Penyakit paru obstruktif kronis

Genome-lebar studi asosiasi merokok T

perilakupada pasien dengan PPOK

x:

Mateusz Siedlinski,1 Michael H Cho,1,2 Per Bakke,3 Amund Gulsvik,3 David A Lomas,4
p

5 6 7 8
Wayne Anderson, Xiangyang Kong, Stephen I Rennard, Terri H Beaty, l

John E Hokanson,9 James D Crapo,10 Edwin K Silverman,1,2 the COPDGene e

Investigator dan ECLIPSE Investigators s

ABSTRAK 3

<
Materi tambahan adalah 6 yang

diterbitkan hanya online. Untuk melihat file-file ini
silahkan kunjungi jurnal online (http: //thorax.bmj.
Com).
Untuk afiliasi bernomor lihat akhir artikel.
Korespondensi kepada
Edwin K Silverman, 181
Longwood Avenue, Boston, MA 02115, USA;
ed.silverman @ channing.harvard.edu
Artikel ini didasarkan pada penelitian yang sebagian
didanai oleh dana dari National Institute of Health
(NIH) dan oleh karena itu tunduk pada Kebijakan
Akses Publik wajib NIH. Naskah final yang ditinjau
Obstruktif tahap II atau lebih tinggi). SNP
yang tidak berjenis dihitung menggunakan
panel HapMap (fase II). Hasil dari semua
kohort dianalisis secara meta.
Hasil Beberapa SNP dekat wilayah HLA
pada kromosom 6p21 dan di daerah
intergenic pada kromosom 2q21
menunjukkan asosiasi dengan usia di
merokok inisiasi, baik dengan terendah
p¼2310 7.Tidak ada SNP terkait dengan
seumur hidup rata-rata CPD, CPD saat ini
atau berhenti merokok dengan p <10
6.
Penyakit paru obstruktif kronik (PPOK) adalah
penyakit yang umum dan kompleks secara
genetik yang disebabkan, dan
perkembangannya dipercepat, terutama oleh
merokok tembakau. Intensitas merokok yang
tinggi, kemungkinan besar terkait setidaknya
sebagian dengan kecanduan nikotin,
meningkatkan risiko pengembangan COPD.
Meskipun banyak pasien berhenti merokok
setelah didiagnosis COPD, beberapa terus
merokok,
Pesan kunci
/

sejawat harus disimpan dengan database PubMed Hubungan yang signifikan secara nominal t

Central (PMC) setelah diterima untuk publikasi dan dengan kandidat SNP dalam reseptor o

dibuat dapat diakses publik selambat-lambatnya 12 r

bulan setelah publikasi.

kolinergik, nikotinik, alfa 3/5 (CHRNA3 / a

CHRNA5; misalnya, p¼0.00011 untuk SNP

x

Apa pertanyaan kuncinya?

Diterima 8 Maret 2011 rs1051730) dan sitokrom P450, keluarga 2,
Diterima 16 Mei 2011 subfamili A, polipeptida 6 (CYP2A6;
Dipublikasikan Online Pertama misalnya, p ,2.78310 5 untuk SNP non-
16 Juni 2011 sinonim rs1801272) daerah diamati untuk
j

Latar Belakang Merokok merupakan faktor CPD rata-rata seumur hidup, namun hanya
l

risiko utama penyakit paru obstruktif kronik
(PPOK) dan keparahan PPOK. Studi
asosiasi genom-lebar sebelumnya (GWAS)
telah mengidentifikasi banyak polimorfisme
nukleotida tunggal (SNP) yang terkait
dengan jumlah rokok yang dihisap per hari
CYP2A6 yang menunjukkan bukti hubungan <Identifikasi penanda genetik yang terkait
yang signifikan dengan CPD saat ini. dengan
Kandidat SNP (rs3025343) di DBH secara
signifikan (p¼0.015) terkait dengan
penghentian merokok.
Kesimpulan Para penulis mengidentifikasi 2

(CPD) dan lokus dopamin beta-hidroksilase dua daerah kandidat yang terkait dengan 0

(DBH) yang terkait dengan penghentian
merokok di beberapa populasi.
Tujuan Untuk mengidentifikasi SNPs terkait
dengan rata-rata seumur hidup dan CPD
saat ini, usia saat mulai merokok, dan
berhenti merokok pada pasien dengan
COPD.
usia saat mulai merokok pada pasien perilaku merokok pada pasien dengankronik
dengan PPOK. Hubungan lokus CHRNA3 /
CHRNA5 dan CYP2A6 dengan CPD dan
DBH dengan penghentian merokok juga
mungkin penting dalam perilaku merokok
pasien PPOK.
1

Metode GWAS dilakukan pada empat penyakit paru obstruktif(PPOK).

kelompok independen yang mencakup 3441
pasien yang pernah merokok dengan PPOK
(Inisiatif Global untuk Penyakit Paru PENDAHULUAN
- d

2
0

Apa intinya?
0 f

lokus CYP2A6 dan 15q25 dengan intensitas perkembangan.

r

merokok

<
Studi asosiasi genom khusus kasus ini

dan lokus DBH dengan penghentian

4
merokok

mengidentifikasi dua lokus kandidat untuk

usia saat merokok
o

Perilaku merokok, seperti usia saat merokok

.
1

serangan.
D

pasien dengan COPD.

h,

inisiasi berhenti merokok, dan jumlah ciga

Mengapa terus membaca?

menempatkan mereka pada risiko tinggi untuk

penyakit lanjutan

<
Ini juga menegaskan asosiasi dari
t a o

x m

studi(GWAS) pendekatan.6 7 GWAS terbaru

.
p:

rettes merokok per hari (BPH), yang sebagian telah diusulkan untuk mengandung penanda
Geneti genetik memiliki

Cally ditentukan dan memiliki substansial

b

mempengaruhi perilaku merokok menggunakan

genom /

lokus yang teridentifikasi terkait dengan

berhenti merokok

heritabilitas.1e4 Banyak lokus dan kandidat gen

j.

linkage lebar scan5 dan asosiasi genome

n
 e 2

r 0

perilaku khusus pasien PPOK

(dopamin beta-hidroksilase (DBH) pada chromo 2

chrome P450, keluarga 2, subfamili A,

c
t

beberapa 9q34) dan CPD (misalnya,nikotinik

kolinergik polipeptida 64

(CYP2A6) lokus pada kromosom 19q13) dalam

beberapa

lokus reseptorpada kromosom 15q25 dan sito

belum dilaporkan. Menariknya, single yang

2
sama
0

populasi,8e11 meskipun GWAS merokok

 P t

berkaitan dengan perilaku merokok tetap tidak

o

perilaku pada pasien dengan PPOK dan

g

jelas.
u

nukleotida polimorfisme (SNPs) di15q25 e

apakah
s

lokussebelumnya dikaitkan dengan

perkembangan

t
t

e
.

satu-satunya efek lokus ini pada PPOK

d

12
PPOK, tetapi peran lokus ini di merokok kerentanan
b

Karena kebiasaan merokok seumur hidup

mereka yang berat
y g

pengayaan dalam varian genetik yang h

bertanggung jawab untuk

t

c dianggap sebagai penduduk yang unik untuk belajar.

eksposur, berpotensi terkait dengan (setidaknya

sebagian) perilaku merokok. Namun, diagnosis dan

kecanduan nikotin, pasien PPOK dapat

o

894 Thorax 2011; 66: 894e902. doi: 10.1136 / thoraxjnl-2011-200154 Progresi

lebih lanjut dari PPOK cenderung mengubah status merokok dan dikaitkan dengan penurunan mortalitas akibat PPOK. 13e16
Penyakit paru obstruktif kronik Fenotipe
lain yang berhubungan dengan merokok, usia saat mulai
merokok, berkorelasi dengan ketergantungan nikotin pada
METODE kelompok dewasa17 dan kematian akibat PPOK.15 Secara
T

h
keseluruhan, sangatlah menarik untuk mencari penanda yang
(yaitu, peningkatan upaya untuk berhenti merokok) dan terkait dengan perilaku merokok secara unik di antara pasien
intensitas merokok (misalnya, pengurangan CPD). dengan COPD. Demikian pula, penting untuk menilai apakah
Mengidentifikasi faktor genetik yang terlibat dalam penghentian SNPs, yang dianggap sebagai determinan genetik yang sudah
merokok adalah sangat penting dalam praktik klinis, karena mapan untuk berhenti merokok dan CPD pada populasi lain, juga
berhenti merokok dapat mengurangi hilangnya fungsi paru-paru terkait dengan ciri-ciri ini pada pasien dengan PPOK. Identifikasi
dan deskripsi variasi genetik tersebut mungkin memiliki
pada pasien dengan PPOK.13 14 Penghentian merokok
konsekuensi yang signifikan di masa depan, terapi bertarget
menghasilkan perbaikan gejala pernapasan pada pasien PPOK, yang bertujuan untuk mengurangi merokok di antara pasien
dengan COPD. Genotipe dan kendali mutu -

Tujuan dari penelitian ini adalah untuk mengidentifikasi SNP 2

yang terkait dengan usia saat mulai merokok, berhenti merokok,

0

Chip genotipe yang berbeda dari Illumina (San Diego, Cali

CPD rata-rata saat ini dan seumur hidup di antara pasien dengan 1

PPOK, menggunakan GWAS dalam empat kohort independen:

1

National Emphysema Treatment Trial (NETT), Evaluasi PPOK fornia, USA) digunakan (tabel 1). Kontrol kualitas (QC) langkah -

secara longitudinal hingga Identifikasi Predictive Surrogate End-

2

point (ECLIPSE), GenKOLS cohort dari Bergen, Norwegia, dan sebelumnya dijelaskan secara rinci untukNETT, Norwegia dan
COPDGene. Para penulis juga berhipotesis bahwa subset dari
0

faktor genetik yang mempengaruhi perilaku merokok dalam 23

kohortECLIPSE, dan diterapkan pada studi COPDGene sebagai
sampel populasi lain akan mempengaruhi perilaku merokok pada
5

pasien dengan PPOK. sumur. Singkatnya, langkah-langkah QC terdiri dari memfilter SNP
Subyek dan fenotipe o berdasarkan
r

Pernah rokok, pasien Kaukasia dengan setidaknya moderat COPD o

x:

tahap (Global Initiative untuk Penyakit Paru Obstruktif II atau tarif panggilan yang hilang (> 5%) dan Hardy-Weinberg Equilibrium devi

8
i

asi (p <10 ), dan memfilter pasien berdasarkan panggilan genotipe

r

lebih tinggi) dari empat kohort independen (NETT,18 ECLIPSE,19 s

6

Tingkat(<95%), perbedaan jenis kelamin, keterkaitan yang tidak terduga

GenKOLS kohort dari Bergen, Norwegia,20 dan COPDGene (pertama u
(PLINK pi u

b
n

21
1000 subjek) ) dipelajari (tabel 1). Secara total 3441 pasien e

s
l

i
hat cut-off of 0,125), dan etnis. Penghapusan kasus itu
h

memiliki setidaknya satu (dari empat) non-hilang, merokok terkait e 2

fenotip (tabel 1). Semua fenotipe dilaporkan sendiri menggunakan pencilan untuk keturunan genetik dilakukan berdasarkanutama 0

analisis komponendalam kasus saja. Dalam analisis utama

baik status Laporan Kasus Form (merokok danseumur hidup
,.

1
penanda untyped yang diperhitungkan menggunakan 120 pendiri
CPD rata-rata dalam kelompok ECLIPSE) atau versi modifikasi dari K
0

1
a
American Thoracic Society / Division of Lung Diseases Respira u
1

3
k
22
tory Disease Questionnaire. Karena perokok saat ini tidak 6
a
t
/

s
memenuhi syarat untuk penelitian NETT, kohort ini tidak berkontribusi i
pada h a o

o w

analisistentang berhenti merokok dan CPD saat ini.

n

r
o

n e

l d

Tabel 1 Karakteristik pasien dengan penyakit paru obstruktif kronik (PPOK) dan fenotipe merokok terkait dipelajari

Kelompok m

NETT n [362 * Norwegia n [851 * ECLIPSE n [1734 * COPDGene n [494 * t

Karakteristik /

Pria *, n (%) 234 (64.6) 511 (60.0) 1160 (66.9) 242 (49.0) o

Umur di tahun * mean (SD) 67,4 (5,8) 65,5 (10,1) 63,7 (7,1) 64,7 (8,1)
x

Pack-tahun merokok * mean (SD) 66,1 (30,9) 32,1 (18,6) 50.4 (27.4) 54.8 (26.8) .

Post-bronkodilator FEV1 (% pred.) *, Rata-rata (SD) 29.1 (7.8) 50.7 (17.5) 44.8 (14.7) 48.7 (18.4) j

Post-bronkodilator FEV1/ FVC *, Mean (SD) 0,32 (0,06) 0,51 (0,13) 0,45 (0,12) 0,48 (0,13) o

Pendaftaran, Tahun 1998e2002 2003e2005 2005e2007 2008e2009 /

Teknologi genotipe, Chip Illumina Quad 610 Illumina HumanHap 550 V1, V3, dan Duo Fenotipe mempelajari
 Illumina Human Omni1-Quad
Usia saat inisiasi merokok n
Illumina HumanHap 550 V3
Berarti (SD) 16,6 (3,6) 18,7 (5,1) 16,9 (4,4) 16,8 (4,4)
Jumlah pasien dengan fenotipe yang tidak hilang 362851 1690494
Faktor inflasi Lambda 0,986 0,989 1,019 0,997
Rata-rata seumur hidup CPD
Rata-rata (SD) 32,4 (13,5) 15,7 (7,8) 25,5 (12,4) 27,6 (11,8)
Jumlah pasien dengan fenotipe yang tidak hilang 361 851 1734494
Faktor inflasi Lambda 1,002 0,996 1,018 0,996 e
Penghentian merokok
Perokok aktif, n (%) 0 (0) 404 (47.5) 610 (35.3) 150 (30.6) r
Mantan perokok, n (%) 362 (100) 447 (52.5) 1120 (64.7) 340 (69.4)
Faktor inflasi Lambda e 1.000 0.998 0.995
CPDy Saat Ini
Mean (SD) e 13.1 (6.9) 15.6 (10.8) 18.4 (12.4) y
Jumlah pasien dengan fenotipe yang tidak hilang e 398 565 150
Faktor inflasi Lambda e 0,995 1,005 0,997 y
* Dihitung untuk pasien dengan setidaknya satu fenotipe yang tidak hilang.
yUntuk pasien dengan CPD saat ini yang dilaporkan> 0.
CPD, jumlah rokok yang dihisap per hari; ECLIPSE, Evaluasi COPD Secara Longitudinal untuk Mengidentifikasi Titik Akhir Pengganti Prediktif; FEV1, volume ekspirasi paksa
dalam 1 detik; FVC, kapasitas vital paksa; NETT, Uji Coba Pengobatan Emfisema Nasional.
Thorax 2011; 66: 894e902. doi: 10.1136 / thoraxjnl-2011-200154 895
Penyakit paru obstruktif kronik
(Centre d'Etude du Polymorphisme Humain (penduduk Utah
dengan keturunan dari utara dan barat Eropa) (CEU)) haplotipe
dari panel referensi HapMap (fase II) dan, sebagai a analisis
sekunder, menggunakan data 1000 Genomes Project. 24 25 Kami
membatasi analisis kami pada SNP yang diberi genotipe /
diperhitungkan dalam setidaknya dua kohort, denganrimputasi 2
koefisien$ 0,3 (hanya untuk SNP yang diperhitungkan). Secara
keseluruhan, sekitar 2,5 dan 6,3 juta SNP per fenotipe dianalisis
masing-masing menggunakan referensi Proyek HapMap dan
panel Proyek 1000 Genom.
Analisis Asosiasi SNP kandidat
Kami mengekstraksi SNP kandidat yang mencapai signifikansi
seluruh genom dalam studi sebelumnya tentang berhenti
merokok dan CPD.8e11 26 Mengikuti GWAS sebelumnya,8 9 kami
juga mengekstraksi dua SNP dari CYP2A6 (rs1801272
(Leu160His)) dan reseptor kolinergik, nikotinik, alfa 5 (CHRNA5,
rs588765) berdasarkan fungsi biologisnya. Karena calon SNP
dari lokus DBH dan sebagian besar calon SNP dari lokus
CYP2A6 diperhitungkan dalam semua kohort, kami mencari
proksi SNP terbaik dengan genotipe di setidaknya tiga kohort.
Statistik
Menurut transformasi Box-Cox27 yang mengidentifikasi kira-kira
transformasi terbaik dari variabel dependen, yang dapat
diterapkan ke semua kelompok, kami mempelajari log 2-
transformed age saat mulai merokok dan CPD rata-rata seumur
c
menjadi
r
4
2
2
t
t
c
d
c
g
t
hidup, dan akar kuadrat dari CPD saat ini. . Model regresi
dijalankan di bawah model aditif untuk SNP, sambil
menyesuaikan untuk pembaur potensial (lihat materi tambahan
online untuk detailnya). Model efek tetap digunakan untuk semua
meta-analisis. Efek alel didefinisikan sebagai efek yang terkait
dengan usia lanjut saat mulai merokok, CPD lebih tinggi atau
kemungkinan lebih tinggi untuk berhenti merokok. Meta-analisis
p <5310 8 dianggap sebagai genome-wide signifikan 28;5310 8#p
<5310 7 ditafsirkan sebagai asosiasi sugestif dalam panel genom-
lebar dengan p <0,05 sebagai asosiasi sugestif untuk calon SNP.
Software
TransformasiBox-Cox dilakukan dengan paket MASS, 27
sedangkan faktor inflasi lambda dihitung dengan paket
GenABEL29 di R (V.2.10.1).30 imputasi SNP dilakukan dengan
MACH (V.1.0).31 Komponen utama, yang mencerminkan struktur
genetik dari setiap populasi penelitian, dihitung dan dianalisis
dengan paket EIGENSOFT (V.2.0).32 Analisis asosiasi genetik
dan meta-analisis dijalankan dengan PLINK (V.1.0.7).33 34 SNAP
(V.2.2)35 digunakan untuk mencari SNP proxy (r2$ 0.8)
menggunakan panel CEU HapMap fase II dan untuk menilai
koefisien linkage disequilibrium (LD) dalam 1000 data Proyek
Genom. SNP / anotasi gen dan plot asosiasi regional dibuat
dengan LocusZoom (V.1.1; human genome build hg18).36
HASIL
Usia saat mulai merokok
Analisis dalam kelompok individu disesuaikan untuk jenis
kelamin dan komponen utama untuk keturunan genetik. Secara
 1

total, meta analisis termasuk 3397 pasien untuk usia saat 0

fenotipe mulai merokok. Faktor inflasi Lambda adalah antara

.

0,986 dan 1,019 untuk kelompok individu (tabel 1), dan 1,002
1

untuk nilai p meta analitik (lihat gambar online S1 untuk plot QeQ 6

analisis meta). Tidak ada SNP yang menunjukkan nilai p asosiasi

/

meta-analitik di bawah tingkat signifikansi seluruh genom. o

Banyak SNP di wilayah intergenik pada kromosom 2q21 dan di

r

wilayah antara BCL2-antagonis / killer 1 (BAK1) dan zinc finger

x

Gambar 1 Plot asosiasi regional dari dua lokus termasuk satu o

dan
m

nukleotida polimorfisme (SNP) terkait dengan usia merokok /

T
inisiasi dengan meta-analitik p <10 6. Titik sesuai dengan meta-analisis o

h
n

SNP. Warna titik sesuai dengan r2 (linkage disequilibrium (LD)

o

i
Koefisiendalam populasi HapMap II CEU; titik-titik abu-abu sesuai
dengan
r

p
SNP dengan hilang informasi LD) relatif terhadap yang paling signifikan b

u
e

terkait SNP (digambarkan dengan diamond) di wilayah yaitu,

b

i r

2
d

rs13408379 (gambar atas) dan rs9380362 (gambar bawah). 4

0
 2 e

0 c

BTB domain yang mengandung 9 (ZBTB9) pada kromosom 6p21 Lifetime rata CPD t

adalah
e

Analisis kohort tunggal yang disesuaikan untuk jenis kelamin, usia dan
b
prin d

terkait dengan usia saat mulai merokok secara sugestif

b

g
komponen cipal untuk keturunan genetik. Secara total, meta-anal y

tingkat signifikansi (gambar 1 dan tabel online S1). Secara total, 24

S c

N ysis termasuk 3440 pasien untuk seumur hidup rata-rata CPD o

P
fenotipe. Lambda faktor inflasi antara 0,996 dan
e

dikaitkan dengan usia di merokok inisiasi dengan p <10 5 di

y

i
s

t. 1,018 untuk setiap kelompok (tabel 1), dan 1,019 untuk meta g

nilai p analitik (lihat gambar secara online S2 untuk plot QeQ dari
Lakukan

meta-analisis (lihat tabel online S1). r

meta.

Analisis). Tiga belas SNP dikaitkan dengan rata-rata seumur hidup

o

896 Thorax 2011; 66: 894e902. doi: 10.1136 / thoraxjnl-2011-200154

Penyakit paru obstruktif kronik

Tabel 2 Polimorfisme nukleotida tunggal (SNP) terkait dengan jumlah rata-rata seumur hidup rokok yang dihisap per hari (CPD) T

5
(log2-transformed) dengan meta-analitik p <10 , dan SNP calon dari CHRNA3 / CHRNA5 dan CYP2A6 lokus diidentifikasi oleh penelitian
sebelumnya h

Arah efek sesuai dengan

t

Chr. SNP Teratas efeknon-efek

Gen terdekat dalam 50 kb (lokasi) AlelB p I2 Q stat./ NImp Frek.T penelitian sebelumnya
x f

/ :
ir

s
p

SNP Teratas 4 rs13104971 SCFD2 (intron) G / A 0.113 1.18310 L6 0 0.92 4/3 0.13 e u

9 rs943306 ASTN2 (intron) T / C 0.073 1.25310 L6 25 0.26 4/0 0.40 e l

L6
7 rs10237067 e A / G 0,072 2,98310 0 0,63 4/3 0,63 e h

7 rs12699125 CALN1 (intron) A / G 0,072 3,17310 L6 42 0,16 4/3 0,66 e d

7 rs4718827 e T / C 0,072 3,36310L6 0 0,61 4/4 0,63 e s

7 rs4717631 CALN1 (intron) A / G 0,072 3,60310 L6 43 0,15 4/4 0,66 e 0

7 rs17170849 ELMO1 (intron) C / T 0,265 4,07310 L6 44 0,15 4/3 0,02 e 1

L6
7 rs4577845 CALN1 (intron) G / A 0,071 4,57310 44 0,15 4/1 0,66 e 3

7 rs1859485 CALN1 (intron) T / C 0.069 6.95310 L6 40 0.17 4/1 0.65 e /

12 rs11044734 e G / C 0.112 7.32310L6 0 0.48 4/4 0.90 e o

L6
12 rs11044737 e G / A 0.112 7.70310 0 0.47 4/0 0.90 e x

L6
16 rs190369 e C / T 0.161 8.89310 47 0.13 4/1 0.05 e l

9 L6
20 rs2869961 CEBPB (5 wilayah) A / G 0.104 9.65310 0 0.59 4/1 0.12 e 0

Kandidat SNP 15 rs1051730 CHRNA3 ( exon, Tyr215Tyr) A / G 0,060 0,00011 37 0,19 4/0 0,41 Ya 1

15 rs16969968 CHRNA5 (exon, Asp398Asn) A / G 0,059 0,00015 30 0,23 4/3 0,41 Ya 0

15 rs8034191 AGPHD1 (intron) C / T 0,055 0,00036 40 0,17 4/0 0,41 Ya 1

15 rs684513 CHRNA5 (intron) C / G 0,029 0,163 0 0,98 4/4 0,80 Ya 4

15 rs578776 CHRNA3 (39 UTR) G / A 0,041 0,020 0 0,94 4/0 0,76 Ya o

15 rs588765 CHRNA5 (intron) C / T 0,031 0,046 47 0,13 4/4 0,60 Ya

6
 19 rs3733829 EGLN2 (intron) G / A 0,019 0,233 0 0,48 4/3 0,39 Ya

19 rs7937 RAB4B (39 UTR) T / C 0,022 0,153 0 0,96 4/0 0,60 Ya n

19 rs1801272 CYP2A6 (exon, Leu160His) A / T 0,266 2,78310 L5 0 0,72 4/4 0,96 Ya

19 rs4105144 CYP2A6 (59 region) C / T 0.073 3.92310L5 0 0.44 4/4 0.73 Ya 0

19 rs7260329 CYP2B6 (intron) G / A 0.014 0.404 0 0.55 4/1 0.68 Ya 1

19 rs7251570 CYP2A6 (39 wilayah) G / A 0.057 0.00073 0 0.84 4/4 0.71 Ya D

19 rs12461383 CYP2A7 (3 9 wilayah) G / C 0.063 0.00019 0 0.61 4/4 0.60 Ya w

Analisis disesuaikan untuk jenis kelamin , umur dan komponen utama untuk keturunan genetik. o

nilai P <0,05 digambarkan dengan huruf tebal. d

N / Nimp, jumlah studi yang berkontribusi pada meta-analisis / jumlah studi di mana SNP diperhitungkan; I2, indeks heterogenitas; Statistik Q, nilai p untuk statistik Q; p, p value dariefek
tetap e

d;

meta-analisis Frek., Efek frekuensi alel pada 3441 pasien dengan setidaknya satu fenotipe yang tidak hilang dari empat kohort yang diteliti; Chr., Kromosom; B, koefisien regresi; UTR,
tidak diterjemahkan

wilayah; CHRNA3 / CHRNA5, reseptor kolinergik, nikotinik, alfa 3/5; CYP2A6, sitokrom P450, keluarga 2, subfamili A, polipeptida 6. o

CPD dengan meta-analisis p <10 5,bagaimanapun, tidak ada (didefinisikan sebagai 'tidak' untuk berhenti merokok) dan 1907 pasien
SNP menunjukkan hubungan dengan p meta-analisis <10 6 (tabel yang
j.

2). Kandidat SNP dari lokus reseptor nikotinik kolinergik pada c

kromosom 15q25 (rs578776, rs588765, rs8034191, rs1051730 adalah mantan perokok (didefinisikan sebagai 'ya' untuk berhenti
dan rs16969968) secara signifikan (p <0,05) terkait dengan CPD merokok). o

rata-rata seumur hidup dengan arah pengaruh yang sama seperti m

yang terlihat pada GWAS sebelumnya pada CPD (tabel 2) ). Faktor inflasi Lambda antara 0,995 dan 1.000 untuk
SNP rs1051730 sinonim adalah SNP terkait teratas di lokus ini
/

(gambar 2). Empat kandidat SNP (rs7251570, rs4105144,

rs1801272 dan rs12461383) pada lokus CYP2A6 pada
o

kromosom 19q13 secara signifikan (p <0,05) berhubungan kelompok individu (tabel 1), dan 0,998 untuk nilai p meta-analitik n

dengan CPD rata-rata seumur hidup dengan arah pengaruh yang

sama seperti yang terlihat pada GWAS sebelumnya pada CPD O

(tabel 2). SNP non-sinonim (rs1801272) adalah SNP paling (lihat gambar online S4 untuk plot QeQ meta-analisis). Tidak ada SNP c

signifikan kedua yang terkait dalam lokus ini (gambar 2; tabel 2). t

Ada, paling banyak, tingkat LD sedang di antara keempat SNP menunjukkan hubungan dengan p meta-analisis <10 6 (tabel 3). o

ini menurut panel HapMap fase II (r2# 0.6 dan D '$ 0.84; lihat
b

gambar online S3). Analisis SNP proksi yang diberi genotipe Kandidat SNP rs3025343 di lokus DBH menunjukkan secara nominal e

pada setidaknya tiga kohort dilakukan. Analisis rs8102683 r

(genotipe dalam NETT, ECLIPSE dan kelompok Norwegia, dan

diperhitungkan dalam COPDGene) yang merupakan proxy untuk 2

hubungan yang signifikan dengan penghentian merokok dengan

rs4105144 (r2¼0.87), dan rs7251418 (genotipe dalam semua
a
kelompok) yang merupakan proxy untuk rs7251570 (r2¼0.81)
r
mengkonfirmasi asosiasi yang diamati (p¼4.65310 5 (B¼0.074
untuk alel efek 'C'; I2¼0) dan p¼0.0024 (B¼0.054 untuk alel efek a
'G'; I2¼0) , masing-masing). Tidak ada SNP proxy genotipe yang h
dapat ditemukan untuk rs12461383 dan rs1801272 SNP. Kami s
tidak mereplikasi, dengan nominal p <0,05, asosiasi antara SNP a
di lokus 7p14, 8p11 dan 10q23, yang dilaporkan dalam GWAS m
sebelumnya tentang CPD dalam analisis kami tentang CPD rata-
rata seumur hidup (lihat tabel online S2). a
4 yang
,

Berhenti merokok pengaruh seperti yang terlihat di GWAS baru-baru ini, namun dengan
substansial
t

p:

Analisis kohort tunggal yang disesuaikan dengan usia, persentase /

2

/
0

heterogenitas antar studi (tabel 3). SNP rs3025316, proxy

diprediksi volume ekspirasi paksa dalam 1 s(FEV1)dan pokok
2

2
r

untuk rs3025343 (r 20.94), digenotipe di semua kelompok dan

komponenmeringkas keturunan genetik. Secara total, meta a

analisis mencakup 1164 pasien yang perokok saat b mengkonfirmasi hubungan ini (p¼0.002, OR¼1.32 untuk efek 'T'
m
 g

alel; Saya2¼18). u
b

s
perokok untuk fenotipe CPD saat ini. Inflasi lambda y

t.

Faktoradalah antara 0,995 dan 1,005 untuk kelompok individu

Saat CPD P
o

(tabel 1), dan 1,010 untuk nilai meta-analitik (lihat gambar online
r

Analisis disesuaikan untuk jenis kelamin, usia, persentase diprediksi

y

t
i

c
S5 untuk plot QeQ meta-analisis). Tidak ada SNP menunjukkanmeta g

FEV1,dan komponen utama untuk keturunan genetik. Secara total, t

h

hubungan analitikdengan p <10 6 (tabel 4). Di antara kandidat

e

meta-analisis termasuk 1113 pasien yang saat ini d

.
t

SNPs, rs12461383 dari lokus CYP2A6 secara signifikan adalah

Thorax 2011; 66: 894e902. doi: 10.1136 / thoraxjnl-2011-200154 897

Penyakit paru obstruktif kronik

Gambar 2 Plot asosiasi regional dari lokus kandidat berpusat

pada CHRNA3 (atas) dan CYP2A6 (bawah) dan hubungannya
dengan jumlah rata-rata seumur hidup rokok yang dihisap per
hari. Titik sesuai dengan SNP yang dianalisis secara meta.
Warna titik sesuai denganr2 koefisien(linkage disequilibrium (LD)
dalam populasi HapMap II CEU; titik abu-abu sesuai dengan
SNP dengan informasi LD yang hilang) relatif terhadappaling
signifikan
SNP yangterkait di wilayah (digambarkan dengan berlian) yaitu,
rs1051730 di CHRNA3 (gambar atas) dan rs1496402 (gambar
bawah; SNP teratas kedua di wilayah ini adalah SNP non-
sinonim (Leu160His) rs1801272 di CYP2A6). Chr, kromosom;
CHRNA3, reseptor kolinergik, nikotinik, alfa 3; CYP2A6, sitokrom
P450, keluarga 2, subfamili A, polipeptida 6. (tabel 4).

terkait dengan CPD saat ini dengan arah efek yang sama
1

dibandingkan dengan GWAS sebelumnya pada CPD (tabel 4).

Kandidat SNP rs1801272 dan rs7251570 menunjukkan J

hubungan yang signifikan dengan arah pengaruh yang sama DISKUSI

dibandingkan dengan GWAS sebelumnya pada CPD (tabel 4). u

Kami tidak mereplikasi, pada nominal p <0,05, asosiasi antara e

SNP di lokus 7p14, 8p11 dan 10q23 yang dilaporkan dalam Merokok adalah risiko lingkungan yang paling penting
GWAS sebelumnya tentang CPD dalam analisis kami pada CPD
saat ini (tabel online S3). 2

faktor untuk COPD, dan berhenti merokok adalahpaling penting 0

Analisis SNP yang diperhitungkan dengan 1000 data Proyek 1 yang

Genom Analisis semua fenotipe menggunakan genotipe SNP intervensi terapeutikuntuk mencegah perkembangannya. Saat ini kami
yang diperhitungkan menggunakan Proyek 1000 Genom 1.

mengungkapkan 20 asosiasi tambahan di

D

Studimengidentifikasi dua lokus pada kromosom 2q21 dan 6p21

s
bawah tingkat signifikansi luas genom sugestif (lihatonline T
e
h
b
tabelS4). SNP rs9394152 di 6p21 lokus adalah yang paling o
a
secara
r

g
signifikan terkait SNP dengan usia di merokok inisiasi a
x:

(meta-analisis p¼6.55310 8)dan, mirip dengan mayoritas i

o
w

calon yang mengandung gen yang mempengaruhi usia merokok n

r
f

i inisiasi pada pasien dengan PPOK, baik menunjukkan sugestif l

SNPs terkait dengan fenotipe ini di bawah sugestif o

tingkat signifikansi genome-wide. Selanjutnya, ini studi

t

genome-wide tingkat signifikansi, ditandai dengantinggi u

menegaskan bahwa SNP tertentu dalam kolinergik nikotinik recep d

2
($ 0,96), kelompok-spesifik imputasi r koefisien (lihatsecara online l f

i
r

tor lokus pada kromosom 15q25 dan SNP dalam CYP2A6 lokus
s

meja S4). Kami mengamati asosiasi novel tiga SNP dengan h

o

pada kromosom 19q13 dikaitkan dengan CPD pada pasien

e

rata-rata CPDseumur hidup; SNP terkait paling signifikan

h

dengan COPD. Yang penting, kami juga mengkonfirmasi dalam

rs28675338 (r2¼0.07 dan D'¼1.00 hingga rs1051730 menurut
t

pasien dengan PPOK hubungan yang dilaporkan sebelumnya dari /

1
t

1000 Genomes Project Data) memetakan ke lokus 15q25. Kami juga

h

0 penanda (rs3025343) di lokus DBH dengan penghentian merokok. o

r
1

ditemukan satu SNP terkait dengan penghentian merokok, dengan Dua pemetaan lokus ke kromosom 2q21 dan 6p21
meta
menunjukkan

bukti hubungan dengan usia merokok inisiasi di

3

p analitik <5310 7 (lihat tabel secara online S4). Karena kohort spesifik, 6 m
b

tingkat signifikansi genome-wide sugestif, menggunakan kedua

/

imputasi r2 koefisien dari empat SNP, terkait dengan t HapMap

h

j.

o c

seumur hidup rata-rata CPD dan berhenti merokok di bawah Sugges r

II dan 1000 Genome memproyeksikan panel imputasi referensi. o

tive genome tingkat signifikansi, yang agak sederhana (kisaran Asosiasipuncakditemukan di sini tidak melokalisasi dalam setiap dikenal /

0,35 e0.64; lihat tabel online S4), asosiasi yang diamati

o

0
gen, menunjukkan regulasi yang jauh namun tidak teridentifikasi n

pasti memerlukan konfirmasi tambahan dan harus diinter 1

1
O

dengan hati-hati. Tiga SNP yang terkait dengan arus -

gen target mungkin terlibat. SNP dari kromosom 6p21 adalah c

terletak dekat dengan leukosit manusia antigen lokus, dan ZBTB9

2

7
o

CPD dengan meta-analitik p <5310 memetakan ke wilayah di chro 0

b

1
dan BAK1 adalah gen yang paling dekat dengan puncak asosiasi.
mosom dua dan tiga (lihat tabel online S4), yang mana
E

sudah diberi peringkat sebagai lokus teratas menggunakan referensi 2

HapMap II panel Gen BAK1, yang mengkode protein proapoptosis, sebelumnya telah 4

dikaitkan olehGWAS dengan tumor sel germinal testis37 dan ,

n
 2

38
0

tion efek dijelaskan sebelumnya.8e11 26 Namun, SNP dari

nomor trombosit. Namun SNP yang diidentifikasi dalam penelitian ini
c

tidak
e

yang 7p14, 8p11 (lokus CHRNB3 / CHRNA6) dan 10q23, serta

2

0
d

berkorelasi, dalam hal LD, dengan SNP teratas dari usia kita saat ini.
b

beberapa SNP dari lokus CYP2A6 dan CHRNA3 / CHRNA5, adalah

b

y
y

merokokinisiasi GWAS.
c

tidak direplikasi dalam penelitian ini dengan signifikansi nominal

g

u
o

Analisis SNP calon, sehubungan dengan seumur hidup e

p

ambang batas. Hal ini mungkin disebabkan oleh efek ukuran yang
s

rata CPD, mengungkapkan bahwa mayoritas dari mereka SNP di

t. terlalu kecil y

terdeteksi pada populasi kami atau berpotensiyang berbeda

CHRNA3 / CHRNA5 (15q25) dan CYP2A6 (19q13) daerah r
g

bermakna dikaitkan dengan sifat ini menunjukkan sama direc t

penentu genetikdari merokok perilaku dalam pasien.

dengan COPD.

898 Thorax 2011; 66: 894e902. doi: 10,1136 / thoraxjnl-2.011-200.154

kronis penyakit paru obstruktif

Tabel 3 polimorfisme nukleotida tunggal (SNP) yang berhubungan dengan berhenti merokok dengan meta-analisis p <10 5,dan SNP calon (baris
terakhir) T

dari dopamin beta-hidroksilase (DBH) lokus diidentifikasi oleh penelitian sebelumnya genome-wide asosiasi (GWAS) dari berhenti merokok o

Arah efek konsisten dengan

t

Chr. SNP Teratas non-efek

Gen terdekat dalam 50 kb alelATAUp I2 statQ./ NImp Frek.T GWAS sebelumnya x f

Efek / :
ir

s
p

10 rs10794613 FLJ46361 (59 wilayah) G / C 1.43 3.41310L6 0 0.51 3/3 0.21 e u

3 rs13064954 CCNL1 (39 wilayah) A / G 1.94 5.28310L6 0 0.60 3/2 0.05 e l

L6
10 rs1896376 CPMX2 (intron) C / T 1.83 5.71310 57 0.10 3/2 0.95 e h

L6
13 rs9506942 e C / G 1.29 5.96310 0 0.72 3/3 0.57 e d

13 rs9552733 e G / A 1,29 5,99310L6 0 0,69 3/0 0,57 e s

3 rs9866141 VEPH1 (39 wilayah) T / C 1.88 7.99310L6 0 0.66 3/3 0.06 e 0

3 rs1165640 e C / T 1.56 8.98310L6 0 0.57 3/0 0.10 e 1

L6
12 rs10861185 TXNRD1 (intron) C / A 1.29 9.57310 16 0.31 3/2 0.57 e 3

L6
10 rs727417 CPXM2 (intron) C / G 1.71 9.67310 38 0.20 3/3 0.94 e /

9 rs3025343 DBH (59 region) G / A 1.24 0.015 46 0.16 3/3 0.87 Ya r

Analisis disesuaikan dengan usia,% prediksi volume ekspirasi paksa dalam 1 detik (FEV1) dan komponen utama untuk keturunan genetik. Pasien yang perokok saat ini dianggap sebagai j

'kontrol', sementara pasien yang mantan perokok dianggap sebagai 'kasus'. l

nilai P <0,05 digambarkan dengan huruf tebal. 0

N / Nimp, jumlah studi yang berkontribusi pada meta-analisis / jumlah studi di mana SNP diperhitungkan; I2, indeks heterogenitas; Statistik Q, nilai p untuk statistik Q; p, nilai p dari efek
tetap 1

meta-analisis; Frek., Efek frekuensi alel pada 3441 pasien dengan setidaknya satu fenotipe yang tidak hilang dari empat kelompok yang diteliti; Chr., Kromosom. -

Selain haplotipe 'netral' atau referensi, telah disarankan mereplikasi hubungan antara CPD rata-rata seumur hidup dan
setidaknya ada dua haplotipe lain dengan efek independen pada rs684513, yaitu SNP teratas dalam analisis CPD saat
CPD di wilayah 15q25 ini.26 39 Penelitian kami menegaskan mengkondisikan rs1051730 di Tobacco Genetics Consortium. 10
pengamatan sebelumnya bahwa rs1051730, dan penandaan Yang penting, arah efek dari semua kandidat SNP di lokus 15q25
SNP seperti rs16969968, menunjukkan efek yang relatif kuat di ini sesuai dengan
wilayah ini, dan SNPs rs588765 dan rs578776, menentukan yang dilaporkan sebelumnya, menunjukkan kohort COPD yang lebih
haplotipe independen yang terkait dengan CPD seumur hidup b
pada pasien dengan PPOK juga. Namun, kami tidak dapat
e
 s
a 2 di

mana ukuran efek yang lebih besar terlihat untuk lokus sebelumnya. 8
r
Addi
5

diperlukan untuk menetapkan signifikansi SNP independen /

0

tionally, variations in the CHRNA3/CHRNA5, but not CYP2A6, 1

o
.

haplotipe di wilayah ini. n

locus showed substantial heterogeneity in genetic effects in D

o
1

8 10
Menariknya, ukuran efek dari SNP yang direplikasi dari 6
our study, and as observed in previous GWAS as well. w

J
We speculate that this might be due to between-study differ l

CHRNA3 / CHRNA5 lokus mirip dengan sebagian besar dari mereka

dari ences in general (eg, educational status or peer smoking40) or a

lokus CYP2A6 dalam penelitian kami, yang kontras dengan baru-baru d

ini GWAS e

Table 4 Single nucleotide polymorphisms (SNPs) associated with the current number of cigarettes smoked per day (CPD) (square root
transformed) o

5
with meta-analytic p<10 , and candidate SNPs from CHRNA3/CHRNA5 and CYP2A6 loci identified by previous studies

previous studies
:

Chr. Top SNP Effect/ allele B p I2 Q stat. N/Nimp Freq.

//
t

Nearest gene within 50 kb non-effect

ho

Effect direction consistent with

r
p

L6
Top SNPs 3 rs1881681 e C/A 0.363 1.22310 33 0.22 3/0 0.88 e a

8 rs11984631 e T/G 1.351 1.56310L6 37 0.21 2/0 0.99 e .

9 L6
2 rs12615264 SOCS5 (3 region) T/G 0.644 3.46310 0 0.38 3/3 0.03 e j

9 L6
2 rs11682595 SOCS5 (3 region) T/G 0.642 3.49310 0 0.41 3/3 0.03 e o

9 L6
2 rs11125090 SOCS5 (3 region) A/G 0.641 3.58310 0 0.42 3/2 0.03 e /

20 rs297755 e G/A 0.291 4.86310L6 49 0.14 3/3 0.17 e o

4 rs3893377 BST1 (39 region) C/T 0.289 4.90310L6 51 0.13 3/3 0.80 e O

4 rs10019008 BST1 (39 region) C/T 0.288 4.99310L6 53 0.12 3/0 0.80 e t

9 L6
4 rs11947310 BST1 (3 region) A/C 0.289 5.21310 53 0.12 3/3 0.80 e b

4 rs10018756 BST1 (39 region) A/T 0.275 7.71310L6 48 0.15 3/3 0.77 e r

Candidate SNPs 15 rs1051730 CHRNA3 (exon, Tyr215Tyr) G/A 0.010 0.851 32 0.23 3/0 0.59 No ,

15 rs16969968 CHRNA5 (exon, Asp398Asn) G/A 0.009 0.863 30 0.24 3/2 0.59 No 0

15 rs8034191 AGPHD1 (intron) T/C 0.006 0.914 5 0.35 3/0 0.59 No 0

15 rs684513 CHRNA5 (intron) C/G 0.100 0.153 0 0.78 3/3 0.80 Yes b

15 rs578776 CHRNA3 (39 UTR) G/A 0.052 0.388 0 0.98 3/0 0.76 Yes g

15 rs588765 CHRNA5 (intron) T/C 0.048 0.352 23 0.27 3/3 0.40 No e

19 rs3733829 EGLN2 (intron) G/A 0.005 0.930 40 0.19 3/2 0.39 Yes t

19 rs7937 RAB4B (39 UTR) T/C 0.027 0.590 0 0.37 3/0 0.60 Yes r

19 rs1801272 CYP2A6 (exon, Leu160His) A/T 0.362 0.063 0 1.00 3/3 0.96 Yes t

c
 19 rs4105144 CYP2A6 (59 region) C/T 0.069 0.217 0 0.55 3/3 0.73 Yes t

19 rs7260329 CYP2B6 (intron) G/A 0.005 0.922 0 0.76 3/0 0.68 Yes

19 rs7251570 CYP2A6 (39 region) G/A 0.105 0.052 0 0.87 3/3 0.71 Yes y

19 rs12461383 CYP2A7 (39 region) G/C 0.143 0.008 0 0.62 3/3 0.60 Yes o

Analyses were adjusted for sex, age, % of predicted forced expiratory volume in 1 s (FEV 1) and principal components for genetic ancestry. r

P values < 0.05 are depicted in bold. g

N/Nimp, number of studies contributing to the meta-analysis/number of studies in which SNP was imputed; I 2, heterogeneity index; Q stat., p value for Q statistic; p, p value from the fixed
effect t

meta-analisis; Freq., effect allele frequency in 3441 patients with at least one non-missing phenotype from four cohorts studied; Chr., chromosome; B, regression coefficient;
UTR, untranslated region; CHRNA3/CHRNA5, cholinergic receptors, nicotinic, alpha 3/5; CYP2A6, cytochrome P450, family 2, subfamily A, polypeptide 6.

Thorax 2011;66:894e902. doi:10.1136/thoraxjnl-2011-200154 899

Chronic obstructive pulmonary disease
COPD-specific (eg, reporting lifetime average CPD which may be
influenced by severity of disease) characteristics. Analysis of
current CPD, which was much less powered than lifetime CPD
because of a lower number of patients, was still able to detect
some evidence of association with markers near CYP2A6, yet
not for those located in the CHRNA3/CHRNA5 region. CYP2A6
is an enzyme primarily responsible for conver sion of nicotine to
cotinine in the liver, and rs1801272 (Leu160His) codes for the
CYP2A6*2 allele, which inactivates the enzyme.41 This SNP
showed the largest effect size on both current and lifetime
average CPD among all analysed candidate SNPs in the region.
Leu160His is in LD (D'¼1.0) with other SNPs that were replicated
detect variants with presumably low effect sizes. Despite the
modest effect sizes of the genetic variants implicated by GWAS,
key biological pathways may be identified using such
approaches. Second, the genotype imputation accuracy could
have had an impact on our results. Many top SNPs from the
analyses of age at smoking initiation were imputed in all four
cohorts; however, the association peaks of these regions also
contained SNPs genotyped in the majority (or even all) of the
cohorts, which likely makes these findings more reliable. Given
the fact that different, and not fully overlapping, genotyping chips
were used, this imputation was crucial to obtain
a comprehensive overview of many genetic associations. In our T

in the CYP2A6 locus. This agrees with previous GWAS and h

suggests that the rs1801272 SNP may be a true causative study, this is of special importance for the non-synonymous SNP o

variant, while the other associations observed may be due to r

partial tagging by this SNP.8 Importantly, we show that the rs1801272 in CYP2A6, which had to be imputed in all cohorts x

genotyped proxy SNPs in the CYP2A6 locus confirmed our and has no known proxy SNPs. Assuming that the association of
analysis on imputed SNPs with respect to lifetime average CPD.
The lack of convincing association for the proxy SNP rs7251418 f

with current CPD may be explained by the relatively smaller

i

sample size in this analysis, and incomplete LD between the this SNP with CPD is a true positive and possibly causal,
target and the proxy SNPs. Previous GWAS suggested that other
t

genes may be associated with CPD in the 19q13 region, yet we p

observed no nominally significant associations for EGLN2, imputation was the only one way to detect it. Lastly, we must
RAB4B and CY2B6.
u

Analysis of smoking cessation did not reveal any loci associ acknowledge that COPD diagnosis has a significant impact on
ated below the suggestive significance level, and it showed that
l

the previously reported 10 association between rs3025343 in the smoking behaviours studied, and especially on current CPD and
DBH locus can be replicated in patients with COPD with a
h

nominal significance threshold. DBH is a plausible candidate d

gene for smoking cessation because it participates in the smoking cessation. We took into account the severity of COPD,
metabolism of dopamine. This neurotransmitter is released from
neurons in response to nicotine, 3 and is an important mediator of
a

addiction behaviours such as smoking. The rs3025343 SNP that reflected in the level of lung function, as a potential confounder s

we extracted showed a substantial heterogeneity in this effect,

which may reflect the between-study differences in factors such 1

as use of nicotine replacement therapy or socio economic status. when analysing these two phenotypes. However, we hypothe
Interestingly, the best proxy SNP rs3025316 (genotyped in all
0

cohorts) showed a more pronounced effect with a somewhat

1

sise that additional factors such as frequency of exacerbations

smaller heterogeneity index compared with the rs3025343. 1

Our study possesses several limitations, and some of them are

3

may also affect smoking behaviours in the patients with COPD

typical for many GWAS. For example, the size of the current 6

study may have been too small to detect associations at a

/

genome-wide significance level. Phenotypes studied are who were studied here. Additionally, it is plausible that social h

genetically complex and are likely determined by many genes of o

modest effects, which makes them difficult to detect with factors, such as smoking trends changing over time, are impor r

genome-wide significance for the currently studied sample size. It a

is worth noting that the much larger Tobacco and Genetics tant environmental determinants of smoking initiation and
consortium did not identify any genome-wide significant asso n
j

ciations for age at smoking initiation in a meta-analysis -

l

intensity, and they might have potentially confounded the

encompassing over 20 000 subjects. 10 This emphasises the need 2

for even larger studies to study smoking behaviours in order to

0
 n

genetic associations found. 1 Acknowledgements ECLIPSE Steering Committee: Harvey Coxson (Canada),
1

Lisa
In summary we identified two candidate loci associated with -

2
O

age at smoking initiation in patients with COPD. We showed Edwards (GlaxoSmithKline, USA), Katharine Knobil (Co-chair, GlaxoSmithKline,
0

1
UK), c

that variation in the CHRNA3/CHRNA5 locus on chromosome

t

5 David Lomas (UK), William MacNee (UK), Edwin Silverman (USA), Ruth Tal-
4

Singer o

15q25 locus and the CYP2A6 locus on chromosome 19q13 were b

(GlaxoSmithKline, USA), Jørgen Vestbo (Co-chair, Denmark), Julie Yates e

o r

(GlaxoSmithKline, USA).
associated with lifetime average CPD among patients with
2

4
1

6
ECLIPSE Scientific Committee: Alvar Agusti (Spain), Peter Calverley (UK),
COPD. The latter gene may play a significant role in the current Bartolome ,

smoking intensity among patients with COPD. Future studies Celli (USA), Courtney Crim (GlaxoSmithKline, USA), Bruce Miller
u

n
(GlaxoSmithKline, 2

e 0

in larger populations will be required to determine the overlap UK), William MacNee (Chair, UK), Stephen Rennard (USA), Ruth Tal-Singer 2

(GlaxoSmithKline, USA), Emiel Wouters (The Netherlands), Julie Yates

between genetic determinants of smoking behaviour in the 0

b
1

general population and in patients with COPD. (GlaxoSmithKline, USA). y

D
ECLIPSE Investigators: Bulgaria: Yavor Ivanov, Pleven; Kosta Kostov, Sofia.
C
o

Author affiliations w a
1
n

n
Channing Laboratory, Brigham and Women's Hospital and Harvard Medical
a
School,
o
l

d
Boston, Massachusetts, USA a
a
d
:
2
u

Division of Pulmonary and Critical Care Medicine, Department of Medicine, Jean Bourbeau, Montreal, Que; Mark Fitzgerald, Vancouver, BC; Paul
Brigham e
Hernandez, e

d s

and Women's Hospital and Harvard Medical School, Boston, Massachusetts, Halifax, NS; Kieran Killian, Hamilton, On; Robert Levy, Vancouver, BC; Francois
USA
t

f P

Maltais, Montreal, Que; Denis O'Donnell, Kingston, On. Czech Republic: Jan
r

3
Department of Thoracic Medicine, Haukeland University Hospital and Institute of
r

Krepelka, Praha. Denmark: Jørgen Vestbo, Hvidovre. The Netherlands: Emiel

o

m
t

Medicine, University of Bergen, Bergen, Norway

e

Wouters, Horn-Maastricht. New Zealand: Dean Quinn, Wellington. Norway: Per c

Bakke, Bergen. Slovenia: Mitja Kosnik, Golnik. Spain: Alvar Agusti, Jaume
h

4
Cambridge Institute for Medical Research, University of Cambridge, Cambridge,
Sauleda,
UK t
e

5
GlaxoSmithKline Research and Development, Research Triangle Park, North Palma de Mallorca. Ukraine: Yuri Feschenko, Kiev; Vladamir Gavrisyuk, Kiev;
Carolina, p

USA Lyudmila Yashina, Kiev; Nadezhda Monogarova, Donetsk. United Kingdom: Peter y

6
GlaxoSmithKline Research and Development, King of Prussia, Pennsylvania, c

USA o
Calverley, Liverpool; David Lomas, Cambridge; William MacNee, Edinburgh;
r David
7
o

Department of Pulmonary and Critical Care Medicine, University of Nebraska p

Medical Singh, Manchester; Jadwiga Wedzicha, London. United States of America:

a

x
A
Center, Omaha, Nebraska, USA .
nt
o
b

8
Johns Hopkins School of Public Health, Baltimore, Maryland, USA m
ni
9
j

o
Department of Epidemiology, Colorado School of Public Health, University of y
r

Colorado Anzueto, San Antonio, Texas; Sidney Braman, Providence, Rhode Island;
.

c Richard i

o g

Denver, Aurora, Colorado, USA m

Casaburi, Torrance, California; Bart Celli, Boston, Massachusetts; Glenn Giessel, h

10
Department of Medicine, National Jewish Health, Denver, Colorado, USA .
t

Richmond, Virginia; Mark Gotfried, Phoenix, Arizona; Gary

/

Greenwald, Rancho Mirage, California; Nicola Hanania, Houston,

o
Texas; Don Mahler, Lebanon, New
900 Thorax 2011;66:894e902. doi:10.1136/thoraxjnl-2011-200154

Hampshire; Barry Make, Denver, Colorado; Stephen Rennard, Omaha, Epidemiology Core, University of Colorado School of Public Health, Denver,
Nebraska; Carolyn Rochester, New Haven, Connecticut; Paul Scanlon,
Rochester, Minnesota; Dan Schuller, Omaha, Nebraska; Frank Sciurba, C
Pittsburgh, Pennsylvania; Amir Sharafkhaneh, Houston, Texas; Thomas ol
Siler, St. Charles, Missouri; Edwin Silverman, Boston, Massachusetts; o
Adam Wanner, Miami, Florida; Robert Wise, Baltimore, Maryland;
Richard ZuWallack, Hartford, Connecticut. We acknowledge the co- r
investigators in the NETT Genetics Ancillary Study including Joshua a
Benditt, Gerard Criner, Malcolm DeCamp, Philip Diaz, Mark Ginsburg,
Larry Kaiser, Marcia Katz, Mark Krasna, Neil MacIntyre, Barry Make, d
Rob McKenna, Fernando Martinez, Zab Mosenifar, John Reilly, Andrew o
Ries, Paul Scanlon, Frank Sciurba, and James Utz.
COPDGene Investigators : T

The members of the COPDGene study group as of June 2010: Ann

h

John Hokanson, MPH, PhD, Marci Sontag, PhD, Jennifer Black-Shinn, MPH,
Arbour VA: Jeffrey Curtis, MD (PI), Ella Kazerooni, MD (RAD) Baylor
College of Medicine, Houston, Texas: Nicola Hanania, MD, MS (PI), G
Philip Alapat, MD, Venkata Bandi, MD, Kalpalatha Guntupalli, MD, r
Elizabeth Guy, MD, Antara Mallampalli, MD, Charles Trinh, MD (RAD), e
Mustafa Atik, MD Brigham and Women's Hospital, Boston,
g
Massachusetts: Dawn DeMeo, MD, MPH (Co-PI), Craig Hersh, MD,
MPH (Co-PI), George Washko, MD, Francine Jacobson, MD, MPH o
(RAD) r
Columbia University, New York, New York: R. Graham Barr, MD, DrPH y
(PI), Byron Thomashow, MD, John Austin, MD (RAD) o

Duke University Medical Center, Durham, North Carolina: Neil Kinney, MPH r

MacIntyre, Jr., MD (PI), Lacey Washington, MD (RAD), H Page

a

McAdams, MD (RAD) Fallon Clinic, Worcester, Massachusetts: :

Richard Rosiello, MD (PI), Timothy Bresnahan, MD (RAD) Funding This work was supported by US National Institutes of Health (NIH) grants
Health Partners Research Foundation, Minneapolis, Minnesota: R01
Charlene McEvoy, MD, MPH (PI), Joseph Tashjian, MD (RAD)
Johns Hopkins University, Baltimore, Maryland: Robert Wise, MD (PI), f

Nadia Hansel, MD, MPH, Robert Brown, MD (RAD), Gregory Diette, r

i

MD HL075478, R01 HL084323, P01 HL083069, U01 HL089856 (Silverman),

Los Angeles Biomedical Research Institute at Harbour UCLA Medical K12HL089990
Center, Los Angeles, California: Richard Casaburi, MD (PI), Janos
s

Porszasz, MD, PhD, Hans Fischer, MD, PhD (RAD), Matt Budoff, MD (Cho), and U01 HL089897 (Crapo). The National Emphysema Treatment Trial
Michael E. DeBakey VAMC, Houston, Texas: Amir Sharafkhaneh, MD was
(PI), Charles Trinh, MD (RAD), Hirani Kamal, MD, Roham Darvishi, MD
Minneapolis VA: Dennis Niewoehner, MD (PI), Tadashi Allen, MD
(RAD), Quentin Anderson, MD (RAD), Kathryn Rice, MD
p

Morehouse School of Medicine, Atlanta, Georgia: Marilyn Foreman, supported by the National Heart, Lung, and Blood Institute contracts
MD, MS (PI), Gloria Westney, MD, MS, Eugene Berkowitz, MD, PhD
(
(RAD)
National Jewish Health, Denver, Colorado: Russell Bowler, MD, PhD N
(PI), Adam Friedlander, MD, David Lynch, MB (RAD), Joyce 0
Schroeder, MD (RAD), John Newell, Jr., MD (RAD) 1
Temple University, Philadelphia, Pennsylvania: Gerard Criner, MD
(PI), Victor Kim, MD, Nathaniel Marchetti, DO, Aditi S atti, MD, A. H
James Mamary, MD, Robert Steiner, MD (RAD), Chandra Dass, MD R
(RAD) 7
University of Alabama, Birmingham, Alabama: William Bailey, MD
(PI), Mark Dransfield, MD (Co-PI), Hrudaya Nath, MD (RAD) 6
University of California, San Diego, California: Joe Ramsdell, MD (PI), 1
Paul Friedman, MD (RAD) 0
University of Iowa, Iowa City, Iowa: Geoffrey McLennan, MD, PhD (PI),
Edwin JR van Beek, MD, PhD (RAD), Brad Thompson, MD (RAD), 1,
b

Dwight Look, MD University of Michigan, Ann Arbor, Michigan: N01HR76102, N01HR76103, N01HR76104, N01HR76105, N01HR76106, l

Fernando Martinez, MD (PI), MeiLan Han, MD, Ella Kazerooni, MD s

i

(RAD) h

University of Minnesota, Minneapolis, Minnesota: Christine Wendt, MD N01HR76107, N01HR76108, N01HR76109, N01HR76110, N01HR76111, e

(PI), Tadashi Allen, MD (RAD) N01HR76112, N01HR76113, N01HR76114, N01HR76115, N01HR76116, d

University of Pittsburgh, Pittsburgh, Pennsylvania: Frank Sciurba, MD

(PI), Joel Weissfeld, MD, MPH, Carl Fuhrman, MD (RAD), Jessica Bon,
MD University of Texas Health Science Center at San Antonio, San a

Antonio, Texas: Antonio Anzueto, MD (PI), Sandra Adams, MD, Carlos N01HR76118, N01HR76119), the Centers for Medicare and Medicaid Services,
Orozco, MD, Mario Ruiz, MD (RAD) a
Administrative Core: James Crapo, MD (PI), Edwin Silverman, MD, PhD n
(PI), Barry Make, MD, Elizabeth Regan, MD, Sarah Moyle, MS, Douglas
Stinson Genetic Analysis Core: Terri Beaty, PhD, Barbara Klanderman, d
PhD, Nan Laird, PhD, Christoph Lange, PhD, Michael Cho, MD, t
Stephanie Santorico, PhD, John Hokanson, MPH, PhD, Dawn DeMeo, h
MD, MPH, Nadia Hansel, MD, MPH, Craig Hersh, MD, MPH, Jacqueline
Hetmanski, MS, Tanda Murray e
s

Imaging Core: David Lynch, MB, Joyce Schroeder, MD, John Newell,
Jr., MD, John Reilly, MD, Harvey Coxson, PhD, Philip Judy, PhD, Eric
Badan Penelitian dan Kualitas Kesehatan. The Norway cohort and the ECLIPSE
Hoffman, PhD, George Washko, MD, Raul San Jose Estepar, PhD,
James Ross, MSc, Rebecca Leek, Jordan Zach, Alex Kluiber, Jered study 1

Sieren, Heather Baumhauer, Verity McArthur, Dzimitry Kazlouski, 0

Andrew Allen, Tanya Mann, Anastasia Rodionova PFT QA Core, LDS (http://www.Clinicaltrials.gov identifier NCT00292552; GSK Code SCO104960)
Hospital, Salt Lake City, UT: Robert Jensen, PhD Biological Repository, are .

Johns Hopkins University, Baltimore, Maryland: Homayoon Farzadegan, 1

PhD, Stacey Meyerer, Shivam Chandan, Samantha Bragan Data funded by GlaxoSmithKline. The COPDGene project was supported by Award
Coordinating Center and Biostatistics , National Jewish Health, Denver, Number
Colorado: James Murphy, PhD, Douglas Everett, PhD, Carla Wilson,
1

MS, Ruthie Knowles, Amber Powell, Joe Piccoli, Maura Robinson, U01HL089897 and Award Number U01HL089856 from the National Heart, Lung,
Margaret Forbes, Martina Wamboldt
a
Chronic obstructive pulmonary disease
n
 D

d monitoring boards, statistical analysis, end point committees, and the like: DAL,
6
o

Blood Institute. The content is solely the responsibility of the authors and does not Consulting fee or honorarium from AstraZeneca, Novartis, Otsuka: SIR, Grant
/

f
necessarily represent the official views of the National Heart, Lung, and Blood r
Institute or
o
o

the National Institutes of Health. The COPDGene project is also supported by m w

t AstraZeneca, Biomarck, Centocor, Mpex, Nabi, Novartis, Otsuka: SIR, Almirall,

n

h
l

e Novartis, Nycomed, Pfizer board membership (outside the submitted work): SIR, a

C Almirall, AstraZeneca, Boehringer Ingelheim, California Allergy Society, Creative

d

O d

Educational Concept, France Foundation, GlaxoSmithKline, Information TV,

P Network for
D x

Foundation through contributions made to an Industry Advisory Board comprised

f

Continuing Education, Novartis, Nycomed, Pfizerdtravel/accommodations

of
expenses n

r
l

- o

AstraZeneca, Pfizer, Boehringer Ingelheim, Novartis and Sepracor. M. Siedlinski

covered or reimbursed (outside the submitted work): SIR, Able Associates,
is
Adelphi 2

m
0

a recipient of a post-doctoral fellowship from the Niels Stensen Foundation. 1

Competing interests No competing interests: MS, AG, GlaxoSmithKline Research, APT Pharma/Britnall, Aradigm, AstraZeneca, Boehringer Ingelheim,
employee: 2
Chiesi, h

0 t

WA, XK, NIH grant: JEH, THB, EKS, JDC, GlaxoSmithKline grant: EKS, DAL,
t

Common Health, Consult Complete, COPDForum, Data Monitor, Decision

P Resource, p

B :

, Defined Health, Dey, Dunn Group, Easton Associates, Equinox, Gerson, /

C
t

O GlaxoSmithKline, Infomed, KOL Connection, M. Pankove, MedaCorp, MDRx

P F
i
D
n
0
1

Foundation grant: EKS, JDC, GlaxoSmithKline consulting fee or honorarium and

a
5

support for travel to meetings for the study or other purposes: EKS, DAL, COPD 4

n
c
o

i
Foundation support for travel to meetings for the study or other purposes: EKS,
a
J
l,
D o

Mpex, Oriel Therapeutics, Otsuka, Pennside, PharmaVentures, Pharmaxis, Price

C r

, x

Waterhouse, Propagate, Pulmatrix, Reckner Associates, Recruiting Resources,

n

AstraZeneca and GlaxoSmithKlinedpayment for lectures including service on

Roche, .

6
Schlesinger Medical, Scimed, Sudler and Hennessey, TargeGen, Theravance,
speakers bureaus and consultancy (outside the submitted work): EKS, PB, U
B
J

Pfizerdpayment for lectures including service on speakers bureaus and C

consultancy u
,
m

Uptake Medical, VantagePoint Mangementdconsultancy (outside the submitted

n

(outside the submitted work): PB, GlaxoSmithKlinedboard membership, .

j

c work): SIR.
o
o

n /

Ethics approval Partners Human Research Committee and IRBs at each clinical
s
u o

lt center. n

a
n O

c Contributors funding WA, JDC, EKS; concept and design: MS, EKS; data
y collection: c

,
t

PB, AG, DAL, WA, SIR, JDC, EKS; data analysis: MS, MHC, EKS; statistical
e

s
payment for lectures including service on speakers bureaus and consultancy
u
(outside 2

0
p
the submitted work): DAL, Boehringer Ingelheim consultancy (outside the p
submitted 1
o
1

rt
work): DAL, GlaxoSmithKline fees for participation in review activities such as
:
data
b

MS, MHC, XK, THB, JEH, EKS; manuscript writing/editing: all authors.
.

r
 e
2
s
Provenance and peer review Not commissioned; peer review secara eksternal. 4
t o

t
,

2003;123:1730e9. e

4. Schnoll RA, Johnson TA, Lerman C. Genetics and smoking behavior. Curr
2

2 Psychiatry t

REFERENCES
e

0 Rep 2007;9:349e57. d

1. Vink JM, Posthuma D, Neale MC, et al. Genome-wide linkage scan to identify loci 5. Han S, Gelernter J, Luo X, et al. Meta-analysis of 15 genome-wide linkage scans of b

smoking behavior. Biol Psychiatry 2010;67:12e19.

for age at first cigarette in Dutch sibling pairs. Behav Genet 2006;36:100e11. g

2. Li MD, Cheng R, Ma JZ, et al. A meta-analysis of estimated genetic and 6. Caporaso N, Gu F, Chatterjee N, et al. Genome-wide and candidate gene o

environmental effects on smoking behavior in male and female adult twins. association study of cigarette smoking behaviors. PLoS One 2009;4:e4653. y

Addiction t
r

.
7. Liu YZ, Pei YF, Guo YF, et al. Genome-wide association analyses suggested a novel i

2003;98:23e31. mechanism for smoking behavior regulated by IL15. Mol Psychiatry

2009;14:668e80.
P

t
r

3. Batra V, Patkar AA, Berrettini WH, et al. The genetic determinants of smoking.
.

8. Thorgeirsson TE, Gudbjartsson DF, Surakka I, et al. Sequence variants at

C CHRNB3- CHRNA6 and CYP2A6 affect smoking behavior. Nat Genet
2010;42:448e53.
h

Thorax 2011;66:894e902. doi:10.1136/thoraxjnl-2011-200154 901

Chronic obstructive pulmonary disease 27. Venables WN, Ripley BD. Modern applied statistics with S. 4th edn. New York: s

9. Liu JZ, Tozzi F, Waterworth DM, et al. Meta-analysis and imputation refines Springer, 2002.
the association of 15q25 with smoking quantity. Nat Genet 2010;42:436e40. p

10. Tobacco and Genetics Consortium. Genome-wide meta-analyses identify

u

28. Dudbridge F, Gusnanto A. Estimation of significance thresholds for genomewide

multiple loci associated with smoking behavior. Nat Genet 2010;42:441e7.
b

11. Thorgeirsson TE, Geller F, Sulem P, et al. A variant associated association scans. Genet Epidemiol 2008;32:227e34. l

with nicotine dependence, lung cancer and peripheral arterial s

i

disease. Nature 2008;452:638e42. 29. Aulchenko YS, Ripke S, Isaacs A, et al. GenABEL: an R library for genome-wide
12. Pillai SG, Ge D, Zhu G, et al. A genome-wide association study in chronic h

obstructive pulmonary disease (COPD): identification of two major e

susceptibility loci. PLoS Genet 2009;5:e1000421. association analysis. Bioinformatics 2007;23:1294e6. d

13. Godtfredsen NS, Lam TH, Hansel TT, et al. COPD-related morbidity and
mortality after smoking cessation: status of the evidence. Eur Respir J
2008;32:844e53. 14. Andreas S, Hering T, Muhlig S, et al. Smoking cessation
in chronic obstructive pulmonary disease: an effective medical intervention. 30. R Development Core Team. R: A language and environment for statistical a

Dtsch Arztebl Int 2009;106:276e82. s

15. Pauwels RA, Rabe KF. Burden and clinical features of chronic obstructive computing. Vienna, Austria: R Foundation for Statistical Computing, 2010.
pulmonary disease (COPD). Lancet 2004;364:613e20.
16. Kanner RE, Connett JE, Williams DE, et al. Effects of randomized
assignment to a smoking cessation intervention and changes in
1

smoking habits on respiratory symptoms in smokers with early chronic http://www.R-project.org/. 0

obstructive pulmonary disease: the Lung Health Study. Am J Med .

1999;106:410e16.
1

31. Li Y, Willer C, Sanna S, et al. Genotype imputation. Annu Rev Genomics Hum
17. Hu MC, Davies M, Kandel DB. Epidemiology and correlates of daily
G
smoking and nicotine dependence among young adults in the United
States. Am J Public Health 2006;96:299e308. e
18. Fishman A, Martinez F, Naunheim K, et al. A randomized trial comparing n
lung volume-reduction surgery with medical therapy for severe et
emphysema. N Engl J Med 2003;348:2059e73.
1

2009;10:387e406.
19. Vestbo J, Anderson W, Coxson HO, et al. Evaluation of COPD 3

Longitudinally to Identify Predictive Surrogate End-points (ECLIPSE). Eur

6

Respir J 2008;31:869e73. 20. Zhu G, Warren L, Aponte J, et al. The 32. Price AL, Patterson NJ, Plenge RM, et al. Principal components analysis corrects /

SERPINE2 gene is associated with chronic obstructive pulmonary disease in

t

two large populations. Am J Respir Crit Care Med 2007;176:167e73. for stratification in genome-wide association studies. Nat Genet 2006;38:904e9. o

21. Regan EA, Hokanson JE, Murphy JR, et al. Genetic epidemiology of 33. Purcell S, Neale B, Todd-Brown K, et al. PLINK: a tool set for whole-genome
COPD (COPDGene) study design. COPD 2010;7:32e43.
r

22. Ferris BG. Epidemiology Standardization Project (American Thoracic association and population-based linkage analyses. Am J Hum Genet
Society). Am Rev Respir Dis 1978;118:1e120. x

23. Cho MH, Boutaoui N, Klanderman BJ, et al. Variants in FAM13A are
j

associated with chronic obstructive pulmonary disease. Nat Genet 2007;81:559e75.

2010;42:200e2.
l

24. The International HapMap Consortium. The international HapMap project. 34. Purcell S. PLINK (Version 1.0.7). http://pngu.mgh.harvard.edu/~purcell/plink/.
Nature 2003;426:789e96.
2

35. Johnson AD, Handsaker RE, Pulit SL, et al. SNAP: a web-based tool for 1

identification and annotation of proxy SNPs using HapMap. Bioinformatics -

25. Durbin RM, Abecasis GR, Altshuler DL, et al. A map of human genome variation T
2

h
2008;24:2938e9.
from population-scale sequencing. Nature 2010;467:1061e73.
0

o 0

26. Saccone NL, Culverhouse RC, Schwantes-An TH, et al. Multiple independent loci at 36. Pruim RJ, Welch RP, Sanna S, et al. LocusZoom: regional visualization of genome 1

wide association scan results. Bioinformatics 2010;26:2336e7.

r

chromosome 15q25.1 affect smoking quantity: a meta-analysis and comparison with 4

37. Rapley EA, Turnbull C, Al Olama AA, et al. A genome-wide association study of
x

lung cancer and COPD. PLoS Genet 2010;6:e1001053. f

i
testicular germ cell tumor. Nat Genet 2009;41:807e10. n
r
 c

38. Soranzo N, Spector TD, Mangino M, et al. A genome-wide meta-analysis identifies 1

/

22 loci associated with eight hematological parameters in the HaemGen consortium. o

Nat Genet 2009;41:1182e90. u

O

39. Weiss RB, Baker TB, Cannon DS, et al. A candidate gene approach identifies the e
o

CHRNA5-A3-B4 region as a risk factor for age-dependent nicotine addiction. PLoS 2

2
0

Genet 2008;4:e1000125.
4

,
1

40. Johnson EO, Chen LS, Breslau N, et al. Peer smoking and the nicotinic receptor .
2

genes: an examination of genetic and environmental risks for nicotine dependence.

0

Addiction 2010;105:2014e22. w
b

41. Ray R, Tyndale RF, Lerman C. Nicotine dependence pharmacogenetics: role of n

genetic variation in nicotine-metabolizing enzymes. J Neurogenet 2009;23:252e61.

g

u
o

e
a

s
d

t
e
.

f r

r
o

PAGE fraction trail=8.5 o

e
t

t
b

p
a

y
x

r
.

i
b

j t

.
.

902 Thorax 2011;66:894e902. doi:10.1136/thoraxjnl-2011-200154