Взаимосвязь полиморфизмов генов GSTM1 и GSTT1 с общими показателями крови у работников металлургического предприятия
Введение
Работники металлургического предприятия подвергаются многочисленным вредным факторам, связанным с особенностями производственного процесса. Одним из наиболее значимых является воздействие на организм химических веществ, длительное влияние которых приводит к различным профессиональным патологиям. Для прогнозирования и профилактики заболеваний нужно учитывать не только уровень воздействия внешней среды на организм, но и индивидуальные особенности работников. Способность тканей и органов к метаболизму ксенобиотиков зависит от ферментов, участвующих в процессе детоксикации, в частности, от активности глутатион-S-трансфераз, которые отвечают за адаптацию на окислительный стресс. Полиморфизмы генов GSTM1, GSTT1 влияют на отсутствие фермента или снижение его активности, что может приводить к уменьшению устойчивости к воздействию ксенобиотиков.
При развитии заболевания одним из ключевых показателей является изменение в общем анализе крови и изменение ее биохимического состава. Отклонение от медицинской нормы может служить признаком развития воспалительной реакции, нарушении метаболизма и гемостаза, сбоях в работе систем органов. Таким образом, целью работы являлось выявление взаимосвязи между показателями крови работников и полиморфизмов генов, отвечающих за уровень активности ферментов детоксикации.
Задачи: 1) Сравнить показатели крови в группе работников
металлургического цеха с группой административного отдела данного
предприятия 2) Выявить взаимосвязь между полиморфизмами генов и
показателями крови
3) Оценить влияние полиморфизмов генов на показатели крови в зависимости
от условий работы
Средние значения показателей крови и стандартные ошибки среднего
#Группа 1
mean_gem1 <- mean(Group1$`Гемоглобин.(г/л)`, na.rm =T)
se_gem1 <- sd(Group1$`Гемоглобин.(г/л)`, na.rm =T)/sqrt( sum(!is.na(Group1$`Гемоглобин.(г/л)`)))
mean_ley1 <- mean(Group1$`Лейкоциты.(*10^.9/л)`, na.rm = T)
se_ley1 <- sd(Group1$`Лейкоциты.(*10^.9/л)`, na.rm =T)/sqrt( sum(!is.na(Group1$`Лейкоциты.(*10^.9/л)`)))
mean_eri1 <- mean(Group1$`Эритроциты.(*10^12/л)`, na.rm = T)
se_eri1 <- sd(Group1$`Эритроциты.(*10^12/л)`, na.rm =T)/sqrt( sum(!is.na(Group1$`Эритроциты.(*10^12/л)`)))
mean_tro1 <- mean(Group1$`Тромбоциты.(*10^9/L)`, na.rm =T)
se_tro1 <- sd(Group1$`Тромбоциты.(*10^9/L)`, na.rm =T)/sqrt( sum(!is.na(Group1$`Тромбоциты.(*10^9/L)`)))
mean_gly1 <- mean(Group1$`Глюкоза,.ммоль/л`, na.rm = T)
se_gly1 <- sd(Group1$`Глюкоза,.ммоль/л`, na.rm =T)/sqrt( sum(!is.na(Group1$`Глюкоза,.ммоль/л`)))
mean_group1<- c(mean_gem1, mean_ley1, mean_eri1, mean_tro1, mean_gly1)
se_group1 <- c(se_gem1, se_ley1, se_eri1, se_tro1,se_gly1)
#Группа 2
#Изменение формата данных на числовой, т.к. в таблице неверный формат данных
Group2$`Гемоглобин.(г/л)` <-as.numeric(gsub(",", ".", Group2$`Гемоглобин.(г/л)`))
Group2$`Лейкоциты.(*10^.9/л)` <-as.numeric(gsub(",", ".", Group2$`Лейкоциты.(*10^.9/л)`))
Group2$`Эритроциты.(*10^12/л)` <-as.numeric(gsub(",", ".", Group2$`Эритроциты.(*10^12/л)`))
Group2$`Тромбоциты.(*10^9/L)` <-as.numeric(gsub(",", ".", Group2$`Тромбоциты.(*10^9/L)`))
Group2$`Глюкоза,.ммоль/л` <-as.numeric(gsub(",", ".", Group2$`Глюкоза,.ммоль/л`))
mean_gem2 <- mean(Group2$`Гемоглобин.(г/л)`, na.rm =T)
se_gem2 <- sd(Group2$`Гемоглобин.(г/л)`, na.rm =T)/sqrt( sum(!is.na(Group2$`Гемоглобин.(г/л)`)))
mean_ley2 <- mean(Group2$`Лейкоциты.(*10^.9/л)`, na.rm = T)
se_ley2 <- sd(Group2$`Лейкоциты.(*10^.9/л)`, na.rm =T)/sqrt( sum(!is.na(Group2$`Лейкоциты.(*10^.9/л)`)))
mean_eri2 <- mean(Group2$`Эритроциты.(*10^12/л)`, na.rm = T)
se_eri2 <- sd(Group2$`Эритроциты.(*10^12/л)`, na.rm =T)/sqrt( sum(!is.na(Group2$`Эритроциты.(*10^12/л)`)))
mean_tro2 <- mean(Group2$`Тромбоциты.(*10^9/L)`, na.rm =T)
se_tro2 <- sd(Group2$`Тромбоциты.(*10^9/L)`, na.rm =T)/sqrt( sum(!is.na(Group2$`Тромбоциты.(*10^9/L)`)))
mean_gly2 <- mean(Group2$`Глюкоза,.ммоль/л`, na.rm = T)
se_gly2 <- sd(Group2$`Глюкоза,.ммоль/л`, na.rm =T)/sqrt( sum(!is.na(Group2$`Глюкоза,.ммоль/л`)))
mean_group2<- c(mean_gem2, mean_ley2, mean_eri2, mean_tro2, mean_gly2)
se_group2 <- c(se_gem2, se_ley2, se_eri2, se_tro2,se_gly2)
names<-c("Гемоглобин (г/л)", "Лейкоциты (*10^9/л)", "Эритроциты (*10^12/л)", "Тромбоциты (*10^9/L)", "Глюкоза, ммоль/л")#Таблица средних значений показателей и их стандартные ошибки
RESULT1<-
as.data.frame(cbind(names,
mean_gr1 = round(mean_group1,2),
se_gr1 = round(se_group1,2),
mean_gr2 = round(mean_group2,2),
se_gr2 = round(se_group2,2) ))
RESULT1 ## names mean_gr1 se_gr1 mean_gr2 se_gr2
## 1 Гемоглобин (г/л) 154.24 1.09 145.89 0.93
## 2 Лейкоциты (*10^9/л) 7.73 0.2 7.03 0.14
## 3 Эритроциты (*10^12/л) 4.84 0.04 4.67 0.03
## 4 Тромбоциты (*10^9/L) 236.68 5.18 223.57 4.18
## 5 Глюкоза, ммоль/л 6.53 0.12 5.81 0.08При сравнении показателей крови в двух группах по критерию Манна-Уитни обнаружены достоверные различия по всем показателям (р < 0,05). Это может говорить о том, что разные условия труда влияют на кроветворение, воздействие негативных факторов на производстве сказывается на биохимическом анализе крови.
##2 Сравнение групп 1 и 2 между собой по среднему значению каждого показателя.
#Тест Шапиро-Уилка, чтобы проверить нормальность распределения в каждой группе. При р<0.05 распределение отлично от нормального, используем критерий Манна-Уитни
shapiro.test(Group1$`Гемоглобин.(г/л)`) #p-value <0.05##
## Shapiro-Wilk normality test
##
## data: Group1$`Гемоглобин.(г/л)`
## W = 0.96785, p-value = 0.01762##
## Shapiro-Wilk normality test
##
## data: Group2$`Гемоглобин.(г/л)`
## W = 0.95983, p-value = 6.486e-05##
## Wilcoxon rank sum test with continuity correction
##
## data: Group1$`Гемоглобин.(г/л)` and Group2$`Гемоглобин.(г/л)`
## W = 12104, p-value = 5.81e-09
## alternative hypothesis: true location shift is not equal to 0##
## Shapiro-Wilk normality test
##
## data: Group1$`Лейкоциты.(*10^.9/л)`
## W = 0.94122, p-value = 0.0002672##
## Shapiro-Wilk normality test
##
## data: Group2$`Лейкоциты.(*10^.9/л)`
## W = 0.93045, p-value = 1.873e-07##
## Wilcoxon rank sum test with continuity correction
##
## data: Group1$`Лейкоциты.(*10^.9/л)` and Group2$`Лейкоциты.(*10^.9/л)`
## W = 10499, p-value = 0.002112
## alternative hypothesis: true location shift is not equal to 0##
## Shapiro-Wilk normality test
##
## data: Group1$`Эритроциты.(*10^12/л)`
## W = 0.99023, p-value = 0.6965##
## Shapiro-Wilk normality test
##
## data: Group2$`Эритроциты.(*10^12/л)`
## W = 0.8961, p-value = 9.936e-10##
## Wilcoxon rank sum test with continuity correction
##
## data: Group1$`Эритроциты.(*10^12/л)` and Group2$`Эритроциты.(*10^12/л)`
## W = 10948, p-value = 0.0001492
## alternative hypothesis: true location shift is not equal to 0##
## Shapiro-Wilk normality test
##
## data: Group1$`Тромбоциты.(*10^9/L)`
## W = 0.96867, p-value = 0.02024##
## Shapiro-Wilk normality test
##
## data: Group2$`Тромбоциты.(*10^9/L)`
## W = 0.9824, p-value = 0.02613##
## Wilcoxon rank sum test with continuity correction
##
## data: Group1$`Тромбоциты.(*10^9/L)` and Group2$`Тромбоциты.(*10^9/L)`
## W = 9732, p-value = 0.04529
## alternative hypothesis: true location shift is not equal to 0##
## Shapiro-Wilk normality test
##
## data: Group1$`Глюкоза,.ммоль/л`
## W = 0.86955, p-value = 8.501e-08##
## Shapiro-Wilk normality test
##
## data: Group2$`Глюкоза,.ммоль/л`
## W = 0.8762, p-value = 7.809e-11##
## Wilcoxon rank sum test with continuity correction
##
## data: Group1$`Глюкоза,.ммоль/л` and Group2$`Глюкоза,.ммоль/л`
## W = 12334, p-value = 1.877e-09
## alternative hypothesis: true location shift is not equal to 0По всем рассматриваемым показателям между группами есть статистически значимые различия
#3. График для средних значений и стандартных ошибок
#Таблица RESULT1 для построения графика
val<-as.numeric(c(RESULT1$mean_gr1, RESULT1$mean_gr2))
nam <- rep(RESULT1$names,2)
gr <- c(rep("Группа 1",5), rep("Группа 2",5))
se <- as.numeric(c(RESULT1$se_gr1, RESULT1$se_gr2))
lower_se = val - se
upper_se = val + se
data_plot<-
data.frame(`Значение` = val,
`Группа` = gr,
`Показатель` = nam,
lower_se,
upper_se
)
#График
ggplot(data=data_plot, aes(x=`Группа`, y=`Значение`, fill= `Группа`)) +
geom_bar(stat="identity", position=position_dodge()) + facet_wrap(~`Показатель`, scales = "free") +
theme(legend.position = "none") + ggtitle("Среднее значение показателей крови в Группе 1 и 2") +
geom_errorbar(aes(ymax=upper_se,
ymin=lower_se),
position=position_dodge(0.9),
data=data_plot)
При этом корреляционная зависимость между типом полиморфного гена и различными показателями крови ни в одной из групп обнаружена не была. Возможно, необходимы дальнейшие сравнения при объединении двух полиморфных генов и их сравнения с показателями крови.
Корреляция между GSTT1, GSTM1 и показателями крови
Гемоглобин
### Взаимосвязь GSTT1 и GSTM1 в группах с гемоглобином
gem_dat <- data.frame(
`Гемоглобин`= c(Group1$`Гемоглобин.(г/л)`, Group2$`Гемоглобин.(г/л)`),
GSTM1 = c(Group1$GSTM1, Group2$GSTM1),
GSTT1 = c(Group1$GSTT1, Group2$GSTT1),
gr = c(rep("Группа 1",nrow(Group1)), rep("Группа 2",nrow(Group2)) )
)
three.way_gem <- aov(`Гемоглобин` ~ GSTM1*GSTT1*gr, data = gem_dat)
summary(three.way_gem) ## Df Sum Sq Mean Sq F value Pr(>F)
## GSTM1 1 124 124 0.873 0.351
## GSTT1 1 68 68 0.478 0.490
## gr 1 4291 4291 30.331 8.64e-08 ***
## GSTM1:GSTT1 1 51 51 0.360 0.549
## GSTM1:gr 1 37 37 0.263 0.608
## GSTT1:gr 1 4 4 0.029 0.865
## GSTM1:GSTT1:gr 1 18 18 0.128 0.721
## Residuals 264 37351 141
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 1 observation deleted due to missingness#На уровне значимости 5% статистически значимое влияние оказывает только группа.
ggplot(gem_dat, aes(y = `Гемоглобин`, x = gr)) +geom_boxplot()
Лейкоциты
### Взаимосвязь GSTT1 и GSTM1 в группах с лейкоцитами
ley_dat <- data.frame(
`Лейкоциты`= c(Group1$`Лейкоциты.(*10^.9/л)`, Group2$`Лейкоциты.(*10^.9/л)`),
GSTM1 = c(Group1$GSTM1, Group2$GSTM1),
GSTT1 = c(Group1$GSTT1, Group2$GSTT1),
gr = c(rep("Группа 1",nrow(Group1)), rep("Группа 2",nrow(Group2)) )
)
three.way_ley <- aov(`Лейкоциты` ~ GSTM1*GSTT1*gr, data = ley_dat)
summary(three.way_ley) ## Df Sum Sq Mean Sq F value Pr(>F)
## GSTM1 1 12.2 12.18 3.455 0.06415 .
## GSTT1 1 2.6 2.61 0.741 0.39026
## gr 1 32.2 32.17 9.129 0.00276 **
## GSTM1:GSTT1 1 9.7 9.69 2.750 0.09842 .
## GSTM1:gr 1 0.5 0.47 0.134 0.71489
## GSTT1:gr 1 2.1 2.08 0.591 0.44257
## GSTM1:GSTT1:gr 1 1.0 0.96 0.274 0.60135
## Residuals 265 933.8 3.52
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#На уровне значимости 5% статистически значимое влияние оказывает только группа.
ggplot(ley_dat, aes(y = `Лейкоциты`, x = gr)) +geom_boxplot()
Эритроциты
### Взаимосвязь GSTT1 и GSTM1 в группах с эритроцитами
eri_dat <- data.frame(
`Эритроциты`= c(Group1$`Эритроциты.(*10^12/л)`, Group2$`Эритроциты.(*10^12/л)`),
GSTM1 = c(Group1$GSTM1, Group2$GSTM1),
GSTT1 = c(Group1$GSTT1, Group2$GSTT1),
gr = c(rep("Группа 1",nrow(Group1)), rep("Группа 2",nrow(Group2)) )
)
three.way_eri <- aov( `Эритроциты` ~ GSTM1*GSTT1*gr, data = eri_dat)
summary(three.way_eri) ## Df Sum Sq Mean Sq F value Pr(>F)
## GSTM1 1 0.60 0.6038 3.613 0.05843 .
## GSTT1 1 0.76 0.7559 4.523 0.03437 *
## gr 1 1.77 1.7725 10.606 0.00127 **
## GSTM1:GSTT1 1 0.34 0.3402 2.036 0.15482
## GSTM1:gr 1 0.00 0.0001 0.000 0.98340
## GSTT1:gr 1 0.15 0.1454 0.870 0.35187
## GSTM1:GSTT1:gr 1 0.07 0.0747 0.447 0.50445
## Residuals 265 44.29 0.1671
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#На уровне значимости 5% статистически значимое влияние оказывает группа и наличие полиморфизма гена GSTT1.
ggplot(eri_dat, aes(y = `Эритроциты`, x = gr )) +geom_boxplot() 
Тромбоциты
### Взаимосвязь GSTT1 и GSTM1 в группах с тромбоцитами
tro_dat <- data.frame(
`Тромбоциты`= c(Group1$`Тромбоциты.(*10^9/L)`, Group2$`Тромбоциты.(*10^9/L)`),
GSTM1 = c(Group1$GSTM1, Group2$GSTM1),
GSTT1 = c(Group1$GSTT1, Group2$GSTT1),
gr = c(rep("Группа 1",nrow(Group1)), rep("Группа 2",nrow(Group2)) )
)
three.way_tro <- aov( `Тромбоциты` ~ GSTM1*GSTT1*gr, data = tro_dat)
summary(three.way_tro) ## Df Sum Sq Mean Sq F value Pr(>F)
## GSTM1 1 571 571 0.194 0.660
## GSTT1 1 654 654 0.223 0.637
## gr 1 10993 10993 3.745 0.054 .
## GSTM1:GSTT1 1 104 104 0.035 0.851
## GSTM1:gr 1 2325 2325 0.792 0.374
## GSTT1:gr 1 644 644 0.219 0.640
## GSTM1:GSTT1:gr 1 996 996 0.339 0.561
## Residuals 264 775010 2936
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 1 observation deleted due to missingness#На уровне значимости 5% статистически значимое влияние не оказывает ни один из факторов.
ggplot(tro_dat, aes(y = `Тромбоциты`, x = GSTM1, color = GSTT1)) +geom_boxplot() +facet_wrap(~gr)
Глюкоза
### Взаимосвязь GSTT1 и GSTM1 в группах с глюкозой
gly_dat <- data.frame(
`Глюкоза`= c(Group1$`Глюкоза,.ммоль/л`, Group2$`Глюкоза,.ммоль/л`),
GSTM1 = c(Group1$GSTM1, Group2$GSTM1),
GSTT1 = c(Group1$GSTT1, Group2$GSTT1),
gr = c(rep("Группа 1",nrow(Group1)), rep("Группа 2",nrow(Group2)) )
)
three.way_gly <- aov(`Глюкоза` ~ GSTM1*GSTT1*gr, data = gly_dat)
summary(three.way_gly) ## Df Sum Sq Mean Sq F value Pr(>F)
## GSTM1 1 0.1 0.09 0.072 0.789
## GSTT1 1 0.5 0.47 0.369 0.544
## gr 1 32.5 32.53 25.632 7.74e-07 ***
## GSTM1:GSTT1 1 0.3 0.29 0.230 0.632
## GSTM1:gr 1 0.2 0.22 0.173 0.678
## GSTT1:gr 1 1.5 1.50 1.182 0.278
## GSTM1:GSTT1:gr 1 3.4 3.37 2.656 0.104
## Residuals 265 336.4 1.27
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#На уровне значимости 5% статистически значимое влияние оказывает только группа.
ggplot(gly_dat, aes(y = `Глюкоза`, x = gr)) +geom_boxplot() 
Заключение
Были обнаружены достоверные различия между группой рабочих производственного цеха и рабочими административного корпуса по показателям крови. Исходя из этого, можно предположить, что условия работы влияют на гемостаз и биохимию крови. Наблюдается взаимосвязь между показателем гемоглобина, глюкозы и количества лейкоцитов с группами рабочих, для количества эритроцитов выявлена взаимосвязь с группой рабочих и полиморфизмом гена GSTT1, взаимосвязи количества тромбоцитов ни с одним признаком обнаружено не было. Таким образом, полиморфизмы данных генов не взаимосвязаны с рассмотренными показателями и генотип не является признаком, указывающим на предрасположенность к каким-либо нарушениям в кровеносной системе по биохимическому и общему анализу крови, взаимосвязь обнаружена только с количеством эритроцитов.