jiţ bylo prokázáno, ţe obezita je z části zapříčiněna genetickými faktory. Ve velké norské studii, kterou provedli Tambs et al. (1991), odhadovali korelace BMI i u příbuzných druhého a třetího řádu. Byla odhadnuta hodnota korelačního koeficientu 0,20 pro vztah rodič-potomek (pro srovnání – v mé práci byl korelační koeficient pro vztah rodičpotomek odhadnut na hodnotu 0,12, ale jedná se o korelační koeficient pro výskyt obezity). Dále hodnota 0,26 pro sourozence stejného pohlaví a korelační koeficient 0,20 pro sourozence opačného pohlaví (pro srovnání – v mé práci byla zjištěna hodnota korelačního koeficientu pro vztah sestra-bratr 0,21, pro vztah bratr-bratr 0,44 a pro vztah sestra-sestra 0,35). Dále se zjistilo, ţe se korelační koeficient pro většinu příbuzných druhého řádu pohybuje okolo nuly (pro srovnání – korelační koeficienty pro poloviční sourozence, prarodiče a vnoučata a tety, strýce s jejich synovci a neteřemi vyšly v mé práci taktéţ blízké nulové hodnotě – ať uţ v záporných nebo kladných hodnotách). Ve švédské studii, kterou provedli Magnusson et Rasmussen (2002), byly zjištěny statisticky významné korelační koeficienty BMI pro vztah otec-syn 0,28 (pro srovnání – v mé práci byla korelace pro vztah otec-syn vypočtena na hodnotu 0,15). Dále také korelační koeficient 0,36 pro vztah bratr-bratr (pro srovnání – v mé práci byla korelace pro vztah bratrbratr 0,44), 0,21 pro bratry se společnou matkou a 0,11 pro bratry se společným otcem (pro srovnání – v mé práci byla spočtena korelace -0,02 pro bratry se společnou matkou a -0,06 pro bratry se společným otcem, ale nebyla vyhodnocena jako statisticky významná). Studie rodin z Quebecu od autorŧ Rice et al. (1999) prokázala korelační koeficient BMI 0,23 pro vztah rodič-potomek a 0,26 pro korelaci mezi sourozenci (pro srovnání – v mé 50
Praktická část práci byl odhadnut korelační koeficient 0,12 pro vztah rodič-potomek a korelaci 0,30 mezi sourozenci). Z těchto studií vyplývá, ţe korelační koeficient pro BMI je větší mezi sourozenci neţ rodiči a potomky, coţ potvrdily i výsledky mé práce. Výsledky se liší ve vlivu pohlaví. Z výsledkŧ mé práce vyplývá, ţe pohlaví nějaký vliv na daný korelační koeficient mělo. Shodují se výsledky korelačních koeficientŧ pro příbuzné druhého řádu s výsledky Tambs et al. (1991) a to v tom, ţe se tyto korelační koeficienty pohybují okolo nulové hodnoty. Rozdílné výsledky pro nevlastní bratry se studií Magnusson et Rasmussen (2002) jsou moţné z toho dŧvodu, ţe se v mé práci vyskytoval pouze malý počet nevlastních bratrŧ. Koeficient heritability mŧţe nabývat hodnot od 0 do 1. Pokud se jeho hodnota blíţí k 1, přisuzujeme fenotypový projev genetickému pozadí a naopak, pokud se hodnota koeficientu heritability blíţí k 0 je fenotypový projev přisuzován faktorŧm negenetickým. Koeficient heritability taktéţ vţdy platí pro danou populaci v daném čase. Interpretace tohoto koeficientu odhadnutého pomocí studia rodin je sloţitá, protoţe rodina mezi sebou sdílí ţivotní prostředí, například místo bydliště, určité stravovací návyky nebo volnočasové aktivity. V této práci byla odhadnuta heritabilita 0,24 ± 0,04 pro obezitu jako samostatný znak. Tato hodnota leţí spíše na spodní hranici hodnot, kterých mŧţe heritabilita nabývat, coţ by mělo znamenat, ţe za fenotypový projev mohou spíše negenetické faktory. Musíme také ovšem přihlédnout k limitacím těchto dat, které jsem popsala výše.
51
Závěr
Závěr Tato bakalářská práce se zabývala prací s rodinnými daty, multifaktoriálním onemocněním obecně i konkrétním onemocněním – obezitou. Cílem teoretické části práce bylo nastudovat problematiku datového zápisu rodinných dat, nastudovat komplexní onemocnění a jeho dědičnost a v neposlední řadě se seznámit s obezitou a její dědičností. V praktické části bylo cílem zkoumání charakteristik rodin s familiární agregací obézního fenotypu. Teoretické i praktické cíle práce byly splněny. V teoretické části byl nejprve popsán zápis rodinných dat a to jak ve formě rodokmenŧ, tak i ve formě datové tabulky. Následující část byla věnována multifaktoriálnímu onemocnění a popisu charakteristik s ním souvisejících. Jednalo se zejména o neúplnou penetranci, fenokopie, imprinting, interakce mezi geny apod. Další část je věnována heritabilitě. Jsou popsány dva druhy heritability a také metody, kterými se koeficient heritability odhaduje. Následuje kapitola, ve které je popsána obezita, její zastoupení v České republice i celosvětově, moţné příčiny vzniku a také genetické faktory spojené s tímto onemocněním. Stěţejním úkolem v praktické části bylo nejprve připravit datový soubor na následnou analýzu. Bylo nutné vybrat a digitalizovat vybrané rodokmeny, tedy z rodokmenŧ zapsaných pomocí genealogických symbolŧ vytvořit datovou tabulku. Na zdigitalizovaných rodinných datech byly následně spočítány korelace obézního fenotypu mezi příbuznými do druhé generace. Korelace rodič-potomek byla následně interpretovaná jako koeficient heritability v úzkém smyslu. Analýza provedená v této práci stanovila korelace výskytu obezity u rŧzných příbuzných v rodině a následovat by mohla asociace vybraných genetických markerŧ mezi příbuznými. Bylo by také moţné vybrat rodiny s největším zatíţením obezitou a srovnat například jejich genetické polymorfismy s jedinci z rodin, kde se obézní fenotyp nevyskytuje.
52
Seznam literatury
Seznam literatury BENNETT, R., K. FRENCH, R. RESTA a D. DOYLE, 2008. Standardized Human Pedigree Nomenclature: Update and Assessment of the Recommendations of the National Society of Genetic Counselors. Journal of Genetic Counseling. roč. 17, č. 5, s. 424–433. ISSN 10597700. BIENERTOVÁ-VAŠKŦ, J., Petr BIENERT, F. ZLÁMAL, J. TOMANDL, M. FOREJT, M. TOMANDLOVÁ, M. VAVŘINA, J. KUDELKOVÁ, Z. ŠPLÍCHAL a A. VAŠKŦ, 2012a. B-cell activating factor (BAFF) — a new factor linking immunity to diet? Central European Journal of Medicine. 6., roč. 7, č. 3, s. 275–283. ISSN 1895-1058, 1644-3640. BIENERTOVÁ-VAŠKŦ, J., P. BIENERT, M. FOREJT, J. TOMANDL, Z. BRÁZDOVÁ a A. VAŠKŦ, 2010. Genotype × nutrient association of common polymorphisms in obesityrelated genes with food preferences and time structure of energy intake. British Journal of Nutrition. 2., roč. 103, č. 03, s. 352. ISSN 0007-1145, 1475-2662. BIENERTOVÁ-VAŠKŦ, J., P. BIENERT, L. SLOVÁČKOVÁ, L. SÁBLÍKOVÁ, Z. PISKÁČKOVÁ, M. FOREJT, Z. ŠPLÍCHAL, F. ZLÁMAL a A. VAŠKŦ, 2012b. Variability in CNR1 locus influences protein intake and smoking status in the CentralEuropean population. Nutritional Neuroscience. roč. 15, č. 4, s. 163–170. ISSN 1028415X. BIENERTOVÁ-VAŠKŦ, J., P. BIENERT, J. TOMANDL, M. FOREJT, M. VAVŘINA, J. KUDELKOVÁ a A. VAŠKŦ, 2008. No association of defined variability in leptin, leptin receptor, adiponectin, proopiomelanocortin and ghrelin gene with food preferences in the Czech population. Nutritional Neuroscience. 2., roč. 11, č. 1, s. 2–8. ISSN 1028-415X, 1476-8305. BIENERTOVÁ-VAŠKŦ, J., J. NOVÁK, F. ZLÁMAL, J. LIPKOVÁ, J. ŠŤASTNÝ, M. FOREJT, A. JACKOWSKÁ a A. VAŠKŦ, 2014. The PER3 VNTR polymorphism is a predictor of dietary composition in the Central European population. Biological Rhythm Research. 3.9., roč. 45, č. 5, s. 747–757. ISSN 0929-1016. BIRON, P., J. - G. MONGEAU a D. BERTRAND, 1977. Familial resemblance of body weight and weight/height in 374 homes with adopted children. The Journal of Pediatrics. roč. 91, č. 4, s. 555–558. ISSN 0022-3476. BORECKI, I. B., M. A. PROVINCE, M. HIGGINS, P. J. SCHREINER, D. K. ARNETT, E. MAYER-DAVIS a S. C. HUNT, 1998. Evidence for multiple determinants of the body mass index: The national heart, lung, and blood institute family heart study. Obesity Research. roč. 6, č. 2, s. 107–114. ISSN 10717323. BROOK, C. G., R. M. HUNTLEY a J. SLACK, 1975. Influence of heredity and environment in determination of skinfold thickness in children. British Medical Journal. roč. 2, č. 5973, s. 719–721. ISSN 0007-1447. BURTON, P. R., M. D. TOBIN a J. L. HOPPER, 2005. Key concepts in genetic epidemiology. Lancet. 10.9., roč. 366, č. 9489, s. 941–951. ISSN 1474-547X. CANTET, R. J. C., A. N. BIRCHMEIER, M. G. SANTOS-CRISTAL a V. S. DE AVILA, 2000. Comparison of restricted maximum likelihood and method ℜ for estimating heritability and predicting breeding value under selection. Journal of Animal Science. roč. 78, č. 10, s. 2554–2560. ISSN 00218812.
53
Seznam literatury CARROLL, W. D., W. LENNEY, F. CHILD, R. C. STRANGE, P. W. JONES a A. A. FRYER, 2005. Maternal glutathione S-transferase GSTP1 genotype is a specific predictor of phenotype in children with asthma. Pediatric Allergy and Immunology. roč. 16, č. 1, s. 32–39. ISSN 1399-3038. CLÉMENT, K. a T. I. A. SØRENSEN, ed., 2008. Obesity: genomics and postgenomics. New York: Informa Healthcare. ISBN 9780849380891. DAVEY, G., A. RAMACHANDRAN, C. SNEHALATHA, G. A. HITMAN a P. M. MCKEIGUE, 2000. Familial aggregation of central obesity in Southern Indians. International Journal Of Obesity And Related Metabolic Disorders: Journal Of The International Association For The Study Of Obesity. 11., roč. 24, č. 11, s. 1523–1527. DAWN TEARE, M. a Jennifer H. BARRETT, 2005. Genetic linkage studies. Lancet. 17.9., roč. 366, č. 9490, s. 1036–1044. ISSN 1474-547X. DECHIARA, T. M., E. J. ROBERTSON a A. EFSTRATIADIS, 1991. Parental imprinting of the mouse insulin-like growth factor II gene. Cell. 22.2., roč. 64, č. 4, s. 849–859. ISSN 0092-8674. DONNER, A. a J. J. KOVAL, 1980. The Estimation of Intraclass Correlation in the Analysis of Family Data. Biometrics. 1.3., roč. 36, č. 1, s. 19–25. ISSN 0006-341X. FALCONER, D. S., 1960. Introduction to quantitative genetics. B.m.: New York, N.Y. : Ronald Press Company, c1960. FALCONER, D. S., 1965. The inheritance of liability to certain diseases, estimated from the incidence among relatives. Annals of Human Genetics. 1.8., roč. 29, č. 1, s. 51–76. ISSN 1469-1809. FALLS, J. G., D. J. PULFORD, A. A. WYLIE a R. L. JIRTLE, 1999. Genomic Imprinting: Implications for Human Disease. The American Journal of Pathology. 3., roč. 154, č. 3, s. 635–647. ISSN 0002-9440. FISHER, R. A., 1942. The Correlation between Relatives on the Supposition of Mendelian Inheritance. Transactions of the Royal Society of Edinburgh. 9.1., roč. 52, č. 2, s. 399–433. ISSN 00804568. FURLOTTE, N. A., D. HECKERMAN a Ch. LIPPERT, 2014. Quantifying the uncertainty in heritability. Journal of Human Genetics. 5., roč. 59, č. 5, s. 269–275. ISSN 1434-5161. GALTON, F. a J. D. H. DICKSON, 1886. Family Likeness in Stature. Proceedings of the Royal Society of London. 1.1., roč. 40, č. 242-245, s. 42–73. ISSN 0370-1662. GLASER, R. L., J. P. RAMSAY a I. M. MORISON, 2006. The imprinted gene and parent-oforigin effect database now includes parental origin of de novo mutations. Nucleic Acids Research. 1.1., roč. 34, č. suppl 1, s. D29–D31. ISSN 0305-1048, 1362-4962. GUILMATRE, A. a A. J. SHARP, 2012. Parent of origin effects. Clinical Genetics. 1.3., roč. 81, č. 3, s. 201–209. ISSN 1399-0004. HAINER, V. a B. BENDLOVÁ, 2011. Etiopatogeneze obezity. In: ákl y klini ké obezitologie. Praha: Grada, s. 59–90. ISBN 9788024732527 8024732521. HAINER, V., I. BEŇO a M. KUNEŠOVÁ, 1997. Obezita: etiopatogeneze, diagnostika a terapie. Praha: Galén. ISBN 8085824671 9788085824674. HALL, J. G., 1990. Genomic imprinting: review and relevance to human diseases. American Journal of Human Genetics. 5., roč. 46, č. 5, s. 857–873. ISSN 0002-9297.
54
Seznam literatury HARTL, D. L., 2014. The Genetic Basis of Complex Inheritance. In: Essential genetics: a genomics perspective. Burlington, MA: Jones & Bartlett Learning. ISBN 9781449686482. HAWORTH, C. M. A., S. CARNELL, E. L. MEABURN, O. S. P. DAVIS, R. PLOMIN a J. WARDLE, 2008a. Increasing Heritability of BMI and Stronger Associations With the FTO Gene Over Childhood. Obesity. 1.12., roč. 16, č. 12, s. 2663–2668. ISSN 1930-739X. HAWORTH, C. M. A., R. PLOMIN, S. CARNELL a J. WARDLE, 2008b. Childhood Obesity: Genetic and Environmental Overlap With Normal-range BMI. Obesity. roč. 16, č. 7, s. 1585–1590. ISSN 1930-739X. HENNEMAN, P., Y. S. AULCHENKO, R. R. FRANTS, K. W. VAN DIJK, B. A. OOSTRA a C. M. VAN DUIJN, 2008. Prevalence and heritability of the metabolic syndrome and its individual components in a Dutch isolate: the Erasmus Rucphen Family study. Journal Of Medical Genetics. 9., roč. 45, č. 9, s. 572–577. ISSN 1468-6244. HJELMBORG, J. v. B., C. FAGNANI, K. SILVENTOINEN, M. MCGUE, M. KORKEILA, K. CHRISTENSEN, A. RISSANEN a J. KAPRIO, 2008. Genetic Influences on Growth Traits of BMI: A Longitudinal Study of Adult Twins. Obesity. 1.4., roč. 16, č. 4, s. 847– 852. ISSN 1930-739X. HOPPER, J. L., D. T. BISHOP a D. F. EASTON, 2005. Population-based family studies in genetic epidemiology. The Lancet. 10., roč. 366, č. 9494, s. 1397–1406. ISSN 01406736. CHOI, J. H a M. E MCCALLUM, 2012. Population genetics. In: Solutions and problemsolving manual for genetics: a conceptual approach. New York: W.H. Freeman, s. 693– 721. ISBN 1429232544 9781429232548. JENSEN, A. R., 1967. Estimation of the limits of heritability of traits by comparison of monozygotic and dizygotic twins. Proceedings of the National Academy of Sciences of the United States of America. 7., roč. 58, č. 1, s. 149–156. ISSN 0027-8424. KAŇKOVÁ, K., 2005. Rol g n ti ké v ri ility v p tog n zi i Habilitační práce. Masarykova univerzita Brno
ti ký h komplik í.
KAPRIO, J. a M. KOSKENVUO, 2002. Genetic and environmental factors in complex diseases: the older Finnish Twin Cohort. Twin Research: The Official Journal of the International Society for Twin Studies. 10., roč. 5, č. 5, s. 358–365. ISSN 1369-0523. KEEN, K. J. a R. C. ELSTON, 2003. Robust asymptotic sampling theory for correlations in pedigrees. Statistics in Medicine. 30.10., roč. 22, č. 20, s. 3229–3247. ISSN 0277-6715. KEEN, K. J. a M. S. SRIVASTAVA, 1991. The asymptotic variance of the interclass correlation coefficient. Biometrika. 3.1., roč. 78, č. 1, s. 225–228. ISSN 0006-3444, 14643510. KENNETT, D. a Ch. POMERY, 2011. The genetic genealogy revolution. In: DNA and social networking a guide to genealogy in the twenty-first century. New York: The History Press, s. 15–109. ISBN 9780752472706 0752472704. KORKEILA, M., J. KAPRIO, A. RISSANEN a M. KOSKENVUO, 1991. Effects of gender and age on the heritability of body mass index. International Journal of Obesity. 10., roč. 15, č. 10, s. 647–654. KUNEŠOVÁ, M., D. MÜLEROVÁ a V. HAINER, 2011. Epidemiologie a zdravotní rizika obezity. In: ákl y klini ké o zitologi . Praha: Grada, s. 15–34. ISBN 9788024732527 8024732521. KUNEŠOVÁ, M., SPOLEČNOST VŠEOBECNÉHO LÉKAŘSTVÍ ČLS JEP, ČESKÁ LÉKAŘSKÁ SPOLEČNOST J.E. PURKYNĚ a CENTRUM DOPORUČENÝCH 55
Seznam literatury POSTUPŦ PRO PRAKTICKÉ LÉKAŘE, 2005. O zit : oporuč ný i gnosti ký léč ný postup pro pr kti ké lék ř . Praha: Společnost všeobecného lékařství ČLS JEP. ISBN 8090357385 9788090357389. LANDER, E. S. a N. J. SCHORK, 1994. Genetic dissection of complex traits. Science (New York, N.Y.). 30.9., roč. 265, č. 5181, s. 2037–2048. ISSN 0036-8075. LAWSON, H. A., J. M. CHEVERUD a J. B. WOLF, 2013. Genomic imprinting and parentof-origin effects on complex traits. Nat Rev Genet. 9., roč. 14, č. 9, s. 609–617. ISSN 14710056. LI, E., C. BEARD a R. JAENISCH, 1993. Role for DNA methylation in genomic imprinting. Nature. 25.12., roč. 366, č. 6453, s. 362–365. ISSN 0028-0836. LUSTIG, R. H., 2011. The contribution of heredity to clinical obesity. In: Obesity before birth maternal and prenatal influences on the offspring. New York: Springer Science+Business Media, LLC, s. 25–52. ISBN 9781441970343 1441970347. MAGNUSSON, P. K. E. a F. RASMUSSEN, 2002. Familial resemblance of body mass index and familial risk of high and low body mass index. A study of young men in Sweden. International Journal Of Obesity And Related Metabolic Disorders: Journal Of The International Association For The Study Of Obesity. 9., roč. 26, č. 9, s. 1225–1231. MAŘÍKOVÁ, T. a E. SEEMANOVÁ, 2013. Klini ká g n tik : pr kti ká plik 9788024623276 8024623277.
. ISBN
MA, Y., E. R. BERTONE, E. J. STANEK, G. W. REED, J. R. HEBERT, N. L. COHEN, P. A. MERRIAM a I. S. OCKENE, 2003. Association between eating patterns and obesity in a free-living US adult population. American Journal of Epidemiology. 1.7., roč. 158, č. 1, s. 85–92. ISSN 0002-9262. MILLER, J. H., A. J. F. GRIFFITHS, D. T. SUZUKI, R. C. LEWONTIN a W. M. GELBART, 2000. From gene to Phenotype. In: An Introduction to Genetic Analysis. B.m.: W. H. Freeman, s. 185–226. ISBN 0-7167-3520-2. MORISON, I. M., C. J. PATON a S. D. CLEVERLEY, 2001. The imprinted gene and parentof-origin effect database. Nucleic Acids Research. 1.1., roč. 29, č. 1, s. 275–276. ISSN 0305-1048. NICHOLLS, R. D., 2000. The impact of genomic imprinting for neurobehavioral and developmental disorders. Journal of Clinical Investigation. 15.2., roč. 105, č. 4, s. 413– 418. ISSN 0021-9738. NORRIS, K. K., T. M. DEANGELO a E. S. VESELL, 1989. Genetic and environmental factors that regulate cytosolic epoxide hydrolase activity in normal human lymphocytes. Journal of Clinical Investigation. 1.12., roč. 84, č. 6, s. 1749–1756. ISSN 0021-9738. NUSSBAUM, R. L., R. R. MCINNES, H. F. WILLARD, J. THOMPSON a M. W. THOMPSON, 2004. Klini ká g n tik : Thompson & Thompson : 6. vy . Praha: Triton. ISBN 8072544756 9788072544752. ORDOÑANA, J. R., I. REBOLLO-MESA, F. DUDBRIDGE, F. PÉREZ-RIQUELME, J. M. MARTÍNEZ-SELVA, G. WILLEMSEN a Dorret I. BOOMSMA, 2007. Heritability of body mass index: a comparison between the Netherlands and Spain. Twin Research And Human Genetics: The Official Journal Of The International Society For Twin Studies. roč. 10, č. 5, s. 749–756. ISSN 1832-4274. ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT, 2014. Health at a Glance Europe 2014 [online]. Paris; London: Organization for Economic 56
Seznam literatury Cooperation & Development Stationery Office [vid. 25. únor 2015]. ISBN 9789264223271 9264223274. Dostupné z: http://dx.doi.org/10.1787/health_glance_eur-2014-en OTOVÁ, B., M. KOHOUTOVÁ, F. LIŠKA, R. MIHALOVÁ a O. ŠEDA, 2008. Lék řská biologie a genetika. Praha: Karolinum. ISBN 9788024615943 8024615940. OTOVÁ, B., R. MIHALOVÁ, I. VOTRUBA a D. KŘENOVÁ, 2012. ákl g n tiky člověk . ISBN 9788024626154 8024626152.
y iologi
PIETILÄINEN, K. H., J. KAPRIO, A. RISSANEN, T. WINTER, A. RIMPELÄ, R. J. VIKEN a R. J. ROSE, 1999. Distribution and heritability of BMI in Finnish adolescents aged 16y and 17y: a study of 4884 twins and 2509 singletons. International Journal Of Obesity And Related Metabolic Disorders: Journal Of The International Association For The Study Of Obesity. roč. 23, č. 2, s. 107–115. REIK, W. a J. WALTER, 2001. Genomic imprinting: parental influence on the genome. Nature Reviews. Genetics. 1., roč. 2, č. 1, s. 21–32. ISSN 1471-0056. RICE, T., I. B. BORECKI, C. BOUCHARD a D. C. RAO, 1993a. Segregation analysis of body mass index in an unselected French-Canadian sample: the Québec Family Study. Obesity research. roč. 1, č. 4, s. 288–294. ISSN 1071-7323. RICE, T., I. B. BORECKI, C. BOUCHARD a D. C. RAO, 1993b. Segregation analysis of fat mass and other body composition measures derived from underwater weighing. American Journal of Human Genetics. roč. 52, č. 5, s. 967–973. ISSN 00029297. RICE, T., L. PÉRUSSE, C. BOUCHARD a D. C. RAO, 1999. Familial aggregation of body mass index and subcutaneous fat measures in the longitudinal Québec family study. Genetic Epidemiology. roč. 16, č. 3, s. 316–334. ISSN 0741-0395. SEGAL, N. L., R. FENG, S. A. MCGUIRE, D. B. ALLISON a S. MILLER, 2009. Genetic and environmental contributions to body mass index: comparative analysis of monozygotic twins, dizygotic twins and same-age unrelated siblings. International Journal of Obesity. 1., roč. 33, č. 1, s. 37–41. ISSN 03070565. SILVENTOINEN, K., K. H. PIETILÄINEN, P. TYNELIUS, T. I. A. SØRENSEN, J. KAPRIO a F. RASMUSSEN, 2007. Genetic and environmental factors in relative weight from birth to age 18: the Swedish young male twins study. International Journal Of Obesity (2005). 4., roč. 31, č. 4, s. 615–621. ISSN 0307-0565. SINNWELL, J. P., T. M. THERNEAU a D. J. SCHAID, 2014. The kinship2 R package for pedigree data. Human Heredity. roč. 78, č. 2, s. 91–93. ISSN 1423-0062. SNUSTAD, D. P. a M. J. SIMMONS, 2009a. Dědičnost komplexních znakŧ. In: Genetika. Brno: Masarykova univerzita, s. 690–714. ISBN 9788021048522 8021048522. SNUSTAD, D. P. a M. J. SIMMONS, 2009b. Rozšíření mendelovské dědičnosti. In: Genetika. Brno: Masarykova univerzita, s. 68–94. ISBN 9788021048522 8021048522. SØRENSEN, T. I. A., C. HOLST a A. J. STUNKARD, 1992a. Childhood body mass index Genetic and familial environmental influences assessed in a longitudinal adoption study. International Journal of Obesity. roč. 16, č. 9, s. 705–714. ISSN 0307-0565. SØRENSEN, T. I. A., C. HOLST, A. J. STUNKARD a Lt. SKOVGAARD, 1992b. Correlations of body mass index of adult adoptees and their biological and adoptive relatives. Int rn tion l journ l of o sity n r l t m t oli isor rs : journ l of th International Association for the Study of Obesity. 3., roč. 16, č. 3, s. 227–236. SRIVASTAVA, M. S. a K. J. KEEN, 1988. Estimation of the interclass correlation coefficient. Biometrika. 12.1., roč. 75, č. 4, s. 731–739. ISSN 0006-3444, 1464-3510. 57
Seznam literatury STEM/MARK, 2013. Počet obézních se výrazně nemění - Lékařské zpravodajství - ZDN. r votni tví m i ín [online]. roč. 9 [vid. 5. březen 2015]. Dostupné z: http://zdravi.e15.cz/clanek/mlada-fronta-zdravotnicke-noviny-zdn/pocet-obeznich-sevyrazne-nemeni-470274 STRAUCH, K., R. FIMMERS, M. P. BAUR a T. F. WIENKER, 2003. How to Model a Complex Trait. Human Heredity. roč. 55, č. 4, s. 202–210. ISSN 1423-0062, 0001-5652. STUNKARD, A. J., T. T. FOCH a Z. HRUBEC, 1986a. A twin study of human obesity. JAMA. roč. 256, č. 1, s. 51–54. ISSN 0098-7484. STUNKARD, A. J., J. R. HARRIS, N. L. PEDERSEN a G. E. MCCLEARN, 1990. The body-mass index of twins who have been reared apart. The New England Journal Of Medicine. 24.5., roč. 322, č. 21, s. 1483–1487. ISSN 0028-4793. STUNKARD, Albert J., T. I. A. SØRENSEN, C. HANIS, T. W. TEASDALE, R. CHAKRABORTY, W. J. SCHULL a F. SCHULSINGER, 1986b. An Adoption Study of Human Obesity. New England Journal of Medicine. 23.1., roč. 314, č. 4, s. 193–198. ISSN 0028-4793. SVAČINA, Š. a A. BRETŠNAJDROVÁ, 2008. J k n o zitu Grada. ISBN 9788024723952 8024723956.
j jí komplik
ŠRÁM, R., P. GOETZ, J. VELEMÍNSKÝ a J. NEČÁSEK, 1987. ě ičnost Státní pedagogické nakladatelství Praha.
. Praha: člověk. Praha:
TAMBS, K., T. MOUM, L. EAVES, M. NEALE, K. MIDTHJELL, P. G. LUND-LARSEN, S. NÆSS a J. HOLMEN, 1991. Genetic and environmental contributions to the variance of the body mass index in a Norwegian sample of first- and second-degree relatives. American Journal of Human Biology. 1.1., roč. 3, č. 3, s. 257–267. ISSN 1520-6300. TENESA, A. a C. S. HALEY, 2013. The heritability of human disease: estimation, uses and abuses. Nature Reviews Genetics. 18.1., roč. 14, č. 2, s. 139–149. ISSN 1471-0056, 14710064. TSAI, M.-Y., L. L.-K. LIN, V. LEE, Ch.-J. CHEN a Y.-F. SHIH, 2009. Estimation of heritability in myopic twin studies. Japanese Journal of Ophthalmology. 11., roč. 53, č. 6, s. 615–622. ISSN 0021-5155, 1613-2246. VAN BAAK, M. A., 2002. Pohybová aktivita v léčbě obezity - ZDN. Postgr uální m i ín [online]. č. 4 [vid. 6. březen 2015]. Dostupné z: http://zdravi.e15.cz/clanek/postgradualnimedicina/pohybova-aktivita-v-lecbe-obezity-145822 VISSCHER, P. M., W. G. HILL a N. R. WRAY, 2008. Heritability in the genomics era — concepts and misconceptions. Nature Reviews Genetics. 4., roč. 9, č. 4, s. 255–266. ISSN 1471-0056, 1471-0064. VOGLER, G. P., T. I. A. SØRENSEN, A. J. STUNKARD, M. R. SRINIVASAN a D. C. RAO, 1995. Influences of genes and shared family environment on adult body mass index assessed in an adoption study by a comprehensive path model. International Journal of Obesity. roč. 19, č. 1, s. 40–45. ISSN 0307-0565. VYSKOT, B., 1999. Př hl vývojové iologi g n tiky. Praha: Akademie věd České republiky, Ústav molekulární genetiky. ISBN 8090258816 9788090258815. WEINBERG, C. R., 1999. Methods for Detection of Parent-of-Origin Effects in Genetic Studies of Case-Parents Triads. The American Journal of Human Genetics. roč. 65, č. 1, s. 229–235. ISSN 0002-9297.
58
Seznam literatury WEST, B. T., K. B. WELCH a A. T. GALECKI, 2014. Liner Mixed Models: An Overview. In: Linear Mixed Models: A Practical Guide Using Statistical Software, Second Edition. B.m.: CRC Press, s. 9–59. ISBN 9781466561021. WILSON, S. G., G. ADAM, M. LANGDOWN, R. RENELAND, A. BRAUN, T. ANDREW, G. L. SURDULESCU, M. NORBERG, F. DUDBRIDGE, P. W. REED, P. N. SAMBROOK, P. W. KLEYN a T. D. SPECTOR, 2006. Linkage and potential association of obesity-related phenotypes with two genes on chromosome 12q24 in a female dizygous twin cohort. European Journal of Human Genetics. 4.1., roč. 14, č. 3, s. 340–348. ISSN 1018-4813. WORLD HEALTH ORGANIZATION, ed., 2004. International statistical classification of diseases and related health problems. 10th revision, 2nd edition. Geneva: World Health Organization. ISBN 9241546492. ZEFT, A., E. S. SHEAR, S. D. THOMPSON, D. N. GLASS a S. PRAHALAD, 2007. Familial autoimmunity: maternal parent-of-origin effect in juvenile idiopathic arthritis. Clinical Rheumatology. 10.11., roč. 27, č. 2, s. 241–244. ISSN 0770-3198, 1434-9949. ZHOU, J.-Y., J. DING, W. K. FUNG a S. LIN, 2010. Detection of Parent-of-Origin Effects Using General Pedigree Data. Genetic epidemiology. 2., roč. 34, č. 2, s. 151–158. ISSN 0741-0395. ZIEGLER, A. a I. R. KÖNIG, 2006. Complications of Mendelian segregation. In: A statistical approach to genetic epidemiology: concepts and applications. Weinheim: Wiley-VCH, s. 24–34. ISBN 3527312528 9783527312528. ZVÁROVÁ, J., I. MAZURA a J. SVATOŠ, 2001. Sto h sti ká g n tik . Praha: Karolinum. ISBN 8024602644 9788024602646.
59
Internetové zdroje
Internetové zdroje URL 1 http://www.geneticseducation.nhs.uk/genetic-glossary/181-first-degree-relative National Genetics and Genomics Education Centre, 2014 URL 2 http://www.slideshare.net/medik.cz/biologie-pro-bakale-praktikum-3 LinkedIn Corporation, 2015 URL 3 http://www.medgen.de/index.html Hansjoerg Plendl, 2009 URL 4 http://csg.sph.umich.edu/abecasis/Merlin/index.html Center for Statistical Genetics, University of Michigan, 2015 URL 5 http://haplopainter.sourceforge.net/index.html Sourceforge, 2008 URL 6 http://www.r-project.org/ The R Project for Statistical Computing, 2015 URL 7 http://www.wikiskripta.eu/index.php/Soubor:Normalni_rozdeleni.png WikiSkripta, projekt sítě lékařských fakult MEFANET, 2015 URL 8 http://darwin.cwru.edu/sage/ Case Western Reserve University, 2012 URL 9 http://www.wikiskripta.eu/index.php/Soubor:BMI_en.svg WikiSkripta, projekt sítě lékařských fakult MEFANET, 2015 URL 10 http://www.who.int/mediacentre/factsheets/fs311/en/ World Health Organisation, 2015 URL 11 http://www.zijzdrave.cz/novinky/kila-navic/obeznich-cechu-nepribyva-ale/ Zijzdrave.cz, 2015
60
Seznam obrázkŧ
Seznam obrázků Obr. 1 Nejčastější rodokmenové značky (upraveno z URL 2) ................................................ 14 Obr. 2 Gaussova křivka (URL 7) ............................................................................................. 19 Obr. 3 Abstraktní příklad genomového imprintingu (Vyskot, 1999) ....................................... 21 Obr. 4 Schéma BMI (URL 9) ................................................................................................... 34 Obr. 5 Vývoj obezity v ČR (upraveno z URL 11) ................................................................... 35 Obr. 6 Zastoupení pohlaví ........................................................................................................ 44 Obr. 7 Charakteristika příbuzenských vztahŧ z hlediska obezity ............................................ 46 Obr. 8 Nejčastější onemocnění v rodinné anamnéze ............................................................... 46 Obr. 9 Obezita ve světě, 2012 (upraveno z Organisation for Economic Co-operation and Development, 2014) .................................................................................................................. A
61
Seznam tabulek
Seznam tabulek Tab. 1 Shrnutí popisovaných softwarŧ ..................................................................................... 17 Tab. 2 Teoretické korelační koeficienty pro příbuzné i nepříbuzné jedince (Hartl, 2014; Snustad et Simmons, 2009a) .................................................................................................... 29 Tab. 3 Klasifikace podle BMI (Svačina et Bretšnajdrová, 2008) ............................................ 33 Tab. 4 Prevalence nadváhy a obezity v České republice (Kunešová et al., 2011) ................... 35 Tab. 5 Charakteristiky probandŧ a jejich rodin ........................................................................ 45 Tab. 6 Počty lidí s obezitou a bez ní ........................................................................................ 45 Tab. 7 Korelační koeficienty rodičŧ a potomkŧ ....................................................................... 47 Tab. 8 Korelační koeficienty sourozencŧ ................................................................................. 48 Tab. 9 Korelační koeficienty polovičních sourozencŧ ............................................................. 48 Tab. 10 Korelační koeficienty prarodičŧ a vnoučat ................................................................. 49 Tab. 11 Korelační koeficienty strýcŧ a tet se synovci a neteřemi ............................................ 49
62
Seznam pouţitých zkratek
Seznam použitých zkratek Zkratka Anglický název
Český název
ANOVA BI BMI CSV DNA ID LDT LMM LOD MLE
analýza rozptylu Brocŧv index index tělesné hmotnosti hodnoty oddělené čárkami deoxyribonukleová kyselina identifikace test pravděpodobnostního poměru smíšený lineární model logaritmus pravděpodobnosti maximálně věrohodný odhad Organizace pro hospodářskou spolupráci a rozvoj polymerázová řetězová reakce zpŧsob přenosu kvantitativní test nerovnováhy přenosu metoda reziduální maximální věrohodnosti test asymetrie přenosu test nerovnováhy přenosu Světová zdravotnická organizace
OECD PCR POE QTDT
analysis of variance body mass index comma separated values deoxyribonucleic acid identification likelihood-ratio test linear mixed model logarithm of the odds maximum likelihood estimation Organisation for economic co-operation and Development polymerase chain reaction parent of origin effect quantitative transmission disequilibrium test
REML
residual estimation maximum likelihood
TAT TDT WHO
transmission asymetry test transmission disequilibrium test Word health organization
63
Příloha A
Příloha A Indie Indonésie Čína Japonsko Korea Norsko Švýcarsko Itálie Švédsko Nizozemsko Rakousko Dánsko Belgie Francie Německo Portugalsko Izrael Finsko Polsko Brazílie Rusko Jiţní Afrika Španělsko Slovenská republika Slovinsko OECD Estonsko Řecko Česká republika Island Turecko Lucembursko Irsko Velká Británie Chile Kanada Austrálie Maďarsko Nový Zéland Mexiko Spojené státy americké
Ţeny Muţi
0
10
20
30
40
% populace ve věku od 15 let Obr. 9 Obezita ve světě, 2012 (upraveno z Organisation for Economic Co-operation and Development, 2014)
A
Příloha B
Příloha B pedigree { delimiters = "\t" delimiter_mode = "single" individual_missing_value = "0" sex_code, male = "1", female = "2", missing = "0", trait no_sex_ok = "true" pedigree_id = "family" individual_id = "person" parent_id = "father" parent_id = "mother" sex_field = "gender" trait = "affection", binary, affected = "2", unaffected = "1", missing = "0" string = "poznamky" covariate_list, start = "proband", end = "krecove_zily" } fcor, out = "FCOR1" { trait = "affection" interclass_weight = "uniform" intraclass_weight = "uniform" standard_error = "true", conservative, pairs type = "both", tabular sex_name = "true" generation_limit = "2" }
B
