Ocn Tesis

Susceptibilidad genética al cáncer gástrico y lesiones
precursoras, y mecanismos moleculares que

intervienen en la progresión de la metaplasia intestinal
Osmel Companioni Nápoles
Aquesta tesi doctoral està subjecta a la llicència Reconeixement- NoComercial –

SenseObraDerivada 3.0. Espanya de Creative Commons.
Esta tesis doctoral está sujeta a la licencia Reconocimiento - NoComercial – SinObraDerivada

3.0. España de Creative Commons.
This doctoral thesis is licensed under the Creative Commons Attribution-NonCommercial-

NoDerivs 3.0. Spain License.
UNIVERSIDAD DE BARCELONA
Facultad de Medicina
Programa de Doctorado en Biomedicina
SUSCEPTIBILIDAD GENÉTICA AL CÁNCER GÁSTRICO Y

LESIONES PRECURSORAS, Y MECANISMOS
MOLECULARES QUE INTERVIENEN EN LA PROGRESIÓN
DE LA METAPLASIA INTESTINAL
Memoria presentada por Osmel Companioni Nápoles para optar al grado de Doctor
por la Universidad de Barcelona.
Este trabajo se ha realizado bajo la dirección de los Doctores Carlos Alberto

González y Núria Sala Serra, en el marco del Programa de Investigación en
Epidemiología del Cáncer de la Unidad de Nutrición, Ambiente y Cáncer (UNAC) y el
Laboratorio de Investigación Traslacional 1 (LRT1) del Instituto Catalán de Oncología
(ICO) y el Instituto de Investigación Biomédica de Bellvitge (IDIBELL).
Autor: Osmel Companioni Nápoles
Directores: Dr. Carlos Alberto González Dra. Núria Sala Serra

A mis padres, hija y amigos
A Mayelín
AGRADECIMIENTOS
A Carlos Alberto González y Nuria Sala Serra por la dirección y el apoyo en la

realización del presente trabajo. A Nadia García por su intensa implicación, amistad
y estrecha interacción en el trabajo experimental, organización y búsquedas de
muestras. A Dori y Nuria Ros con las que compartí muchos intensos momentos de
ocio e interacción personal. A otros compañeros de la UNAC y del LRT1 como Ville,
Noemie, Omar, Ángela, Silvia San José, Eric, Mireia, Raúl, Xavier Bosch, Ión, Natalia,
Gemma, Gorka, Miriam, Gabi, Mar y Elisa.
A Miguel Sanz Anquela y Marisa Pardo por la búsqueda y caracterización histológica

de biopsias gástricas de metaplasia intestinal en los hospitales de La Princesa,
Gregorio Marañón y Hospital General Virgen del Mirón de Soria. A Victoria Andreu
por su implicación en la búsqueda de pacientes del proyecto FIS.
A Juanita Merchant (Molecular and Integrative Physiology Department de la

Universidad de Michigan) por los trabajos de Schlafen5 en líneas celulares, lesiones
precursoras y cáncer gástrico.
A Catalina Bonet por los análisis y asesoramiento estadístico de los estudios de

asociación de cáncer gástrico y lesiones precursoras gástricas, Schlafen5 y la
elaboración de base de datos del estudio de seguimiento de lesiones precursoras
gástricas; así como a Leila Lujan-Barroso que también colaboró en la misma.
A Lara Nonell y Eulalia Puigdecanet por el procesamiento de las muestras y análisis

estadísticos del microarray de expresión.
A mi madre que tanto contribuyó a mi educación y alentó el espíritu de

conocimiento en mí. A mi padre, hija, hermanos, resto de la familia y amigos que
siempre tengo presentes por razones esenciales. A Mayelín que ha compartido
conmigo un tiempo muy bonito y ha sido muy paciente y comprensiva.
Índice
ÍNDICE
ÍNDICE DE FIGURAS ....................................................................................................................... 1
ÍNDICE DE TABLAS ......................................................................................................................... 3
ABREVIATURAS Y SÍMBOLOS ......................................................................................................... 5

PRESENTACIÓN ............................................................................................................................. 9
INTRODUCCIÓN ...........................................................................................................................13
1. CÁNCER GÁSTRICO. DESCRIPCIÓN GENERAL Y EPIDEMIOLOGÍA ......................................................................... 15

2. ANATOMÍA E HISTOLOGÍA DEL ESTÓMAGO ................................................................................................... 16
3. TIPOS ANATÓMICOS E HISTOLÓGICOS DEL CÁNCER GÁSTRICO........................................................................... 19
4. HELICOBACTER PYLORI COMO FACTOR DE RIESGO DEL CÁNCER GÁSTRICO ........................................................... 20
4.1. Infección por Helicobacter pylori. Aspectos epidemiológicos................................................ 20
4.2. Infección por Helicobacter pylori. Factores de virulencia ...................................................... 21
4.3. Infección por Helicobacter pylori. Mecanismos y consecuencias en el huésped ................... 23
4.4. Infección por Helicobacter pylori. Respuesta inmunitaria ..................................................... 26
5. OTROS FACTORES DE RIESGO DEL CÁNCER GÁSTRICO...................................................................................... 26
5.1. Dieta ...................................................................................................................................... 26
5.2. Tabaquismo ........................................................................................................................... 27
5.3. Anti-inflamatorios no esteroideos ......................................................................................... 27
6. MECANISMO DE CARCINOGÉNESIS GÁSTRICA ............................................................................................... 27
6.1. Alteraciones moleculares en el cáncer gástrico .................................................................... 29
7. LESIONES PRECURSORAS GÁSTRICAS ........................................................................................................... 31
7.1. Gastritis crónica no atrófica (superficial o activa)................................................................. 31
7.2. Gastritis atrófica multifocal sin metaplasia intestinal .......................................................... 32
7.3. Metaplasia intestinal ............................................................................................................ 33
7.4. Displasia ................................................................................................................................ 35
7.5. Epidemiología de las lesiones precursoras gástricas ............................................................. 36
7.6. Estudios de seguimiento de lesiones precursoras gástricas .................................................. 36
8. METAPLASIA INTESTINAL ......................................................................................................................... 39
8.1. Riesgo de cáncer gástrico según subtipo histológico, localización anatómica y extensión de
la metaplasia intestinal ................................................................................................................ 39
8.2. Alteraciones moleculares en la metaplasia intestinal ........................................................... 40
8.2.1. Factores de transcripción tipo caudal homeobox CDX1 y CDX2 .................................................... 40
8.2.2. Daño oxidativo............................................................................................................................... 41
8.2.3. Supresores tumorales RUNX3 y TP53 ............................................................................................ 41
8.2.4. Vía de señalización celular Sonic hedgehog .................................................................................. 41
8.2.5. Mecanismos epigenéticos ............................................................................................................. 42
8.2.6. Mecanismos de reparación del ADN. Pérdida de heterocigosidad e inestabilidad de microsatélites
................................................................................................................................................................. 42
8.2.7. Aumento de actividad telomerasa ................................................................................................ 42
8.3. Estudios de expresión génica por microarrays en metaplasia intestinal............................... 42
8.4. La familia multigénica Schlafen ............................................................................................ 44
8.5. Rol de los genes Schlafen en la metaplasia intestinal ........................................................... 45
9. SUSCEPTIBILIDAD GENÉTICA ...................................................................................................................... 46
9.1. Proyecto de mapeo de haplotipos humanos HapMap y estudios de asociación genética .... 47
9.2. Estudios de asociación de genes candidatos en cáncer gástrico........................................... 48
9.2.1. Citoquinas pro-inflamatorias ......................................................................................................... 49
9.2.2. Reconocimiento de Helicobacter pylori y respuesta inmune innata ............................................. 49
Índice
9.3. Estudios de asociación de genoma completo en cáncer gástrico ......................................... 50

9.4 Estudios de asociación en lesiones precursoras gástricas ..................................................... 53
9.4.1. Citoquinas pro-inflamatorias ......................................................................................................... 53
9.4.2. Reconocimiento de Helicobacter pylori y respuesta inmune innata ............................................. 53
9.4.3. Daño y reparación del ADN............................................................................................................ 54
9.4.5. Metabolismo de xenobióticos ....................................................................................................... 54
9.4.6. Funcionalidad y protección de la mucosa gástrica ........................................................................ 54
HIPÓTESIS ................................................................................................................................... 61
OBJETIVOS .................................................................................................................................. 65
MATERIALES Y MÉTODOS ............................................................................................................ 69
1. ESTUDIO DE ASOCIACIÓN DE GENES DE SEÑALIZACIÓN DE HELICOBACTER PYLORI Y RIESGO DE CÁNCER GÁSTRICO ....... 71
1.1. Pacientes y muestras ............................................................................................................ 71
1.2. Selección de tagSNPs en genes de la vía de señalización de Helicobacter pylori.................. 71
1.3. Extracción de ADN y genotipado .......................................................................................... 72
1.4. Infección por Helicobacter pylori .......................................................................................... 73
1.5. Análisis estadísticos y bioinformáticos ................................................................................. 73
2. ESTUDIO DE ASOCIACIÓN GENÉTICA EN EL SEGUIMIENTO DE LESIONES PRECURSORAS GÁSTRICAS ............................ 74
2.2. Histopatología ...................................................................................................................... 75
2.3. Infección por Helicobacter pylori .......................................................................................... 75
2.4. Prueba piloto de colecta, conservación y extracción de ADN ............................................... 76
2.4.1. Medición de cantidad y calidad del ADN ....................................................................................... 77
2.5. Diseño de solución estabilizadora de saliva y prueba de conservación ................................ 78
2.5.1. Protocolo de extracción de ADN a partir de saliva ........................................................................ 78
2.5.2. Prueba piloto de genotipado de ADN de saliva ............................................................................. 79
2.5.3. Colecta de saliva en hospitales ...................................................................................................... 79
2.6. Extracción de ADN de tejido gástrico parafinado ................................................................. 80
2.7. Extracción de ADN de sangre ................................................................................................ 81
2.8. Selección de genes candidatos.............................................................................................. 81
2.9. Selección de tagSNPs en los genes candidatos y análisis bioinformáticos............................ 86
2.10. Genotipado de SNPs............................................................................................................ 86
2.11. Análisis estadísticos de los resultados de genotipado de SNPs........................................... 86
3. ESTUDIO DE EXPRESIÓN GÉNICA POR MICROARRAY EN METAPLASIA INTESTINAL QUE PROGRESA A CÁNCER GÁSTRICO . 94
3.2. Corte de bloques de parafina y evaluación histológica......................................................... 98
3.3. Extracción de ARN total ........................................................................................................ 98
3.4. Medición de cantidad y calidad del ARN............................................................................... 99
3.5. Prueba piloto de comparación de microarrays Human Gene 2.0 ST vs Almac Xcel ............ 100
3.6. Análisis de calidad y estadísticos ........................................................................................ 100
3.7. Análisis de enriquecimiento funcional por IPA y GSEA........................................................ 101
3.8. Validación de expresión génica por qRT-PCR ...................................................................... 103
3.8.1. Protocolo de qRT-PCR por sondas UPL y cebadores en plataforma Biomark .............................. 109
3.8.2. Procesamiento de los resultados de qRT-PCR por sondas UPL y cebadores en plataforma
Biomark ................................................................................................................................................. 110
4. ESTUDIO DE EXPRESIÓN GÉNICA E INMUNO-HISTOQUÍMICA DE SCHLAFEN5 EN LESIONES PRECURSORAS Y CÁNCER
GÁSTRICO ............................................................................................................................................... 112
4.1. Tissue arrays comerciales de tejido gástrico....................................................................... 112
4.2. Pacientes y muestras analizadas ........................................................................................ 112
4.3. Histopatología .................................................................................................................... 113
Índice
4.4. Infección por Helicobacter pylori ......................................................................................... 113

4.5. Inducción de la expresión de Schlafen5 por IFNα ................................................................ 113
4.6. Silenciamiento de Schlafen5 y cytospin en células Jurkat ................................................... 114
4.7. Detección inmunohistoquímica de Schlafen5...................................................................... 114
4.8. Interpretación de la tinción inmunohistoquímica ............................................................... 115
4.9. Análisis estadísticos............................................................................................................. 116
4.10. Doble tinción inmunohistoquímica para Schlafen5 y CD2, CD20 o Mac2 ......................... 116
RESULTADOS ............................................................................................................................. 119

1. ESTUDIO DE ASOCIACIÓN DE GENES DE SEÑALIZACIÓN DE HELICOBACTER PYLORI Y RIESGO DE CÁNCER GÁSTRICO ..... 121
1.1. Análisis estadísticos de asociación genética ...................................................................... 121
1.2. Análisis bioinformáticos de efectos funcionales .................................................................. 123
2. ESTUDIO DE ASOCIACIÓN GENÉTICA EN EL SEGUIMIENTO DE LESIONES PRECURSORAS GÁSTRICAS .......................... 128
2.1. Prueba piloto de colecta, conservación y extracción de ADN.............................................. 128
2.2. Diseño de solución estabilizadora de saliva y prueba de conservación .............................. 130
2.3. Genotipado de ADN de saliva. Prueba piloto ...................................................................... 131
2.4. Genotipado de ADN en plataforma Sequenom ................................................................... 133
2.5. Análisis estadísticos de asociación genética ....................................................................... 134
2.6 Análisis bioinformáticos de efectos funcionales ................................................................... 143
3. ESTUDIO DE EXPRESIÓN GÉNICA POR MICROARRAY EN METAPLASIA INTESTINAL QUE PROGRESA A CÁNCER GÁSTRICO 144
3.1. Medición de cantidad y calidad del ARN ............................................................................. 144
3.2. Prueba piloto de comparación de microarrays Human Gene 2.0 ST versus Almac Xcel ..... 144
3.3. Análisis estadísticos de los resultados del microarray ........................................................ 148
3.4. Genes diferencialmente expresados.................................................................................... 150
3.5. Análisis de enriquecimiento funcional ................................................................................. 159
3.5.1. Gene Set Enrichment Analysis ..................................................................................................... 159
3.5.2. Ingenuity Pathway Analysis ......................................................................................................... 171
3.5.3. Análisis de ontología génica ........................................................................................................ 176
3.6. Validación de la expresión génica por qRT-PCR .................................................................. 180
GÁSTRICO ............................................................................................................................................... 183
4.1. Inducción de la expresión de Schlafen5 por IFNα y Helicobacter pylori .............................. 183
4.2. Expresión de Schlafen5 en tissue arrays comerciales de tejido gástrico ............................. 185
4.3. Controles de la tinción inmuno-histoquímica de Schlafen5 ................................................ 186
4.4. Resultados cualitativos de la tinción inmuno-histoquímica de Schlafen5 ........................... 186
4.5. Resultados estadísticos de la tinción inmuno-histoquímica de Schlafen5........................... 186
4.6. Doble marcaje de Schlafen 5 y CD2, CD20 o Mac2.............................................................. 193
DISCUSIÓN................................................................................................................................. 195
1. ESTUDIO DE ASOCIACIÓN DE GENES DE SEÑALIZACIÓN DE HELICOBACTER PYLORI Y RIESGO DE CÁNCER GÁSTRICO ..... 197
1.1. NOD2. Asociación genética y plausibilidad biológica .......................................................... 197
1.2. CD14. Asociación genética y plausibilidad biológica ........................................................... 200
1.3. TLR4 y NFKB1. Asociación genética y plausibilidad biológica ............................................. 202
2. ESTUDIO DE ASOCIACIÓN GENÉTICA EN EL SEGUIMIENTO DE LESIONES PRECURSORAS GÁSTRICAS.......................... 204
2.1. Asociación genética con la evolución de las lesiones precursoras gástricas ....................... 205
3. ESTUDIO DE EXPRESIÓN GÉNICA EN METAPLASIA INTESTINAL QUE PROGRESA A CÁNCER GÁSTRICO ........................ 212
3.1 Genes diferencialmente expresados..................................................................................... 212
3.1.1 Subtipos histológicos de metaplasia intestinal que progresan a cáncer gástrico ......................... 212
3.1.2 Metaplasia intestinal que no progresa a cáncer gástrico en comparación con mucosa gástrica sana
............................................................................................................................................................... 215
Índice
3.2 Vías de señalización celular y procesos biológicos implicados en la progresión de los subtipos
histológicos de metaplasia intestinal a cáncer gástrico ............................................................ 218
3.2.1 Gene Set Enrichment Analysis ...................................................................................................... 219
3.2.2 Ingenuity Pathway Analysis .......................................................................................................... 229
3.3. Validación de la expresión génica por qRT-PCR .................................................................. 232
GÁSTRICO ............................................................................................................................................... 232
CONCLUSIONES ......................................................................................................................... 239
REFERENCIAS BIBLIOGRÁFICAS .................................................................................................. 243

TABLAS ANEXAS ........................................................................................................................ 271
PUBLICACIÓN ............................................................................................................................ 295
Índice de Figuras
ÍNDICE DE FIGURAS
FIGURA 1. DISTRIBUCIÓN MUNDIAL DE LA INCIDENCIA DE CÁNCER GÁSTRICO ESTANDARIZADA POR EDAD .................... 16
FIGURA 2. ESTRUCTURA ANATÓMICA DEL ESTÓMAGO. ...................................................................................... 16
FIGURA 3. DISPOSICIÓN DE LAS CAPAS CONSTITUYENTES DEL TRACTO DIGESTIVO. ................................................... 17
FIGURA 4. ESTRUCTURA HISTOLÓGICA DE LAS GLÁNDULAS OXÍNTICAS O FÚNDICAS Y PILÓRICAS ................................. 18
FIGURA 5. ADENOCARCINOMA GÁSTRICO DE TIPO INTESTINAL ............................................................................ 20
FIGURA 6. ADENOCARCINOMA GÁSTRICO DE TIPO DIFUSO ................................................................................. 20
FIGURA 7. MUCOSA GÁSTRICA COLONIZADA POR H. PYLORI ............................................................................... 21
FIGURA 8. MECANISMO DE ACCIÓN DE VACA EN EPITELIO GÁSTRICO .................................................................... 22
FIGURA 9. MECANISMOS DE INFECCIÓN DE HELICOBACTER PYLORI EN EL EPITELIO GÁSTRICO. ................................... 25
FIGURA 10. MECANISMO DE LA CARCINOGÉNESIS GÁSTRICA .............................................................................. 29
FIGURA 11. MUCOSA NORMAL TEÑIDA CON HEMATOXILINA-EOSINA ................................................................... 32
FIGURA 12. GASTRITIS CRÓNICA NO ATRÓFICA ................................................................................................ 32
FIGURA 13. GASTRITIS CRÓNICA ATRÓFICA ..................................................................................................... 33
FIGURA 14. METAPLASIA INTESTINAL COMPLETA ............................................................................................. 34
FIGURA 15. METAPLASIA INTESTINAL INCOMPLETA .......................................................................................... 34
FIGURA 16. DISPLASIA GÁSTRICA .................................................................................................................. 35
FIGURA 17. SCHLAFEN4 SE SOBRE-EXPRESA EN LA METAPLASIA GÁSTRICA. ............................................................ 45
FIGURA 18. MICROARRAYS DE TEJIDO USADOS PARA INMUNOHISTOQUÍMICA DE SCHLAFEN5. ................................ 112
FIGURA 19. ELECTROFORESIS DE MUESTRAS DE ADN EXTRAÍDAS DE HISOPOS BUCALES DRI‐CAPSULES. .................... 128
FIGURA 20. ELECTROFORESIS DE MUESTRAS DE ADN EXTRAÍDAS DE HISOPOS BUCALES BUCCALAMP™. ................... 129
FIGURA 21. ELECTROFORESIS DE MUESTRAS DE ADN EXTRAÍDAS DE SALIVA EMPLEANDO EL KIT ORAGENE................ 129
FIGURA 22. ELECTROFORESIS DEL ADN EXTRAÍDO DE SALIVA CONSERVADAS EN SOLUCIÓN ESTABILIZADORA # 4........ 131
FIGURA 23. ELECTROFORESIS DEL ADN EXTRAÍDO DE SALIVA COLECTADA EN LOS HOSPITALES EN SOLUCIÓN
ESTABILIZADORA # 4 ................................................................................................................................. 131
FIGURA 24. GENOTIPADO DEL SNP RS7578034 EN EL GEN IL1B EMPLEANDO LIGHTCYCLER II. ............................. 132
FIGURA 25. CLUSTER DE CALIDAD MEDIA EN EL GENOTIPADO SEQUENOM........................................................... 133
FIGURA 26. CLUSTERS DE CALIDAD ÓPTIMA EN EL GENOTIPADO SEQUENOM. ...................................................... 133
FIGURA 27. ELECTROFORESIS DE ARN TOTAL OBTENIDO DE MUESTRAS PARAFINADAS EN BIOANALYZER 2100 .......... 145
FIGURA 28. DENDROGRAMA DE TODOS LOS GRUPOS ANALIZADOS. ................................................................... 148
FIGURA 29. HEATMAP DE LA COMPARACIÓN MII-CG VS MII-NO CG. .............................................................. 149
FIGURA 30. HEATMAP DE LA COMPARACIÓN MIC-CG VS MIC-NO CG. ............................................................ 149
FIGURA 31. HEATMAP DE LA COMPARACIÓN MI-NO CG VS SANOS. ................................................................. 150
FIGURA 32. DIAGRAMA DE VENN DE LOS GENES SIGNIFICATIVOS EN LAS COMPARACIONES RELATIVAS A LA MII. ......... 151
FIGURA 33. DIAGRAMA DE VENN DE LOS GENES SIGNIFICATIVOS EN LAS COMPARACIONES RELATIVAS A LA MIC. ........ 152
FIGURA 34. NÚMERO DE GENES SOBRE Y SUB-EXPRESADOS EN LOS GRUPOS ANALIZADOS. ..................................... 152
FIGURA 35. ANÁLISIS DE GENES LEADING EDGE CON LOS CONJUNTOS GÉNICOS SOBRE-EXPRESADOS EN MII-CG......... 169
FIGURA 36. SUBANÁLISIS DE GENES LEADING EDGE DEL NÚCLEO 1 (DEGRADACIÓN PROTEASOMAL). ........................ 169
FIGURA 37. HEAT MAP DE LOS GENES LEADING EDGE DEL NÚCLEO 1. ................................................................. 170
FIGURA 38. SUBANÁLISIS DE GENES LEADING EDGE DEL NÚCLEO 2 (FOSFORILACIÓN OXIDATIVA).............................. 170
FIGURA 39. ESQUEMAS DE LAS VÍAS CANÓNICAS SOBRE-EXPRESADAS EN LOS GRUPOS MII-CG Y MIC-CG POR IPA... 173
FIGURA 40. REDES DE ALTO SCORE IPA DE LAS COMPARACIONES MII-CG VS MII-NO CG Y MI-NO CG VS SANOS. .. 175
FIGURA 41. HEATMAP DE LA QRT-PCR EN LA PLATAFORMA BIOMARK HD 96X96 .............................................. 180
FIGURA 42. GRÁFICO DE CAJAS DE LOS VALORES DE CT DEL GEN ACTB EN LOS GRUPOS MI-CG, MI-NO CG Y SANOS. 181
FIGURA 43. GRÁFICA DEL NIVEL DE EXPRESIÓN DEL MICROARRAY Y LA QRT-PCR DE LOS GENES SIGNIFICATIVOS. ........ 182
FIGURA 44. INDUCCIÓN DE SCHLAFEN5 POR EL IFNΑ EN LAS LÍNEAS CELULARES HL-60 Y JURKAT............................ 185
FIGURA 45. ANÁLISIS INMUNOHISTOQUÍMICO DE SCHLAFEN5 TRAS INDUCCIÓN POR IFNΑ EN LA LÍNEA JURKAT. ........ 185
FIGURA 46. INMUNO-HISTOQUÍMICA DE LA PROTEÍNA SCHLAFEN5.................................................................... 187
1
Índice de Figuras
FIGURA 47. INMUNO-HISTOQUÍMICA DE LA PROTEÍNA SCHLAFEN5 EN LAS MUESTRAS ESTUDIADAS ......................... 189
FIGURA 48. REPRESENTACIÓN GRÁFICA DE LA TINCIÓN ESTROMAL DE SCHLAFEN5................................................ 191
FIGURA 49. CURVAS DE SOBREVIVENCIA PARA LOS MODELOS MI-CG CON Y SIN ADICIÓN DE SCORE H ESTROMAL ...... 192
FIGURA 50. CURVAS DE SOBREVIVENCIA PARA LOS MODELOS MII-CG CON Y SIN ADICIÓN DE SCORE H ESTROMAL ..... 193
FIGURA 51. DOBLE MARCAJE DE SCHLAFEN5 CON MARCADORES DE SUPERFICIE. ................................................. 194
FIGURA 52. BLOQUES DE HAPLOTIPOS DE MUC2.......................................................................................... 208
FIGURA 53. DIAGRAMA DE VENN DE PROCESOS FUNCIONALES SOBRE-EXPRESADOS COMUNES Y ESPECÍFICOS ENTRE LOS
GRUPOS MII-CG Y MI-NO CG, SEGÚN LOS ANÁLISIS GSEA E IPA. ................................................................... 220
FIGURA 54. PROCESOS FUNCIONALES COMUNES A CONJUNTOS GÉNICOS CON DIFERENTES CRITERIOS DE SELECCIÓN EN LA
MII-CG................................................................................................................................................. 224
FIGURA 55. PROCESOS FUNCIONALES COMUNES A CONJUNTOS GÉNICOS CON DIFERENTES CRITERIOS DE SELECCIÓN EN LA
MI-NO CG. ........................................................................................................................................... 228
2
Índice de Tablas
ÍNDICE DE TABLAS
TABLA 1. TASAS DE TRANSICIÓN PARA LA PROGRESIÓN Y REGRESIÓN DE LAS LESIONES PRECURSORAS ......................... 28
TABLA 2. PRINCIPALES ESTUDIOS EPIDEMIOLÓGICOS DE SEGUIMIENTO DE LESIONES PRECURSORAS GÁSTRICAS. ............ 38
TABLA 3. RESUMEN DE ESTUDIOS DE ASOCIACIÓN DE GENOMA COMPLETO EN CÁNCER GÁSTRICO. ............................. 52
TABLA 4. ESTUDIOS DE ASOCIACIÓN GENÉTICA EN LESIONES PRECURSORAS DE CÁNCER GÁSTRICO. ............................. 56
TABLA 5. SOLUCIONES DE COLECTA Y ESTABILIZADORAS DE SALIVA....................................................................... 78
TABLA 6. GENES CANDIDATOS SELECCIONADOS A PARTIR DE ESTUDIOS DE MODELOS MURINOS DE CARCINOGÉNESIS
GÁSTRICA. ................................................................................................................................................ 83
TABLA 7. GENES CANDIDATOS SELECCIONADOS A PARTIR DEL ANÁLISIS DE LOS MECANISMOS DE INFECCIÓN DE
HELICOBACTER PYLORI. ............................................................................................................................... 84
TABLA 8. GENES CANDIDATOS SELECCIONADOS A PARTIR DE ESTUDIOS DE ASOCIACIÓN GENÉTICA CON CÁNCER GÁSTRICO
(GWAS) Y CON LESIONES PRECURSORAS GÁTRICAS (GENES CANDIDATOS). ............................................................ 85
TABLA 9. SNPS GENOTIPADOS CON SU INFORMACIÓN ASOCIADA. ....................................................................... 88
TABLA 10. MUESTRAS USADAS PARA PRUEBA PILOTO DE COMPARACIÓN DE MICROARRAYS DE EXPRESIÓN. ................. 95
TABLA 11. MUESTRAS USADAS EN EL ESTUDIO DE EXPRESIÓN DIFERENCIAL POR MICROARRAYS DE LOS SUBTIPOS
HISTOLÓGICOS DE MI QUE PROGRESAN A CG, RESPECTO A LOS QUE NO PROGRESAN Y A LA MUCOSA SANA. ................. 96
TABLA 12. GENES SIGNIFICATIVOS DEL MICROARRAY DE LAS COMPARACIONES MII-CG VS MII-NO CG, MIC-CG VS MIC-
NO CG Y MI-NO CG VS SANOS VALIDADOS POR QRT-PCR. ........................................................................... 105
TABLA 13. SERIE INDEPENDIENTE DE MUESTRAS USADAS EN LA VALIDACIÓN DE EXPRESIÓN POR QRT-PCR. ............... 107
TABLA 14. MUESTRAS DE LESIONES PRECURSORAS Y CÁNCER GÁSTRICO USADAS EN EL ESTUDIO INMUNO-HISTOQUÍMICO
DE SCHLAFEN5. ....................................................................................................................................... 113
TABLA 15. PRINCIPALES CARACTERÍSTICAS DE LA POBLACIÓN ANALIZADA EN EL ESTUDIO DE ASOCIACIÓN GENÉTICA CON
CÁNCER GÁSTRICO. ................................................................................................................................... 121
TABLA 16. CARACTERÍSTICAS DE LOS SNPS ANALIZADOS Y SU ASOCIACIÓN ESTADÍSTICA CON EL CG GLOBAL (CARDIAS + NO
CARDIAS/INTESTINAL + DIFUSO). ................................................................................................................. 124
TABLA 17. ASOCIACIÓN ESTADÍSTICA DE SNPS CON RESPECTO A LA LOCALIZACIÓN ANATÓMICA DEL CÁNCER GÁSTRICO.125
TABLA 18. ASOCIACIÓN ESTADÍSTICA DE SNPS PREVIAMENTE ASOCIADOS CON CÁNCER GÁSTRICO NO CARDIAS EN
INDIVIDUOS INFECTADOS POR HELICOBACTER PYLORI CON RESPECTO AL ESTATUS DE CAGA. ................................... 126
TABLA 19. ASOCIACIÓN ESTADÍSTICA DE SNPS CON RESPECTO AL SUBTIPO HISTOLÓGICO DE CÁNCER GÁSTRICO. ........ 126
TABLA 20. ASOCIACIÓN ESTADÍSTICA DE HAPLOTIPOS RESPECTO A LOS SUBTIPOS HISTOLÓGICOS Y ANATÓMICOS DE
CÁNCER GÁSTRICO. ................................................................................................................................... 127
TABLA 21. BÚSQUEDA DE POTENCIALES EQTLS ENTRE LOS SNPS ASOCIADOS Y NO ASOCIADOS A CG. ...................... 128
TABLA 22. PROMEDIO DE LA MASA DE ADN OBTENIDA Y PRESENCIA DE OXIDACIÓN EN LAS DIFERENTES SOLUCIONES
ESTABILIZADORAS DE SALIVA. ...................................................................................................................... 131
TABLA 23. RESULTADOS DEL GENOTIPADO DEL SNP RS7578034 EN GEN IL1B EN MUESTRAS DE ADN EXTRAÍDO DE
SALIVA. .................................................................................................................................................. 132
TABLA 24. CARACTERÍSTICAS AL RECLUTAMIENTO DE LA POBLACIÓN ESTUDIADA. ................................................. 135
TABLA 25. OR (IC 95%) DE LOS SNPS ASOCIADOS SIGNIFICATIVAMENTE CON PROGRESIÓN Y REGRESIÓN DE LAS LPGS.136
TABLA 26. ASOCIACIÓN CON LA EVOLUCIÓN DE LPGS EN EL PRESENTE Y EN EL ESTUDIO DE SEGUIMIENTO DE LPGS DE
SORIA. ................................................................................................................................................... 138
TABLA 27. ASOCIACIONES SIGNIFICATIVAS DE HAPLOTIPOS RESPECTO A LA EVOLUCIÓN DE LAS LPGS. ....................... 140
TABLA 28. ANÁLISIS DE ASOCIACIÓN EN PORTADORES DE LA COMBINACIÓN DE LOS FACTORES DE VIRULENCIA DE H. PYLORI
CAGA+VACAS1/M1 VS OTRAS COMBINACIONES, EN INDIVIDUOS INFECTADOS POR H. PYLORI. ............................... 141
TABLA 29. POTENCIALES EQTL ENTRE LOS SNPS ESTUDIADOS. ........................................................................ 143
TABLA 30. MEDICIÓN DE CANTIDAD Y CALIDAD DE LAS MUESTRAS DE ARN USADAS EN LA PRUEBA PILOTO DE
COMPARACIÓN DE MICROARRAYS HUMAN GENE 2.0 ST Y ALMAC XCEL. ............................................................ 145
TABLA 31. MEDICIÓN DE CANTIDAD Y CALIDAD DE LAS MUESTRAS USADAS EN EL MICROARRAY DE EXPRESIÓN. ........... 146
TABLA 32. GENES DIFERENCIALMENTE EXPRESADOS ENTRE LOS GRUPOS MII-CG VS MII-NO CG. .......................... 153
3
Índice de Tablas
TABLA 33. GENES DIFERENCIALMENTE EXPRESADOS ENTRE LOS GRUPOS MIC-CG VS MIC-NO CG. ........................ 157
TABLA 34. GENES DIFERENCIALMENTE EXPRESADOS ENTRE LOS GRUPOS MI-CG VS MI-NO CG. ............................ 158
TABLA 35. CONJUNTOS GÉNICOS SOBRE-EXPRESADOS EN MII-CG CON LOS VALORES MÁS EXTREMOS DEL PARÁMETRO
RANK AT MAX. ........................................................................................................................................ 162
TABLA 36. CONJUNTOS GÉNICOS SOBRE-EXPRESADOS EN MI-NO CG CON LOS VALORES MÁS EXTREMOS DEL PARÁMETRO
RANK AT MAX. ........................................................................................................................................ 164
TABLA 37. CONJUNTOS GÉNICOS COMPUESTOS POR AL MENOS 3 GENES LEADING EDGE SOBRE-EXPRESADOS EN EL GRUPO
MII-CG................................................................................................................................................. 166
TABLA 38. CONJUNTOS GÉNICOS COMPUESTOS POR AL MENOS 3 GENES LEADING EDGE SOBRE-EXPRESADOS EN EL GRUPO
MI-NO CG. ........................................................................................................................................... 167
TABLA 39. VÍAS CANÓNICAS DESREGULADAS E INFORMACIÓN FUNCIONAL OBTENIDA EN EL IPA.............................. 172
TABLA 40. REDES MOLECULARES OBTENIDAS EN EL IPA PARA LAS COMPARACIONES MII-CG VS MII-NO CG Y MI-NO CG
VS SANOS............................................................................................................................................... 177
TABLA 41. RESULTADOS DEL ANÁLISIS DE ONTOLOGÍA GÉNICA EN LAS COMPARACIONES DE ESTUDIO. ....................... 179
TABLA 42. RESULTADOS DE PRUEBA ANOVA DE LOS GENES DE REFERENCIA EN LOS GRUPOS MI-CG, MI-NO CG Y
CONTROLES SANOS................................................................................................................................... 181
TABLA 43. RESULTADOS DEL TEST DE PERMUTACIONES DEL PROGRAMA BOOTSRATIO EMPLEADO PARA ESTIMAR
DIFERENCIAS SIGNIFICATIVAS ENTRE GRUPOS MI-CG VS MI-NO CG. ................................................................. 183
TABLA 44. EXPRESIÓN GÉNICA DE SCHLAFEN5 EN LÍNEAS CELULARES EXPUESTAS A DIVERSAS CONDICIONES............... 184
TABLA 45. CUANTIFICACIÓN DE LA TINCIÓN ESTROMAL Y GLANDULAR DE SCHLAFEN5 MEDIANTE EL SCORE H EN LOS
GRUPOS ANALIZADOS. .............................................................................................................................. 190
4
Abreviaturas y Símbolos
ABREVIATURAS Y SÍMBOLOS
ADN: Ácido desoxirribonucleico.
AINES: Antinflamatorios no esteroideos.
ANOVA: Análisis de varianza.
ARN: Ácido ribonucleico.
ARNm: Ácido ribonucleico mensajero.
AUC: Area under curve.

BM-MSCs: Bone marrow derived mesenchymal stem cells.
CEGEN: Centro Nacional de Genotipado.
CG: Cáncer gástrico.
DAB: Diaminobenzidina.
DE: Desviación estándar.
DISP: Displasia.
E: Extensión.
EPIC: European Prospective Investigation on Cancer.

eQTL: Expression quantitative trait loci.
ES: Enrichment score.
ESE: Exonic splicing enhancer.
ESS: Exonic splicing silencer.
EUA: Estados Unidos de América.
FDR: False discovery rate.

GCA: Gastritis crónica atrófica multifocal.
GEO: Gene expression omnibus.

GNA: Gastritis no atrófica.
GO: Gene ontology.

GSEA: Gene set enrichment analysis.
GWAS: Genome wide association study.
5
HapMap: Proyecto de mapeo de bloques de haplotipos humanos.

IARC: International Agency for Research on Cancer.
IC95%: Intervalo de confianza del 95%.
ICO: Instituto Catalán de Oncología.
IDIBELL: Instituto de Investigación Biomédica de Bellvitge.
IMIM: Instituto Hospital del Mar de Invesigaciones Médicas.
IPA: Ingenuity pathway analysis.

LD: Linkage dissequilibrium.
Limma: Linear models for microarray data.
LPGs: Lesiones precursoras gástricas.
LPS: Lipopolisacárido.
LRT1: Laboratorio de Investigación Traslacional 1.
MAF: Minor allele frequency.

MDSC: Myeloid derived suppressor cells.
MI: Metaplasia intestinal.
MI-No CG: Metaplasia intestinal que no progresa a cáncer gástrico
MIC: Metaplasia intestinal completa.
MIC-CG: Metaplasia intestinal completa que progresa a cáncer gástrico.

MIC-No CG: Metaplasia intestinal completa que no progresa a cáncer gástrico.
MII: Metaplasia intestinal incompleta.
MII-CG: Metaplasia intestinal incompleta que progresa a cáncer.

MII-No CG: Metaplasia intestinal incompleta que no progresa a cáncer gástrico.
MSI: Microsatellite instability.
MSigDB: Molecular signatures database.
NGS: Next generation sequencing.
NK: Natural killers.
NLR: Nod like receptors.
NMD: Nonsense mediated mRNA decay.
6
OR: Odds ratio.

PAMPs: Pathogen associated molecular patterns.
PCR: Polymerase chain reaction.
PGI/PGII: Razón de concentraciones de pepsinógenos I/II.
PRRs: Pattern recognition receptors.
qRT-PCR: Quantitative real time polymerase chain reaction.
RIN: RNA integrity number.
RM: Razón de medias.
ROC: Receiver operating characteristic, curva de sobrevivencia.
Shh: Sonic hedgehog.
SNP: Single nucleotide polymorphism.
SPEM: Spasmolytic polypeptide expressing metaplasia.
STA: Specific target amplification.

TA: Temperatura ambiente.
TE: Tampón Tris-EDTA.
TFBS: Transcription factor binding site.
TLE: Tampón de lisis de eritrocitos.
TLR: Toll like receptors.
UNAC: Unidad de Nutrición, Ambiente y Cáncer.
V: Volumen.
VNTR: Variable number tandem repeat.
Vs: Volúmenes.
7
PRESENTACIÓN
Presentación
El cáncer gástrico (CG) es la consecuencia de múltiples cambios histológicos en la

mucosa gástrica conocidos como la cascada de Correa y en el mismo intervienen
múltiples factores ambientales y genéticos. Entre ellos se encuentran la infección
por la bacteria Helicobacter pylori, factores de susceptibilidad genética como
polimorfismos, y variaciones en la expresión de genes y vías de señalización celular,
y procesos moleculares condicionantes de la carcinogénesis. La Unidad de
Nutrición, Ambiente y Cáncer (UNAC), donde se ha realizado este trabajo, tiene una
larga experiencia en el estudio de los factores de riesgo ambientales y genéticos de
dicha enfermedad.
Esta tesis consta de cuatro estudios similares en cuanto a que exploran la

susceptibilidad del paciente a desarrollar cáncer gástrico; pero diferentes respecto a
las muestras y metodología de estudio usadas en cada uno. El contenido de la tesis
se estructura según el esquema de introducción, hipótesis, objetivos, materiales y
métodos, resultados, discusión, conclusiones y referencias bibliográficas.
Finalmente, el apéndice incluye la publicación obtenida como consecuencia directa
de este trabajo.
11
INTRODUCCIÓN
Introducción
1. Cáncer gástrico. Descripción general y epidemiología

El cáncer gástrico se define como el crecimiento celular tumoral en el estómago. El
mismo se divide en CG esporádico, el más frecuente, y en hereditario, el cual
presenta una fuerte agregación familiar 1. A pesar de que la incidencia del CG,
especialmente el no cardias, ha disminuido en muchos países en los últimos 50
años, esta enfermedad es la tercera causa de muerte por cáncer y ocupa el tercer
lugar a nivel mundial entre los tumores más frecuentes 1. Existen marcadas
diferencias en su incidencia entre regiones geográficas. Las más altas se encuentran
en Japón, Corea, China y Mongolia (entre 40 y 60 por cada 100 000 habitantes),
Europa del Este (35/100 000) y regiones andinas de América Latina (20-30/100 000).
Las más bajas se observan en África (0.6-3/100 000), América del Norte
(5-6/100 000) y Holanda (6.9/100 000) (Figura 1). La incidencia en los hombres es el
doble respecto a las mujeres 2, lo cual se ha relacionado con un efecto protector de
los estrógenos en las últimas 3. Su riesgo incrementa con la edad, siendo frecuente
en sujetos entre los 55 y 80 años, y raro en los menores de 30 años 1.
En España la mortalidad por CG en las últimas décadas ha disminuido en casi todas

sus provincias. Las mayores tasas de mortalidad corresponden a zonas del centro y
norte del país, sobre todo a Castilla-León con 20.14 muertes por cada 100 000
habitantes entre 2000 y 2005, la cual se encuentra entre las más altas de Europa
Occidental 4. La tasa promedio de sobrevivencia al CG a 5 años es <20%,
principalmente debido a un diagnóstico tardío, ya que sus primeras etapas son
clínicamente silentes 5. Si el tumor se detecta y se trata antes de que invada la capa
muscular, la sobrevivencia a los 5 años puede llegar al 90% 6. A pesar de ello, sólo
unos pocos países con alta incidencia del mismo, especialmente Japón, han puesto
en marcha amplios programas de detección temprana basados en la identificación
radiológica y endoscópica 6. Sin embargo, dichos programas no son posibles en
países de baja y moderada incidencia. Por tanto, la detección y vigilancia de las
lesiones preneoplásicas con mayor riesgo de progresión a CG y la erradicación de
los principales factores de riesgo es el método más efectivo para su prevención en
países de baja y moderada incidencia.
15
Introducción
Figura 1. Distribución mundial de la incidencia de cáncer gástrico estandarizada por

edad. Tomado de Ferlay et al., 1998 7.
2. Anatomía e histología del estómago

Anatómicamente el estómago se divide en tres regiones: fundus, cuerpo y antro. El
mismo posee dos esfínteres: el cardias, que separa el estómago del esófago, y el
píloro, que separa el estómago del intestino delgado (Figura 2).
Figura 2. Estructura anatómica del estómago. Tomado de Hall et al., 2010 8.
Histológicamente, la pared del estómago está formada por capas, nombrándose a

partir de la que está en contacto directo con la luz gástrica, las mismas son:
-Mucosa: Formada por un epitelio que forma las glándulas gástricas secretoras y
que está en contacto con el lumen gástrico. Está constituida, a su vez, por la lámina
propia o estroma, formada por vasos sanguíneos, tejido conectivo y células de
respuesta inmune como linfocitos, células plasmáticas, eosinófilos, macrófagos y
neutrófilos; y una fina capa de músculo liso denominada mucosa muscularis, que
separa la mucosa de la submucosa, y cuya contracción posibilita la secreción y
absorción de sustancias. Su epitelio superficial es formado por las foveolas gástricas
16
Introducción
hacia las cuales vierten su contenido las glándulas gástricas (entre 4 y 5 a cada
foveola) y estas a su vez vierten hacia el lumen del estómago. Además, presenta
células mucosas de superficie que secretan un mucus de pH básico, el cual protege
a la mucosa de las secreciones ácidas y sirve como una barrera física entre la
mucosa y los contenidos estomacales.
-Submucosa: Compuesta por grandes vasos sanguíneos que alimentan al resto de

las capas, vasos linfáticos, un plexo nervioso autónomo (sistema nervioso entérico)
y glándulas gástricas aisladas.
-Muscular (muscularis externa): Compuesta por dos capas de tejido muscular liso,
una capa interior orientada circularmente y otra exterior dispuesta
longitudinalmente. Entre ambas capas existe tejido conectivo que contiene al plexo
nervioso mientérico. Las contracciones de la muscularis externa bajo el control del
sistema nervioso entérico son responsables de la peristalsis, las contracciones que
producen acortamientos y alargamientos del tracto gastrointestinal para mezclar y
mover el alimento.
-Serosa: Estrato más alejado de la luz del estómago, compuesto por epitelio
escamoso simple denominado mesotelio y tejido conectivo subyacente. Grandes
vasos sanguíneos y linfáticos, así como troncos nerviosos, viajan a través de la
serosa hasta la pared del tracto digestivo. En la figura 3 se observa la disposición
histológica de las capas antes descritas.
Figura 3. Disposición de las capas constituyentes del tracto digestivo. Modificado de

Hall et al., 2010 8.
17
Introducción
Por otra parte, cada área anatómica del estómago presenta una composición
celular característica (Figuras 2 y 4):
-Cardias: Compuesto de células mucosas con algunas enteroendocrinas.

-Fundus y cuerpo: Constituido por glándulas oxínticas o fúndicas responsables de la
digestión, las que a su vez están compuestas por diversos tipos celulares:
Células mucosas de superficie y del cuello secretoras de mucus.
Células parietales u oxínticas productoras de ácido clorhídrico y del factor
intrínseco que garantiza la absorción de la vitamina B12.
Células principales localizadas en la base y secretoras de pepsinógeno, el cual
por la acción del ácido clorhídrico es convertido en la enzima proteolítica pepsina.
Células enteroendocrinas o ECL (enterochromaffin) productoras de las
hormonas gastrointestinales gastrina, ghrelina, secretina, colecistoquinina, péptido
gástrico inhibitorio, motilina e histamina, un potente estimulador de la producción
de ácido clorhídrico en las células parietales.
Células madres adultas no diferenciadas localizadas en el istmo, las cuales
producen todos los tipos celulares antes descritos.
-Región antro-pilórica: Glándulas de estructura tubular ramificada y enrollada en su
base, conectadas por foveolas cortas, compuestas por una población celular menos
compleja que las de las glándulas oxínticas. La principal función de estas glándulas
es la secreción de mucus y de las hormonas gastrina y somatostatina por células
endocrinas G y D, respectivamente. La gastrina induce la secreción de ácido
clorhídrico y pepsinógeno en las glándulas oxínticas.
Figura 4. Estructura histológica de las glándulas oxínticas o fúndicas y pilóricas.

Tomado de Schubert et al., 2008 9.
18
Introducción
3. Tipos anatómicos e histológicos del cáncer gástrico

Alrededor del 95% del CG esporádico está constituido por adenocarcinomas,
caracterizados por su surgimiento en el epitelio glandular de la mucosa gástrica,
siendo a los mismos a los que nos referiremos en este documento. Existen otros
tumores gástricos como linfomas (3-5%) y tumores del estroma gastrointestinal
(1-3%) que representan una minoría. Teniendo en cuenta la localización anatómica
de los adenocarcinomas gástricos, se clasifican como del cardias y no cardias o
distal, este último comprende a los originados en el fundus, cuerpo y la región
antro-pilórica 1. Dichos subtipos anatómicos presentan diferencias en su
epidemiología, etiología y patogénesis.
El CG del cardias no se encuentra asociado con la infección por Helicobacter pylori.

Su incidencia ha aumentado en Europa en las últimas cuatro décadas 10, ya que
alrededor del 30 al 50% de los CGs diagnosticados en países occidentales son del
cardias cuando hasta ahora representaban sólo entre el 16 y el 37%.
Histológicamente, es de tipo intestinal en su mayoría y se origina probablemente a
partir de metaplasia intestinal (MI). Los tumores del cardias se consideran más
agresivos y con peor pronóstico que los no cardias, dado que sus sobrevivencias a
los 5 años en Estados Unidos de América (EUA) son del 14 y 26%, respectivamente 1.
El factor de riesgo más importante del CG no cardias es la infección por H. pylori,
siendo responsable de la mayoría de los casos (77-93.2%) 11. Es el que más ha
descendido en su incidencia en el mundo, aunque recientemente se ha observado
un aumento en europeos de ambos sexos de EUA en el rango de 25-39 años 12.
Atendiendo al tipo histológico los CGs se clasifican en intestinal y difuso según la

clasificación de Lauren 13. Los primeros están formados por células tumorales
dispuestas cohesivamente en estructuras tubulares irregulares que infiltran el
estroma y son semejantes a las del intestino (Figura 5). Representan
aproximadamente el 60% de los CGs, su incidencia incrementa con la edad, siendo
máxima entre los 55-80 años, su relación de incidencia en hombres:mujeres es 2:1,
y predomina en zonas geográficas con alta incidencia de CG 1.
El CG tipo difuso es un tumor no diferenciado con pérdida de la arquitectura

glandular. Las células tumorales son generalmente redondas y pequeñas, con una
cohesión intercelular mínima o ausente y con abundante mucinas citoplasmáticas
que desplazan el núcleo hacia la periferia 13 (Figura 6). Es más frecuente en
poblaciones de bajo riesgo (aunque su localización geográfica es más uniforme), y
en los tumores no esporádicos, especialmente en sujetos jóvenes (40-60 años), sin
un predominio por sexos y presenta un peor pronóstico que el tipo intestinal 1.
19
Introducción
Figura 5. Adenocarcinoma gástrico de tipo intestinal. Tomado de Correa et al., 2012 14.
Figura 6. Adenocarcinoma gástrico de tipo difuso. Tomado de Correa et al., 2012 14.
4. Helicobacter pylori como factor de riesgo del cáncer gástrico
4.1. Infección por Helicobacter pylori. Aspectos epidemiológicos
La infección por la bacteria gram-negativa Helicobacter pylori es el principal factor

de riesgo de gastritis crónica, úlcera péptica, metaplasia intestinal, adenocarcinoma
y linfoma gástrico. Se estima que alrededor del 63.4% de todos los casos de CG 15 y
hasta el 93.2% del CG no cardias 11 son atribuibles a la misma.
H. pylori es una bacteria micro-aerofílica y gram-negativa de localización

principalmente extracelular en la mucosa gástrica (Figura 7). Es adquirida
fundamentalmente en la niñez temprana, especialmente en los países de más alto
20
Introducción
riesgo, hipotéticamente por contacto oral pero se desconoce exactamente su

manera de transmisión 1. Está presente entre el 10-50% de la población adulta de
países desarrollados y fue clasificada desde 1994 como un carcinógeno del grupo 1
para humanos 15. En caso de no ser erradicada la bacteria y/o la inflamación crónica
y dependiendo de múltiples factores, el paciente puede evolucionar a lesiones
precursoras gástricas (LPGs) de mayor severidad y entre el 0.1-4% de los infectados
puede progresar a CG 16.
Figura 7. Mucosa gástrica colonizada por H. pylori (indicada por las flechas).
Tomado de Correa et al., 2012 14.
El hecho de que ciertas áreas geográficas (África, India, Malasia, India, China,
Colombia y Costa Rica) presenten elevada prevalencia de infección por H. pylori y
baja incidencia de CG se conoce como el enigma africano. Las posibles explicaciones
a este fenómeno han sido diferencias en la virulencia oncogénica de cepas de
H. pylori, co-infección con helmintos y desplazamiento de la respuesta inmune
desde Th1 a Th2 16. Existen evidencias en modelos animales y en humanos de que la
respuesta inmune ante la infección de Helicobacter puede ser cambiada de un típico
patrón Th1 a Th2 debido a la co-infección con helmintos. Este cambio ha sido
observado en áreas con una baja incidencia de CG como la costa pacífica
colombiana. La prevalencia del parasitismo intestinal en esta población es del 50%
con respecto al 25% en las áreas de alto riesgo de las montañas andinas 14.
4.2. Infección por Helicobacter pylori. Factores de virulencia
Varios componentes del genoma de H. pylori como la presencia de cagA y las

variantes s1, m1 e i1 de vacA son denominados factores de virulencia por estar
asociados con un mayor riesgo de lesiones precursoras (apartado 7 de esta sección)
y de cáncer gástrico 17.
La oncoproteína cagA está presente en alrededor del 60% de las cepas de H. pylori
en los países occidentales, y en casi todas las del este de Asia. cagA se encuentra
21
Introducción
presente en alrededor del 90% de las cepas de los Andes colombianos (alto riesgo) y
en aproximadamente el 70% de las cepas de la costa pacífica colombiana (bajo
riesgo) 18. Un reciente trabajo identificó que en las áreas de bajo riesgo colombianas
predominan las cepas de H. pylori de origen africano mientras que en las de alto
riesgo son más comunes las de origen europeo 19. Por lo que las cepas africanas
serían menos virulentas que las europeas condicionando el riesgo de CG en
dependencia del genotipo de las mismas.
En el extremo carboxi-terminal de cagA existen unos motivos llamados EPIYA (A-D)

los cuales son sitios de fosforilación y se diferencian por la secuencia aminoacídica
flanqueante. En los países occidentales predominan los tipos A-C, mientras que en
el este de Asia lo hacen A, B y D 17. La presencia de varios motivos incrementa el
riesgo de lesiones precursoras y CG debido a un incremento en la fosforilación y
señalización celular inducida por cagA 1.
Otro factor de virulencia de H. pylori es la proteína vacA, la cual es una citotoxina

que produce vacuolas y canales de membrana en las células epiteliales, disrupción
de función endosoma/lisosoma y apoptosis (Figura 8). vacA está presente en todas
las cepas de H. pylori y consta de loci polimórficos s, i, m. La progresión de las
lesiones premalignas y el CG han sido asociadas con las cepas s1/i1/m1, debido a
una producción incrementada de toxina con mayor actividad vacuolante respecto a
cepas s2/m2 o s2/i2/m2 20.
Figura 8. Mecanismo de acción de vacA en epitelio gástrico. Tomado de Palframan

et al., 2012 20.
22
Introducción
4.3. Infección por Helicobacter pylori. Mecanismos y consecuencias en el huésped
H. pylori posee un complejo mecanismo de infección del epitelio gástrico, en el cual

las consecuencias negativas para el huésped son logradas de múltiples maneras
(Figura 9) detalladas a continuación:
A) Infección dependiente de cagA fosforilada: cagA penetra en el citoplasma a

través del sistema de secreción tipo IV (T4SS) y es fosforilada por SRC, C-ABL o YES1.
Posteriormente, interacciona con SHP2 (PTPN11) induciendo la activación de la vía
de señalización celular MAPK, específicamente de sus miembros MAPK1 y MAPK3.
La consecuencia es el fenotipo colibrí (hummingbird en inglés) caracterizado por la
elongación, dispersión y migración de las células epiteliales 21.
B) Infección independiente de cagA fosforilada: Después de penetrar cagA al

citoplasma forma un complejo con GRB2, SOS y RAS y es también activada la vía de
señalización MAPK como en el mecanismo anterior lo que conlleva a la activación
del factor de transcripción AP1 el cual inducirá la expresión de citoquinas pro-
inflamatorias IL6, IL8, TNFα, etc., lo que conduce al reclutamiento de neutrófilos y
linfocitos, así como a la dispersión y proliferación de las células epiteliales. Las
citoquinas inducen inflamación, la cual produce especies reactivas del oxígeno que
producen mutaciones al ácido desoxirribonucleico (ADN).
Así mismo, cagA no fosforilada puede localizarse en las uniones intercelulares

epiteliales e interactuar con E-cadherina, ZO-1 o JAM-A e inducir la disrupción de la
polaridad apico-basal de las células epiteliales y la ruptura de las uniones célula-
célula, esenciales para la integridad del epitelio gástrico, debido a la disolución del
complejo de adhesión E-cadherina con β-catenina. Esto último provoca la
acumulación nuclear y citoplasmática de la β-catenina que, a su vez, induce la
expresión de genes intestinales como CDX1 y MUC2 en el epitelio gástrico. Además,
cagA aumenta la expresión de NFKB1, factor de transcripción que induce la
expresión de citoquinas pro-inflamatorias. Adicionalmente, cagA es una
oncoproteína que favorece la proliferación descontrolada del epitelio gástrico.
C) Formación de vacuolas por vacA: vacA induce la formación de vacuolas en el

epitelio gástrico, las cuales son canales aniónicos que son endocitados por la célula
para producir endosomas tardíos y lisosomas tempranos. La actividad de estos
canales provoca la acidificación del citosol de las células gástricas y la entrada de
agua. Además, vacA induce la liberación del citocromo C lo que causa apoptosis
epitelial 22 e inhibe la activación y proliferación de los linfocitos T.
D) Formación de vesículas de membrana externa de H. pylori: Dichas vesículas

contienen al peptidoglicano de la membrana de H. pylori y penetran en las células
epiteliales gástricas a través de balsas lipídicas (microdominios de la membrana
23
Introducción
plasmática cuya fluidez es mucho menor a la de su entorno). Una vez en el citosol el

peptidoglicano es liberado e interacciona con NOD1, aumentando la expresión de
NFKB1 e induciendo la expresión de citoquinas pro-inflamatorias 23.
E) Inhibición de la ATPsa H+- K+: El receptor del T4SS de H. pylori, denominado α5β1,
al interactuar directamente con H. pylori activa a ADAM17, la cual induce la
represión transcripcional de la ATPsa H+-K+, responsable de generar el gradiente de
protones H+ que garantiza el contenido ácido del estómago.
F) Efectos de la inflamación crónica: Las especies reactivas del oxígeno originan

mutaciones en el ADN de las células madres mesenquimales procedentes de
médula ósea (BM-MSCs, del inglés bone marrow derived mesenchymal stem cells)
que migran al epitelio gástrico debido a la infección por H. pylori, así como en el
propio epitelio gástrico. Adicionalmente, el epitelio es susceptible a una apoptosis
inducida por citoquinas pro-inflamatorias, la cual induce la muerte de células
parietales y principales, provocando la atrofia gástrica. La ausencia de comunicación
celular conlleva a la perturbación de los patrones de diferenciación celular, ya que
las células parietales son cruciales en la maduración de los precursores epiteliales y
su migración dentro de la glándula gástrica 24. En un modelo murino de CG por
infección con Helicobacter, la inflamación prolongada induce deposición de BM-
MSCs. Estas, al ser cultivadas durante largos periodos se transforman
espontáneamente desarrollando un fenotipo tumoral inhibidor de la respuesta
inmune, involucrando a las células madres en el origen del CG 25.
G) Factores transcripcionales homeobox: H. pylori es un regulador positivo del

factor de transcripción humano CDX2, el cual es un master gene responsable de la
metaplasia intestinal 26.
H) Adaptación de H. pylori al ambiente gástrico: H. pylori posee una potente

actividad enzimática ureasa que le permite vivir en el microambiente ácido del
lumen gástrico. Esto se logra mediante la hidrolisis de la urea, que produce amonio,
el cual protege a la bacteria del pH ácido del lumen gástrico. Otros factores que
contribuyen a la persistencia de la bacteria en el estómago son ciertas
características del lipopolisacárido (LPS) de la membrana de H. pylori que reduce la
intensidad de la respuesta inmune del huésped y la expresión de adhesinas que le
confieren una estrecha adherencia al epitelio gástrico 27.
24
Introducción
Figura 9. Mecanismos de infección de Helicobacter pylori en el epitelio gástrico. Tomado de 17, 21, 23, 27, 28, 29, 30, 31, 32.
25
Introducción
4.4. Infección por Helicobacter pylori. Respuesta inmunitaria
La respuesta inmune innata es desencadenada por receptores de membrana que se

expresan en las células epiteliales gástricas (Toll Like Receptors [TLR]: TLR2, TLR4, TLR5,
TLR9) y células presentadoras de antígenos (Nod Like Receptors [NLR]: NOD1, NOD2). Los
TLRs reconocen el lipopolisacárido de la membrana bacteriana mientras que los NLR
reconocen el peptidoglicano bacteriano. La activación de los mismos induce la expresión
del factor transcripcional NFKB1, el cual induce la expresión de citoquinas pro-
inflamatorias como IL1B, IL8, TNFA e IFNγ 32.
La respuesta inmune ante la infección por Helicobacter es mayoritariamente de células T

en lugar de B, constituyendo la primera una de las más importantes en la eliminación de
células tumorales. La respuesta de células T puede ser citotóxica (CD8+) y/o auxiliadora
(CD4+). Esta última, basada en la producción de citoquinas, se divide en Th1 (secreción de
TNFA e IFNγ) y Th2 (secreción de IL4 e IL5). La respuesta CD8 elimina directamente el
agente infeccioso pero es minoritaria en la gastritis atrófica y el CG. La respuesta Th1
induce activación de macrófagos y proliferación de linfocitos T CD8+ mientras que la Th2
induce proliferación de linfocitos B para producir anticuerpos 33.
En la infección por H. pylori existe una respuesta mayoritaria tipo Th1, sin embargo es
incapaz de eliminar la infección, contribuyendo a la inflamación crónica 27. En modelos
murinos y pacientes con una respuesta predominante Th2, existe una disminución del
riesgo de gastritis crónica atrófica multifocal (GCA) y CG. En ratones con respuesta Th2 la
infección con Helicobacter felis induce una leve gastritis a pesar de lograr una alta
colonización bacteriana. Pacientes infectados con una gastritis leve poseen una respuesta
tipo Th0 en la cual secretan tanto citoquinas Th1 como Th2, evidenciando que la
respuesta Th2 ejerce protección en comparación con la respuesta Th133.
Como ya hemos comentado anteriormente en poblaciones de bajo riesgo de CG a pesar

de una alta incidencia de H. pylori como África 16 y la costa pacífica colombiana 14, la co-
infección con helmintos intestinales provoca la respuesta Th2. En ratones coinfectados
con H. felis y el helminto Heligmosomoides polygyrus existe una protección contra la
atrofia gástrica y otras LPGs en comparación con infectados solamente con H. felis 34. Por
lo que un factor de susceptibilidad que condiciona la severidad de las LPGs es el tipo de
respuesta Th1 o Th2 ante la infección por H. pylori.
5. Otros factores de riesgo del cáncer gástrico
5.1. Dieta
Un reciente meta-análisis muestra que el alto consumo de frutas, pero no de vegetales,

disminuye significativamente el riesgo de CG 35. También, el consumo de fibras
provenientes de cereales parece tener un efecto mayor que el de fibras de frutas y
26
Introducción
vegetales en la reducción del CG, altos contenidos de los mismos reducen el riesgo de CG
en un 31% 36.
Sin embargo, los consumos elevados de sal, alcohol y carne roja procesada
(especialmente en infectados por H. pylori) 37 probablemente aumentan el riesgo de CG
no cardias. La mayoría de estas asociaciones provienen de estudios caso-control; los
pocos estudios de cohortes han sido más inconsistentes y se requieren más estudios de
cohorte para arribar a conclusiones definitivas. Las carnes procesadas aportan
nitrosaminas y precursores de su formación como los nitratos y nitritos. Las carnes rojas
aportan hierro orgánico que es un precursor de la formación endógena de nitrosaminas,
las cuales son cancerígenas en modelos de experimentación animal.
El mecanismo para la asociación inversa del riesgo de CG con la ingesta de frutas y

posiblemente de algunos vegetales parece estar relacionado con la presencia de las
vitaminas C y E, las cuales actúan como antioxidantes y disminuyen la formación
endógena de nitrosaminas. Se ha propuesto que la disminución en la incidencia del CG se
debe a mejoras en la conservación de los alimentos, especialmente por la refrigeración,
que ha permitido reducir el uso de la sal y los ahumados como conservantes y la
abundancia de frutas y vegetales frescos en la dieta; así como, a la disminución del
consumo de tabaco y de la infección por H. pylori 1.
5.2. Tabaquismo
El consumo de tabaco es el factor de riesgo asociado con el mayor número de casos de

cáncer en todo el mundo. Se estima que la fracción poblacional atribuible del CG debido
al tabaquismo está entre 20-50% 38.
5.3. Anti-inflamatorios no esteroideos
Un meta-análisis encontró que los consumidores regulares de antinflamatorios no

esteroideos (AINES) tuvieron entre un 18-20% de menos riesgo de CG de cardias y entre
un 32-36% de reducción del riesgo de CG no cardias 39. Los AINES inhiben la producción
de las enzimas ciclo-oxigenasas COX1 y COX2, disminuyendo la biosíntesis de
prostaglandinas y tromboxanos las cuales aumentan la respuesta inflamatoria y por tanto
el riesgo de carcinogénesis.
6. Mecanismo de carcinogénesis gástrica

El cáncer gástrico se desarrolla como resultado de la sucesión de una serie de lesiones
precursoras en la mucosa gástrica. Este proceso fue descrito a partir de observaciones
epidemiológicas en poblaciones colombianas con alta (montañas andinas 150/100 000
habitantes) y baja incidencia (2.8/100 000 habitantes) de CG y antes de la identificación
de H. pylori como un carcinógeno. Mediante un registro de cáncer poblacional en la
27
Introducción
ciudad de Cali que poseía un 65.8% de inmigrantes se demostró que la tasa de incidencia
de CG era 5 veces mayor en inmigrantes de los Andes respecto a los de la costa del
Pacífico. La prevalencia de la metaplasia intestinal siguió un comportamiento análogo a la
del CG en dichas poblaciones 14.
En estudios de seguimiento en dichas poblaciones la severidad de una lesión precursora

se correlaciona con la prevalencia de la posterior, indicando una secuencia de eventos. En
la tabla 1 se observan las tasas de transición entre la primera y segunda biopsias por 100
personas-año, basado en un seguimiento de 1422 pacientes durante 5 años en un área
colombiana de alto riesgo 14. Se observa que la dinámica de las lesiones sigue un patrón
de progresión a lesiones avanzadas y regresión a más leves, siendo más frecuentes las
primeras, con excepción de la progresión desde metaplasia a displasia (DISP). Esta
dinámica resulta en un lento movimiento no constante hacia la progresión, que difiere
entre individuos y está condicionado por la edad (las tasas de progresión aumentan), el
muestreo de biopsias gástricas y probablemente por la exposición a otros factores 14.
Tabla 1. Tasas de transición para la progresión y regresión de las lesiones

precursoras. Tomado de Correa et al., 2012 14.
Tasas de transición por
Tipo de evolución
100 personas-año
Mucosa Normal o Gastritis No Atrófica  Gastritis Atrófica 7.5
Gastritis Atrófica  Mucosa Normal o Gastritis No Atrófica 1.7
Gastritis Atrófica  Metaplasia Intestinal 6.7
Metaplasia Intestinal  Gastritis Atrófica 4.4
Metaplasia Intestinal Displasia 3.2
Displasia Metaplasia Intestinal 5.7
Metaplasia Intestinal  Displasia en <40 años 2.1
Metaplasia Intestinal  Displasia en >40 años 4.0
Los resultados anteriores fueron usados para generar un modelo de carcinogénesis

gástrica conocido como la cascada de Correa en honor a su descubridor y está compuesto
por la siguiente sucesión de LPGs previas a la aparición del CG: gastritis no atrófica (GNA)
→ gastritis crónica atrófica multifocal → metaplasia intestinal completa (MIC) →
metaplasia intestinal incompleta (MII) → displasia de bajo grado → displasia de alto grado
→ adenocarcinoma gástrico 14. Numerosos estudios en humanos 1 40 y modelos murinos
infectados con Helicobacter felis y Helicobacter pylori y en otros con expresión
transgénica o deleción de genes con importantes funciones en la fisiología gástrica han
validado dicha teoría 41.
El proceso se inicia cuando H. pylori coloniza la mucosa gástrica de la región antral del
estómago, evitando la disminución del pH en el fundus y cuerpo del estómago. Dicha
infección por lo general provoca una gastritis crónica no atrófica que puede durar
28
Introducción
décadas, a menos que el tratamiento erradique la bacteria; con el tiempo la infección

puede extenderse a la mucosa oxíntica. La infección severa y prolongada puede dar lugar
a la pérdida de tejido glandular causando una gastritis atrófica multifocal. En algunos
pacientes, las glándulas perdidas son reemplazadas por otras con fenotipo intestinal
llamada metaplasia intestinal. Una pequeña proporción de sujetos con esta lesión pueden
progresar a displasia, así mismo una fracción de los mismos desarrollará CG (Figura 10).
Figura 10. Mecanismo de la carcinogénesis gástrica. Modificado de Yuasa, 2003 42.
El proceso preneoplásico comienza mucho antes de la aparición de los rasgos

histopatológicos neoplásicos, con el crecimiento de tejido epitelial preneoplásico como
resultado de la proliferación clonal de células mutadas, las cuales están precondicionadas
a un posterior desarrollo tumoral. En este sentido, las glándulas gástricas metaplásicas
comparten la mutación c.4680insA en el gen APC con glándulas displásicas sugiriendo el
origen de la displasia a partir de la metaplasia intestinal 40.
6.1. Alteraciones moleculares en el cáncer gástrico
La adquisición de mutaciones somáticas en oncogenes y genes supresores tumorales es

una causa establecida del desarrollo del CG y del cáncer en general. Algunas de las
alteraciones genéticas asociadas a la transformación a CG intestinal son la inestabilidad
de microsatélites, mutaciones en TP53, expresión reducida de CDKN1B (p27), incremento
en la expresión de CCNE1 (ciclina E), presencia de transcritos aberrantes de MET (c-met),
inactivación de genes supresores de tumores como DCC y APC por pérdida de
heterocigosidad o mutación, expresión reducida de TGFBR1 (receptor tipo I de TGFβ) y la
amplificación de ERBB2 (HER2) 43.
Respecto al CG hereditario de tipo difuso han sido identificadas mutaciones somáticas en

el gen de la E-cadherina y expresión reducida de dicha proteína, todo lo cual ocasiona
ruptura de la unión de la misma con la β-catenina, y una disminución de la adhesión
célula-célula 44. Otras alteraciones son la pérdida de heterocigosidad en la región
cromosómica 17p, donde se localiza TP53, la pérdida de p27, inhibidor dependiente de
29
Introducción
ciclina que controla la transición G1-S del ciclo celular, y la amplificación de los proto-
oncogenes MET y K-sam contribuyen a la progresión y dispersión metastásica 43.
Las principales características moleculares (hallmarks en inglés) del cáncer 45 se observan

también en la carcinogénesis gástrica, las cuales son:
A) Mantenimiento de la señalización proliferativa, lo cual se logra por sobre-expresión

autóloga de factores de crecimiento y sus receptores; así como, por activación de vías de
señalización activadas por factores de crecimiento, debido a mutaciones en supresores
tumorales (Ras, PTEN, mTOR, TGFB) e inactivación de mecanismos de regulación negativa
de dichas vías y evadir la acción de supresores tumorales (TP53 y RB1), los cuales regulan
negativamente la proliferación de células con daño genómico.
B) Evitar la muerte celular por apoptosis debido a mutaciones en oncogenes (Ej. MYC) o
alteraciones en los reguladores de la apoptosis, como el programa intrínseco, extrínseco,
BCL2, BAX, BAK, BIM, PUMA, IGF1/2 y citocromo C.
C) El mecanismo de autofagia (fusión de fagosomas y lisosomas) permite tanto la

sobrevivencia como muerte celular en condiciones de estrés, mediante la ruptura de
organelos celulares y el uso de los catabolitos resultantes en el metabolismo energético.
D) Permitir la inmortalidad replicativa debido a la expresión de la enzima telomerasa que

impide el acortamiento de los telómeros.
E) Estimulación de angiogénesis por la unión de sus inductores (VEGFA, angiopoietina y

FGF) a receptores del endotelio vascular. Diversas células derivadas de médula ósea como
macrófagos, neutrófilos, mastocitos y mieloides contribuyen a este proceso y las células
progenitores vasculares migran al tejido neoplásico.
F) Invasión y metástasis por perdida de expresión e inactivación mutacional de cadherina

E (CDH1) y por el mecanismo de transición epitelio-mesenquima (regulado por la familia
Snail, Twist y ZEB1/2) y a la que contribuyen macrófagos asociados al tumor que secretan
metaloproteinasas de matriz y EGF facilitando el proceso.
Otros procesos aún no generalizados son:
G) Reprogramación del metabolismo energético o efecto Warburg.
H) Evasión de la destrucción tumoral por el sistema inmune por perdida de la expresión

de HLA o defectos en la función de células Natural Killers (NK), linfocitos T citotóxicos
(CD8+) y auxiliadores (CD4+). Es importante señalar que ciertos eventos afectan múltiples
procesos como es el caso de mutaciones en RAS y sobre-expresión de MYC que influyen
en la proliferación, metabolismo energético, angiogénesis, invasión y sobrevivencia.
30
Introducción
La adquisición de los rasgos antes mencionados es debida a dos características

fundamentales: la adquisición de mutaciones endógenas o por carcinógenos exógenos y
la inflamación crónica. Esta última es particularmente relevante en la carcinogénesis
gástrica a consecuencia de la infección por Helicobacter pylori contribuyendo a múltiples
hallmarks 45. Adicionalmente a los procesos globales en la carcinogénesis, una serie de
vías de señalización y mecanismos moleculares específicos del CG han sido identificados
mediante estudios de expresión génica, secuenciación de nueva generación (NGS, del
inglés next generation sequencing), RNAseq y polimorfismo de nucleótico simple (SNP, del
inglés single nucleotide polymorphism), los cuales es necesario tener en cuenta en el
análisis de las potenciales vías de señalización que condicionan la progresión desde la
metaplasia intestinal al CG. En este sentido es relevante la más extensa caracterización
genómica del CG realizada por el proyecto internacional Cancer Genome Atlas mediante
secuenciación de exoma completo, análisis del número de copias y metilación;
determinando patrones moleculares comunes en los CGs según la infección por virus
Epstein-Barr, inestabilidad de microsatélites, inestabilidad cromosomal y estabilidad
genómica 46.
7. Lesiones precursoras gástricas

A continuación se describen las LPGs constituyentes de la carcinogénesis gástrica
basándose en el sistema de Sydney 47. Las mismas se localizan inicialmente
preferentemente en el antro y zona transicional y con el tiempo se extienden al cuerpo.
7.1. Gastritis crónica no atrófica (superficial o activa)
Gastritis crónica concentrada principalmente en la porción foveolar de la mucosa antral,

comenzando justo debajo de la superficie del epitelio. Consiste en la infiltración
incrementada en la lámina propria de leucocitos mononucleares representativos de la
inflamación crónica (linfocitos T y B, macrófagos, células NK, células plasmáticas,
eosinófilos y mastocitos) y de neutrófilos polimorfonucleares característicos de la
inflamación aguda. Esta última, así como los agregados linfoides formando centros
germinales, son signos distintivos de la infección por H. pylori 14. Tiene una alta tasa de
curación si el H. pylori es eliminado y de remisiones espontáneas. En las figuras 11 y 12 se
observan la mucosa normal y la gastritis crónica no atrófica, respectivamente.
31
Introducción
Figura 11. Mucosa normal teñida con hematoxilina-eosina. Tomado de Correa et al., 2012 14.
Figura 12. Gastritis crónica no atrófica. Tomado de Correa et al., 2012 14.
7.2. Gastritis atrófica multifocal sin metaplasia intestinal
La gastritis atrófica se caracteriza por la pérdida de glándulas antrales y/o oxínticas

(Figura 13). En el caso de pérdida de la mayoría de las glándulas gástricas, se denomina
gastritis atrófica multifocal o pangastritis, involucrando al antro y al cuerpo gástrico. El
diagnóstico de la gastritis atrófica presenta una muy baja concordancia inter-observador
(k<0) 48. La pérdida de estas glándulas se acompaña por fibrosis y aparición de glándulas
32
Introducción
metaplásicas; sin embargo, la atrofia y la metaplasia intestinal pueden existir

independientemente.
Figura 13. Gastritis crónica atrófica. Tomado de Correa et al., 2012 14.
Al desaparecer las células parietales disminuye la secreción ácida del estómago

(hipoclorhidria), la cual puede provocar la colonización masiva por parte de bacterias y
hongos representativos de la flora normal intestinal. Las mismas producen acetaldehído y
compuestos N-nitroso, potencialmente carcinogénicos que pueden producir mutaciones
en el ADN 49.
7.3. Metaplasia intestinal
La metaplasia intestinal consiste en el reemplazo de la mucosa gástrica normal por otra

histológicamente similar a la del intestino, compuesta mayoritariamente por células
caliciformes (goblet cells) secretoras de mucus. Es la LPG con mayor concordancia inter-
observador (k=0.81) 48. Existen 2 tipos, la completa y la incompleta 50. La MIC está
constituida por células epiteliales del intestino delgado, como células caliciformes bien
desarrolladas secretoras de sialomucinas, enterocitos absortivos que expresan todas las
enzimas digestivas (sucrasa, trehalasa, fosfatasa alcalina) y células de Paneth (Figura 15).
En la MIC existe una disminución o ausencia de la expresión de las mucinas gástricas
MUC1, MUC5AC y MUC6 y la expresión de la mucina intestinal MUC2. Predomina en
sujetos jóvenes 14.
33
Introducción
Figura 14. Metaplasia intestinal completa. Tomado de Correa et al., 2012 14.
La MII está compuesta por células epiteliales del colón, específicamente células
columnares y caliciformes de tamaño variable secretoras de sialomucinas y sulfomucinas,
ausencia de enterocitos y rara presencia de células de Paneth. Presenta una importante
desestructuración glandular y desaparición parcial o total de las enzimas digestivas
(Figura 15). Existe expresión de mucinas gástricas o neutrales MUC1, MUC5AC, MUC6 y
de la mucina intestinal MUC2. Predomina en pacientes mayores de edad 24.
Figura 15. Metaplasia intestinal incompleta. Tomado de Correa et al., 2007 24.
La conexión causal entre la metaplasia intestinal con el CG fue propuesta por vez primera
en Java y Sumatra en 1938, comparando pacientes malayos con bajas frecuencias de CG,
atrofia y MI, respecto a inmigrantes chinos con altas frecuencias de tales patologías.
34
Introducción
Posteriormente, Jarvi y Lauren reportaron que los CGs de tipo intestinal estaban rodeados
por metaplasia intestinal más frecuentemente que los CGs de tipo difuso 13.
El concepto general de metaplasia es la conversión postnatal de células diferenciadas en

células madres y su posterior transformación en tipos celulares característicos de otros
órganos 51. La metaplasia ocurre en tejidos expuestos a traumas, inflamación, infección o
estimulación hormonal, estando expuestos a continua proliferación. Ejemplos en otros
tejidos son la metaplasia escamosa (glandular a escamosa) debido al tabaquismo y el
esófago de Barret (escamosa a glandular) causado por reflujo gastroesofágico,
caracterizado porque la mucosa esofágica es expuesta a ácidos biliares y gástricos
induciendo una inflamación crónica 52. La metaplasia es considerada una respuesta
protectora contra el agente dañino, sin embargo crea una susceptibilidad para la
transformación neoplásica, ya que la mayoría de las metaplasias son lesiones precursoras
de cáncer 51.
7.4. Displasia
Lesión neoplásica limitada al epitelio, sin invasión de la lámina propia, caracterizada por
atipia celular, esto es, células de formas irregulares, hipertróficas e hipercromáticas, y en
las que se pierde la polaridad apico-basal epitelial; además, hay presencia de frecuentes
mitosis y nucléolos prominentes (Figura 16). Esta des-diferenciación del epitelio es
progresiva y se convierte en carcinoma invasivo cuando la atipia celular alcanza la
membrana basal 14. Su diagnóstico presenta una baja concordancia inter-observador
(k=0.42) 48.
Figura 16. Displasia gástrica. Tomado de Correa et al., 2012 14.
35
Introducción
7.5. Epidemiología de las lesiones precursoras gástricas
La prevalencia de las LPGs muestra diferencias dependientes de las zonas geográficas, la

incidencia de la infección por H. pylori, edad, sexo, exposición a factores de riesgo y si la
población de estudio son pacientes que consultan por dispepsia o proceden de la
población general 53 54 55. La prevalencia de las LPGs en dispépsicos oscila en: atrofia (7.8-
80%), metaplasia intestinal (5-72%) y displasia (0-20%), siendo menores en no dispépsicos
o asintomáticos, aunque también significativamente altos (9.3% en total con LPGs) 55.
Holanda posee un registro de base poblacional de múltiples enfermedades que ha

permitido la realización de múltiples estudios epidemiológicos de las LPGs. En uno de
ellos (1991-2005) se demostró que la incidencia de las mismas está disminuyendo quizás
debido a la disminución de la infección por H. pylori. En el caso de la atrofia gástrica esta
disminución es de un 8.2%/año, para la metaplasia 2.9%/año y la displasia 8.1%/año.
Basado en ello se puede anticipar una disminución de hasta el 24% en la incidencia de CG
en los próximos 10 años sin intervención específica 53.
En contraposición a lo anterior otro grupo holandés plantea que el CG permanecerá

siendo una enfermedad relativamente frecuente en países occidentales, basado en la
prevalencia de LPGs en población general sana o asintomática clínicamente 55. Basado en
lo anterior, proponen un programa de vigilancia para poblaciones de bajo riesgo de CG
que consistiría en la detección de factores de riesgo epidemiológicos y pesquisaje
serológico (anticuerpos anti H. pylori y razón de pepsinógenos PGI/PGII). Como resultado
de dicho cribado la vigilancia gastróscópica debe ser ofrecida a pacientes con LPGs
infectados por H. pylori 54 55 56.
7.6. Estudios de seguimiento de lesiones precursoras gástricas
Se han realizado numerosos estudios de seguimiento de lesiones precursoras gástricas

con el objetivo de conocer las tasas de progresión a CG desde las mismas. Un artículo de
revisión compendia las tasas anuales mundiales para la gastritis atrófica (0-1.8%),
metaplasia intestinal (0-10%) y displasia (0-73%). La elevada variación en los rangos es
atribuida a diferencias en el estilo de vida, prevalencia de H. pylori, sistemas de muestreo
de biopsias gástricas y clasificación histológica, criterios de exclusión así como tiempos de
seguimiento diferentes 56 (Tabla 2). Las principales conclusiones de dichos estudios es que
las tasas de progresión a CG aumentan con la severidad de las lesiones según la cascada
de Correa. La MI incompleta (tipos II y III) tiene mayor riesgo que la completa (tipo I) 57 y
la displasia de alto grado/severa posee el mayor riesgo entre todas las LPGs (Tabla 2).
En los 2 estudios de seguimiento de LPGs desarrollados por nuestro grupo (provincia de

Soria y multicéntrico español) hemos observado que la metaplasia intestinal incompleta
confiere el mayor riesgo de progresión a CG 57. Entre todas las LPGs la metaplasia
intestinal es la lesión con mayor concordancia inter-observador (k=0.81) 48 por poseer
36
Introducción
características histológicas fácilmente identificables, y altas tasas de progresión a CG. La

otra lesión de interés para el seguimiento es la displasia, sin embargo en nuestra
población tiene una prevalencia muy baja (0-4%) y diversos estudios reportan bajas tasas
de progresión (0%) y altas de regresión (69.2, 100%) 48, lo cual concuerda con la mayor
tasa de regresión para la transición DISP-MI respecto a MI-DISP previamente reportada 10
(Tabla 1). Basado en lo anterior nos hemos centrado en la metaplasia intestinal como la
lesión de mayor riesgo a CG en la población española y por ende su justificación para ser
usada en estudios moleculares. Recientemente han sido publicadas guías de manejo
clínico de las LPGs, en poblaciones que no son de alto riesgo, las que recomiendan
vigilancia endoscópica cada 1-3 años en pacientes infectados y diagnósticados con una
metaplasia intestinal extensa, lo cual apoya nuestra hipótesis de estudio 58. Un programa
masivo de pesquizaje mediante gastroscopias en población general de bajo riesgo es
inapropiado debido al peligro para los pacientes, objeciones éticas y costes 53.
La ausencia de una vacuna preventiva contra H. pylori, el bajo éxito de la quimioterapia, y

la pequeña tasa de sobrevivencia a los 5 años (20%) del CG con diagnóstico tardío,
respecto al 60% cuando es detectado precozmente, apuntan a que la temprana detección
de las LPGs es decisivo en su pronóstico. En este sentido, la identificación de factores que
permitan saber cuáles lesiones progresarán a CG es de gran importancia.
37
Introducción
Tabla 2. Principales estudios epidemiológicos de seguimiento de lesiones precursoras gástricas. Tomado y modificado de
de Vries et al., 2007 56 (con excepción de los estudios españoles).
Tamaño Tiempo de Progresión a CG
Diseño de seguimiento después Incidencia anual de CG Incidencia anual de
País de Progresión a CG (%) (% de todos los
estudio (n/100.000 personas años) CG (% de estudios)
muestra de endoscopia (años) estudios)
Gastritis Atrófica
Finlandia Prospectivo 116 15 (máximo) 9 (7.8%) 3.48 ≥517 208.6
23 (máximo) 10 (8.6%) ≥375
Suecia Prospectivo 61 2.7 (%) 0 (0%) 0
China Prospectivo 1240 5 (máximo) Ligera: 1 (0.1%) ≥ 16
Severa: 0 (0%) 0
Italia Prospectivo 42 4 (máximo) 0 (0%) 0
Italia Prospectivo 106 7 (media) 1 (0.9%) ≈135
Metaplasia Intestinal
Italia Prospectivo 261 9 (%) 12 (4.6%) 11.53 ≈ 511 572
Portugal Prospectivo 124 6 (máximo) Tipo I-III: 0 (0%) 0
China Prospectivo 842 5 (máximo) Superficial: 2 (0.8%) ≥ 156
Severa: 16 (2.7%) ≥ 546
UK Prospectivo 93 10 (máximo) 10 (11%) ≥ 1075
España (Soria) 57 Prospectivo 478 12.8 (MII-21%, MIC 19%) Global: 3.77 (2.51–5.67)/1000
MII: 16.5 (10.08-6.86)/1000,
MII vs MIC (HR 11.3 [3.8-33.9]
España (multi- Prospectivo 649 10 MIC: 3.23% Global: 3.09 (2.07-4.6)/1000
céntrico) MII: 6.85% MIC: 2.76/1000,MII: 5.76/1000
MII vs MIC: HR 2.75 (1.06-6.26)
Displasia
Italia Prospectivo 134 1.6 (%) Ligera: 5 (6.1%) 64.56 ≥ 3811 19 876
Moderada: 7 (22.6%) ≥ 14.113
Severa: 6 (46.2%) ≥ 28.846
Italia Prospectivo 125 10 (máximo) Bajo grado: 22(27.2%) ≥ 2716
Alto grado: 36 (81.8%) ≥ 8182
China Prospectivo 546 5 (máximo) Ligera: 14 (2.8%) ≥560
Moderada/Severa: 3 ≥ 1400
(7.0%)
38
Introducción
8. Metaplasia intestinal
8.1. Riesgo de cáncer gástrico según subtipo histológico, localización anatómica y

extensión de la metaplasia intestinal
Teniendo en cuenta la relevancia de la MI en la progresión a CG se ha explorado su

riesgo diferencial en función del subtipo histológico (completa/incompleta).
Algunos de los primeros estudios ya indicaron que la metaplasia intestinal
incompleta es la que presenta un riesgo más elevado de cáncer gástrico 50 aunque
esta asociación no se confirma en todos los estudios 59. A pesar de la controversia
existente al respecto, una reciente revisión de estudios que evalúan la prevalencia o
el efecto del tipo de MI ha demostrado la posible utilidad del subtipaje histológico
como marcador de riesgo de CG. La variable resultado investigada fue la prevalencia
de los subtipos de MI (completa/incompleta) en el tejido adyacente al tumor (CG) y
en el grupo control en los estudios transversales; para los estudios de seguimiento
fue la comparación de la incidencia de CG de dichos subtipos al final del
seguimiento. Los autores encontraron que en 13 de 14 estudios transversales la
prevalencia de la MII fue significativamente mayor en el CG que en otras lesiones
gástricas controles 60. Aunque este tipo de estudios no es aconsejable para
encontrar factores pronósticos, si confirman que la MII es la LPG más frecuente
hallada en el CG.
Lo más importante es que 6 de 10 estudios de seguimiento (prospectivos,

retrospectivos, prospectivos-retrospectivos) encontraron una asociación entre la
MII (tipo III) y el riesgo posterior de CG, siendo 4-11 veces mayor para la tipo III
respecto a la completa o a la ausencia de tipo III 60. Estos estudios constituyen los
mejores para probar la asociación entre el tipo de MI con el riesgo de CG. Las
asociaciones fueron halladas en países con alto y moderado riesgo de CG. Tres de
los estudios que demostraron asociación fueron los que poseían un mayor tamaño
de muestra y en los que el seguimiento fue más prolongado, factores claves para
hallar una asociación significativa.
Adicionalmente en un estudio prospectivo, con una media de seguimiento de 12

años y realizado en 9 hospitales de toda España las tasas de incidencia de CG son
mayores en la MII (5.76/1000) respecto a la MIC (2.76/1000), (HR 2.75 [1.06-6.26]),
progresando a CG el 6.85% y 3.23% de las MII y MIC, respectivamente (pendiente
de aceptación). Previamente un estudio de seguimiento en la provincia de Soria
detectó un mayor riesgo de progresar a CG desde la MII respecto a la MIC (HR 11.3
[3.8-33.9]), progresando a CG el 21% y 19% de las MII y MIC, respectivamente 57.
Otro estudio de seguimiento (1989-1990, N=3399) realizado en China encontró que
el 13.3% de los pacientes con MII desarrollaron CG en comparación con solo el 1.9%
de las MIC 61.
39
Introducción
Las guías de manejo de LPGs no aconsejan el subtipaje de la MI en la práctica

clínica, debido a que sus autores consideran que la evidencia de su utilidad es
“limitada e inconsistente” y requiere del uso de técnicas inmuno-histoquímicas no
comunes 58. Sin embargo, ambos argumentos son discutibles ya que el estudio
anterior muestra la asociación diferencial entre el tipo de MI y el riesgo de CG 60 y
el diagnóstico histológico no estaba basado en técnicas de inmunohistoquímica sino
en la morfología, utilizando la simple y rutinaria técnica de tinción con
hematoxilina-eosina.
Se considera que la localización anatómica de la metaplasia intestinal también

proporciona un valor predictivo del riesgo futuro de CG, siendo más elevado en el
cuerpo 48. Debido a que la gastritis atrófica avanza desde el antro hacia el cuerpo la
localización en el cuerpo indica un estadio de mayor severidad respecto al antro. Sin
embargo, basar el diagnóstico de riesgo de progresión en la extensión de la MI
requiere múltiples tomas de biopsias, que no se practican rutinariamente en la
clínica. La extensión de la MI también condiciona un mayor riesgo de CG 62.
8.2. Alteraciones moleculares en la metaplasia intestinal
8.2.1. Factores de transcripción tipo caudal homeobox CDX1 y CDX2
La transdiferenciación del epitelio gástrico por CDX1 y CDX2 es el principal

mecanismo causal directo de la metaplasia intestinal. CDX1 y CDX2 son los maste
genes encargados de este proceso, factores de transcripción homeobox tipo caudal
que regulan el patrón de desarrollo antero-posterior del tracto gastrointestinal 52.
Los mismos no se expresan en el epitelio gástrico normal y son inducidos por cagA,
ratones transgénicos de CDX1 y CDX2 desarrollan MI y progresan a CG 41. La
expresión de CDX1/2 es responsable de la conversión del epitelio gástrico en
metaplásico mediante la inducción de factores de reprogramación de
desdiferenciación SALL4 y KLF5 63 y marcadores de diferenciación intestinal como la
sacarasa isomaltasa, cadherina LI, MUC2 y FURIN 64. Además, CDX2 es un inhibidor
de la reparación del ADN no homóloga en cáncer de colón 52, por lo que es probable
que en estómago también demuestre esta función.
Liu Q propone que un nivel muy alto de CDX2 sería causal de la MIC, la cual es un
estadio completamente diferenciado con una baja tasa de progresión a CG,
mientras que un nivel menor sería responsable de la MII la cual es un estadio de
menor diferenciación y por ende más proclive de avanzar a CG 65.
CDX1 y CDX2 activan la expresión de diversos genes de diferenciación intestinal

como sacarasa isomaltasa (SI), glucagón (GCG), lactasa phlorizin hidrolasa (LCTL),
calbindin D9k (S100G), anhidrasa carbónica I (CA1), fosfolipasa A (PLA1A), receptor
de vitamina D (VDR), guanilil ciclasa C, pancreatitis-associated protein I (PAP I),
40
Introducción
claudina 2 (CLDN2), LI-cadherina (CDH17), proliferating cell nuclear antigen (PCNA),

MUC2, UDP-glucoronosyltransferases (UGT1A8 y UGT1A10), β-1,3-galactosyl
transferase T5 (B3GALT5), glucosa 6 fosfatasa (G6PC), resistin-like molecule/found
in inflammatory zone (RELM/FIZZ) y fosfatasa alcalina intestinal (ALPI). Se ha
observado una cooperación entre los factores de transcripción CDX1/2, HNF1A/B
(hepatocyte nuclear factor) y la familia GATA para activar la expresión de algunos de
estos genes 64.
8.2.2. Daño oxidativo
En la metaplasia intestinal existen niveles incrementados de marcadores de daño

oxidativo al ADN como el 8OHdG 66, indicativos de la presencia de especies reactivas
del oxígeno y el nitrógeno a consecuencia de la infección por H. pylori. Dichas
especies causan mutaciones en oncogenes, supresores tumorales y genes del
mecanismo de reparación del ADN. Adicionalmente, en la MI hay una disponibilidad
limitada de secuestradores de dichas especies como el glutatión y la glutatión
S-transferasa lo cual contribuye a la persistencia de altos niveles de las mismas en la
metaplasia intestinal 67.
8.2.3. Supresores tumorales RUNX3 y TP53
RUNX3 es un factor transcripcional regulador del crecimiento y la diferenciación del

epitelio gástrico que ha sido identificado como supresor tumoral. Se encuentra sub-
expresado en la MI y el CG debido a deleción, hipermetilación de su promotor,
inadecuada localización subcelular proteica y degradación proteasomal inducida por
H. pylori 68.
TP53 es un factor transcripcional que controla la reparación del ADN, la apoptosis y

el ciclo celular. Se reporta la presencia de mutaciones en el 37.5%, 58.3% y 66.7%
de las muestras con MI, DISP y CG, indicando que pueden ser un evento temprano y
están correlacionadas con la severidad de las LPGs 69.
8.2.4. Vía de señalización celular Sonic hedgehog
La vía Sonic hedgehog (Shh) participa en la regulación del desarrollo embrionario

del estómago, la proliferación celular y la diferenciación de glándulas gástricas. La
inhibición de esta vía conlleva a un programa de diferenciación alterado y pérdida
de la secreción ácida gástrica; así como, a un incremento de la proliferación epitelial
y una reducción en la expresión de proteínas reguladoras de la expresión específica
de tejido y la diferenciación. Shh se expresa en el estómago sano y disminuye en la
MI, siendo menor en la MII en comparación con la MIC 70.
41
Introducción
8.2.5. Mecanismos epigenéticos
La metilación de islas CpG en la MI disminuye la expresión de los genes MLH1, p14,

p15, p16, CDH1, RUNX3, MGMT, THBS1 y TIMP3; siendo parcialmente reversible
después de la erradicación de H. pylori, demostrando que esta bacteria interfiere
con mecanismos de regulación epigenética en el epitelio gástrico 71.
8.2.6. Mecanismos de reparación del ADN. Pérdida de heterocigosidad e

inestabilidad de microsatélites
Mutaciones en los mecanismos de reparación del ADN permiten la acumulación de

mutaciones en el epitelio gástrico infectado por H. pylori, como las producidas en
regiones de microsatélites con la consiguiente variación en la longitud de los
mismos (MSI, del inglés microsatellite instability), característica utilizada
actualmente en la clasificación molecular del CG. Se reportó MSI en al menos 1 de 9
loci en el 27% de las MI, siendo todas del tipo incompleto y observándose el mismo
nivel de MSI en la muestra tumoral circundante 72. En un trabajo se halló MSI
presente en la GNA (13%), MI (20%), DISP (25%) y CG (38%), evidenciando un
incremento de su presencia acorde a la severidad de las LPGs en la cascada de
Correa 73.
8.2.7. Aumento de actividad telomerasa
El nivel de activación de la enzima telomerasa incrementa según la severidad de las

LPGs siendo mayor en la MII que en la MIC 74.
En resumen, una serie de mecanismos moleculares caracterizan a la MI y algunos de

ellos avalan el resultado epidemiológico de un mayor riesgo de progresión a CG de
la metaplasia intestinal incompleta respecto a la completa. Estos son, menor
expresión de CDX2 en la MII vs MIC 65, menor activación de la vía de señalización
Sonic hedgehog en la MII 70, mayor inestabilidad de microsatélites 72, mayor
actividad telomerasa en la MII 74; así como, la presencia de H. pylori de localización
intracelular el cual incrementa la severidad inflamatoria, con mayor frecuencia en la
MII 75.
8.3. Estudios de expresión génica por microarrays en metaplasia intestinal
Los estudios de expresión génica por microarrays en cáncer han permitido

identificar oncogenes, supresores tumorales, marcadores de progresión clínica, y de
la respuesta a la quimioterapia en el CG 76. Esta técnica permite detectar la
expresión de transcritos por medio de sondas unidas a un soporte sólido. La misma
ha sido aplicada al estudio de la metaplasia intestinal, gastritis y CG con el objetivo
de conocer las vías de señalización celular que se encuentran desreguladas.
42
Introducción
Meireles et al. estudiaron muestras de mucosa gástrica normal, gastritis, MI y CG

(intestinal y difuso), hallando un conjunto de genes diferencialmente expresados
durante la progresión de las LPGs acorde a la cascada de Correa. Aquellos sobre-
expresados en la metaplasia intestinal respecto a mucosa sana son COL4A1, FN1,
CTSB, COL1A2, Hs.177781, DAF, y VIM; la mayoría (subrayados) de los cuales poseen
funciones relacionadas con la matriz extracelular. Coincidentemente, Zhao et al.
hallaron que las vías de señalización celular que distinguen las LPGs del CG agrupan
genes de la matriz extracelular y adhesión focal integrada principalmente por
colágenos 77.
En otro estudio se identificó que genes del metabolismo lipídico (AKR1B10,

ALDH3A2, ADH1B, CDS1, DGKQ) se encuentran sobre-expresados en MI y que su
patrón de expresión es similar al esófago de Barret, la lesión metaplásica
esofágica78. En concordancia con lo anterior, otro estudio identificó en la metaplasia
intestinal una expresión desregulada de genes del metabolismo lipídico (MTTP, FAT)
y, adicionalmente, otros intestinales (CDX1) y con funciones gástricas (CCK, TFF1,
VIL1) 79.
De manera reiterada se encontró que en la MI existe una expresión incrementada

de genes del metabolismo de lípidos (MTTP, FABP1, APOA1) y la diferenciación
intestinal (CDX1/2, HNF4A), además de transportadores de aminoácidos (GGT1) y
glucosa (ALDOB), proteínas integrales de membrana y del citoesqueleto del epitelio
intestinal (CLDN3, CLDN4, CDH17 y VIL1) 80. Otro trabajo fue realizado con MI
aislada de la periferia de CG intestinal, y comparado el patrón de expresión génica
con células principales de sujetos sanos. Demostraron una sobre-expresión génica y
proteica de ACE2, MUC13, CDH17, REG4, FABP1, LYZ OLFM4, MUC5AC, KRT20,
LGALS4, AKR1B10 y DEFA5 respecto a la mucosa normal 81. Estudios de expresión no
microarrays evidencian que OCT1, PDX1, TFF3 y MATH1 se encuentran sobre-
expresados mientras que SOX2, Sonic hedgehog, RUNX3, TFF1 y TFF2 disminuyen
parcial o totalmente su expresión en la MI 52.
Las conclusiones de estos estudios es que existe un patrón de expresión génica

característico de la metaplasia intestinal caracterizado por la sobre-expresión de un
conjunto de genes epiteliales y del estroma gástrico. Los genes sobre-expresados en
la MI respecto a la mucosa sana representan a los procesos moleculares de la
diferenciación intestinal (CDX1/2), moléculas del cito-esqueleto (CLDN3, CLDN4,
CDH17, VIL1) y mucus intestinal (mucinas, trefoil factors), metabolismo lipídico
(MTTP, FABP1, AKR1B10, ALDH3A2, ADH1B, APOA1, CDS1, DGKQ) y adhesión focal
mediada por colágenos (COL1A1, COL11A1, COL1A2, COL4A1). Es importante
destacar como limitantes que en estos estudios se analiza la MI sin diferenciar en
sus subtipos histológicos (completa/incompleta) y no se conoce si las mismas
evolucionan a CG durante un seguimiento clínico.
43
Introducción
8.4. La familia multigénica Schlafen
Los genes Schlafen (dormir en alemán) constituyen una familia multigénica con un
alto grado de homología de secuencia, similitud funcional y proximidad
cromosomal. Su función es la regulación de la respuesta inmune mediante el
control de la diferenciación de timocitos a células T, así como la activación de las
mismas 82. En ratón esta familia está compuesta por 3 grupos basados, entre otras
características, en el tamaño de sus proteínas 82: grupo I (37-42 KDa, Schlafen1 y 2),
grupo II (58-68 KDa, Schlafen3 y 4) y grupo III (100-104 KDa, Schlafen5, 8, 9, 10, 14).
Todos sus miembros contienen un dominio Slfn de función desconocida, el cual no
ha sido encontrado en otras proteínas. Además, contienen un dominio N-terminal
AAA con una función hipotética en el metabolismo del ácido ribonucleico (ARN) y la
unión a GTP/ATP. Los grupos II y III poseen otro dominio llamado SWADL (Ser-Trp-
Ala-Asp-Leu). La localización subcelular de los miembros de los grupos I y II es el
citoplasma, mientras que los del grupo III lo hacen en el núcleo debido a una señal
de localización nuclear (RKRRR) 82.
Los genes de los grupos I y II fueron los primeros descubiertos mediante técnicas de
hibridación sustractiva para conocer genes reguladores de la diferenciación de
timocitos a células T 82. Posteriormente, usando técnicas similares aplicadas a la
infección por Lysteria monocitogenes fue descubierto el grupo III. En humanos
existen cinco isoformas (Slfn5, 11, 12, 13 y 14), a diferencia de en el ratón solo un
miembro tiene localización citoplasmática, Slfn12, el cual carece del dominio
helicasa y pertenece al grupo II, los restantes pertenecen al grupo III. La mayoría de
los Schlafen murinos no presentan homólogos en humanos y viceversa 82.
Los genes Schlafen tienen alta expresión durante la diferenciación de timocitos a

células T, en células T periféricas inactivas y debido a la infección por bacterias
Brucella o Listeria 82. Una disminución de su expresión ocurre después de la
activación de las células T por medio de una célula presentadora de antígenos 83.
Las funciones de la familia Schlafen incluyen permitir el desarrollo de las células T a
partir de timocitos y, además, inducir inhibición del crecimiento de las mismas y
otros tipos celulares como fibroblastos por arresto del ciclo celular. Schlafen1 y 2
inducen dicho estado en las células T mediante inhibición de la ciclina D1 83.
La similitud funcional de la familia Schlafen se confirma en múltiples estudios. En

este sentido, la expresión exógena de Schlafen1 en timocitos y fibroblastos produce
un arresto del ciclo celular de las células T 83. Los knockdowns de Schlafen2 y 3 en
melanoma resultan en una proliferación celular incrementada, implicando a estas
proteínas como inhibidores de la proliferación celular 84. La mutación elektra
(I135N) en Schlafen2 ocasiona que los ratones sean más susceptibles a infecciones
virales y bacterianas debido a que las células T con esta mutación sufren apoptosis
en respuesta a un estímulo proliferativo 82. Schlafen3 es un regulador del desarrollo,
44
Introducción
diferenciación y maduración del intestino, además de participar en la diferenciación

de las células T y poseer efectos antiproliferativos en cáncer de colon 82. Schlafen11,
miembro del mismo grupo III al que pertenece Schlafen5, es responsable del arresto
del ciclo y la muerte celular en líneas celulares tumorales NCI-60 tratadas con
quimiofármacos 118.
8.5. Rol de los genes Schlafen en la metaplasia intestinal
Ratones knock-out para el ligando GLI1 de la vía de señalización hedgehog (GLI1-/-)

infectados con Helicobacter felis no desarrollan metaplasia en contraposición a
ratones salvajes infectados con la misma bacteria. Al comparar el nivel de expresión
génica en la mucosa gástrica de ambos ratones mediante un microarray de ARN
mensajero (ARNm) se observó que el gen Schlafen4 se encontraba sobre-expresado
en la metaplasia tipo SPEM (spasmolytic polypeptide expressing metaplasia en
inglés), y que el mismo era producido por una población de células mieloides que
co-expresaban citoquinas pro-inflamatorias 85. Este estudio evidencia que la
activación de la vía hedgehog induce el reclutamiento de células supresoras
derivadas de línea mieloide (MDSC, del inglés myeloid derived suppressor cells)
hacia el estómago murino infectado por Helicobacter y que el gen Schlafen4 pudiera
ser un biomarcador de la metaplasia tipo SPEM en ratones (Figura 17).
Figura 17. Schlafen4 se sobre-expresa en la metaplasia gástrica. Tomado de El-

Zaatari et al., 2013 85.
El ratón transgénico de Schlafen4 presenta una disminución de la densidad de

monocitos y macrófagos inflamatorios en la cavidad peritoneal, lo cual es
consistente con que Schlafen4 posea un rol regulatorio en el control de la
diferenciación de macrófagos. Schlafen4 es inducido por IFNβ en macrófagos
derivados de médula ósea y líneas celulares murinas de fibroblastos NIH3T3 86.
45
Introducción
En otro estudio se comprobó que la expresión murina de Schlafen4 es inducida si la

vía hedgehog esta activa y el organismo se encuentra infectado por H. pylori. Las
células Schlafen4+ migran y adquieren funciones supresoras de células T solamente
en el estómago. Las mismas exhiben marcadores de superficie de MDSC que
sugieren un cambio metaplásico en la mucosa gástrica (pendiente de aceptación).
Las células MDSC pueden desarrollarse bajo condiciones de daño tisular, infección y
cáncer; su habilidad para inactivar la respuesta de células T y por ende la respuesta
inmune crea un microambiente favorable para la transformación neoplásica 87.
A pesar de que el homólogo humano de Schlafen4, Schlafen12, no se expresa en

mucosa gástrica humana (comunicación personal), otro miembro de esta familia
génica, Schlafen5, es inducido por IFNα, citoquina pro-inflamatoria incrementada a
consecuencia de la inflamación crónica inducida por H. pylori 88. Schlafen5 es un gen
presente solo en humanos y que pertenece al grupo III (masa molecular 100-104
KDa) de la familia de genes Schlafen, los cuales contienen una señal de localización
nuclear RKRRR y un dominio C-terminal homólogo al existente en la superfamilia I
de ARN helicasas, sugiriendo que posee este tipo de actividad 89. Schlafen5 es
inducido por IFNα mediante el represor traduccional PDCD4 en melanocitos, líneas
celulares de melanoma 88, de fibroblastos (NIH3T3) y fibrosarcoma (L929) 84.
Schlafen 5 disminuye el crecimiento in vitro de melanocitos y melanoma humano,
por lo que es un inhibidor de la proliferación celular presumiblemente mediante su
actividad helicasa 88.
9. Susceptibilidad genética
Además de los factores de virulencia de H. pylori y los componentes ambientales, el
largo proceso inflamatorio de respuesta causado por la infección bacteriana es uno
de los factores desencadenantes del proceso neoplásico. La susceptibilidad genética
del huésped tiene un papel importante en la carcinogénesis gástrica como lo
evidencia el hecho de que la heredabilidad del CG se ha calculado en un 28% y que
la historia familiar es un factor de riesgo independiente de la infección por
H. pylori 90. Aunque el efecto de dicha infección es el principal factor de riesgo de
CG, los factores heredados que confieren susceptibilidad genética a la infección y a
la severidad de la reacción inflamatoria y otros mecanismos de tumorigénesis son
también una parte de este complejo proceso.
El análisis de los polimorfismos genéticos y el estudio de su asociación con

enfermedades han sido de gran utilidad para identificar genes asociados a
enfermedades complejas como el cáncer. Un polimorfismo genético es una
variación en la secuencia de ADN (alelo) presente en más del 1-5% de los individuos
de una población. Las enfermedades complejas son aquellas que de manera general
están determinadas por la contribución pequeña (odds ratio [OR] 1-2) de
numerosos genes en combinación con el estilo de vida y la exposición a factores
46
Introducción
ambientales. Ejemplos de las mismas son los cánceres no esporádicos, la

hipertensión arterial y la diabetes tipo 2 91.
9.1. Proyecto de mapeo de haplotipos humanos HapMap y estudios de asociación

genética
La variación genética más común en el hombre son los polimorfismos de nucleótido

simple. Los mismos se distribuyen en bloques de haplotipos, los cuales son regiones
en las que existe un elevado desequilibrio de ligamiento (LD, del inglés linkage
dissequilibrium) y poca recombinación genética 92. El desequilibrio de ligamiento es
la asociación no azarosa entre alelos de diferentes loci, debido a su incapacidad de
segregación independiente por encontrarse muy próximos en el mismo
cromosoma, lo que impide su transferencia a la progenie de manera aleatoria 92. El
análisis de la estructura haplotípica permite la asociación de la variabilidad genética
con enfermedades 92.
Las anteriores conclusiones proporcionaron la base para la construcción del mapa

de haplotipos del genoma humano denominado HapMap (www.hapmap.org/) 92. El
mismo ha permitido reducir el número de SNPs a genotipar manteniendo la
potencia para detectar variantes de riesgo. Esta reducción ha sido posible mediante
la selección de tagSNPs, los cuales son representativos de la variabilidad genética de
una región ya que se encuentran en elevado desequilibrio de ligamiento con otros
SNPs. En la actualidad existen programas y algoritmos que analizan el grado de
desequilibrio de ligamiento entre SNPs de una determinada región genómica,
determinan los bloques de haplotipos que se forman y seleccionan los tagSNPs que
los definen 93.
El proyecto HapMap ha facilitado la realización de una inmensa cantidad de

estudios genéticos de asociación, que han permitido identificar nuevos genes
asociados a enfermedades complejas. La realización de dichos estudios ha sido
motivada por la búsqueda de biomarcadores estables que sean predictores de la
predisposición al desarrollo de una enfermedad. A la vez ha sido facilitada por la
relativa simplicidad del diseño de estudio caso-control retrospectivo o anidado en
una cohorte, la colecta de sangre para extracción de ADN genómico así como el
desarrollo acelerado de las técnicas de genotipado automatizado.
En general, los estudios de asociación, y en especial los de genes candidatos,

presentan la limitante de la falta de replicabilidad de los resultados al intentar ser
replicados en otras poblaciones. Las causas atribuibles son: diferencias entre las
muestras en cuanto a su origen étnico y consecuente estructura poblacional, mezcla
genética con otras poblaciones o aislamiento genético de las mismas, diferentes
patrones de desequilibrio de ligamiento de los genes estudiados, pequeño tamaño
muestral, diferencias en el diagnóstico de la enfermedad y en los efectos
47
Introducción
ambientales a que están expuestas dichas poblaciones 94. Con el objetivo de ganar
potencia estadística para generar resultados más confiables se han realizado meta-
análisis los cuales tienen en cuenta varios estudios incrementando el tamaño
muestral y por ende la potencia estadística para detectar una posible asociación 95.
9.2. Estudios de asociación de genes candidatos en cáncer gástrico
Los factores de susceptibilidad genética al CG incluyen genes candidatos

involucrados en la respuesta inflamatoria ante la infección, en el reconocimiento de
H. pylori en el epitelio gástrico, la protección de la mucosa gástrica, el metabolismo
y detoxificación de compuestos carcinógenos, y la reparación del ADN, entre otros.
Algunas generalidades derivadas del análisis de estos estudios son relevantes a
destacar. Una es que se observa un efecto diferencial de asociación en función del
origen geográfico de las poblaciones debido a diferentes historias evolutivas de las
mismas, lo que condiciona diferencias en las frecuencias alélicas y genotípicas y, por
tanto, en el estatus de asociación genética. Como ejemplo de lo anterior, un meta-
análisis analizó 225 polimorfismos genéticos de diferentes vías funcionales
asociados a CG procedentes de 203 estudios, estando 37 de ellos solamente
asociados en asiáticos mientras que otros 12 se asociaron en europeos 96.
Otra generalidad a destacar es la asociación de determinadas variantes genéticas o

el mayor riesgo de las mismas en un subgrupo expuesto a un efecto ambiental (por
ejemplo infectados por H. pylori, cagA+, hábito de fumar, etc.) y no en la población
general de estudio o en aquella no expuesta a dicho efecto, en la cual incluso un
alelo de riesgo no tendría efecto 97. Ello es indicativo de una asociación diferencial
en función de la exposición al efecto ambiental. Por ejemplo, el genotipo nulo de
GSTT1 se asoció al CG en fumadores mientras que no se asoció en no fumadores 98.
La asociación de IL1β con el riesgo de CG es mayor en pacientes infectados con los
factores de virulencia cagA, vacA s1 y m1 que en la población general de dicho
estudio 99.
Una limitante a destacar es que la mayoría de los estudios no analizan el CG

teniendo en cuenta sus subtipos histológicos (intestinal/difuso) o localización
anatómica (cardias/no cardias). Como se ha explicado previamente estos grupos
poseen diferencias en sus etiologías, factores de riesgo, descriptores
epidemiológicos como incidencia, prevalencia, sobrevivencia, distribución por
sexos; así como, en los procesos moleculares causales. Respecto a los tipos de
estudios epidemiológicos usados para los estudios de asociación predominan los
caso-control de base hospitalaria, mientras que los prospectivos son los menos
frecuentes, y estos son precisamente los que poseen el mayor poder estadístico
para detectar asociaciones 97.
48
Introducción
9.2.1. Citoquinas pro-inflamatorias
Debido al hecho de que el principal factor de riego de CG es la inflamación causada

por H. pylori, los genes que influencian dicha respuesta son candidatos de interés.
Uno de los primeros y más influyentes trabajos realizado al respecto es relativo a
polimorfismos en las posiciones -511T (rs16944), -31C (rs1143627) del gen IL1B y el
antagonista de su receptor (IL1RN) como factores de riesgo de CG. Estos
polimorfismos se encuentran en las regiones promotoras por lo que deben modular
la expresión génica. La IL1B es una citoquina pro-inflamatoria sobre-expresada
debido a la infección por H. pylori y un potente inhibidor de la secreción ácida
gástrica. IL1RN presenta una repetición en tandem de número variable (VNTR, del
inglés variable number tandem repeat) de repeticiones de 86 pb (rs2234663) 100.
Un meta-análisis encontró que el polimorfismo IL1B -511*T e IL1RN *alelo 2 están

asociados con el CG no cardias e intestinal en europeos pero no en asiáticos 100 101.
Otro meta-análisis que analiza polimorfismos en los genes IL1B, IL1RN, IL8, IL10 y
TNFα estimó un riesgo incrementado de CG intestinal y difuso en los portadores del
IL1RN *alelo 2 en poblaciones europeas mientras que en asiáticos existe un riesgo
decrementado de CG en los portadores de IL1B 31*C 102. Las variantes IL1B -511*T
(rs16944) y IL1RN *alelo 2 también han sido asociadas con la hipoclorhidria gástrica,
la cual permite la diseminación de H. pylori al cuerpo, favoreciendo el desarrollo de
la atrofia gástrica 103. Ello indica que la intensidad y el mantenimiento de la
respuesta inflamatoria ante la infección son relevantes en los primeros estadios de
la carcinogénesis gástrica.
9.2.2. Reconocimiento de Helicobacter pylori y respuesta inmune innata
Otros genes candidatos son los de reconocimiento del H. pylori y mediadores de la

respuesta inmune innata, CD14, TLR4, NOD2 y NFKB1, los cuales activan las vías de
señalización que inducen la expresión de citoquinas pro-inflamatorias. Estos
polimorfismos pueden modificar la capacidad de reconocimiento de H. pylori o sus
derivados e incrementar la señalización celular inducida por la infección y por ende
los efectos inflamatorios.
CD14 y TLR4 reconocen el LPS de bacterias gram-negativas como H. pylori, mientras

que NOD2 detecta el peptidoglicano. Estos genes han sido asociados con CG en
diferentes poblaciones del mundo. En este sentido, el SNP rs2569190 (-260C/T) de
CD14 ha sido asociado con CG en poblaciones asiáticas; sin embargo, no se asoció
en poblaciones europeas 104 105. Un meta-análisis que analiza las variantes de CD14
-651C/T y -260C/T sólo encuentra asociación para el CD14 -260C/T en pacientes
infectados por H. pylori 106 y no confirma el efecto diferencial por grupo étnico
previamente identificado. Mientras que un meta-análisis de la variante -159 C/T no
encuentra asociación con CG 107. Otro meta-análisis encontró asociación entre el
49
Introducción
genotipo (insC/insC+insC/-) de NOD2 rs2066847 (3020insC) con un incremento de

riesgo de CG después de analizar la evidencia existente para las variantes
rs2066844, rs2066845 y rs2066847 108.
Los polimorfismos no sinónimos Asp299Gly (+896 A>G, rs4986790) y Thr399Ile

(rs4986791) en el gen TLR4 se han asociado a CG únicamente en población europea,
ya que no están presentes en asiáticos 109. Los mismos alteran la estructura de la
región extracelular de TLR4 y, por tanto, se ha propuesto que pueden disminuir la
capacidad de unión y respuesta al lipopolisacárido bacteriano 110. Un meta-análisis
evaluó el efecto de las variantes de TLR4 (rs1927914, rs4986790, rs4986791,
rs11536889, rs1927911 and rs2149356), concluyendo que rs4986790 y rs4986791
incrementan el riesgo, mientras que rs1927911 lo disminuye 111. Por último, una
variante de inserción/deleción (294 ins/del ATTG) de NFKB1 se asoció con CG en
una cohorte china 112. Otros genes que se han asociado positivamente al CG en
meta-análisis en asiáticos y no en europeos son portadores del alelo -160A de
CDH1 113, 72Pro (TP53) 114, deleción en GSTT1 115, ERCC2 Lys751Gln y Asp312Asn 116.
9.3. Estudios de asociación de genoma completo en cáncer gástrico
Los estudios de asociación de genoma completo (GWAS, del inglés genome wide
association study) representan un avance sobre los estudios de genes candidatos
debido a que el genoma es inspeccionado en su totalidad mediante el genotipado
de cientos de miles de tagSNPs usando chips de ADN y poseen tamaños de muestra
en el orden de miles de casos y de controles que permiten tener un poder
estadístico adecuado para detectar el pequeño efecto de los SNPs en la causalidad
de las enfermedades complejas 117. En poblaciones asiáticas se han realizado
diversos estudios de asociación con marcadores de todo el genoma asociando
nuevos genes con el CG cardias y no cardias. En la tabla 3 se indican los SNPs
asociados junto con otras características de los estudios.
El primer estudio GWAS fue realizado en población japonesa y reporta una

asociación entre dos SNPs (rs2976392) y (rs2294008, Met1Thr) del gen PSCA y el CG
tipo difuso, la cual ha sido replicada en poblaciones asiáticas y europeas 118. El SNP
rs2294008 es una variante funcional debido a que la sustitución del alelo C>T
reduce la actividad transcripcional de este gen. PSCA se encuentra sobre-expresado
en cánceres de próstata, vejiga y riñón donde actúa promoviendo la progresión
tumoral, mientras que está sub-expresado en la MI y el CG difuso, actuando como
un gen supresor de tumores. PSCA pudiera ejercer un rol en la regulación de la
proliferación de la mucosa gástrica y la transducción de señales debido a su
localización en la membrana unida a glicosilfosfatidilinositol 118.
En otro trabajo los SNPs rs2274223 (His>Arg) y rs3765524 de PLCE1, y la variante

funcional rs4072037 de MUC1 fueron asociados con CG cardias 119. El gen PLCE1
50
Introducción
codifica para una fosfolipasa que hidroliza el fosfatidilinositol bifosfato en los

segundos mensajeros diacilglicerol e inositol trifosfato que regulan el crecimiento,
la diferenciación y la expresión génica; es un oncogén en cáncer de piel e
intestino120. El tercer GWAS realizado halló asociación del CG del cardias con la
variante rs2274223 de PLCE1; así como, con el SNP rs13042395 del transportador
de riboflavina expresado en intestino SLC52A3 120.
El último GWAS publicado encontró significación estadística de SNPs intrónicos

localizados en región de PRKAA1-PTGER4 y ZBTB20 con el CG no cardias 121. PRKAA1
codifica para la proteína quinasa activada por AMP 5’, un sensor del estado
energético celular que garantiza la sobrevivencia en periodos de estrés energético y
regulador de la polaridad celular. Por su parte, PTGER4 participa en la regulación del
transporte epitelial intestinal, la expresión de COX2, e inhibe el crecimiento de
líneas celulares de CG. ZBTB20 es un factor transcripcional implicado en la
hematopoiesis, la oncogénesis y la respuesta inmune.
51
Introducción
Tabla 3. Resumen de estudios de asociación de genoma completo en cáncer gástrico.

Autor, año,
Tamaño muestral Población Tipo de CG SNP Gen OR (IC 95%) p-valor Replicación
referencia
926 CG Japón CG difuso rs2976392 PSCA 1.62 (1.38-1.89) 1.11 x 10-9 1.90 (1.56-2.33)
Sakamoto et al., 1397 Controles rs2294008 1.67 (1.47-1.90) 2.2 x 10-15 1.91 (1.57-2.33)
2008 118
rs2070803 MUC1 1.63 (1.33–1.98) 2.2 x 10-6 3.93 x 10−5
Abnet et al., 2010 2240 CG China Cardias rs2274223 PLCE1 1.57 (1.40–1.76) 4.19 × 10−15 1.42 (1.27-1.58)
119
3302 Controles rs3765524 MUC1 1.59 (1.40–1.79) 9.94 × 10−14 ---
rs4072037 0.75 (0.65–0.87) 9.45 × 10−5 0.72 (0.63-0.81)
Wang et al., 2010 2766 CG China Han Cardias rs2274223 PLCE1 1.55 (1.45-1.66) 1.74 × 10−39 1.74 x 10-39
120
11013 Controles rs13042395 SLC52A3 0.91 (0.85-0.97) 3.02 × 10−3 1.04 (0.94-1.15)
Shi et al., 2011 121 1006 CG China Han No Cardias rs13361707 PRKAA1 1.41 (1.32-1.49) 7,6 × 10-29 1.04 (0.94-1.15)
2273 controles rs9841504 ZBTB20 0.76 (0.69–0.83) 1,7 × 10-9 1.29 (1.11-1.51)
rs2294008 PSCA --- 2.1 × 10−7 ---
rs2976392 PSCA --- 3.7 × 10−7 ---
rs4072037 MUC1 --- 1.0 × 10−4 ---
rs13042395 SLC52A3 --- 6.9 × 10−4 ---
52
Introducción
9.4 Estudios de asociación en lesiones precursoras gástricas
En la tabla 4 se exponen algunos estudios representativos de la asociación genética

con lesiones precursoras gástricas, con el objetivo de ilustrar los resultados de
asociación y otras informaciones relevantes de los mismos. Una serie de
conclusiones se derivan del análisis de los mismos. Las LPGs más analizadas son la
gastritis crónica atrófica y la metaplasia intestinal, mientras que la displasia ha sido
analizada en pocos estudios. La mayoría utilizan como controles pacientes
afectados de lesiones precursoras como gastritis atrófica para evaluar la asociación
con la MI o la displasia. Sin embargo, el análisis de la evolución (progresión y
regresión) de las lesiones durante el seguimiento clínico de las mismas es poco
frecuente. En diversos estudios el diagnóstico de la GCA no es histológico sino
basado en la razón de concentraciones de pepsinógenos I/II séricos (PGI/PGII), la
cual es una prueba con baja sensibilidad (50%) y especificidad (80%) 122. Además, no
clasifican a la MI en sus subtipos histológicos completa e incompleta, entidades que
muestran un riesgo diferencial de progresar a CG. Adicionalmente, usan diferentes
sistemas de clasificación histológica como Sydney y actualizado de Sydney, los
cuales utilizan diferentes números de biopsias para el diagnóstico histológico. En
algunos estudios un solo patólogo es responsable del diagnóstico histológico
mientras que en otros esta tarea es realizada por varios, siendo más confiable el
diagnóstico.
9.4.1. Citoquinas pro-inflamatorias
Un meta-análisis que evaluó la asociación de polimorfismos IL1B -511 T, IL1RN VNTR

y TNFA -308 (rs1800629) halló que el genotipo IL1RN LL y portadores del IL1RN
*alelo 2 estaban asociados con la MI, siendo los resultados más significativos en
europeos e infectados por H. pylori 123. Un estudio de seguimiento desde lesiones
precursoras encontró un riesgo incrementado de progresión a CG en los pacientes
con GCA o MI portadores del alelo -765C de la ciclo-oxigenasa 2 (COX2) 124. Otros
estudios encuentran asociación con la GCA, MI o displasia y los polimorfismos de
IL1B -511C>T, -31C 125, +3954C>T (rs143634) 126, IL1RN*alelo 2, TNFA -308
(rs1800629) 123, IL2 -330 T>G 127, IL8 -251 T>A (rs4073) 128 e IFNGR1 C-56T 129.
9.4.2. Reconocimiento de Helicobacter pylori y respuesta inmune innata
Variantes asociadas con las LPGs en genes de esta vía incluyen a CD14 260C>T 130,
TLR4 +896A/G 131, PTPN11 (rs2301756, rs12229892) 132, entre otros. El mecanismo
funcional por el que los SNPs de esta vía incrementan el riesgo de carcinogénesis
gástrica está relacionado con el proceso inflamatorio. De este modo TLR4 +896A/G
fue asociado con la hipoclorhidria, un fenotipo que es consecuencia de la GCA 131.
53
Introducción
Un meta-análisis en este mecanismo funcional es el de la variante intrónica de

PTPN11 (rs2301756), que detectó un efecto protector sobre el riesgo de gastritis
atrófica en pacientes infectados con H. pylori 132.
Un SNP de cambió de aminoácido, NOD1 Glu266Lys, se ha asociado con las

consecuencias clínicas de la infección por H. pylori, como son la úlcera péptica, GCA
y MI. Cuatro polimorfismos en el gen NOD2 también se han asociado con las
lesiones precursoras, aunque los resultados de los diferentes estudios son
contradictorios. El alelo menos frecuente de uno de estos polimorfismos, NOD2
Arg702Trp, resulta en una inducción reducida de NFKB1 en respuesta a H. pylori 133.
9.4.3. Daño y reparación del ADN
Un estudio de seguimiento de lesiones precursoras al desarrollo de CG en un área

de alto riesgo de China halló que los portadores de genotipos combinados de
XRCC1-194Arg/Trp + Trp/Trp tienen un elevado riesgo de regresión de lesiones
(OR 1.44 con intervalo de confianza del 95% [IC95%] 1.06-1.96) mientras que los
sujetos que poseían las combinaciones XRCC1-399Arg/Gln + Gln/Gln (OR 1.60,
IC95% 1.09-2.36) o OGG1-326Ser/Cys + Cys/Cys (OR 1.95, IC95% 1.03-3.71) tienen
un mayor riesgo de progresión desde la MI o displasia. Así mismo, los portadores de
1 o 2 genotipos de riesgo de XRCC1-399 o OGG1-326 también poseen un riesgo
significativo de progresión 134. Las mutaciones en el epitelio gástrico inducidas por la
inflamación generada por H. pylori son reparadas por un mecanismo de escisión de
bases entre otros, al que pertenecen X-ray repair cross-complementing group 1
(XRCC1) y 8-oxoguanine DNA glycosylase (OGG1).
9.4.5. Metabolismo de xenobióticos
Variantes génicas de deleción presentes en glutation S transferasa GSTP1 135,

GSTM1 136, GSTT1 136, y citocromos P450 como CYP2E1 135 fueron asociadas con la
metaplasia intestinal y la displasia.
9.4.6. Funcionalidad y protección de la mucosa gástrica
Los alelos S de VNTR de MUC1 se asociaron con un mayor riesgo de gastritis atrófica
y metaplasia intestinal en población portuguesa, con una de las mayores incidencias
de CG en Europa 137. En la población colombiana los genotipos SS y LS de un
polimorfismo VNTR de MUC1 se asocian con la MI 138 mientras que en portugueses
los genotipos LL y SS son asociados con la metaplasia intestinal completa e
incompleta, respectivamente 139. Concluyendo que se observa una tendencia a la
asociación entre el alelo S de MUC1 con la metaplasia intestinal.
En un estudio de seguimiento (media de 12.8 años) de lesiones precursoras

gástricas en la población española fue evaluada la asociación entre la variabilidad
54
Introducción
genética de tagSNPs en MUC1, MUC2 y MUC6 con la evolución (progresión y/o

regresión) de las LPGs, encontrándose asociación con MUC2. Los análisis
haplotípicos en el extremo 3’ de este gen demostraron asociación con un menor
riesgo de progresión de lesiones. Mientras que los haplotipos en el extremo 5’
fueron asociados con una mayor probabilidad de regresión, indicando un rol de este
gen en evitar la progresión de las LPGs a estadios de mayor severidad. Los análisis
estratificados evidenciaron que la significación estadística se mantenía solo en
pacientes infectados por H. pylori y en aquellos que no consumen anti-inflamatorios
no esteroideos. Este estudio evidencia que la variabilidad en el gen de la mucina 2
se asocia con la evolución de las lesiones precursoras gástricas, especialmente en
infectados por H. pylori 140.
55
Introducción
Tabla 4. Estudios de asociación genética en lesiones precursoras de cáncer gástrico.

Referencia, Gen Tamaño Función del
Diseño de estudio OR (IC 95%) Observaciones
población, año (Polimorfismo) muestral polimorfismo
Citoquinas pro-inflamatorias
123 Asociación con lesiones Asociación con MI en portugueses: ---- Controles afectados
Portugal, IL1B -511
precursoras: -IL1RN VNTR *22 por GNA/GCA
Mozambique, IL1RN VNTR
2.83 (1.15-6.96)
2010 TNF -308 -Casos: MI Portugueses - IL1B-511 T portadores Meta-análisis
-Controles: Histológicamente -Casos, 76 1.86 (1.03-3.36) Resultados más
normales y GNA -Controles, 139 significativos en
-Sistema actualizado de Sydney Meta-análisis, asociación con lesiones europeos y H. pylori +
Mozambicanos precursoras con:
Meta-análisis de previos estudios -Casos, 16 -IL1RN VNTR 22 vs LL, 2.27 (1.4-3.7)
que evalúan asociación de IL1B, -Controles, 88 -Portadores de IL1RN alelo 2,
IL1RN, y TNFA con GCA, MI y DISP 1.35 (1.12-1.63)
128 Asociación con la evolución de Asociación con progresión a GCA: -IL8 -251 A produce Diagnóstico por 3
China, IL8 -251
las lesiones: -IL8 -251 AA vs TT, OR 2.62 (IC 95%1.23-5.72) potencial sitio de patólogos en 7 biopsias
2010 MIF -173
-Portadores de alelo A de IL8 -251, OR 1.81 (IC unión para C/EBP
-Grupo de referencia: No Controles N=137 95% 1.06-3.09)
progresión desde Normales o -MIF-173 CC vs GG, OR 2.36 (IC 95% 1.38-4.02) -MIF-173 C
superficial gastritis -Portadores de alelo C de MIF-173 OR 2.07 (IC 95% incrementa la
1.21-3.55) expresión de MIF
-Grupo I: Progresión desde grupo Casos:
de referencia a GCA N=134 Asociación con progresión a MI:
-IL8 -251 TA vs TT,
-Grupo II: Progresión desde N=101 2.27 (1.25-4.14)
grupo de referencia a MI -Portadores de alelo A de IL8 -251 , OR 2.07 (IC
95% 1.16-3.69)
-Sistema actualizado de Sydney -MIF-173 CC vs GG ,
2.27 (1.16-4.46)
-Portadores de alelo C de MIF-173 ,
OR 3.84 (IC 95% 1.58-9.34)
124 Asociación con la evolución de las Progresión a CG desde GCA/ MI en pacientes -765 G>C posee baja Asociación obtenida en
Portugal, COX2 -765 G>C
lesiones: portadores del alelo -765C, OR 2.6 (IC 95% 1.03- actividad grupo compuesto de
2006
6.93) transcripcional GCA y MI
-Casos: GCA/ MI N=37 debido a disrupción
-Controles: Sanos N=210 de TFBS para SP1
56
Introducción

Reconocimiento de H. pylori y respuesta inmune innata
141 Asociación con lesiones G/A+A/A vs GG, con GCA severa, 0.62 (0.42-0.90) Influencia la Análisis de asociación
Japón, PTPN11 G/A
precursoras: formación de restringido a controles
2009 rs2301756
variantes de
-Casos: GC N=583 empalme Diagnóstico de GCA
-Controles: HP+, GCA y no GCA Controles: alternativo basado en la PG I/PGII
-GCA diagnóstico por PGs -GCA ligera, 327
-GCA severa, 168
-Sin GCA, 442
142 Asociación con lesiones Asociación en H. pylori + : G/C con GCA severa, ---- Asociación de GCA
Japón, TLR4 +3725 G/C
precursoras: 1.43 (1.04-2.06) restringido a controles
2009 (rs11536889)
Casos: CG GCA, 502 GC+CC, 1.43 (1.01-2.04) Diagnóstico de GCA
Controles: GCA y GNA GNA, 689 basado en la PG I/PGII
130 Asociación con lesiones -CD14 con MI, 1.45 (1.11-1.89) -CD14 260T Controles afectados por
Venezuela, CD14 C260T
precursoras: asociado con GCA
2007 (rs2569190)
expresión
Casos: GCA, MI y DISP -GCA, 289 incrementada de
TLR4 Asp299Gly -MI, 543 CD14
(rs4986790) -DISP, 118
-Asp299Gly
asociado con
NOD2 Controles: -Normales y respuesta reducida
del3020ensC, -Normales, gastritis superficial y gastritis al LPS
Gly908Arg gastritis crónica superficial, 87 -Gly908Arg
-Gastritis crónica, es un SNP no
(rs2066847)
996 sinónimo
NOD2
Gly908Arg
(rs2066845)
57
Introducción

Daño y reparación del ADN
134 Asociación con la evolución de las Gastritis Progresión a CG: SNPs no sinónimos -Diagnóstico
China, XRCC1 -
lesiones superficial y GCA, -OGG1-326Ser/Cys + Cys/Cys ,1.95 (1.03–3.71) histológico por 3
2009 Arg194Trp
400 patólogos
XRCC1 - GCA severa, 132 -XRCC1-399Arg/Gln + Gln/Gln ,1.60 (1.09–2.36)
Arg399Gln MI, 458
ADPRT DISP, 291 Regresión a normalidad XRCC1 194 Arg/Trp +
Controles sanos, Trp/Trp, 1.38 (1.02–1.89)
Val762Ala
305
OGG1 -
Ser326Cys
APE1 -
Asp148Glu
Metabolismo de xenobióticos
135 Asociación con lesiones -Consumo de sal -CYP2E1 (1053C>T) -Diagnóstico histológico
China, CYP2E1 (RsaI)
precursoras: y GSTP1, 1.46 (1.06-2.03) aumenta basado en 7 biopsias
2005 CYP2E1 (DraI)
transcripción in realizadas en 2
GSTP1 -Casos: -Consumo de pancake vitro gastroscopias
GSTM1 MI severa N=307 y CYP2E1 RsaI,
GSTT1 DISP N=299 2.43 (1.10-5.38) -Homocigotos de -Controles afectados de
GSTM1 y GSTT1 GCA ligera
ALDH2
-Controles: GCA ligera N=302 -CYP2E1 DraI y tabaquismo, 1.78 (1.03-3.08) carecen de actividad
ODC GST-μ y GST-θ
136 Asociación con lesiones Asociación de MI con: Controles incluyen

Taiwan, GSTM1
precursoras: -Consumo de pescado salado y vegetales con pacientes afectados de
2004 GSTT1
genotipo GSTM1 nulo. enfermedades gastro-
CYP2E1 -Casos: MI N= 84 intestinales e historia
-Controles: enfermedades N= 228 -Consumo de comida salada (carne, vegetales, familiar de cáncer
gastro-intestinales e historia pescado) con genotipos no nulos de GSTT1 gástrico
familiar de cáncer gástrico
-Consumo de comida salada (carne, vegetales,
pescado) con genotipos CYP2E1 c1/c1 vs c1/c2 o
c2/c2
58
Introducción

136 Asociación con lesiones Asociación de MI con: Controles incluyen
Taiwan, GSTM1
precursoras: -Consumo de pescado salado y vegetales con pacientes afectados de
2004 GSTT1
genotipo GSTM1 nulo. enfermedades gastro-
CYP2E1 -Casos: MI N= 84 intestinales e historia
-Controles: enfermedades N= 228 -Consumo de comida salada (carne, vegetales, familiar de cáncer
gastro-intestinales e historia pescado) con genotipos no nulos de GSTT1 gástrico
familiar de cáncer gástrico
-Consumo de comida salada (carne, vegetales,
pescado) con genotipos CYP2E1 c1/c1 vs c1/c2 o
c2/c2
Protección y funcionalidad de la mucosa gástrica
139 Asociación con lesiones -MUC1 LL con GCA, 2.6 (1.0-6.8) y SS 2.5 (1.1-5.7) ---- ----
Portugal, MUC1
precursoras:
2001 (VNTR: LL, SS)
-MUC1 LL con MI completa, 3.9 (1.1-13.9)
-Casos: N=49
GCA N=48 -MUC1 SS con MI incompleta MI, 2.9 (1.2-6.0)
MI
-Controles: N=125
Sin GCA, ni MI N=126
140 Asociación con la evolución de las -SNPs en extremo 3’ de MUC2, (rs10794293, Ausencia de controles
España, 22 tagSNPs en
lesiones: rs3924453 y rs4077759) asociados con menor sanos
2010 MUC1, MUC2 y
riesgo de progresión
MUC6 Casos Casos
-GNA, GCA, MIC, MII, DISP que Progresión: 109 -SNPs en extremo 5’ de MUC2, (rs10902073,
progresan a LPGs de mayor rs10794281,
severidad. Controles rs2071174 and rs7944723) asociados con mayor
-GNA, GCA, MIC, MII, DISP que Controles riesgo de regresión
regresan a lesiones de menor Regresión:111
severidad o se mantienen Estables: 167
estables
59
HIPÓTESIS
Hipótesis
1. Polimorfismos en genes que participan en el reconocimiento y activación de la

respuesta inmune innata ante la infección por H. pylori pudieran asociarse con el
cáncer gástrico, así como con sus subtipos histológicos y anatómicos.
2. Polimorfismos en genes implicados en el desarrollo de lesiones precursoras y

cáncer gástrico en modelos animales y en los mecanismos de infección por H. pylori,
pudieran asociarse con la evolución (progresión y/o regresión) de las lesiones
precursoras gástricas humanas en el tiempo.
3. Si la asociación de polimorfismos genéticos con la evolución de las lesiones

precursoras gástricas es cierta, debería replicarse en poblaciones independientes.
4. Teniendo en cuenta que la lesión precursora gástrica con mayor incidencia y

prevalencia, menor variabilidad inter-observador y mayor riesgo de progresión a
cáncer gástrico en la población española es la metaplasia intestinal; y que dicha
progresión es mayor en la metaplasia intestinal incompleta con respecto a la
completa en diversas poblaciones, incluyendo a la española. Es posible que existan
diferencias en el perfil transcripcional de la metaplasia intestinal incompleta y de la
completa que progresan a cáncer gástrico respecto a las mismas lesiones que no
progresan, y que el análisis de estos perfiles permita identificar genes y procesos
moleculares causales de la progresión. Así mismo, el estudio del transcriptoma de la
metaplasia intestinal que no progresa a cáncer gástrico respecto a la mucosa sana
permitiría identificar nuevos procesos moleculares de esta lesión y confirmar otros
ya identificados.
5. Schlafen4 se encuentra sobre-expresado en la metaplasia gástrica murina por

células supresoras derivadas de mieloides, las cuales ejercen un rol supresor de la
inmunidad anti-tumoral. Es posible que otro miembro de esta familia, Schlafen5,
cuya expresión es inducida por la citoquina pro-inflamatoria IFNα en melanocitos
humanos, también se sobre-exprese en células inflamatorias de la MI humana y su
alta expresión pudiera ser un marcador de la progresión desde metaplasia intestinal
a cáncer gástrico.
63
OBJETIVOS
Objetivos
1. Determinar si polimorfismos en genes humanos de reconocimiento y activación

de la respuesta inmune innata ante la infección por H. pylori (CD14, NOD2, TLR4 y
NFKB1) se asocian con el adenocarcinoma gástrico; así como, a sus subtipos
histológicos (intestinal/difuso) o por localización anatómica (cardias/no cardias),
mediante un estudio de asociación caso-control anidado en la cohorte europea
EPIC-Eurgast.
2. Determinar si polimorfismos en genes implicados en la carcinogénesis gástrica y

en el desarrollo de lesiones precursoras se encuentran asociados con la evolución
(progresión/regresión) de las lesiones precursoras gástricas, mediante un análisis de
asociación con muestras de un estudio multicéntrico de seguimiento de lesiones
precursoras de cáncer gástrico en España.
3. Determinar si SNPs previamente asociados a la evolución de las lesiones

precursoras de cáncer gástrico en un estudio de seguimiento en la provincia de
Soria se replican en el estudio multicéntrico de seguimiento de lesiones precursoras
en España.
4. Identificar genes y mecanismos moleculares diferencialmente expresados en la

progresión de los tipos histológicos de metaplasia intestinal completa e incompleta
al cáncer gástrico, y en la metaplasia intestinal que no progresa a cáncer gástrico,
mediante un estudio de microarrays de expresión de ARNm.
5. Determinar si el IFNα induce la expresión génica de Schlafen5 en células

inflamatorias de la mucosa gástrica y que tipos celulares expresan la proteína
Schlafen5 en la metaplasia intestinal. Así como comparar la expresión inmuno-
histoquímica de Schlafen5 en las diferentes lesiones precursoras de la cascada de
Correa, con especial interés en los subtipos histológicos de metaplasia intestinal
que progresan y no progresan a cáncer gástrico.
67
MATERIALES Y MÉTODOS
Materiales y Métodos
1. Estudio de asociación de genes de señalización de Helicobacter

pylori y riesgo de cáncer gástrico
1.1. Pacientes y muestras
Este estudio se basa en uno previo tipo caso control anidado en la cohorte de la
European Prospective Investigation into Cancer and Nutrition (EPIC), denominado
Eurgast. La cohorte EPIC se encuentra constituida por 521 457 sujetos sanos de
ambos sexos, y edades entre 35-70 años, reclutados entre los años 1992 y 2000 en
10 países europeos (incluyendo España), y que durante el seguimiento (media >15
años) han desarrollado diversas enfermedades 143. Los casos identificados de CG
(N=365) a la fecha del análisis, son adenocarcinomas definidos por el código C16 de
la 10ma revisión de la Clasificación Internacional de Enfermedades.
Por cada caso se seleccionaron hasta un máximo de 4 controles vivos y no afectados

por cáncer en el momento del diagnóstico de los casos, apareados con los casos por
centro de reclutamiento, sexo, edad (±2.5 años) y fecha de colecta de sangre (±45
días). El seguimiento se inició en la fecha de reclutamiento y acabó en la fecha de
diagnóstico de CG, fecha de fallecimiento o fecha final de seguimiento (Diciembre
de 2006). Un panel de patólogos independientes revisaron los cortes histológicos
originales así como los informes de cada centro EPIC, con el fin de validar el
diagnóstico y clasificar los casos según su localización anatómica (cardias y no
cardias) y tipo histológico (intestinal o difuso) 144. El tamaño de muestra analizada
es de 365 casos y 1284 controles.
De todos los individuos, en el momento del reclutamiento se recogió información

sobre la dieta, estilo de vida, nivel educacional y social, actividad física, consumo de
tabaco y alcohol, historia reproductiva, consumo hormonal, enfermedades y se
colectaron muestras de sangre para la obtención de ADN y de suero para evaluar la
infección por H. pylori 143. El estudio fue aprobado por los comités éticos de la
International Agency for Research on Cancer (IARC) y de cada uno de los centros de
reclutamiento EPIC.
1.2. Selección de tagSNPs en genes de la vía de señalización de Helicobacter pylori
Previamente nuestra unidad había realizadó un genotipado de 1287 SNPs en 249

genes candidatos de carcinogénesis gástrica en las muestras del estudio Eurgast
descrito en el apartado 1.1 de esta sección. Como resultado de ese trabajo se
encontró una asociación entre el gen de PSCA con CG de los tipos intestinal y difuso
en población europea 145. Este estudio se centra en el análisis de los resultados de
genotipado de 4 genes (CD14, NOD2, TLR4, NFKB1) de la vía de señalización de
Helicobacter pylori constituida por proteínas humanas que interactúan
directamente con esta bacteria. Con el objetivo de optimizar el análisis de la
71
variabilidad genética de los genes seleccionados utilizando el menor número de

SNPs, teniendo en cuenta las relaciones de desequilibrio de ligamiento en el
genoma humano, se utilizó la base de datos HapMap (http://www.hapmap.org) y el
programa Haploview versión 4.0 para identificar tagSNPs de los principales bloques
de haplotipos.
La selección de tagSNPs se realizó siguiendo una estrategia general previamente

descrita 145. Haciendo uso del navegador del sitio web de HapMap
(http://www.hapmap.org) en población de origen europeo (CEU), release #23a o
24, basado en la versión 126 de dbSNP y el NCBI genome build 36, fueron cargados
los datos genotípicos de cada gen seleccionado; así como, un mínimo de 10 y 3
kilobases adicionales de sus regiones 5’ y 3’. Posteriormente, dichos datos
genotípicos fueron cargados en el programa Haploview v.4.0
(http://www.broad.mit.edu/mpg/haploview) y se seleccionaron los SNPs con
frecuencia del alelo menor (MAF, del inglés minor allele frequency) de 0.05. Para la
definición de bloques en desequilibrio de ligamiento (haplotipos) se aplicó el
método de los intervalos de confianza de Gabriel et al. 92, utilizando los parámetros
por defecto en Haploview v.4.0. Posteriormente, fueron seleccionados tagSNPs
mediante la opción Pairwise Tagger con un umbral de r2≥0.8 entre cada par de
tagSNP y su conjunto de SNPs tagged; así como, haplotipos tagged con frecuencia
≥0.05.
Con el objetivo de que la variabilidad analizada en cada región fuera la mayor

posible se tuvo en cuenta la relación entre el número de tags seleccionados y la
cobertura de la variabilidad genética en cada bloque. Una vez realizada la selección
de tagSNPs, algunos de los tags seleccionados tuvieron que ser sustituidos por otros
de las mismas características (preferiblemente en total desequilibrio de ligamiento
con los seleccionados) para poder ser correctamente genotipados. Los tagSNPs
seleccionados y genotipados fueron 6 en CD14, 5 en NOD2, 7 en TLR4 y 12 en
NFKB1. Los bloques de haplotipos definidos por estos tagSNPs son 2 en CD14 y
NOD2 mientras que 1 para TLR4 y NFKB1 (Tabla 20 en la sección Resultados).
1.3. Extracción de ADN y genotipado
El ADN genómico fue extraído a partir de la capa leucocitaria empleando el kit

Puregene DNA Purification System (Gentra Systems, EUA), y genotipado en el
Centro Nacional de Genotipado (CEGEN) del Instituto Carlos III usando la plataforma
Illumina BeadStation Platform y la tecnología GoldenGate (Illumina Inc., EUA). Un
total de un 5% de muestras duplicadas fueron incluidas como controles del error de
genotipado 145.
72
1.4. Infección por Helicobacter pylori
La infección por H. pylori fue determinada mediante la detección de anticuerpos

anti-cagA en plasma 146 o inmunoblot empleando el HELICOBLOT 2.1 (MP
Biomedicals, EUA) 11.
1.5. Análisis estadísticos y bioinformáticos
Las posibles diferencias de la distribución de variables clínicas entre casos y

controles fueron evaluadas mediante la prueba de chi cuadrado. Para probar la
asociación estadística entre los SNPs genotipados y el CG en general, así como con
sus subtipos anatómicos (cardia/no cardias) e histológicos (intestinal/difuso), se
calcularon los OR ajustados (IC95%) mediante regresión logística no condicional
ajustando por las variables de emparejamiento edad, sexo y país de reclutamiento.
Los OR fueron calculados para los siguientes modelos genéticos: log-aditivo,
dominante, recesivo y codominante. Debido a la baja MAF (<0.05) en los SNPs
rs4986790 y rs4986791 del gen TLR4 solamente se consideró el modelo
codominante. En todos los análisis el alelo o genotipo más frecuente fue
considerado como la categoría de referencia. Se realizó un test de heterogeneidad
para estimar el efecto diferencial de las variantes significativas sobre los distintos
subtipos histológicos y localizaciones anatómicas de CG usando el modelo log-
aditivo. Para corregir el efecto de las comparaciones múltiples se realizó un test de
permutaciones (N=1000) a nivel de genes 147. El p-valor de permutación de cada gen
fue entonces corregido por el número de genes analizado (N=4) atendiendo a la
corrección de Bonferroni. La significación después de dicha corrección fue
establecida en p<0.0125.
Teniendo en cuenta que la localización anatómica no cardias es la única asociada

con la infección por H. pylori analizamos si la presencia de anticuerpos anti-cagA
modifica el efecto genotípico. Para ello, en casos con CG no cardias y controles
infectados por H. pylori calculamos un OR comparando aquellos individuos cagA+
respecto a los cagA-.
La asociación de haplotipos con CG en general, o sus localizaciones anatómicas y

subtipos histológicos también se analizó mediante regresión logística usando el
haplotipo más frecuente como referencia. Las frecuencias haplotípicas fueron
inferidas mediante el algoritmo de expectación-maximización implementado en la
librería haplo.stats del paquete estadístico R. El resto de los análisis estadísticos
fueron realizados usando la librería SNPassoc implementada en R 148. Un resultado
fue considerado significativo si p<0.05.
Se predijeron las posibles consecuencias funcionales de los SNPs debido a su

localización en regiones intrónicas, intergénicas, UTR 5’ y 3’, reguladoras, upstream
73
y downstream, sitios de splicing alternativo, SNPs sinónimos y no sinónimos

empleando el programa bioinformático Variant Effect Predictor 149
(http://www.ensembl.org/Homo_sapiens/Tools/VEP). Adicionalmente, se utilizó el
programa PupaSuite v.3.1 (http://pupasuite.bioinfo.cipf.es/) con el objetivo de
predecir consecuencias funcionales de los SNPs localizados en sitios de unión a
factores de transcripción (TFBS, del inglés transcription factor binding site),
potenciadores exónicos del splicing alternativo (ESE, del inglés exonic splicing
enhancer), silenciadores exónicos del splicing alternativo (ESS, del inglés exonic
splicing silencer), regiones conservadas entre humanos y ratón, así como SNPs en
miRNAs y los genes regulados por los mismos 150.
Además, los tagSNPs asociados y no asociados a cáncer gástrico o a la evolución de

las lesiones precursoras gástricas fueron introducidos en el buscador eQTL
(http://www.ncbi.nlm.nih.gov/projects/gap/eqtl/index.cgi) para evaluar cuales eran
expression Quantitative Trait Loci (eQTL), es decir, reguladores del nivel de
expresión del ARNm. Este programa busca si el SNP de interés es un eQTL por
correlacionarse significativamente sus genotipos con los niveles de expresión de
uno o más ARNm, según análisis realizados en tejido humano linfoblastoide 151,
hígado 152 y cerebro 153. También, se empleó con el mismo objetivo el buscador
eQTL del grupo Gilad/Pritchard (http://eqtl.uchicago.edu/cgi-bin/gbrowse/eqtl/)
que recopila información de eQTLs en hígado 152, cerebro 154, tejido
linfoblastoide 155, monocitos 156 y diversos tejidos 157. Después de ser identificados
los posibles efectos funcionales se realizó la prueba exacta de Fisher, para ver si
existían diferencias en la distribución de cada localización o efecto entre los SNPs
asociados respecto a los no asociados al CG o a la evolución de las LPGs.
2. Estudio de asociación genética en el seguimiento de lesiones

precursoras gástricas
Las muestras utilizadas proceden de un estudio multicéntrico longitudinal de

lesiones precursoras de CG desarrollado en 9 hospitales públicos de Madrid,
Barcelona, Zaragoza, Valladolid y Guipuzcoa con el siguiente diseño de estudio.
Se realizó una búsqueda de pacientes que entre 1995 y 2004 tenían un diagnóstico
histológico de GCA, MI o DISP. Del total de pacientes identificados fueron excluidos
12 073 pacientes por presentar algunos de los siguientes criterios de exclusión:
-Edad fuera del rango de 25-69 años (N=3 348).

-Úlcera péptica (N=583).
-Cáncer gástrico u otro cáncer (N=468).
-Esófago de Barret (N=200).
74
-Gastrectomía previa (N=303).

-Falta de calidad de la biopsia gástrica (N= 6 349).
-Falta de información (N= 591).
-Pacientes que viven fuera del área de influencia hospitalaria (N=231).
Se seleccionaron 1 538 pacientes para ser incluidos en el estudio que cumplían con
los siguientes criterios:
-Edad en el rango 25-69 años.

-Ausencia de úlcera péptica, cáncer gástrico u otro cáncer, esófago de Barret y
gastrectomía previa.
-Biopsia gástrica con 3 fragmentos donde al menos 1 pertenece al antro y otro al
cuerpo.
Los mismos fueron invitados a ser sometidos a una gastroscopia con toma de
muestras gástricas e independientemente de saliva, para la extracción del ADN. Así
como, a responder un cuestionario personal acerca de historia de tabaquismo, uso
de anti-inflamatorios no esteroideos, diagnóstico y tratamiento de infección por
Helicobacter pylori, historia familiar de CG, grupo sanguíneo, ovariotomía y uso de
hormonas anticonceptivas. Dicha información epidemiológica fue obtenida de las
historias clínicas o a partir de familiares en el caso de aquellos pacientes con un
punto final predefinido al seguimiento y los que no pudieron ser entrevistados.
Todos los participantes firmaron un consentimiento informado aprobado por el
comité ético de cada hospital participante. Para el presente estudio de asociación
genética el tamaño de muestra fue de 559 pacientes afectados con lesiones
precursoras gástricas.
2.2. Histopatología
La caracterización histopatológica de las lesiones al reclutamiento y al final del

seguimiento se realizó por tinción hematoxilina-eosina en la mayoría de los casos,
aunque algunos hospitales usaron azul de Alcián-ácido peryódico de Shiff pH 2.5. El
diagnóstico fue realizado según la clasificación de Sydney (apartado 7 de la sección
Introducción) por el mismo patólogo en cada hospital. Se clasificó la muestra según
la lesión más severa en la cascada de Correa observada en cualquiera de los
fragmentos 47.
La infección por Helicobacter pylori fue determinada a partir de tinción de Giemsa,

el test rápido de la ureasa, o como resultado de la entrevista con el paciente. La
presencia de un resultado positivo en alguna de estas fuentes fue considerada
como un resultado positivo en general para dicho paciente. Adicionalmente, el
Servicio Digestivo de la Corporación Sanitaria Parc Taulí de Barcelona genotipó los
75
factores de virulencia cagA y vacA en ADN extraído de las biopsias gástricas al

reclutamiento.
2.4. Prueba piloto de colecta, conservación y extracción de ADN
Debido a la dificultad de varios hospitales participantes en el proyecto a la hora de

colectar, almacenar y enviar sangre para la posterior extracción de ADN genómico
con el fin de ser empleado en el estudio de asociación genética, nos planteamos la
posibilidad de evaluar diferentes métodos alternativos de colecta de muestras
biológicas para la extracción del ADN, como hisopos bucales (Isohelix, Epicentre) y
saliva (Oragene, DNA Genotek). Para ello se realizó una prueba piloto con sujetos
normales del departamento de trabajo con el objetivo de probar la calidad del ADN
extraído de dichos procedimientos.
Así, fueron colectadas muestras de mucosa bucal con hisopos bucales Dri‐Capsules
(SGC‐50, Isohelix, Inglaterra) (N=20) y BuccalAmp™ DNA Extraction Kit (Epicentre,
EUA) (N=20). También, muestras de saliva mediante el kit Oragene DNA (OG-500,
DNA Genotek, Canadá) (N=10) siguiendo las recomendaciones de los fabricantes.
Todas se incubaron a temperatura ambiente (TA) durante 30 días y,
posteriormente, se extrajo el ADN según el protocolo de los fabricantes.
A) Protocolo Dri‐Capsules (SGC‐50, Isohelix, Inglaterra)
1. Añadir 500 µl de tampón de lisis LS y 20 µl de proteinasa K al hisopo bucal,

mezclar con vórtex.
2. Incubar a 60°C durante 1 hora.
3. Transferir el hisopo en posición invertida a otro tubo y centrifugar a 16 500 g
durante 1’.
4. Añadir 500 µl de tampón CT y mezclar con vórtex.
5. Centrifugar a 16 500 g por 10’ a 4°C y eliminar el sobrenadante.
6. Añadir 150 µl de tampón Tris-EDTA (TE) 1X (10 mM Tris, 1 mM EDTA, pH 8) y
centrifugar a 16 500 g por 2’.
7. Transferir el sobrenadante a un tubo nuevo.
B) Protocolo BuccalAmp™ DNA Extraction Kit (BQ0901SSC, Epicentre, EUA)
1. Añadir 380 µl de tampón SET 1X (Tris 10 mM pH 7.4, SDS 10%, EDTA 50 mM pH 8,

ajustar pH 7.8) y 20 µl de proteinasa K 20 mg/ml, mezclar con vórtex.
2. Incubar a 60°C durante 105’ con agitación manual a intervalos.
3. Transferir el hisopo en posición invertida a otro tubo y dar un golpe de centrífuga.
4. Añadir 200 µl de fenol y 200 µl de cloroformo, mezclar con vórtex 30’’.
5. Centrifugar a 16 500 g por 10’ a TA.
6. Transferir la fase acuosa a un tubo nuevo.
7. Añadir 800 µl de isopropanol, 20 µl de NaCl 5M y 1 µl de glicógeno 20 µg/µl.
8. Incubar a -20°C por 2 horas.
9. Centrifugar a 16 500 g por 15’ a 4°C y desechar el sobrenadante.
76
10. Añadir 1 ml de EtOH 70% y mezclar con vórtex.

12. Secar a temperatura ambiente.
13. Añadir 50 µl de tampón TE 1X y disolver.
C) Colecta de saliva (kit Oragene DNA, OG-500, DNA Genotek, Canadá)
1. No comer, beber o fumar durante los 30 minutos anteriores a la colecta.

2. Enjuagar la boca con agua.
3. Esperar 2-3 minutos y colectar alrededor de 2 ml de saliva.
4. Mezclar con la solución de preservación de saliva.
D) Protocolo de extracción de ADN de saliva (kit Oragene DNA, OG-500, DNA

Genotek; modificado añadiendo paso de fenol: cloroformo: isoamilalcohol 158)
1. Incubar a 50°C durante toda la noche.

2. Transferir el volumen (V) a un tubo de 15 ml.
3. Añadir 1/25 volúmenes (Vs) de Oragene Purifier y mezclar con vórtex.
4. Incubar en hielo 10’.
6. Transferir el sobrenadante a un tubo limpio.
7. Añadir 1 V de EtOH 100% y 1/20 Vs de NaCl 5M, invertir varias veces.
9. Eliminar el sobrenadante.
10. Lavar con 1 ml de EtOH 70%.
11. Secar el precipitado a TA.
12. Añadir 600 µl de TE 1X, mezclar con vórtex e incubar a 50°C durante 1 hora.
13. Enfriar y añadir 12 µl de RNAsa A e incubar 1 hora a TA.
14. Añadir 1 V de fenol: cloroformo: isoamilalcohol, mezclar con vórtex 30’’.
15. Centrifugar a 16 500 g-5’ a TA.
16. Transferir fase acuosa a tubo nuevo.
17. Añadir 2 Vs de EtOH 100%, 1/20 Vs de NaCl 5M e invertir.
19. Lavar 2 veces con 1 ml de EtOH 70% y desechar el sobrenadante.
21. Diluir en 50-100 µl de TE 1X, de acuerdo al tamaño del precipitado.
2.4.1. Medición de cantidad y calidad del ADN

Para todos los casos la concentración de ADN fue medida mediante
espectrofotometría usando el equipo Nanodrop 1000 (Thermo Scientific, USA).
También se determinaron las relaciones de absorbancia 260/280 nm y 260/230 nm
para determinar la posible contaminación proteica (260/280<1.8) y con fenol o
sales (260/230<1.8), respectivamente.
77
2.5. Diseño de solución estabilizadora de saliva y prueba de conservación
Teniendo en cuenta que los mejores resultados de la anterior prueba piloto fueron
obtenidos con el ADN proveniente de saliva y que los kits eran de un coste elevado
(13.9 euros/muestra, Abyntek distribuidor en Europa de DNA Genotek) para
nuestro presupuesto, se planteó la posibilidad de confeccionar en el laboratorio un
similar de la solución estabilizadora de saliva que usan los kits Oragene DNA. Se
realizó una prueba piloto con las diferentes soluciones estabilizadoras de saliva
propuestas en la aplicación de patente asociada a dichos kits: “Compositions and
methods for obtaining nucleic acids from sputum. Appl. No 12/338.848” 159. Esta
prueba fue necesaria debido a que el lenguaje ambiguo de las patentes no permite
conocer cuál es la solución elegida por los autores como la de mejores resultados
(Tabla 5).
Tabla 5. Soluciones de colecta y estabilizadoras de saliva. Tomado de Birnboim,

2004 159.
Acetato de
Soluciones Tris base a LiCl b Urea d SDS e CDTA f Vitamina C Etanol pH
Sodio c
1 0.3 M No 0.67 M 0.67 M 0.6 % 3.3 0.1 M 30% 8
2 0.2 M No 0.5 M No 1% 10mM
mM 0.15 M 30% 9.5
3 0.2 M No 0.5 M No 1% 10 mM No 30% 9.5
4 33 mM 0.67 M No 0.67 M 0.6 % 3.3 No 30% 8
a b c d e
Trisaminometano (HOCH₂)₃CNH₂, Cloruro de litio, C2H3NaO 2, CO(NH₂)₂,
mM Dodecilsulfato
sódico NaC12H25SO4, f 1,2-cyclohexanediaminetetraacetic acid low sodium.
La prueba piloto consistió en mezclar (N=20 individuos) los 2 ml de saliva con 2 ml

de cada una de las soluciones estabilizadoras siguiendo el protocolo de colecta para
el kit Oragene (OG-500, DNA Genotek, Canadá) e incubándolos a temperatura
ambiente durante 60 días, a continuación se extrajo el ADN mediante el protocolo
descrito.
2.5.1. Protocolo de extracción de ADN a partir de saliva
160
Modificación del método de extracción de ADN basado en salificación (salting-
out) y fenol: cloroformo: isoamilalcohol 158.
1. Mezclar la mezcla de saliva y la solución de preservación e incubar a 50 °C toda la

noche en baño térmico.
2. Añadir 1/6 Vs de NaCl ≈6M, mezclar con vórtex 20’’ y dejar 10’ en hielo.
4. Recuperar el sobrenadante.
5. Añadir 1 V de ETOH 100% helado e invertir hasta la formación del precipitado de
ADN, incubar 10’ en hielo.
6. Centrifugar a 1 792 g por 20’ a 4°C.
7. Desechar el sobrenadante y dejar secar el precipitado a TA durante 10-15’.
78
8. Añadir 500 μl de TE 1X y disolver el precipitado (incubar a 50°C si es necesario).

9. Pasar a tubo Eppendorf.
10. Añadir 2 µl de RNAsa A 10 mg/ml e incubar 1 hora a TA.
11. Añadir 1 V de fenol: cloroformo: isoamilalcohol y mezclar con vórtex 30’’.
12. Centrifugar a 16 500 g por 10’ y recoger la fase acuosa en un tubo nuevo.
13. Añadir 150µl de TE 1X a la fase orgánica restante y mezclar con vórtex 30’’.
14. Centrifugar a 16 500 g por 10’ a TA, tomar el sobrenadante y combinar con el
recogido en el paso 12.
16. Centrifugar a 16 500 g durante 10’ y recoger el sobrenadante.
17. Añadir 2 Vs de etanol 100%. Si no se observa el precipitado de ADN incubar toda
la noche a -20°C.
18. Centrifugar a 16 500 g por 10’ a TA y desechar el sobrenadante.
19. Lavar con 1 ml de EtOH 70%.
20. Dejar secar a temperatura ambiente.
21. Añadir 50-150 µl de TE 1X y disolver.
2.5.2. Prueba piloto de genotipado de ADN de saliva

Con el objetivo de probar la calidad del ADN extraído de la saliva para el genotipado
de polimorfismos tipo SNP hicimos una prueba usando sondas TaqMan y el método
Endpoint Genotyping con el equipo de reacción en cadena de la polimerasa (PCR,
del inglés polymerase chain reaction) en tiempo real LightCycler® 480 Real-Time
PCR (qRT-PCR) System (Roche, Suiza). Evaluamos los SNPs rs7578034 y rs16944
(IL1B), rs895819 (miRNA27a), empleando el siguiente protocolo:
TaqMan® Universal 20X Assay Mix

SNP ADN (ng) H2O (µl)
PCR Master Mix (µl) (µl)
rs7578034 y rs16944 10 2.5 0.25 1.25
rs895819 100 5 0.5 2.5
La TaqMan® Universal PCR Master Mix está compuesta de una mezcla de

oligonucleótidos no marcados para PCR y sonda TaqMan® MGB (marcadas FAM™ y
VIC®). El programa de amplificación fue desnaturalización inicial de 10’a 95°C y 40
ciclos de pasos 15’’ a 92°C y 1’ a 60°C.
2.5.3. Colecta de saliva en hospitales

La solución escogida después del estudio comparativo y buen genotipado
(apartados 2.1 y 2.3 de la sección Resultados) fue la #4 (Tabla 5). La misma se
preparó en mayor cantidad, se esterilizó con un filtro de 0.2 µm (Millipore,
Alemania) y se prepararon alícuotas de 2 ml en tubos Eppendorf que fueron
enviadas a los hospitales participantes con las instrucciones precisas para la
recogida de las muestras de saliva. Las mismas fueron conservadas a 4°C antes y
después de la colecta de saliva. Los hospitales enviaron a nuestro departamento en
79
el ICO tandas de entre 5 y 20 muestras de saliva de sus pacientes conservadas a 4°C

para la extracción del ADN.
2.6. Extracción de ADN de tejido gástrico parafinado
Se extrajo ADN del tejido gástrico de las biopsias del reclutamiento con el objetivo
de genotipar cagA y vacA de acuerdo al siguiente protocolo, basado en el método
del fenol: cloroformo: isoamilalcohol 158.
1. Cortar bloques de parafina de 5 μm de espesor atendiendo a la cantidad de tejido

(Suficiente 10-15 cortes, Regular 20-25, Poco 30-35). Colocar los cortes en tubos
Eppendorf de 1.5 ml resistentes al fenol y limpiar el micrótomo entre cortes con
Histoclear (HS-202, National Diagnostics, EUA). Cortar controles negativos de tejido
no gástrico de ratón (pulmón) al inicio, medio y final de cada tanda de corte.
2. Añadir 1 ml de xileno, mezclar con vórtex 10’’, 5’ a 50°C, mezclar con vórtex 10’’.
3. Centrifugar a 16 500 g por 3’ y desechar el sobrenadante.
4. Repetir los pasos 2-3.
5. Añadir 1 ml de EtOH 100% y mezclar con vórtex 10’’.
7. Repetir los pasos 5-6.
8. Secar los tubos abiertos en campana por 20-30’.
9. Añadir 350 μl de tampón de lisis de parafinas (100 mM NaCl, 10 mM EDTA pH 8,
10 mM Tris, 0.5% Sarkosyl, pH 7) y 15-50 μl proteinasa K 20 mg/ml y mezclar.
10. Incubar a 56°C en baño térmico entre 3 y 8 horas hasta la lisis completa.
11. Incubar a 80°C durante 15’.
12. Enfriar la muestra a TA, añadir 2 μl de RNasa A 100 mg/ml e incubar 1 hora a TA.
14. Centrifugar a 16 500 g por 5’. Recoger la fase acuosa.
15. Añadir 150 µl de TE 1X a la fase orgánica y mezclar con vórtex 30’’.
16. Centrifugar a 16 500 g por 5’min. Recoger la fase acuosa y mezclar con la similar
del paso 14.
17. Añadir 2 Vs de EtOH 100%, 1/25 Vs de NaCl 5M y 1/100 Vs de MgCl2 1M e
invertir.
18. Incubar toda la noche a -20°C.
19. Centrifugar a 16 900 g a 4°C durante 20’. Desechar el sobrenadante.
20. Lavar con 1 ml de EtOH 70% frío y mezclar con vórtex 30’’.
21. Centrifugar a 16 900 g a 4°C por -5’. Desechar el sobrenadante.
23. Adicionar 15-50 µl de TE 1X, de acuerdo al pellet, y disolver.
80
2.7. Extracción de ADN de sangre
De algunos pacientes, en lugar de saliva se colectaron muestras de sangre total, en

tubos con EDTA y se conservaron a -80°C. El protocolo de purificación de ADN usado
fue el método de salificación (salting-out) 160:
1. Descongelar, mezclar la sangre, pasar 3 ml a un tubo de 15 ml y adicionar 9 ml de
tampón de lisis de eritrocitos (TLE) 1X (0.155M NH4Cl, 10mM KHCO3, 0.1mM EDTA,
pH 7.4).
2. Incubar 10’ a TA y mezclar por inversión. Centrifugar a 4 000 rpm por 5’ a 15°C.
Eliminar el sobrenadante.
3. Repetir 2 veces los pasos 1-2.
4. Añadir 1 310 µl de tampón SE (75mM NaCl, 25mM EDTA, pH 8.0), 150 µl de SDS
al 10% y 40 µl de proteinasa K.
5. Incubar en baño térmico a 60°C hasta la lisis completa.
6. Adicionar 1.5 ml de tampón SE, 750 µl NaCl 6M y 3.75 ml de cloroformo.
7. Mezclar con vórtex 20’’ y durante 30’ mezclar por inversión.
8. Centrifugar a 2 000 rpm por 10’ a TA.
9. Transferir la fase superior a un tubo de 15 ml y añadir 1V de isopropanol.
10. Centrifugar a 4 000 rpm por 10’ a TA y desechar el sobrenadante.
11. Añadir 1 ml de EtOH 70% frío y mezclar con vórtex.
12. Centrifugar a 4000 rpm por 5’ a TA y eliminar el sobrenadante.
14. Adicionar 100-200 µl de TE 1X y disolver.
2.8. Selección de genes candidatos

A partir de búsquedas bibliográficas intensivas realizadas en PubMed
(http://www.ncbi.nlm.nih.gov/pubmed) usando como filtro de selección
Title/Abstract y combinaciones de términos de búsqueda (gastric
cancer/adenocarcinoma, atrophy/atrophic gastritis, intestinal metaplasia, dysplasia,
genetic association, Helicobacter pylori signaling/infection/mechanism,
mouse/murine model) se colectaron un conjunto de artículos científicos sobre
modelos murinos de carcinogénesis gástrica, mecanismos de infección de
Helicobacter pylori en la mucosa gástrica humana y SNPs previamente asociados
con CG por estudios GWAS y con la evolución de las LPGs. Siendo las dos primeras
las fuentes para la selección de genes candidatos de carcinogénesis gástrica, y la
última una fuente para replicar SNPs previamente asociados.
Los modelos murinos de carcinogénesis gástrica han sido establecidos mediante la

sobre-expresión transgénica o deleción de genes relevantes en la fisiología
gastrointestinal unido a la infección por Helicobacter sp., causando la aparición de
LPGs y CG en el ratón 41 (Tabla 6). La segunda fuente de selección de genes
candidatos fue a partir del mecanismo de infección de Helicobacter pylori,
constituido por proteínas humanas que interactúan con factores de virulencia y
otras proteínas de esta bacteria induciendo la expresión de citoquinas pro-
81
inflamatorias y mitógenos, responsables de la inflamación crónica y la desregulación

de la proliferación epitelial causada por la infección bacteriana (Tabla 7).
Debido a la presencia de una gran cantidad de genes en nuestra lista inicial se

estableció un criterio de prioridad teniendo en cuenta la plausibilidad biológica. En
el caso de los modelos murinos se les asignó prioridad 1 a aquellos genes cuya
sobre-expresión o deleción reproducía la cascada de Correa completamente,
manifestando al unísono alguna LPGs y CG en el mismo modelo animal. En los casos
en que solamente alguna LPG se encontraba presente pero no progresaba a cáncer
gástrico se le asignó prioridad 2, con excepción de los genes CDX1 y CDX2 que
poseen numerosos estudios funcionales y de expresión en LPGs y CG en humanos,
por lo que se le confirió prioridad 1.
Con respecto a la vía de señalización de Helicobacter pylori, en el caso de observar

repetidamente artículos con evidencia de la participación de dicho gen/proteína en
la interacción con Helicobacter pylori se le asignó prioridad 1 al gen. En el caso de
resultados contradictorios acerca del rol de la proteína en dicha vía (Ej. TLR4) o si se
planeaba estudiar otra proteína con función similar se le asignó prioridad 2. En
todos los casos, solamente se seleccionaron genes con prioridad 1 para el
genotipado (Tablas 6 y 7). Para añadir otra evidencia al proceso de selección de
estos genes se visitó el catálogo de estudios de asociación de genoma completo
(http://www.genome.gov/gwastudies/) y se comprobó si existían resultados
significativos de asociación publicados para los mismos, obteniéndose una
confirmación adicional para su selección.
Además, se seleccionaron genes conteniendo SNPs significativos de estudios GWAS

en cáncer gástrico y otros procedentes de estudios de asociación de genes
candidatos; así como, de un análisis previo de asociación resultado de un estudio de
seguimiento de carcinogénesis gástrica realizado por nuestro grupo en la provincia
de Soria 57 (Tabla 8).
82
Tabla 6. Genes candidatos seleccionados a partir de estudios de modelos murinos de carcinogénesis gástrica.
Gen y Características de la expresión Fenotipo del modelo Asociación en

Función
referencia en modelo murino a murino GWAS
IL1B 41 Citoquina pro-inflamatoria que induce Transgénico de IL1B humana Atrofia-Metaplasia- ---------
hipoclorhidria, maduración y proliferación de expresada en estómago murino Displasia-Adenocarcinoma
células B, diferenciación y apoptosis bajo el promotor H-K+
RUNX3 161 Factor de transcripción supresor tumoral en Knock-out Hiperplasia-Metaplasia- Enfermedad
estómago. Se encuentra frecuentemente Adenocarcinoma
de Crohn
silenciado transcripcionalmente en CG
GAST 162 Estimula la secreción de HCl por las células Transgénico y Knock-out Atrofia-Metaplasia- ---------
parietales y mitógéno del epitelio gástrico Displasia-Adenocarcinoma
TFF1 163 Estabiliza el mucus gástrico posiblemente por Knock-out Atrofia-Hiperplasia- Cáncer de
estabilización de glicoproteínas y contribuye a Displasia- Carcinoma
páncreas
la cicatrización epitelial Intramucosal
164
WNT1 Ligando de la vía de señalización Wnt, implicada Transgénico bajo el promotor Epitelio indiferenciado con ---------
en oncogénesis, regulación de la localización queratina 19 infiltración de macrófagos
sub-celular durante la embriogénesis
PTGS2 Síntesis de prostaglandinas implicadas en Transgénico bajo el promotor Metaplasia-Displasia- Osteoartritis
(COX2) 164 inflamación y mitogénesis. Blanco de AINES queratina 19 Adenocarcinoma
165
PTGES Cataliza la oxido reducción de endoperóxido de Transgénico en mucosa gástrica Metaplasia-Hiperplasia- ---------
prostaglandina (PGH2) a prostaglandina (PGE2) Adenocarcinoma
166
CDX1 Factor de transcripción que regula la expresión Transgénico en mucosa gástrica Metaplasia Intestinal ---------
de genes intestinales, diferenciación de los
enterocitos y diferenciación del intestino
167
CDX2 Factor de transcripción que regula el desarrollo Transgénico en mucosa gástrica Metaplasia Intestinal ---------
embrionario temprano del tracto intestinal.
Mantenimiento del revestimiento epitelial de
los intestinos delgado y grueso
a
Especifica si el gen se sobre-expresa o silencia en la mucosa gástrica murina.
83
Tabla 7. Genes candidatos seleccionados a partir del análisis de los mecanismos de

infección de Helicobacter pylori.
Gen y referencia Función Asociación en GWAS
CD14 168 169 Receptor del lipopolisacárido bacteriano ---------
expresado en la superficie de monocitos y
macrófagos. Coopera con otras proteínas
para inducir la respuesta inmune
MAP3K14 170 Quinasa de tipo serina/treonina Esclerosis múltiple
constituyente de vías de señalización ERK y
JNK. Activa la vía NFKB mediante la
activación de IKKα (CHUK) e IKKβ (IKBKB)
por interacción con TRAF2 y TRAF6
MAPK3 171 Controla la expresión y actividad de Rasgos antropométricos
oncogenes Fos y Jun, es activada por
MEK1/2
NFKB1 172 Factor de transcripción que induce Enfermedad
expresión de citoquinas pro-inflamatorias. inflamatoria intestinal,
Su activación inapropiada está asociada Esquizofrenia
con enfermedades inflamatorias
NFKBIA 170 Inhibidor de NFKB1 Psoriasis
NOD1 170 Receptor citosólico de peptidoglicano, el ---------

cual inicia una respuesta inflamatoria ante
su detección. Potencia la apoptosis e
induce actividad de la vía NFKB
PTPN11 21 Forma complejo con factor de virulencia de Artritis reumatoide,
H. pylori cagA, que trae como consecuencia Tetralogía de Fallot,
la dispersión, elongación y separación de Megacariopoiesis y
las células epiteliales formación de plaquetas,
Presión sanguínea,
Diabetes tipo 1
84
Tabla 8. Genes candidatos seleccionados a partir de estudios de asociación genética

con cáncer gástrico (GWAS) y con lesiones precursoras gátricas (genes candidatos).
Fuente de
Gen y referencia Función
selección
LRFN2 173 Promueve el crecimiento de neuritas en las GWAS en CG
neuronas del hipocampo. Potencia la expresión
de los receptores N-metil-D-aspartato GRIN1 y
GRIN2
174
MUC1 Constituyente del mucus protector de la mucosa GWAS en CG
gástrica contra bacterias, enzimas y ácido
clorhídrico. Su sobre-expresión, localización
intracelular y cambios en su glicosilación han sido
asociados con diversos carcinomas
140
MUC2 y MUC6 Idéntico a anterior Asociación con
evolución de LPGs
PSCA 118 Glicoproteina de membrana tipo glicosil- GWAS en CG
fosfatidil-inositol sobre expresada en CG.
Participa en la regulación de la proliferación
celular
PRKAA1 121 Sensor de estado energético celular y regulador GWAS en CG
de la polaridad celular por remodelación del
citoesqueleto de actina
DNAH11 173 ATPasa que participa en movimiento de cilios GWAS en CG
respiratorios
ZBTB20 121 Posiblemente es un factor de transcripción con GWAS en CG
funciones en hematopoiesis, oncogenesis y
respuesta inmune
CDH1 (Cadherina E) Participa en la adhesión y movilidad de epitelio Asociación con
gástrico. Su pérdida de función contribuye a la evolución LPGs 140
progresión tumoral por incremento de la (datos no
proliferación, invasión y metástasis publicados)
IL1RN Antagonista del receptor de IL1A e IL1B, Asociación con
modulando respuestas inflamatorias e inmunes evolución LPGs 140
mediadas por estas citoquinas (datos no
publicados)
85
2.9. Selección de tagSNPs en los genes candidatos y análisis bioinformáticos
Haciendo uso del navegador del sitio web del proyecto HapMap
(http://hapmap.ncbi.nlm.nih.gov/) en población de origen europeo (CEU) release
#28 (Phases 1, 2 & 3 - merged genotypes & frequencies, db SNP b 126) fueron
descargados los datos genotípicos de cada gen candidato seleccionado; así como 5 y
3 kilobases adicionales de sus regiones 5’ y 3’. Posteriormente, dichos datos
genotípicos fueron cargados en el programa informático Haploview versión 4.2 y
seleccionados los SNPs con MAF≥0.05. Para la definición de bloques en LD
(haplotipos) se aplicó el método de intervalos de confianza de Gabriel et al. 92,
utilizando los parámetros por defecto en Haploview v.4.2. Los tagSNPs fueron
seleccionados utilizando el método Aggressive Tagger con un umbral de r2≥0.8
entre cada par de tagSNPs y SNPs etiquetado; así como, haplotipos etiquetados con
MAF≥0.05 93. Para los polimorfismos significativos extraídos de GWAS y de estudios
de asociación con la evolución de las LPGs de Soria 140 no se realizó selección de
tagSNPs. Los análisis funcionales in silico de los SNPs genotipados fueron realizados
como se describió en el apartado 1.5 de esta sección. La cobertura de la variabilidad
de tagSNPs en las regiónes genéticas fue obtenida por Haploview eliminando los
polimorfismos que no eran tagSNPs del total de los existentes en los bloques de
haplotipos (Tabla 9).
2.10. Genotipado de SNPs
La plataforma de genotipado usada fue la Sequenom, en el CEGEN del Instituto

Carlos III. De todos los tagSNPs inicialmente seleccionados, todos los presentes en el
gen TNF (N=13), y algunos en los genes MAP3K14 (rs17686001, rs4792849,
rs7216796) e IL1B (rs3136558) no pudieron ser genotipados debido a que no se
pudo diseñar ningún ensayo para los mismos. Además, 7 SNPs inicialmente
seleccionados no pudieron ser genotipados debido a generar clusters continuos o
solapantes. Así, el total de SNPs fue de 141 en 28 genes en 559 pacientes. De los
cuales, 131 fueron tagSNPs y 10 SNPs previamente asociados a CG o a la evolución
de lesiones precursoras (Tabla 9). Como controles de calidad fueron duplicadas al
azar 30 muestras de ADN, además de un trío de muestras Coriell (Na10830,
Na10831 y Na12147) como controles positivos de la técnica.
2.11. Análisis estadísticos de los resultados de genotipado de SNPs
Los pacientes se dividieron en tres grupos: de progresión, regresión y estables; de

acuerdo a si el diagnóstico histológico entre la biopsia de reclutamiento y el del fin
del seguimiento se incrementó, decrementó o se mantuvo igual respecto a la
severidad de las LPGs (Figura 10). Se utilizó la prueba de X2 de Pearson para
examinar diferencias entre las variables al reclutamiento de la población entre los
grupos de progresión, regresión y estables. Se utilizó la prueba X2 de bondad de
ajuste para chequear si los SNPs genotipados se encuentran en equilibrio de Hardy-
86
Weinberg. Los OR con IC95% se calcularon mediante regresión logística no

condicional sin incluir covariables en el ajuste, método implementado en la librería
SNPassoc del programa informático R 148. Se calcularon OR en dos tipos de análisis:
(i) comparación del grupo de pacientes cuyas lesiones han progresado hacia una
lesión de mayor severidad con respecto a aquellos cuyas lesiones se mantuvieron
estables o experimentaron regresión (grupo de referencia) y (ii) aquellos pacientes
que han regresado a una lesión de menor severidad respecto a los se mantuvieron
estables o experimentaron progresión (grupo de referencia).
Se realizaron todos los análisis usando los modelos de herencia codominante,

dominante, recesivo y log-aditivo (por alelo). Posteriormente, se aplicó la
corrección para comparaciones múltiples False Discovery Rate (FDR) basada en la
tasa de falsos positivos que genera un q-valor corregido 175. Debido a que los
portadores de la combinación de factores de virulencia de H. pylori
cagA+vacAs1/m1 tienen mayor riesgo de CG se realizó un análisis estratificado de
asociación con la evolución de las LPGs según el estatus cagA+vacAs1/m1 (N=131)
respecto al resto de combinaciones de cagA y vacA (N=230).
El desequilibrio de ligamiento entre polimorfismos en cada región génica fue

explorado mediante el prograna Haploview. Las frecuencias haplotípicas fueron
estimadas mediante el método de expectación-maximización implementado en el
paquete estadístico haplo.stats de R. La asociación entre la progresión o regresión y
cada haplotipo con una frecuencia de 0.01 se analizó utilizando el haplotipo más
frecuente entre los controles como referencia. En todos los casos, un resultado de
p<0.05 se consideró estadísticamente significativo.
87
Tabla 9. SNPs genotipados con su información asociada.

Variant Effect
Selección a Gen SNP b Cromosoma c Posición d Alelos e MAF f PupaSuite h HWE i Cobertura j
Predictor g
A CDX1 rs6894617 5 149521614 C/T 0,259 Región 5’, RR TFBS/Conservada 0,397 92 %
A CDX1 rs2302275 5 149527021 C/G 0,47 Cambio de a.a Región conservada 0,852
A CDX1 rs10040224 5 149527350 C/G 0,062 Intrónico
benigno Región conservada 1,000
A CDX1 rs887343 5 149529016 G/A 0,366 Intrónico Región conservada 0,550
A CDX1 rs2282812 5 149533940 G/A 0,366 Intrónico ------------- 1,000
A CDX1 rs10063514 5 149546502 C/T 0,068 Región 3’ Región conservada 0,712
A CDX2 rs2481952 13 27434901 C/T 0,498 UTR 3’, RR Región conservada 0,309 100 %
A CDX2 rs2504212 13 27435537 C/A 0,211 Intrónico Región conservada 0,008
A CDX2 rs4503658 13 27442919 G/T 0,08 UTR 5’, RR Región conservada 0,006
A CDX2 rs3812863 13 27443268 A/G 0,398 UTR 5’, RR Región conservada 0,441
A GAST rs12453761 17 37120839 A/G 0,48 Región 5’ Región conservada 0,405 30 %
E IL1A rs17561 2 113253684 G/T 0,289 aa deletéreo Región conservada 0,178 No es tagSNP
A IL1B rs3917366 2 113300351 G/T 0,246 Región 3’ Región conservada 0,381 88 %
A IL1B rs1143633 2 113306938 G/A 0,382 Intrónico Región conservada 0,168
A IL1B rs1143627 2 113310858 T/C 0,338 Región 5’, RR Región conservada 0,409
A PTGES rs12001450 9 131536460 T/C 0,192 Región 3’ ------------- 0,073 100 %
A PTGES rs4636306 9 131536838 G/A 0,209 Región 3’ ------------- 0,567
A PTGES rs2302821 9 131541702 A/C 0,073 UTR 3’ Región conservada 0,294
A PTGES rs10760634 9 131543692 A/G 0,078 Intrónico Región conservada 1,000
A PTGES rs4837404 9 131545480 A/G 0,369 Intrónico, RR Región conservada 1,000
A PTGES rs10739757 9 131547731 T/C 0,129 Intrónico ------------- 1,000
A PTGES rs7872802 9 131555551 A/G 0,134 Región 5’ ------------- 0,841
A PTGS2 rs2206593 1 184909052 G/A 0,052 UTR 3’ Región conservada 1,000 100 %
A PTGS2 rs5275 1 184909681 T/C 0,319 UTR 3’ Región conservada 0,454
A PTGS2 rs4648276 1 184912111 T/C 0,172 Intrónico, NMD Región conservada 1,000
88
Variant Effect
Predictor g
A PTGS2 rs5277 1 184914820 G/C 0,192 Sinónimo, NMD Región conservada 0,373
A PTGS2 rs2745557 1 184915844 G/A 0,204 Intrónico, NMD, Región conservada 0,475
A PTGS2 rs689466 1 184917374 A/G 0,175 Región
RR 5’, RR Región conservada 0,201
A PTGS2 rs12042763 1 184918499 G/T 0,273 Región 5’, RR Triple hélice, 0,295
conservada
A RUNX3 rs6663310 1 25094966 T/C 0,334 Región 3’ ------------- 0,145 91 %
A RUNX3 rs9438858 1 25096492 C/A 0,391 Región 5’ Región conservada 0,098
A RUNX3 rs7553295 1 25096597 G/T 0,238 Región 3’ Región conservada 0,799
A RUNX3 rs9438859 1 25096908 T/C 0,232 Región 3’, RR Conservada, RR 0,297
A RUNX3 rs7514332 1 25098262 G/C 0,054 Region 3’ Región conservada 0,384
A RUNX3 rs2236850 1 25112928 T/C 0,408 Intrónico, RR Región conservada 0,503
A RUNX3 rs2282718 1 25113643 G/A 0,335 Intrónico, RR Región conservada 1,000
A RUNX3 rs9438876 1 25113703 A/G 0,489 Intrónico, RR Región conservada 0,116
A RUNX3 rs2236852 1 25116354 A/G 0,486 Intrónico ------------- 0,579
A RUNX3 rs7517302 1 25126904 T/C 0,362 Intrónico, RR Región conservada 0,616
A TFF1 rs225352 21 42650501 C/T 0,086 Region 3’ ------------- 1,000 100 %
A TFF1 rs178740 21 42650741 T/C 0,198 Region 3’ ------------- 0,012
A TFF1 rs1547374 21 42651964 A/G 0,312 Region 3’ ------------- 0,516
A TFF1 rs4919984 21 42653915 A/G 0,222 Region 3’ Región conservada 1,000
A TFF1 rs225355 21 42657551 T/C 0,492 Intrónico ------------- 0,114
A TFF1 rs225357 21 42659382 C/T 0,431 Intrónico Región conservada 0,638
A TFF1 rs4920094 21 42659402 G/A 0,428 Intrónico Región conservada 0,158
A TFF1 rs225358 21 42659581 T/C 0,303 Intrónico, Región conservada 0,319
región de
empalme
A TFF1 rs2156310 21 42659675 G/A 0,151 alternativo
UTR 5’ TFBS/Triple hélice/ 1,000
conservada
A TFF1 rs225359 21 42660505 A/G 0,327 Región 5’ ------------- 0,833
89
Variant Effect
Predictor g
A TFF1 rs1788413 21 42661759 A/C 0,162 Region 3’ ------------- 0,864
A TFF1 rs9976977 21 42662543 G/A 0,369 Region 3’ ------------- 0,112
A TFF1 rs424694 21 42662841 C/T 0,413 Region 3’ ------------- 0,445
A TFF1 rs13047838 21 42665938 C/T 0,257 UTR 3’ Conservada, Triple 0,183
hélice
D TFF2 rs1079380 21 42643342 A/G 0,489 Intrónico Región conservada 0,309 No es tagSNP
A WNT1 rs4760663 12 47654900 C/T 0,429 Region 3’ ------------- 0,571 100 %

B MAP3K rs4247364 17 40692470 C/G 0,349 Region 3’ ------------- 0,476 81 %
B 14
MAP3K rs1047841 17 40696414 G/A 0,055 UTR 3’ Región conservada 1,000
B 14
MAP3K rs16939926 17 40699032 T/C 0,055 Intrónico Región conservada 1,000
B 14
MAP3K rs2074293 17 40699856 T/C 0,434 Intrónico Región conservada 0,005
B 14
MAP3K rs3785803 17 40716996 C/T 0,114 Intrónico Región conservada 0,356
B 14
MAP3K rs2074292 17 40717274 C/T 0,495 Intrónico Región conservada 0,009
B 14
MAP3K rs9908076 17 40731893 C/T 0,067 Intrónico ------------- 0,711
B 14
MAP3K rs2867316 17 40732230 C/T 0,362 Intrónico ------------- 0,035
B 14
MAPK3 rs7698 16 30033301 C/T 0,13 UTR 3’, NMD Región conservada 1,000 100 %
B MAPK3 rs11865086 16 30037994 A/C 0,491 Intrónico, NMD ------------- 0,516
B NFKB1 rs980455 4 103637989 A/G 0,391 Región 3’ ------------- 0,173 98 %
B NFKB1 rs13117745 4 103697738 C/T 0,122 Intrónico Región conservada 0,085
B NFKB1 rs1598861 4 103705733 A/C 0,365 Intrónico Región conservada 0,003
B NFKB1 rs1610152 4 103725412 G/C 0,046 Intrónico, RR ------------- 0,614
B NFKB1 rs11722146 4 103743667 G/A 0,268 Intrónico, RR ------------- 0,906
B NFKB1 rs4648090 4 103746106 G/A 0,152 Intrónico Región conservada 0,858
B NFKB1 rs4648127 4 103754951 C/T 0,033 Intrónico ------------- 0,402
B NFKB1 rs230547 4 103755307 C/T 0,105 Intrónico, RR ------------- 0,623
B NFKB1 rs4648135 4 103755716 A/G 0,051 Intrónico ------------- 0,624
B NFKB1 rs7674640 4 103759828 T/C 0,485 Región 3’, RR Región conservada 0,228
90
Variant Effect
Predictor g
B NFKBIA rs3138056 14 34938265 G/A 0,319 Región 3’, RR Región conservada 0,670 100 %
B NFKBIA rs4982269 14 34939618 T/C 0,338 Región 3’ Región conservada 0,536
B NFKBIA rs696 14 34940844 G/A 0,372 UTR 3’, NMD Región conservada 0,321
B NFKBIA rs3138054 14 34942058 G/A 0,154 Intrónico, RR Región conservada 0,859
B NFKBIA rs3138053 14 34944605 A/G 0,284 Región 3’ Región conservada 0,820
B NOD1 rs11536450 7 30434089 C/G 0,13 Intrónico, NMD ------------- 1,000 100 %
B NOD1 rs2907749 7 30452266 A/G 0,295 Intrónico, RR ------------- 0,074
B NOD1 rs7789045 7 30460547 T/A 0,463 Intrónico, NMD Región conservada 0,641
B NOD1 rs2906766 7 30466100 T/C 0,302 UTR 5’, RR Región conservada 0,661
B NOD1 rs3823773 7 30466486 A/G 0,087 Intrónico, RR ------------- 0,768
B NOD1 rs4272257 7 30470374 C/T 0,157 Intrónico, NMD, ------------- 1,000
B NOD1 rs2709803 7 30477059 C/T 0,217 Intrónico,
RR NMD Región conservada 1,000
B NOD1 rs4720004 7 30478744 T/C 0,144 Intrónico, NMD Región conservada 0,706
B NOD1 rs2256023 7 30481516 T/C 0,426 Intrónico, NMD Región conservada 0,924
B NOD1 rs17770244 7 30482337 A/G 0,061 Intrónico, NMD Región conservada 1,000
B PTPN1 rs17822304 12 111373075 C/A 0,049 Intrónico Región conservada 1,000 100 %
B 1
PTPN1 rs11614544 12 111389338 A/G 0,154 Intrónico, RR ------------- 0,285
B 1
PTPN1 rs11066320 12 111390798 G/A 0,437 Intrónico ------------- 0,778
B 1
B 1
B 1
PTPN1 rs7958372 12 111419936 C/T 0,085 Intrónico ------------- 0,561
B 1
PTPN1 rs7953150 12 111425954 G/A 0,286 Intrónico, RR ------------- 0,821
B 1
SRC rs6017901 20 35401507 T/C 0,043 Región 3’ ------------- 0,583 88 %
B SRC rs6094373 20 35402488 T/C 0,221 Región 3’ Región conservada 0,418
B SRC rs6017916 20 35404692 A/C 0,251 Región 3’, RR Región conservada 0,712
B SRC rs12106024 20 35412762 C/G 0,203 Intrónico, RR Región conservada 0,115
B SRC rs1547836 20 35414365 G/C 0,188 Intrónico, RR Región conservada 0,878
B SRC rs16986606 20 35417842 A/G 0,146 Intrónico, RR Región conservada 0,263
91
Variant Effect
Predictor g
B SRC rs6017996 20 35420067 G/A 0,144 Región 3’, RR ------------- 0,851 88%
B SRC rs6018027 20 35424206 T/C 0,275 Intrónico ------------- 0,488
B SRC rs6063022 20 35426741 C/T 0,16 Intrónico ------------- 1,000
B SRC rs6018088 20 35432039 C/A 0,136 Intrónico ------------- 0,692
B SRC rs6018148 20 35439194 C/T 0,204 Intrónico ------------- 0,670
B SRC rs7269342 20 35441575 T/C 0,146 Intrónico, RR ------------- 0,710
B SRC rs3790150 20 35448513 A/G 0,163 Intrónico Región conservada 0,395
B SRC rs754626 20 35450754 A/C 0,223 Intrónico ------------- 0,503
B SRC rs6018257 20 35455953 T/C 0,122 Intrónico, RR Región conservada 0,385
B SRC rs17785475 20 35466307 C/T 0,067 UTR 3’ Región conservada 0,711
C LRFN2 rs2494938 6 40644106 A/G 0,462 Intrónico ------------- 0,263 No es tagSNP
C MUC1 rs2070803 1 153424339 T/C 0,43 Región 3’ Región conservada 0,089 No es tagSNP
C PSCA rs2294008 8 143758933 C/T 0,437 Intrónico, UTR Región conservada 0,349 No es tagSNP
C PRKAA rs13361707 5 40827641 C/T 0,268 Intrónico,
5’ RR Región conservada 0,156 No es tagSNP
C 1
DNAH1 rs2285947 7 21550613 G/A 0,488 Intrónico Región conservada 0,194 No es tagSNP
C 1
ZBTB20 rs9841504 3 115845454 C/G 0,059 Intrónico, RR Región conservada 0,209 No es tagSNP
B CD14 rs11167532 5 139968081 G/A 0,45 Región 5’ ------------- 0,075 88 %
B CD14 rs778588 5 139987195 T/C 0,294 Región 3’ ------------- 0,181
B CD14 rs2569190 5 139993100 A/G 0,494 Intrónico, UTR Conservado/Triple 0,459
5’, RR hélice
B CD14 rs5744455 5 139993491 C/T 0,2 Región 5’, RR Región conservada 0,384
B CD14 rs1583005 5 140011721 C/T 0,418 Intrónico, NMD ------------- 0,390
B CDH1
(IK) rs16260 16 67328535 C/A 0,275 Región 5’ Región conservada 0,907 60 %
B CDH1 rs1125557 16 67367100 A/G 0,433 Intrónico, NMD Región conservada 0,345
B CDH1 rs12597188 16 67372327 G/A 0,317 Intrónico, NMD ------------- 1,000
92
Variant Effect
Predictor g
B CDH1 rs9929218 16 67378447 G/A 0,292 Intrónico, NMD, ------------- 0,576
B CDH1 rs7186053 16 67396794 G/A 0,423 Intrónico,
RR NMD ------------- 0,705
B CDH1 rs4783573 16 67398089 A/G 0,356 Intrónico, NMD ------------- 0,419
D IL1RN rs2637988 2 113593250 A/G 0,389 Intrónico, ------------- 0,041 No es tagSNP
Región 3’
D MUC2 rs10902073 11 1050934 C/A 0,336 Intergénico, RR ------------- 0,097 34 %
D MUC2 rs10794281 11 1053149 T/C 0,397 Intergénico Región conservada 0,176
D MUC2 rs2071174 11 1063712 T/C 0,29 Región 5’, RR ------------- 1,000
D MUC2 rs7944723 11 1083710 C/G 0,218 Exónico ------------- 0,105
D MUC2 rs10794293 11 1088939 C/T 0,347 Intrónico, ------------- 0,358
D MUC2 rs3924453 11 1095806 G/A 0,263 Región 3’,
3’ ------------- 0,341
D MUC2 rs4077759 11 1095976 T/C 0,353 Región 3’,
intergénico ------------- 0,361
D MUC6 rs6597947 11 1027029 G/T 0,079 Región 3’
intergénico Región conservada 0,005 No es tagSNP
a
Se refiere a la procedencia de los genes candidatos. A: modelos murinos de carcinogénesis gástrica, B: Mecanismo de infección por H. pylori, C: Genes
asociados a GWAS en CG, D: Genes asociados a la evolución de LPGs en estudio de seguimiento de Soria 140. b Los SNPs se ordenan en sentido 5’-3’. c-f
Información de HapMap. e Alelo común/alelo variante. f MAF: Frecuencia del alelo menor en la muestra total estudiada. g h Efecto funcional predicho de
programas Variant Effect Predictor y Pupasuite respectivamente. NMD significa que el SNP se encuentra localizado en transcrito sujeto a mecanismo de
degradación de ARNm Nonsense mediated mRNA decay. Región conservada se refiere a una secuencia de ADN conservada evolutivamente entre ratón y
humano. TFBS se refiere a sitios de unión de factores de transcripción. Triple hélice se refiere a la formación de esa estructura en el ADN como
consecuencia del alelo variante. Región regulatoria se refiere a aquella que afecta la expresión génica. ----- Significa que la herramienta no predijo dicho
SNP. i p-valor de equilibrio de Hardy-Weinberg. j Cobertura de variabilidad de tagSNPs en la región genética.
93
3. Estudio de expresión génica por microarray en metaplasia intestinal

que progresa a cáncer gástrico
Se analizaron muestras de un estudio de seguimiento de lesiones precursoras

gástricas realizado en la provincia de Soria, España, por nuestro grupo de trabajo 57.
El diseño de estudio es equivalente al descrito en el apartado 2.1 de esta sección;
pero en este caso restringido a la provincia de Soria, en lugar de toda España. En
resumen, los pacientes se sometieron a gastroscopia con colecta de biopsia gástrica
durante el periodo de 1988-1994 y aquellos con diagnóstico histológico de GNA,
GCA, MIC o MII fueron invitados a someterse a una nueva biopsia durante 2005-
2007. De esta manera se obtuvo la información de seguimiento de los cambios
histológicos en la mucosa gástrica a lo largo de un intervalo de tiempo de 12.5 años
como promedio. Los criterios de exclusión fueron: úlcera péptica prevalente, edad
fuera del rango de 25 a 69 años, cáncer gástrico o esófago de Barrett, gastrectomía
previa y falta de información. Todos los pacientes firmaron un consentimiento
informado accediendo a los procedimientos del estudio, cuyo protocolo fue
aprobado por el Comité Ético del hospital Virgen del Mirón de Soria. Un
cuestionario sobre la historia del consumo de tabaco, el uso de AINES, los
antecedentes familiares de cáncer gástrico y la prevalencia de infección por
Helicobacter pylori se administró a todos los pacientes. Adicionalmente, se
analizaron muestras de MIC y MII que progresaron a cáncer gástrico provenientes
del estudio multicéntrico de seguimiento de LPGs realizado en toda España descrito
en el apartado 2.1 de esta sección. Además, se utilizaron muestras de MIC y MII que
progresaron y que no progresaron a cáncer gástrico (posteriores a 1994 y con
seguimiento >1 año) procedentes de los hospitales Gregorio Marañón de Madrid y
Virgen del Mirón de Soria. Por último, fueron utilizadas como controles muestras de
mucosa gástrica sana provenientes de este último hospital.
La clasificación de la MI (G1-G4) presente en las muestras se realizó combinando el

sistema de clasificación de subtipos histológicos de Filipe et al. 50 y la descripción de
la MII del sistema de clasificación histológico de Sydney 47. Debido a que en este
último no quedan reflejadas las escalas visuales del primero se hizo una adaptación
en 4 niveles separando la tipo II según predominara la completa (G2) o la
incompleta (G3), como se describe a continuación:
G1 o MIC: Exclusiva presencia de células caliciformes. Equivalente al estadio I de la

clasificación de Filipe et al. 50.
G2 o MI predominantemente completa: Presencia de células intermedias o híbridas

entre caliciformes y enterocitos. Predominio de la MIC, aunque pueden existir focos
94
de MII que no alcanzan la superficie foveolar. Equivalente al estadio II de la

clasificación de Filipe et al. 50.
G3 o MI predominantemente incompleta: Presencia de focos de MII compuestos

por células columnares y caliciformes alcanzando la superficie foveolar. Equivalente
al estadio III de la clasificación de Filipe et al. 50.
G4 o MII: La MII afecta la casi totalidad de los fragmentos, aunque cabe la presencia
de áreas de MIC. Equivalente al estadio III de la clasificación de Filipe et al. 50.
Cuando existió duda sobre el tipo de MI predominante en una biopsia, se consideró

que predominaba la MI incompleta si la mitad o más de los fragmentos presentaban
MI, bien fuera completa o incompleta. La extensión (E) de la MI se refirió de
acuerdo al porciento de glándulas metaplásicas presentes en la muestra (E3 para
>50% de la muestra y E4 para >75% de la muestra). Tanto el diagnóstico histológico
como el de la extensión de la MI fue realizado por patólogos participantes en el
estudio de Soria.
Se realizó una prueba piloto de comparación de las plataformas de microarrays

Human Gene 2.0 ST y Almac-Xcel con el objetivo de conocer la eficiencia de esta
técnica en las muestras de mucosa gástrica parafinada de varios años a emplear
(media de 12.5 años). Para ello se utilizaron 3 muestras con MI que progresaron a
CG 57 y 3 controles de mucosa gástrica sana (Tabla 10).
Tabla 10. Muestras usadas para prueba piloto de comparación de microarrays de

expresión.
Diagnóstico al Infección
Tipo de MI al Extensión Localización
Código final del Estatus c por Sexo d
reclutamiento a de la MI b anatómica
seguimiento H. pylori
A1 No presenta No Cuerpo Sanos Sanos SI H
A2 No presenta No Cuerpo Sanos Sanos NO H
A3 No presenta No Cuerpo Sanos Sanos NO M
A4 G1 E4 Antro CG intestinal MIC-CG SI H
A5 G3 E4 Antro CG intestinal MII-CG SI M
A6 G3 E4 Antro CG mixto MII-CG NO H
a
Diagnóstico descrito en el apartado 3.1 de esta sección. b E4 significa extensión de la MI
≥75%. c MII/MIC-CG: Muestra al reclutamiento de MII o MIC que progresa a CG al final del
seguimiento.
Después de confirmar con este estudio piloto que las muestras eran válidas para su
análisis mediante microarrays de expresión, se procedió al análisis de los genes y
mecanismos funcionales desregulados en la progresión de MI a CG en la totalidad
de los casos a estudiar (Tabla 11).
95
Tabla 11. Muestras usadas en el estudio de expresión diferencial por microarrays de los subtipos histológicos de metaplasia intestinal
que progresan a cáncer gástrico, respecto a los que no progresan y a la mucosa sana.
Diagnóstico Extensión de Diagnóstico al Infección
Localización Años de
Código al MI al final del Estatus d por Sexo e Edad f Procedencia g
anatómica seguimiento c
reclutamiento a reclutamiento b seguimiento H. pylori
A7 G4 E4 Antro CG intestinal 10 MII-CG NO M 52 H. Soria
A8 G4 E4 Antro CG intestinal
stinalntestinaI 8.4 MII-CG SI H 69 H. Soria
A9 G4 E3 Antro CG Difuso
ntestinal 7.7 MII-CG NO H 45 H.Soria
A10 G4 E3 Antro CG intestinal 2 MII-CG NO H 73 H.Soria
A11 G4 E3 Antro CG intestinal 1 MII-CG NO H 60 H.Soria
A12 G4 E3 Antro CG intestinal 11.8 MII-CG SI M 66 H.Soria
A13 G3 E4 Antro CG 13.4 MII-No CG H 53 H.G Marañón
A14 G4 E4 Antro MII 15 MII-No CG SI H 64 H.Soria
A15 G3-G4 E3-E4 Antro MII 11 MII-No CG NO M 64 H.Soria
A16 G3-G4 E4 Antro MII ND MII-No CG NO H 64 H.Soria
A17 G3-G4 E3-E4 Antro MII 14 MII-No CG SI H 65 H.Soria
A18 G3-G4 E4 Antro MII ND MII-No CG NO M 74 H.Soria
A19 G3-G4 E4 Antro MII ND MII-No CG NO H 71 H.Soria
A20 G1 E4 Antro CG no cardias 2 MIC-CG ND H 57 Multicéntrico
A21 G1 E4 Cuerpo CG intestinal 8 MIC-CG SI H 57 Multicéntrico
A22 G1 E4 Antro CG intestinal 1 MIC-CG ND H 44 Multicéntrico
A23 G1 E4 Antro MIC 15.37 MIC-CG NO H 56 H.G Marañón
A24 G2 E4 Antro MIC 14 MIC-CG SI M 59.7 Multicéntrico
A25 G1 E4 Antro MIC 8.24 MIC-CG NO M 57
4 H.G
LPGsMarañón
A26 G1 E4 Antro MIC 5.95 MIC-CG NO M 78 H.G Marañón
A27 G1 E4 Antro CG no cardias 6.2 MIC-CG NO H 76 H.G Marañón
A28 G1 E4 Transiciona MIC 10.6 MIC-No CG NO H 67 H.G Marañón
A29 G2 E4 Antro
l MIC 10.5 MIC-No CG SI H 63 H.G Marañón
A30 G2 E4 Transiciona MIC 12.31 MIC-No CG NO H 74 H.G Marañón
A31 G2 E4 Antro
l MIC 13 MIC-No CG NO H 56.9 Multicéntrico
8 LPGs
96
Diagnóstico Extensión de Diagnóstico al Infección

Localización Años de
Código al MI al final del Estatus d por Sexo e Edad f Procedencia g
anatómica seguimiento c
reclutamiento reclutamiento b seguimiento H. pylori
a
A32 G1 E4 Antro MII 14 MIC-No CG SI M 54 H.Soria
A33 G1 E4 Antro MII 15 MIC-No CG SI H 57 H.Soria
A34 G1 E4 Antro MIC 18 MIC-No CG SI H 57 H.Soria
A35 G1 E4 Antro MIC 14 MIC-No CG SI H 62 H.Soria
A36 G1 E4 Antro MIC 15 MIC-No CG NO H 62 H.Soria
A37 -------- -------- Antro -------- -------- Sanos SI M 16 H.Soria
A38 -------- -------- Antro -------- -------- Sanos NO H 42 H.Soria
A41 -------- -------- Antro -------- -------- Sanos NO M 72 H.Soria
A42 -------- -------- Antro -------- -------- Sanos NO M 86 Multicéntrico
A43 -------- -------- Antro -------- -------- Sanos NO M 18 H. Soria
LPGs
A44 -------- -------- Cuerpo -------- -------- Sanos NO H 27 H. Soria
A45 -------- -------- Antro -------- -------- Sanos NO H 68 H. Soria
A48 -------- -------- Cuerpo -------- -------- Sanos NO H 73 H. Soria
A49 -------- -------- Cuerpo -------- -------- Sanos NO M 58 H. Soria
A51 -------- -------- Cuerpo -------- -------- Sanos SI H 69 H. Soria
a b
Tipos histológicos de MI (G1-G4) descritos en el apartado 3.1 de esta sección. E3>50%, E4>75% se refiere a la extensión de la MI en la muestra; en el
caso de que existan dos diferentes en a ó b en la misma muestra se corresponden a los cortes inicial y final. c Se refiere al intervalo de tiempo entre el
reclutamiento y el final del seguimiento. d MII/MIC-CG: Muestra de MII o de MIC al reclutamiento que progresa a CG al final del seguimiento. MII/MIC-
No CG son controles de MII y MIC que no progresan a CG desde el reclutamiento hasta el final de seguimiento. e M: Mujer, H: Hombre. ND: No
disponible. f Edad al reclutamiento. g Hospital o proyecto de procedencia de las muestras. Multicéntrico hace referencia al proyecto de seguimiento de
LPGs realizado en varios hospitales de España.
97
Se seleccionaron 7 muestras de MII tipo G4 incluidas en tejido gástrico parafinado

que progresaron a CG (MII-CG) durante un seguimiento de entre 1 y 12.5 años, con
localización anatómica en el antro y con una extensión de la MI entre E3 y E4.
Como controles se seleccionaron 6 muestras de MII que no progresaron a CG
(MII-No CG). Posteriormente, para estudiar ambos subtipos histológicos de MI, se
seleccionaron 8 muestras de MIC que después de un seguimiento medio de 10 años
progresaron a CG (MIC-CG) y 7 que no progresaron (MIC-No CG). Estas muestras
presentaron diferentes localizaciones anatómicas y ambos tipos de MIC (G1 o G2),
pero todas fueron de extensión E4. En ambos casos, los controles que no
progresaron a CG de cada subtipo histológico fueron seleccionados con
características similares de clasificación histológica (G1-G4), extensión (E3-E4) y
localización anatómica de la MI, sexo y edad como variables de ajuste. Así, el total
de muestras analizadas fue de 45: MII-CG (N=6), MII-No CG (N=7), MIC-CG (N=8),
MIC-No CG (N=9) y mucosa gástrica sana (N=15).
3.2. Corte de bloques de parafina y evaluación histológica
Los bloques de tejido parafinado fueron enfriados en nieve carbónica y cortados en

micrótomo. Se realizaron cortes iniciales y finales a 3 µm de espesor para realizar
tinción con hematoxilina-eosina y confirmar el diagnóstico histológico.
El tejido entre ambos cortes fue cortado a 5 µm de espesor para la extracción de

ARN total. Para evitar la contaminación se cambió la cuchilla entre cada bloque y se
limpió el micrótomo con Histoclear (HS-202, National Diagnostics, EUA), los guantes
también se cambiaron frecuentemente. Un control negativo de tejido parafinado
murino de pulmón se cortó a intervalos regulares de cada tanda (inicio, medio y
final).
3.3. Extracción de ARN total
La extracción de ARN total se realizó utilizando el kit Recover All Total Nucleic Acid
(AM1975, Ambion, EUA) de acuerdo al protocolo recomendado por los fabricantes,
con modificaciones menores:
1. Limpiar cuidadosamente el área de trabajo con RNaseZAP, después limpiar 2

veces con H2O destilada, usar pipetas específicas para ARN y limpiarlas antes de su
uso con EtOH 70%, cambiar con frecuencia los guantes durante el protocolo.
2. Añadir 1 ml de xileno 100% a las muestras, mezclar con vórtex brevemente.
3. Golpe de centrífuga.
4. Incubar a 50°C durante 3’ en baño térmico.
6. Añadir 1 ml de EtOH 100%, mezclar con vórtex.
7. Centrifugar a 16 500 g por 2’ y descartar el sobrenadante.
8. Repetir los pasos 6 y 7.
9. Incubar los tubos abiertos 45’ a TA.
98
10. Añadir 100 μL de tampón de digestión y 4-20 μL Proteasa, mezclar pipeteando.

11. Incubar a 50°C en baño térmico hasta la lisis completa.
12. Incubar las muestras a 80°C durante 15’ en bloque térmico.
13. Golpe de centrífuga.
14. Añadir 120 µl de Isolation additive y 275 µl de EtOH 100%, mezclar pipeteando.
15. Echar 700 µl de la muestra en la columna de separación.
16. Centrifugar a 10 000 g por 30’’ para que el líquido atraviese la columna.
17. Desechar el líquido filtrado y conservar la columna.
18. Añadir 700 μL de solución Wash 1 a la columna.
19. Centrifugar a 10 000 g por 30’’ para que el líquido atraviese la columna.
20. Desechar el líquido y conservar la columna.
21. Añadir 500μL de solución Wash 2/3 a la columna.
22. Centrifugar a 10 000 g por 30’’ y descartar el líquido.
23. Centrifugar nuevamente a 10 000 g por 30’’.
26- Preparar una master mix de DNAsa (6 μl de tampón DNasa 10X, 4 μl de DNasa y
50 μl de H2O destilada libre de nucleasas).
27. Añadir 60 μL de la master mix de DNAsa al centro de la columna.
28. Incubar 30’ a TA.
29. Añadir 700 μL de solución Wash 1 a la columna.
30. Incubar 1’ a TA.
31. Centrifugar a 10 000 g por 30’’ y desechar el líquido.
32. Añadir 500 μL de solución Wash 2/3 a la columna.
33. Centrifugar a 10 000 g por 30’’ y descartar el líquido.
34. Repetir los pasos 32 y 33.
35. Centrifugar a 10 000 g por1’ para eliminar el líquido residual.
36. Transferir la columna a un tubo nuevo.
37. Añadir 15-30 μl de Elution Solution en el centro de la columna e incubar 1’ a TA.
38. Centrifugar a 16 500 g por 1’.
39. Colectar el ARN y mantener en hielo hasta guardar a -80°C.
3.4. Medición de cantidad y calidad del ARN
La concentración del ARN total se estimó mediante espectrofotometría usando el

equipo Nanodrop. Adicionalmente, se emplearon métodos de cuantificación por
fluorescencia más precisos según el protocolo de los fabricantes: el Qubit® RNA BR
Assay Kit (Q10210, Life Technologies,) para el ARN y el Qubit® dsDNA BR Assay Kit
(Q32850, Life Technologies, EUA) para estimar el ADN genómico residual en la
muestra. La calidad del ARN extraído fue evaluada a partir de la estimación del
número de integridad del ARN (RIN, del inglés RNA Integrity Number), obtenido de
analizar las muestras en el Agilent 2100 Bioanalyzer (EUA), mediante electroforesis
en chips microfluídicos utilizando el Agilent RNA 6000 Nano Kit (5067-1511, Agilent,
EUA) según el protocolo de los fabricantes.
99
3.5. Prueba piloto de comparación de microarrays Human Gene 2.0 ST vs Almac

Xcel
El procesamiento de las muestras e hibridación del ADNc se realizó en el servicio de

microarrays del Instituto Hospital del Mar de Invesigaciones Médicas (IMIM) de
Barcelona. El ARN procedente de tejido parafinado se encontraba degradado por la
acción del formaldehído y presentaba valores de RIN entre 1-2.5, bajos en contraste
con la calidad del ARN de muestras no parafinadas. Teniendo en cuenta que la
mayoría de las muestras presentaron un RIN aproximado de 2, se escogieron
solamente muestras con RIN≥2 y se excluyeron aquellas con RIN<2.
Se realizó una prueba piloto con el objetivo de comparar el microarray Human Gene
2.0 ST (Affymetrix, EUA) respecto al Almac Xcel (Affymetrix, EUA), el cual es
específico de muestras parafinadas. El Human Gene 2.0 ST es un array en el que las
sondas hibridan a lo largo de todo el transcrito interrogando 40 716 de los mismos,
mediante 21 sondas/gen. En el Almac-Xcel las sondas hibridan en el extremo 3’ del
ARNm, interrogando alrededor de 97 000 transcritos y es equivalente en un 70% al
Human Genome U133 Plus 2.0 array, el más usado de Affymetrix 176. Previo a la
hibridación en el chip se amplificó el ADNc usando el WT-Ovation™ FFPE System V2
(Nugen, EUA), específico para ARN degradado de muestras parafinadas. En esta
prueba piloto se emplearon las muestras descritas en la tabla 10 y posteriormente
se procedió a hibridar muestras clínicas (Tabla 11), con el objetivo de conocer
procesos fisiológicos causales involucrados en la progresión desde MI a CG y que
caracterizan a la MI.
3.6. Análisis de calidad y estadísticos
Los análisis de calidad consistieron en la exploración de imágenes y la evaluación de

la consistencia de los datos. Respecto a los análisis estadísticos, se normalizaron los
datos de intensidad de fluorescencia aplicando el método Robust Multi-array
Average 177 implementado en el programa Affymetrix® Expression Console™ para
corregir el ruido de fondo, aplicar la normalización quantil y expresar todas las
sondas de un transcrito en base logarítmica 2. A continuación se corrigió el efecto
batch presente en los diferentes experimentos, ya que las muestras fueron
hibridadas en fechas diferentes, mediante el método Combat 178. Una vez corregido
este efecto, de las 81 804 sondas iniciales, se seleccionaron aquellas con desviación
estandár (DE) <0,34 (30% de la DE global de todas las sondas), obteniendo un total
de 57 263 sondas a emplear en los análisis. Se calculó el log Fold Change como la
media de la intensidad de las muestras del primer grupo dividida entre la media de
la intensidad de las muestras del segundo grupo a comparar y se aplicó la fórmula
2log Fold Change para transformar los valores a Fold Change. Con el objetivo de
comparar la distribución de las muestras de los distintos grupos (MI-CG, MI-No CG,
100
MII-CG, MII-No CG, MIC-CG, MIC-No CG y Sanos) se construyeron dendrogramas

usando la distancia euclídeana y el método Complete.
Los genes diferencialmente expresados entre los grupos MII-CG vs MII-No CG,
MIC-CG vs MIC-No CG, MI-No CG vs Sanos se obtuvieron aplicando la prueba t
moderada, específica para datos de microarrays (Linear Models for Microarray
Data, Limma), que tiene en cuenta la media, desviación estándar y N de los grupos a
comparar 179, y se ajustó para las comparaciones múltiples por la tasa de falsos
positivos (FDR) 175. Se consideraron las diferencias estadísticamente significativas si
p<0.05 y el Fold Change≥2 (genes sobre-expresados) ó ≤0.5 (genes sub-expresados).
Los análisis se realizaron en el programa estadístico R (v3.1.1) 180 con sus paquetes
estándar y, adicionalmente, los paquetes Biobase y Limma de Bioconductor 181. Se
comprobó si los genes diferencialmente expresados en las comparaciones MII-CG vs
MII-No CG y MIC-CG vs MIC-No CG también estaban diferencialmente expresados
en MI-No CG vs Sanos.
3.7. Análisis de enriquecimiento funcional por IPA y GSEA
El análisis individual de genes diferencialmente expresados solo permite dilucidar

parcialmente mecanismos funcionales implicados en procesos biológicos, razón por
la que es mucho más informativo realizar análisis de vías de señalización celular y
otros procesos moleculares enriquecidos en los grupos en estudio.
Con este objetivo se utilizó el programa bioinformático Ingenuity Pathway Analysis

(IPA, www.ingenuity.com) para anotar funciones biológicas e identificar vías
canónicas de señalización celular a partir de los genes diferencialmente expresados
en el microarray de expresión mediante la comparación de los mismos con la base
de datos Ingenuity® Knowledge Base 182. La misma consta de >2.44 millones de
artículos científicos revisados por expertos y mediante procesamiento de lenguaje
natural, integrando información de múltiples fuentes sobre alrededor de 16 900
genes humanos y la interacción de los mismos a nivel génico y proteíco. A las vías
canónicas identificadas les es asignado un p-valor y se grafican sus componentes,
así como el nivel de sub o sobre-expresión de los mismos en los datos. Además,
construye redes moleculares no redundantes y optimizadas respecto a la
interconectividad y la maximización de su número de componentes, las cuales
permiten conocer cómo se relacionan los genes diferencialmente expresados. A
dichas redes se les asigna un p-valor y un score, el cual indica la probabilidad de que
los mismos pertenezcan a dicha red en comparación con un resultado azaroso 182.
Usando dicho programa se cargaron los genes diferencialmente expresados de cada

comparación (MII-GC vs MII-No CG, MIC-CG vs MIC-No CG y MI-No CG vs Sanos)
junto con su Fold Change y mediante la opción Core Analysis se obtuvieron las vías
canónicas significativas, y las funciones moleculares y celulares sobre-representadas
101
en cada grupo. Por otra parte se construyeron redes moleculares de alta puntuación
(score>15) que incluyen genes diferencialmente expresados interconectados con
otras moléculas. Un score ≥3 significa que es significativa (IC 99.9%) la probabilidad
de que dichos genes interactúen entre sí.
El programa bioinformático Gene Set Enrichment Analysis (GSEA) 183 identifica si los
transcritos de un experimento de microarrays están significativamente enriquecidos
en vías de señalización celular u otros procesos biológicos mediante la comparación
con conjuntos génicos diferencialmente expresados y representativos de los
anteriores, previamente depositados en la base de datos Molecular Signatures
Database (MSigDB). Para determinar los conjuntos génicos significativamente
enriquecidos calcula el Enrichment Score (ES) definido como la máxima desviación
respecto a 0 encontrada entre los conjuntos génicos de bases de datos y los
resultadosdel experimento, y su p-valor nominal asociado no ajustado, así como
ajustado para comparaciones múltiples mediante FDR.
Los valores de expresión normalizados de las comparaciones MII-CG vs MII-No CG,

MIC-CG vs MIC-No CG, y MI-No CG vs Sanos fueron cargados en el programa GSEA y
buscados conjuntos génicos diferencialmente expresados en nuestros resultados
usando los catálogos c2.all.v5.0 y c3.tft.v5.0. El catálogo c2.all.v5.0 está compuesto
por vías de señalización celular y perturbaciones químicas y genéticas procedente
de la base de datos MSigDB v5.0. Por su parte c3.tft.v5.0 se encuentra compuesto
por conjuntos génicos que contienen genes que comparten un sitio de unión a un
factor de transcripción definido en TRANSFAC v7.4. Solamente aquellos conjuntos
génicos compuestos por 15 o más genes fueron analizados. Los conjuntos génicos
de perturbaciones químicas y genéticas poseen información de genes inducidos o
reprimidos debido a un efecto biológico y la mayoría han sido extraídos de
publicaciones científicas.
Se emplearon los parámetros por defecto del programa, con excepción de la

comparación MII-CG vs MII-No CG en la que la opción de permutación aplicada fue
Geneset, debido a que el tamaño de la muestra en esta comparación es <7. Se
consideró un conjunto génico significativo si su p-valor nominal fue <0.05 y su
q-valor de FDR <0.25 para las comparaciones MIC-CG vs MIC-No CG y MI-No CG vs
Sanos 184. En la comparación MII-CG vs MII-No CG se consideró un resultado
significativo si su p-valor nominal <0.01 y su q-valor de FDR <0.05. Se usó este
criterio ya que el tipo de permutación Geneset realizada, en lugar de fenotipo, es un
criterio menos estricto de significación por lo que se debe aplicar un valor de corte
más riguroso de q-valor de FDR 184 185. En ambos casos se seleccionaron vías con
plausibilidad biológica demostrada en la metaplasia intestinal, la carcinogénesis
gástrica o la carcinogénesis en general.
102
En el análisis del GSEA no todos los componentes del conjunto génico contribuyen
de igual forma a la señal de enriquecimiento sino que existe un subconjunto que lo
hace de manera más significativa, denominados leading edge genes 185, siendo el
núcleo que contribuye a la señal de enriquecimiento ES. Teniendo esto en cuenta,
para las comparaciones con conjuntos génicos significativos MII-CG vs MII-No y
MI-No CG vs Sanos se determinaron los genes leading edge de los conjuntos génicos
significativos y se compararon con los genes sobre-expresados de dichas
comparaciones.
Adicionalmente, un conjunto de datos humanos de expresión génica de metaplasia

intestinal y mucosa gástrica sana 186 con número de identificador GSE47797 se
descargaron de la base de datos Gene Expression Omnibus (GEO,
http://www.ncbi.nlm.nih.gov/geo/info/linking.html), y analizadas vías y
mecanismos funcionales usando el programa GSEA. Se siguió idéntica metodología
a la descrita previamente escogiendo el tipo de permutación Geneset debido a N<7.
Los datos están constituidos por valores de expresión normalizados de 34 127
sondas obtenidas con el microarray Whole Human Genome Microarray 4x44K v2
(Affymetrix, EUA).
Además, usando el sitio web http://geneontology.org/ se realizó un análisis de

enriquecimiento de los genes diferencialmente expresados de las comparaciones
estudiadas (MII-CG vs MII-No CG, MIC-CG vs MIC-No CG y MI-No CG vs Sanos) en los
términos de la ontología génica (GO, del inglés Gene Ontology) Procesos Biológicos,
Funciones Moleculares y Componentes Celulares, empleando solamente
información de evidencias experimentales. Adicionalmente, se realizaron los
mismos análisis anteriores pero en conjuntos de datos provenientes de Panther
GO-Slim empleando el PANTHER Overrepresentation Test release 20150430
(http://pantherdb.org/tools/compareToRefList.jsp).
3.8. Validación de expresión génica por qRT-PCR
Algunos de los genes diferencialmente expresados en el microarray se validaron

mediante qRT-PCR usando arrays dinámicos de expresión 96.96 Biomark HD
(Fluidigm, EUA) y sondas UPL (Roche, Suiza). Para esto se seleccionaron genes sobre
y sub-expresados procedentes principalmente de las comparaciones MII-CG vs MII-
No CG y MII-No CG vs Sanos, y en menor medida de MIC-CG vs MIC-No CG,
teniendo en cuenta la novedad de los hallazgos y/o funciones relevantes en la
metaplasia intestinal, fisiología digestiva y/o carcinogénesis gástrica. Los genes de
referencia utilizados fueron ACTB, GAPDH, G6PD, RPL29 y B2M, seleccionados a
partir de reportes previos 187 y el hecho de que no son significativos en el
microarray de expresión.
103
Las sondas UPL y los cebadores específicos fueron seleccionados mediante el

programa informático Universal Probe Library Assay Design Center
(http://lifescience.roche.com) 188, seleccionando Homo sapiens e introduciéndole el
(los) identificador(es) de ARNm (Ej NM_002123.4) de los genes de interés obtenidos
del sitio web http://www.ncbi.nlm.nih.gov/gene, en el caso de que no aparecieran
identificador(es) de ARNm se buscaron en Ensembl. Se seleccionó automáticamente
un ensayo que abarcara el intrón para no detectar expresión génica debido a
contaminación con ADN genómico en el ARN total. Siempre que hubiera varios
conjuntos de sondas y cebadores para los transcritos de un mismo gen se
seleccionó un ensayo común para evaluarlos al unísono mediante una sonda y un
par de cebadores únicos. Si existían amplicones muy grandes (HLA-C[135pb], HLA-
DQA1[107pb]) se diseñaron nuevos cebadores, más internos, haciendo uso de la
secuencia de la sonda UPL en el programa informático Primer3
(http://primer3.ut.ee/). En la tabla 12 aparece la información correspondiente a los
genes desregulados y de referencia seleccionados, transcritos interrogados, sondas
UPLs y secuencia de los cebadores utilizados para la validación por qRT-PCR.
Las muestras de ARN usadas para la validación provienen de mucosa gástrica

parafinada de MII-CG, MII-No CG, MIC-CG, MIC-No CG y Sanos. Una parte de las
mismas había sido usada en el microarray de expresión mientras que otras
constituyen una serie independiente (Tabla 13). En estas últimas la extensión de la
MIC y la MII en los cortes inicial y final no siempre es mayor del 50%; sin embargo,
las muestras fueron seleccionadas de manera que se garantizara la mayor extensión
posible con vistas a que el ARN tuviera un componente mayoritario de tejido
metaplásico.
104
Tabla 12. Genes significativos del microarray de las comparaciones MII-CG vs MII-No CG, MIC-CG vs MIC-No CG y MI-No CG vs Sanos a ser
validados por qRT-PCR.
Sonda Tamaño
Gen Transcrito(s) Comparación Secuencia de los cebadores
UPL amplicon (pb)
ACTB NM_001101.3 Genes de referencia 64 97 ccaaccgcgagaagatga y ccagaggcgtacagggatag
B2M NM_004048.2 Genes de referencia 42 86 ttctggcctggaggctatc y tcaggaaatttgactttccattc
G6PD NM_000402.4, NM_001042351.2 Genes de referencia 22 91 ctgcagatgctgtgtctggt y tgcatttcaacaccttgacc
GAPDH NM_002046.3 Genes de referencia 24 70 cctcctcctaagatggtgtctg y gaccgatgcgtccaaatc
RPL29 NM_000992.2 Genes de referencia 53 81 ccagaggcgtacagggatag
caggctcccaaacgtacc y gcaccagtccttctgtcctc
AFAP1-AS1 NR_026892.1 MII-CG vs MII-No CG 14 60 tcaccgatttcaaagcttcc y ttcaggcgtgagtgattgtt
ATP5A1 NM_001001937.1, NM_004046.4 MII-CG vs MII-No CG 61 93 tgctattggtcaaaagagatcca y gtagccgacaccacaatgg
ATP6V0E1 NM_003945.3 MII-CG vs MII-No CG 45 112 cctcactgtgcctctcattg y caccaacatggtaatgataactcc
GNAS NM_000516.4,NM_001077488.2, MII-CG vs MII-No CG 3 72 aaggacaagcaggtctaccg y ggtgcttttaccagattctcca
NM_001077489.2, NM_001077490.1,
NM_016592.2,NM_080425.2, NM_080426.2
GSTA1 NM_145740.3 MII-CG vs MII-No CG 53 90 acggtgacagcgtttaacaa y ccgtgcattgaagtagtgga
HLA-C NM_001243042.1, NM_002117.5 MII-CG vs MII-No CG 32 116 acccggactcacattctcc y gcggtgtcgaaatacctcat
HLA-DQA1 NM_002122.3 MII-CG vs MII-No CG 68 101 accaagggccattgtgaat y aatcgggccagagaatagtg
HLA-DRB3 NM_022555.3 MII-CG vs MII-No CG, 41 113 gggctgttcatctacttcagga y caaagctggggcagaagat
MIC-No CG vs MIC-CG
HLA-DRB4 NM_021983.4 MII-CG vs MII-No CG, 41 98 gggacagggctgttcatcta y ccttgaatgtggtcatctgc
MIC-No CG vs MIC-CG
IGHG4 ENST00000390543 MII-CG vs MII-No CG 79 106 tcctccatcgagaaaaccat y ggctgacctggttcttggt
IK NM_006083.3 MII-CG vs MII-No CG 11 103 agctgacccagatcctttca y tcagcctcaggaggtttctt
IL1R2 NM_173343.1, NM_004633.3 MII-CG vs MII-No CG, 72 89 cacatagagagcgcctaccc y
MIC-No CG vs MIC-CG ggcacttcaatgtagttctcattatt
MGAM NM_004668.2 MII-CG vs MII-No CG 3 93 ccaggtgacatgggacataga y gcagtgacatttctggcattac
MME NM_000902.3, NM_007287.2, MII-CG vs MII- No CG 67 78 ggggaggctttatgtggaag y tctcggatctgtgcaatcaa
NM_007288.2, NM_007289.2
PGC NM_001166424.1, NM_002630.3 MII-CG vs MII- No CG 21 61 cttgtgggtgccctctgt y gttgaagcgggagtgactg
PI3 NM_002638.3 MII-CG vs MII- No CG 34 95 tgatcgtggtggtgttcct y acggcctttgacagtgtctt
PPIA NM_021130.3 MII-CG vs MII- No CG 48 97 atgctggacccaacacaaat y tctttcactttgccaaacacc
105
Sonda Tamaño
Gen Transcrito(s) Comparación Secuencia de los cebadores
UPL amplicon (pb)
RHOA NM_001664.2 MII-CG vs MII- No CG 8 83 gggagctagccaagatgaag y gtacccaaaagcgccaatc
TMEM25 NM_001144034.1, NM_001144035.1, MII-CG vs MII- No CG 79 109 cgcctctgtcatccttaatgt y caccagggcaaacaggac
NM_001144036.1, NM_001144037.1,
NM_001144038.1, NM_032780.3
ANPEP NM_001150.2 MI-No CG vs Sanos 18 75 catccatcagagatggcagac y tgctgaagagatcgttctgg
APOB NM_000384.2 MI-No CG vs Sanos 55 78 gacgacttttctaaatggaacttctac y
CDH17 NM_001144663.1, MI-No CG vs Sanos 2 72 cgtcaccagtaaccgtatttga y gtgcagtaagggtcccgata
ctcagttttgaatatggtgagttttt
CDX1 NM_001804.2 MI-No CG vs Sanos 70 76 acgccctacgagtggatg y tgtccttggtccgagtcttac
NM_004063.3
NM_001265.3 MI-No CG vs Sanos 34 82
CDX2 atcaccatccggaggaaag y tgcggttctgaaaccagatt
CLCA1 NM_001285.3 MI-No CG vs Sanos 62 78 ccaatggaagaatacaagcagtaa y
CPS1 NM_001122633.2, NM_001122634.2, MI-No CG vs Sanos 8 64 caagttttgcagtggaatcg
tgcctccctgacacttcttta y actgggtagccaatggtgtc
NM_001875.4
DMBT1 NM_004406.2,NM_007329.2, MI-No CG vs Sanos 21 77 accaacttaccggcattgac y cgacacctgtcacctccatt
FABP1 NM_017579.2
NM_001443.2 MI-No CG vs Sanos 78 90 tgatccaaaacgaattcacg y caccttccaactgaaccactg
MUC12 NM_001164462.1 MI-No CG vs Sanos 72 68 cctggaaaccttagcaccag y gacagacgcattgttttccat
MUC17 NM_001040105.1 MI-No CG vs Sanos 17 76 ggggtgaacatcacaaagcta y
MUC3A ENST00000319509, ENST00000422757, MI-No CG vs Sanos 18 102 gtggagatcctgtccctgag y cacctgctcatactcgctctc
gtgtgtacttggttcttaggaggac
ENST00000414964
OLFM4 NM_006418.4 MIC-CG vs MIC-NO CG, 24 74 atcaaaacacccctgtcgtc y gctgatgttcaccacaccac
MI-No CG vs Sanos
PRDM10 NM_020228.2, NM_199437.1, MI-No CG vs Sanos 36 88 gtgaggacacggatctgga y gcgttattgcactcctcaca
NM_199438.1, NM_199439.1
SI NM_001041.3 MI-No CG vs Sanos 86 65 ttttggcatccagattcgac y atccaggcagccaagaatc
SLC26A3 NM_000111.2 MI-No CG vs Sanos 2 74 ccatcatcgtgctgattgtc y agctgccaggacggactt
TFF3 NM_003226.3 MI-No CG vs Sanos 4 87 gctgctgctttgactccag y tggaggtgcctcagaaggt
CYP3A4 NM_001202855.2, NM_017460.5 MI-No CG vs Sanos 2 96 gatggctctcatcccagactt y agtccatgtgaatgggttcc
SLFN5 NM_144975.3 IHQ 84 86 agcaagcctgtgtgcattc y accactctgtctgaaaatactgga
SLFN12 NM_018042.3 IHQ 2 76 aacctggacactcttcactggt y atgcagtgtccaagcagaaa
SLFN12L NM_001195790.1 IHQ 67 96 ttgaccgagaaggaatggat y ctgggagacaggtgatgatgta
106
Tabla 13. Serie independiente de muestras usadas en la validación de expresión por qRT-PCR.
Tipo de MI al Extensión de MI Localización Infección por

Código Estatus c Sexo d Edad e Procedencia f
reclutamiento a al reclutamiento b anatómica H. pylori
A49 I- G3 F-G3 I-E2 F-E2 ND MII-CG ND Hombre 60 La Princesa
A50 I-G3 F-G3 I-E2 F-E2 ND MII-CG Negativo Mujer 71 La Princesa
A51 I-G3 F-G3 I- E2 F-E2 Antro MII-CG Positivo Hombre 75 Soria
A52 I-G1 F-G1 I-E2 F-E2 Antro MIC-No ND Hombre 61 FIS Multicéntrico
A53 I-G3 F-G4 I-E1 F-E4 Antro MII-CG
CG Negativo Mujer 80 Soria
A54 I-G1 F-G1 I-E2 F-E1 Antro MIC-CG Positivo Hombre 49 FIS Multicéntrico
A55 I-G1 F-G1 I-E1 F-E1 Cuerpo MIC-No Positivo Mujer 47 FIS Multicéntrico
A56 I-G2 F-G2 I-E4 F-E4 Antro MIC-No
CG Positivo Mujer 68 FIS Multicéntrico
CG Negativo Hombre 69 FIS Multicéntrico
A58 I-G2 F-G2 I-E2 F-E2 Antro
DNA/Antro y MIC-No
CG ND Hombre 57 FIS Multicéntrico
A59 I-G2 F-G2 I-E3 F-E3 Antro
transicional MIC-No
A60 I-G1 F-G1 I-E2 F-E2 Cuerpo
RNA MIC-No
CG Negativo Mujer 54 FIS Multicéntrico
CG Positivo Hombre 49 FIS Multicéntrico
CG Positivo Hombre 35 FIS Multicéntrico
A68 I-G1 I-G1 I-E2 I-E1 Antro MIC-No
A69 I-G1 F-G1 I-E1 F-E1 Cuerpo MIC-No
A72 I-G1 F-G3 I-E1 F-E3 Cuerpo MII-No
A74 I-G1 F-G1 I -E1 F-E1 Cuerpo MIC-CG
CG Positivo Hombre 82 Soria
A75 I-G1 F-G1 I-E3 F-E2 Incisura MIC-CG Negativo Mujer 75 Soria
A76 I-G1 F-G1 I-E1 F-E1 Antro MIC-No Negativo Hombre 67 Soria
A77 I-G1 F-G1 I-E2 F-E2 Cuerpo MIC-CG
107
Tipo de MI al Extensión de MI Localización Infección por

Código Estatus c Sexo d Edad e Procedencia f
reclutamiento a al reclutamiento b anatómica H. pylori
A78 I-G1 F-G1 I-E2 F-E2 Antro MIC-No Positivo Mujer 64 Soria
CG ND Mujer 53 FIS Multicéntrico
CG ND Mujer 49 FIS Multicéntrico
CG ND Hombre 55 FIS Multicéntrico
A82 I-G3 F-G3 I-E3 F-E2 Antro MII-CG
CG Negativo Mujer 81 La Princesa
A83 I-G1 F-G1 I-E1 F-E1 Antro MIC-CG Negativo Hombre 60 La Princesa
A84 I-G1 F-G1 I-E1 F-E1 Antro MIC-CG Negativo Mujer 53 La Princesa
A85 I-G1 F-G1 I-E1 F-E1 Cuerpo MIC-CG Positivo Hombre 63 FIS Multicéntrico
A86 I-G1 F-G1 I-E1 F-E1 Cuerpo MIC-CG Positivo Hombre 63 FIS Multicéntrico
A87 I-G1 F-G1 I-E3 F-E3 Cuerpo MIC-CG Negativo Hombre 52 FIS Multicéntrico
A88 I-G1 F-G1 I-E1 F-E1 Incisura MIC-CG Positivo Hombre 54 FIS Multicéntrico
A89 I-G1 F-G1 I-E3 F-E3 Antro MIC-CG Negativo Mujer 69 FIS Multicéntrico
A90 I-G1 F-G1 I-E1 F-E1 Antro MIC-CG Negativo Mujer 58 FIS Multicéntrico
A91 I-G1 F-G1 I-E3 F-E3 Antro MIC-CG Negativo Hombre 68 FIS Multicéntrico
A92 I-G1 F-G1 I-E2 F-E2 Antro MIC-No Positivo Hombre 60 Soria
CG Positivo Mujer 41 Soria
CG ND Mujer 51 Soria
A95 I-G0 F-G0 I-E0 F-E0 Incisura Sanos
CG Negativo Hombre 34 Soria
A96 I-G1 F-G1 I-E2 F-E2 Incisura MIC-CG Negativo Mujer 51 FIS Multicéntrico
A97 I-G1 F-G1 I -E1 F-E1 Antro MIC-CG Positivo Hombre 72 Soria
A98 I-G1 F-G1 I-E2 F-E2 Antro MIC-CG Positivo Hombre 81 FIS Multicéntrico
A99 I-G1 F-G1 I-E4 F-E4 Transicional Marañón
a b c
Tipos histológicos de MI (G1-G4) descritos en apartado 3.1. E3>50%, E4>75%: Extensión de la MI en la muestra. MII-CG, MIC-CG: Muestra
de MII o de MIC al reclutamiento que progresa a CG al final del seguimiento. MII o MIC-No CG son controles de MII y MIC que no progresan a
CG desde el reclutamiento hasta el final de seguimiento. d M: Mujer, H: Hombre, ND: No disponible. e Edad en el recluatmiento. f Hospital o
proyecto de procedencia de las muestras. Multicéntrico hace referencia al proyecto de seguimiento de LPGs realizado en varios hospitales de
España.
108
3.8.1. Protocolo de qRT-PCR por sondas UPL y cebadores en plataforma Biomark
Se trabajó en condiciones de esterilidad, se descongelaron las muestras y reactivos

en hielo y se mezclaron suavemente. Todos los volúmenes se describen para placas
de 96 pocillos.
1. Mezclar los cebadores 5’ y 3’ de cada gen a 20 µM de c/u (mezcla de cebadores).

2. Preparar la mezcla para qRT-PCR en la placa.
Componente Volumen (µl)
2X Assay Loading Reagent (Fluidigm, 12
4X
Mezcla de cebadores 20 µM
85000736) 9.6
Sonda UPL 10 µM 2.4
Cubrir la placa con adhesivo y poner en la nevera hasta su utilización.

3. Diluir el ARN en H2O libre de RNAsas a concentración 70 ng/ul partiendo de las
concentraciones de ARN medidas mediante Qubit.
4. Síntesis de ADN complementario (ADNc).
Volumen / Volumen 96 +
Componente
reacción 10% (µl)
Reverse Transcription Master Mix (PN 100- (µl)
1.0 105.6
H2O
6472) 3.0 316.8
ARN (2,5 pg- 250 ng/µl) 1.0
Total 5.0 422.4
5. Mezclar y dar un golpe de centrífuga a la placa.

6. Reacción en termociclador con el programa 25°C 5’, 42°C 30’, 85°C 5’, 4°C ∞.
7. Usar inmediatamente o guardar a -20°C.
8. Preamplificación del ADNc (Specific Target Amplification, STA).
Mezcla de cebadores STA

Componente Volumen (µl)
Mezcla de cebadores (gen 1….N) 20 µM 2
H2O 104
Total 200
Volumen / Volumen 96 +
Componente
reacción (µl) 10% (µl)
PreAmp Master Mix (Fluidigm, 1005876B1) 1.0 105.6
Mezcla de cebadores STA 1.25 132.0
H2O 1.5 158.4
ADNc 1.25
Total 5.00
109
9. En la placa añadir 3.75 µl de mezcla de cebadores y 1.25 µl de ADNc específico,

mezclar y dar un golpe de centrífuga.
10. Reacción en termociclador con programa 95°C 2’, 16 ciclos 95°C 2’, 60°C 4’, 4°C.
11. Diluir las muestras 1:5 con tampón TE 1X para un volumen final de 25 µl.
12. Unir la pre-mezcla de muestras y ADNc preamplificado (STA).
Componente Volumen / Volumen 96

reacción (µl) + 10% (µl)
FastStart Universal Probe Master ROX 4 384 Pre-mezcla
(Roche 04913949001 2,5 ml)
20X GE Sample Loading Reagent 0.4 38.4
(Fluidigm 85000746)
ADNc preamplificado (STA) 3.6
Total 7
13. Mezclar en placa 4.4 µl de pre-mezcla con 3.6 µl de ADNc preamplificado (STA).
Preparación del chip GE 96x96 (PN 68000130 D1, Fluidigm, EUA)
14. Encender Fluidigm HX (96x96).

15. Comprobar las válvulas del chip con la jeringa e inyectar el contenido
manteniendo el chip en un ángulo de 45°.
16. Colocar el chip en IFC Controller HX y correr el programa Prime (138X).
17. Encender el equipo de PCR en tiempo real Biomark y la lámpara.
18. Adicionar 5 µl de “Pre-mezcla + ADNc preamplificado (STA)” en los pocillos de la
izquierda del chip. Adicionar 5 µl de “Mezcla para qRT-PCR” a la derecha del chip.
19. Correr el programa Load Mix (138x) en el IFC Controller HX.
20. Introducir el chip en el equipo Biomark, abrir el programa Data Collection y
seleccionar parámetros Gene Expression, ROX, FAM-TAMRA, Auto Exposure y
seleccionar programa GE 96x96 UPL v1.pcl.
21. Salvar el archivo de resultados Chip Run.bml.
3.8.2. Procesamiento de los resultados de qRT-PCR por sondas UPL y cebadores

en plataforma Biomark
1. Abrir el archivo Chip Run.bml en el programa Fluidigm Real-Time PCR Analysis

v 4.0.1.
2. Ir a Sample y Detector Setup para indicar al programa los nombres de las
muestras y genes estudiados así como el patrón de pipeteo usado.
110
3. Establecer los valores umbrales: Quality Threshold (0.3), Baseline Correction

(Lineal), Ct Threshold method (Autodetectors).
4. Pinchar el botón Analyze y exportar los resultados a Excel.
5. Seleccionar aquellos que pasan el control de calidad (Pass en columna Ct Call).
6. Chequear del mejor gen de referencia mediante análisis de varianza (ANOVA) de
los valores duplicados de Ct de genes ACTB, B2M, G6PD, GAPDH y RPL29 entre los
grupos MI-CG (casos MI) vs MI-No CG (controles MI) vs Sanos. Cada gen fue
evaluado independientemente y la corrección para comparaciones múltiple de
Bonferroni fue aplicada posteriormente al ANOVA. Se usó el programa GraphPad
Prism v 5.01 y un valor de α<0.05 fue considerado estadísticamente significativo.
7. Cálculo del promedio de Ct para cada gen duplicado en una misma muestra.
8. Cálculo de dCt (MI-CG) = Ct%(MI-CG) - Ct%ACTB (MI-CG) y dCt (MI-No CG) =
Ct%(MI-No CG) - Ct%ACTB (MI-MI).
9. Identificación de valores extremos (outliers) de Ct% y dCt independientemente
para cada gen en los grupos MI-CG y MI-No CG. Para ello se empleó la prueba de
Grubs del programa QuickCalc (http://www.graphpad.com/quickcalcs/) y un valor
de α<0.05 fue considerado estadísticamente significativo. En caso de existir un
resultado significativo el outlier fue eliminado, aplicada nuevamente la prueba y
eliminado nuevamente el outlier.
10. Cálculo de 2-dCt para cada gen en las muestras de cada grupo, MI-CG y MI-No CG.
11. Introducción de 2-dCt para cada gen de los grupos MI-CG y MI-No CG al programa
Bootsratio (http://regstattools.net/br) 189. El mismo determina la significación
estadística de datos de expresión génica relativa a través de un test de permutación
sin tener en cuenta el tipo de distribución estadística de los datos. De esta forma
compara si la razón de la media de casos/controles (razón de medias [RM] o Mean
Ratio) es significativamente diferente de 1. En caso de que la razón de medias sea
distinta de la razón del bootsratio de la mediana el análisis puede ser no valido
debido a una gran variabilidad, por lo que no se tuvieron en cuenta aquellos genes
cuya razones entre los anteriores parámetros fueran >1.5 según recomendación
personal del autor 189. Los valores de RM, desviación estándar de RM, tamaño de
muestra y p-valor fueron seleccionados para cada gen y un valor de α<0.05 fue
considerado significativo.
111
4. Estudio de expresión génica e inmuno-histoquímica de Schlafen5 en

lesiones precursoras y cáncer gástrico
4.1. Tissue arrays comerciales de tejido gástrico
En una primera aproximación, se analizaron las muestras de cuatro tissue arrays

comerciales de tejido gástrico (ST805, ST806, ST1001t, IC00011b, US Biomax Inc.,
http://www.biomax.us/tissue-arrays) que contienen mucosa gástrica normal
(N=15), gastritis superficial (N=43), inflamación crónica (N=34), gastritis crónica
atrófica (N=30), gastritis crónica atrófica ligera-moderada (N=27), úlcera (N=10),
displasia (N=11), cáncer gástrico (N=106) y muestras no analizadas (tejido muscular,
vasos sanguíneos, muestras dañadas, tejidos muy pequeños, sin muestra, N=66)
(Figura 18). La mucosa gástrica normal es adyacente al CG en el 80% de las
muestras. El 82% de las muestras de gastritis atrófica poseen metaplasia intestinal.
Figura 18. Microarrays de tejido usados para inmunohistoquímica de Schlafen5.
4.2. Pacientes y muestras analizadas
Para los estudios comparativos de la tinción de Schlafen5 en diferentes LPGs, las

muestras de pacientes usadas pertenecen al proyecto de seguimiento de LPGs de
Soria y los controles de mucosa gástrica sana descritos en apartado 3.1 de esta
sección. Además de las mismas, fueron usadas muestras de cáncer gástrico
(subtipos intestinal y difuso) obtenidas mediante gastroscopia en el Hospital Virgen
del Mirón, Soria, con un mínimo de 50% del tejido tumoral libre de necrosis tumoral
o ulceración. El tamaño de muestra, el tipo de lesión y la información clínica de los
pacientes se presentan en la tabla 14.
112
Tabla 14. Muestras de lesiones precursoras y cáncer gástrico usadas

en el estudio inmuno-histoquímico de Schlafen5.
Diagnóstico Edad c Sexo Infección por
Nb
Histológico a (% ± DE) (% ) d H. pylori (% +) e
Normal 41 42.5 (18.8) 51.2 0
GNA 26 44.2 (12.3) 46.1 88.5
GCA 49 48.5 (12.6) 38.8 49.0
MIC 44 53.1 (10.5) 45.4 63.6
MIC-CG 6 62.0 (6.6) 50 50
MIC- No CG 38 51.7 (10.4) 44.7 44.7
MII 54 58.3 (12.8) 50 51.8
MII-CG 19 66.5 (13.6) 63.2 63.2
MII-No CG 35 53.8 (9.9) 42.9 42.9
MI 98 55.9 (12.1) 48 57.1
MI-CG 25 65.4 (12.4) 60 60
MI-No CG 73 52.7 (10.1) 43.8 43.8
CG 67 72.6 (11.0) 61.2 25.4
a
Normal se refiere a mucosa gástrica sana, GNA: Gastritis no atrófica, GCA: Gastritis
crónica atrófica multifocal, MIC/MII-CG: MIC/MII que progresa a CG, MIC/MII-No
CG: MIC/MII que no progresa a CG, CG: Cáncer Gástrico. b Tamaño de muestra.
c
Edad en el diagnóstico al reclutamiento. d Porciento de hombres. e Porciento de
infectados por H. pylori.
4.3. Histopatología
El tejido parafinado obtenido mediante gastroscopia fue cortado con micrótomo en

laminillas de 4 micras de espesor que fueron teñidas mediante técnicas de
hematoxilina-eosina, azul de Alcián, ácido peryódico de Schiff (PAS, pH 2.5) y
Giemsa, para su diagnóstico histológico. Además, en algunas biopsias con
metaplasia intestinal incompleta, se tiñeron secciones con hierro-diamina y azul de
Alcián para detectar mucinas sulfatadas. El diagnóstico fue realizado según lo
descrito en el apartado 3.1 de esta sección.
La infección por Helicobacter pylori se determinó por la tinción de Giemsa y

mediante la revisión de las historias clínicas (prueba de ureasa en la biopsia y test
de aliento con urea) y el resultado de la entrevista a los sujetos sobre la presencia
anterior de Helicobacter pylori, el tratamiento y sus resultados. La presencia de al
menos una infección positiva en cualquiera de estas fuentes de información se
tomó como un resultado positivo.
4.5. Inducción de la expresión de Schlafen5 por IFNα
Empleando modelos celulares Se exploró si la expresión de Schlafen5 es inducida

por IFNα en monocitos y células T humanas. La línea celular mieloide HL-60
113
(leucemia promielocítica humana, ATCC®, CCL-240) fue cultivada a 37°C y 5% de CO2

en medio Dulbecco modificado (IMDM, Life Technologies, EUA) suplementado con
suero fetal bovino al 20% (Hyclone, EUA). La línea celular Jurkatt (leucemia aguda
de células T, ATCC®, TIB-152) fue cultivada en medio RPMI-1640 (Gibco/Invitrogen,
EUA) suplementado con suero fetal bovino al 10%. Ambas líneas celulares fueron
tratadas con IFNα humano recombinante (IFN2α, 1.000 UI/ml, # 11105-1, Interferon
Source, EUA) durante 8h (HL-60) o 4h (Jurkat), se colectaron por centrifugación y el
ARN total se extrajo usando Tryzol® (Life Technologies, EUA) según el protocolo de
los fabricantes. Se emplearon 500 ng de ARN total para sintetizar ADNc y la
expresión génica fue cuantificada en un termociclador Bio-Rad C1000 con el sistema
de detección en tiempo real CFX96TM y el programa CFX Manager software v.1.5
(Hercules, CA) utilizando la sonda TaqMan® (Hs00288058_m1) y el kit TaqMan Gene
Expression Assay (Life Technologies, EUA). El nivel de expresión fue normalizado
respecto al ARNr 18S (Hs 99999901_s1). Se empleó como control negativo ARN
total proveniente de las líneas celulares cultivadas pero no tratadas con IFNα. Los
valores de expresión normalizados fueron comparados entre las muestras tratadas
con IFNα (9 réplicas) respecto a las no tratadas (9 réplicas) usando el programa
Bootsratio (http://regstattools.net/br) 189.
4.6. Silenciamiento de Schlafen5 y cytospin en células Jurkat
Con el objetivo de validar la especificidad del reconocimiento de Schlafen5 por una

técnica alternativa, la línea celular Jurkat se cultivó en medio RPMI-1640 con suero
fetal bovino al 10%, penicilina 100 U/ml, estreptomicina 100 µg/ml en un ambiente
de CO2 5% a 37 °C. Las células Jurkat se transfectaron con siRNA para Schlafen5
(hSlfn5, SC94178, EUA) o su siRNA control, utilizando el kit Lipofectamine RNAiMAX
(Life Technologies, EUA) según las instrucciones del fabricante. Dos días después de
la transfección, las células fueron tratadas con IFN2α (800 U/ml) durante 24 horas,
colectadas por centrifugación y depositadas en portaobjetos de vidrio (631-0108,
VWR, EUA). La expresión de Schlafen5 se determinó mediante inmuno-
histoquímica, tal y como se expone en el apartado siguiente a partir del paso con el
anticuerpo primario y obviando la contra tinción con hematoxilina.
4.7. Detección inmunohistoquímica de Schlafen5
La tinción inmunohistoquímica de Schlafen5 se realizó en los tissue arrays

comerciales de tejido gástrico (apartado 4.1 de esta sección) y en las muestras de
LPGs de estudios de seguimiento descritas en los apartados 3.1 y 4.2 de esta sección
(Tabla 14).
El tejido parafinado fue cortado en micrótomo a 4 µm de espesor, depositado en

portaobjetos de vidrio (631-0108, VWR, EUA) e incubado toda la noche a 60°C. Las
secciones fueron desparafinadas en incubaciones sucesivas de xileno, EtOH
114
absoluto, EtOH 90%, EtOH 70%, e hidratadas en PBS 1X (NaCl 137 mM, KCl 2.7 mM,
Na2HPO4 10 mM, KH2PO4 1.8 mM, pH 7.4). La recuperación del antígeno se realizó
por ebullición en tampón citrato de sodio 10mM pH 6 durante 45 minutos. Después,
las muestras se incubaron durante 20’ a TA y se lavaron dos veces con tampón
TBS-T 1X (50 mM Tris, 150 mM NaCl, Triton X-100 0.001%, pH 7.5). A continuación
las secciones se sumergieron por 10’ en H2O2 para inactivar las peroxidasas
endógenas y se realizaron tres lavados en TBS-T 1X. Los sitios de unión no
específicos fueron bloqueados con solución Protein Block durante 10’.
El anticuerpo primario contra Schlafen5 humano (ab121537, Abcam, Reino Unido)

se añadió en una dilución 1:500 en TBS-T 1X y se incubó durante 90’, después de los
cuales se realizaron dos lavados con TBS-T 1X. Se añadió el anticuerpo secundario
adecuado biotinilado (ab64261, Abcam, Reino Unido), se incubó durante 10’ y se
realizaron dos lavados con TBS-T 1X. A continuación, las muestras se incubaron
durante 10’ en estreptavidina-peroxidasa y se hicieron dos lavados con TBS-T 1X.
Finalmente, el producto de la reacción se visualizó por incubación durante 10’ en
una mezcla de 2 ml de H2O destilada, 500 μl de sustrato de diaminobenzidina (DAB)
y 1 gota de cromógeno DAB. El desarrollo de color se detuvo incubando las
secciones en H2O destilada durante 2 minutos y se realizó una contra tinción
utilizando hematoxilina de Gill. Se emplearon como controles positivos tejido de
nasofaringe humana (cavum), y colón e íleon afectados con enfermedad de Crohn;
el control negativo se realizó reemplazando el anticuerpo primario por TBS-T 1X. Se
validaron los resultados de la tinción de Schlafen5 en un subgrupo de muestras
mediante otro anticuerpo que también reconoce a Schlafen5 (HPA 017760, Sigma-
Aldrich, EUA) 88.
4.8. Interpretación de la tinción inmunohistoquímica
La interpretación de la tinción se realizó por microscopía óptica con un aumento de

200X. Cuando la tinción de Schlafen5 mostró localización nuclear se consideró
verdadero positivo y una tinción citoplasmática en glándulas gástricas se interpretó
como un falso positivo debido a la localización nuclear de esta proteína 190. Las
muestras fueron cuantificadas visualmente teniendo en cuenta el % de células
positivas (0-100%) con diferentes intensidades de la tinción (negativa (0), baja (1),
media (2) y alta (3) para cada campo analizado. Cada campo fue cuantificado
mediante el score H = %Células con intensidad Baja x 1 + %Células con intensidad
Media x 2 + %Células con intensidad Alta x 3 191 independientemente para el
estroma (lámina propia) y las glándulas gástricas, con el objetivo de diferenciar el
componente inflamatorio con respecto al epitelial. En el caso de que linfocitos intra-
epiteliales estuvieran presentes se cuantificaron como parte del estroma. Un
promedio de la intensidad de la señal (%) se calculó teniendo en cuenta todos los
campos observados. Para evaluar la variabilidad inter-observador en la
115
interpretación inmuno-histoquímica, una submuestra aleatoria del 15% de los casos

y controles fue examinada cualitativamente por un patólogo.
4.9. Análisis estadísticos
El gráfico de dispersión de puntos scatter dot-plot mostrando la media ± DE se

empleó para mostrar la distribución de la cuantificación de Schlafen5 en el estroma
gástrico. Para probar si la misma se ajusta a una distribución normal, se aplicó la
prueba de normalidad ómnibus de D'Agostino y Pearson. Se realizó la prueba de
Kruskal-Wallis para evaluar las diferencias en la cuantificación de la expresión de
Schlafen5 entre los grupos GNA, GCA, MIC, MII y CG. Se aplicó la prueba U de
Mann-Whitney para comparar la expresión de Schlafen5 en el grupo de MI que
progresa a cáncer gástrico (MI-GC) con respecto a MI que no progresa a cáncer
gástrico (MI-No CG), así como respecto a sus subtipos histológicos (MIC-CG vs MIC-
No CG y MII-CG vs MII-No CG).
Se categorizó el score H de Schlafen5 estromal según 10>scoreH≥0 (Negativo),

100≥scoreH≥10 (Débil Positivo), 200≥scoreH≥100 (Moderadamente Positivo) y
300≥scoreH≥200 (Fuerte Positivo) 191. Para el grupo de metaplasia intestinal se
realizaron dos modelos de regresión logística incluyendo o no la cuantificación de
Schlafen5 estromal categorizado y siempre ajustando por sexo, edad y tipo de MI,
considerando como variable dependiente la progresión a CG. Se calcularon OR con
IC95% para la cuantificación del Schlafen5 estromal considerando el grupo Negativo
como la categoría de referencia. Se construyeron curvas de sobrevivencia Receiver
Operating Characteristic (ROC) para ambos modelos de regresión logística y se
calculó el área bajo la curva (AUC, del inglés area under curve). Para probar la
mejora en la predicción del modelo añadiendo la cuantificación del Schlafen5
estromal, se utilizó el test de la razón de verosimilitud Log Likelihood. El programa
informático GraphPad v5.0 (GraphPad software, EUA, www.graphpad.com) se
utilizó para la gráfica y la prueba U de Mann-Whitney, mientras que el programa
SAS OnlineDoc v9.1.3 (SAS Institute Inc., EUA) se utilizó para el resto de las pruebas
estadísticas. La significación estadística se estableció en p <0.05.
4.10. Doble tinción inmunohistoquímica para Schlafen5 y CD2, CD20 o Mac2
Teniendo en cuenta que Schlafen5 se expresa en las células T murinas y humanas

(Jurkat) y en la línea celular de células mieloides HL-60 pero no se sabe su
localización celular precisa en la mucosa gástrica humana, se realizó doble tinción
inmuno-histoquímica para Schlafen5 y CD20, CD2 y MAC2, marcadores de superficie
de células B, T y mieloides, respectivamente.
El corte y la desparafinación se realizaron de la manera previamente descrita para

Schlafen5. La recuperación de antígeno se llevó a cabo en tampón citrato de sodio
116
10 mM, pH 6 durante 15’, se lavó con TBS 1X (50 mM Tris, 150 mM NaCl, pH 7.5) y
los sitios de unión no específicos fueron bloqueados con suero de cabra al 20%
disuelto en TBS-T 1X. El anticuerpo primario αCD20 (ab9475, Abcam, Reino Unido)
se incubó en dilución 1:50 a 4°C durante la noche. Después de lavar con TBS 1X, el
anticuerpo secundario biotinilado obtenido en cabra (BA-9200, Vector Laboratories,
EUA) fue incubado en una dilución 1:200 durante 30’ y se lavó con TBS 1X. A
continuación, las muestras fueron incubadas con reactivo ABC-AP (Vectastain,
Vector Laboratories, EUA) durante 30’ y lavadas con TBS 1X. El producto de la
reacción se visualizó por incubación con solución de sustrato de fosfatasa alcalina
roja durante 20’ (Red AP Substrate Kit SK-5100, Vector Laboratories, EUA) disuelta
en 100 mM Tris-HCl pH8.5. Posteriormente, las muestras fueron lavadas con agua
del grifo y TBS-T 1x. Después de este paso se llevó a cabo el mismo protocolo de
detección de Schlafen5 previamente descrito a partir del bloqueo de peroxidasas
con H2O2. Se utilizó TBS 1X para todos los lavados finales antes del secado al aire.
Para la colocalización con el marcador de células T, el anticuerpo CD2 (ab131276,

Abcam, Reino Unido) se incubó a una dilución 1:100 en TBS 1X con 1% de BSA a 4 °C
durante toda la noche. Las secciones fueron incubadas con el anticuerpo secundario
biotinilado obtenido en cabra durante 10’ y luego se lavaron con TBS 1X. A
continuación se procedió a la detección de Schlafen5.
Para detectar células mieloides, el anticuerpo MAC2 (14-5301, eBioscience, USA) se

incubó a una dilución 1:200 en TBS 1X con 1% de BSA durante 1 hora a TA. Las
secciones fueron incubadas con el anticuerpo secundario biotinilado anti-rata (BA-
9400, Vector Laboratories, EUA) a una dilución de 1:200 durante 30’.
Posteriormente, se incubaron con el reactivo ABC-AP durante 30’ y el desarrollo de
color se realizó por incubación en oscuridad durante 30’ usando el sustrato
BCIP/NBT (SK-5400, Vector Laboratories, EUA) disuelto en Tris-HCl 100 mM con
0.1% de Tween pH 9. Las secciones fueron lavadas en H2O y deshidratadas, no se
realizó contra-tinción con hematoxilina. A continuación se procedió a la detección
de Schlafen5.
117
RESULTADOS
Resultados

1.1. Análisis estadísticos de asociación genética
Se emplearon en este estudio muestras de 365 casos de CG y 1 284 controles; sus

principales variables analizadas se describen en la tabla 15. En ambos grupos los
hombres representan alrededor del 59% de la muestra y las mujeres el 41%, siendo
la edad media de 58.4 años para ambos, indicando una alta homogeneidad de
dichos grupos respecto a estas variables. La infección por H. pylori es la única
variable con diferencias estadísticamente significativas, estando el 80.5% de los
casos infectados por H. pylori respecto al 60.7% de los controles.
Tabla 15. Principales características de la población analizada en el estudio de

asociación genética con cáncer gástrico.
Variables analizadas Controles (N=1284) Casos (N=365)
N (%) N (%)
Sexo Hombres 759 (59.1) 214 (58.6)
Mujeres 525 (40.9) 151 (41.4)
Edad al reclutamiento (años) Media ± DE b 58.4 ± 7.69 58.4 ± 7.93
País Francia 3 (0.23) 2 (0.55)
Italia 206 (16.0) 56 (15.3)
España 134 (10.4) 41 (11.2)
Inglaterra 135 (10.5) 41 (11.2)
Paises bajos 99 (7.71) 26 (7.12)
Grecia 88 (6.85) 24 (6.58)
Alemania 186 (14.5) 48 (13.2)
Suecia 220 (17.1) 64 (17.5)
Dinamarca 205 (16.0) 61 (16.7)
Noruega 8 (0.62) 2 (0.55)
Infección por H. pylori Ausencia 492 (38.3) 68 (18.6)*
Presencia 779 (60.7) 294 (80.5)
Desconocido 13 (1) 3 (0.9)
cagA en casos no cardias y + 584 (74.97) 151 (92.6)
controles infectados por H. pylori a - 195 (25.03) 12 (7.4)
Localización anatómica de CG Cardias ---- 107 (29.3)
No cardias ----- 181 (49.6)
Ambos 6 (1.64)
Desconocido 71 (19.5)
Subtipo histológico de CG Intestinal ---- 126 (34.5)
Difuso ----- 128 (35.1)
Mixtos 8 (2.19)
Desconocido 103 (28.2)
a
El % de individuos cagA + o - se calculó con respecto a 163 casos de CG no cardias y 779 controles infectados
por H. pylori. * indica valor de p<0,0001 para la comparación entre los casos y controles mediante la prueba de
chi cuadrado. b DE indica desviación estándar.
121
Resultados
Los 30 tagSNPs analizados (6 en CD14, 5 en NOD2, 7 en TLR4 y 12 en NFKB1) se

encuentran en equilibrio de Hardy-Weinberg en los controles. Las características de
los SNPs analizados y su asociación con el CG como fenotipo global
(intestinal+difuso o cardias+no cardias) se describe en la tabla 16. Se encontró una
asociación directa entre el SNP rs1583005 de CD14 y asociaciones inversas entre los
SNPs de NOD2 (rs7202124, rs2111235) y TLR4 (rs10491851) con el riesgo de CG
global. Las asociaciones de NOD2 rs7202124 (OR=0.74, IC95% 0.61-0.89, p=0.002) y
rs2111235 (OR=0.77, IC95% 0.64-0.93, p=0.005) fueron las más significativas y tras
corregir las comparaciones múltiples sólo la región NOD2 (p=0.009) permaneció
significativa (Tabla 16).
Cuando los casos se agruparon teniendo en cuenta la localización anatómica del CG

(Tabla 17) los SNPs de NOD2 rs7202124 y rs2111235 se asociaron con el CG no
cardias, y son los más significativos del estudio. La prueba de heterogeneidad
demostró diferencias para el SNP rs2111235 entre ambas localizaciones
anatómicas. NOD2 fue la única región genética que se mantuvo asociada con CG no
cardias, ya que a pesar de la existencia de SNPs significativos de NFKB1, este gen no
fue significativo después del test de permutaciones.
Cuatro SNPs de CD14 se asociaron con el CG del cardias, y la región permaneció

significativa después de corregir por comparaciones múltiples. El test de
heterogeneidad confirmó una diferencia significativa entre las localizaciones
anatómicas de CG cardias y no cardias para las variantes rs11167532 y rs2569190,
asociadas negativamente con el CG tipo cardias.
Al estratificar los CG no cardias y los controles infectados por la presencia de

anticuerpos anti-cagA los SNPs de NOD2 más significativos del estudio rs7202124 y
rs2111235 se mantuvieron asociados con el CG no cardias sólo en los individuos
cagA+. Sin embargo, rs5743289 (NOD2) sólo fue significativo en el subgrupo cagA-,
aunque el tamaño de la muestra de los casos es muy bajo para emitir alguna
conclusión (Tabla 18).
Respecto a los subtipos histológicos de CG intestinal y difuso (Tabla 19) la variante

de CD14 rs778588 se asoció con el subtipo intestinal con tests de heterogeneidad y
permutaciones significativos, confirmando que es diferente su efecto atendiendo al
subtipo histológico. El SNP rs7202124 de NOD2 tuvo una asociación negativa con
ambos subtipos mientras que rs2111235 solamente con el subtipo intestinal, pero
el test de heterogeneidad no fue significativo en ninguno de estos casos. Diversos
SNPs de NFKB1 se asociaron con el subtipo difuso, pero ninguno fue significativo
después de aplicarse la corrección para comparaciones múltiples y el test de
heterogeneidad.
122
Resultados
El análisis haplotípico (Tabla 20) reveló asociaciones directas entre la combinación

GCCCGT de CD14 con el riesgo de los CG cardias e intestinal. Dicho haplotipo está
formado por los alelos de riesgo de rs778588 (alelo C asociado positivamente con
CG cardias e intestinal) y rs1583005 (alelo T asociado positivamente con CG
cardias); así como, por los alelos comunes de rs11167532 y rs2569190, cuyos alelos
menores fueron asociados inversamente con CG cardias. Otro resultado a destacar
es la asociación inversa con el CG no cardias e intestinal del haplotipo de NOD2
GTCGC. Este haplotipo contiene el alelo G de rs7202124 y el alelo T de rs2111235,
los cuales en el análisis de asociación de cada SNP se hallaron inversamente
asociados con el CG global y su subtipo no cardias. La variabilidad genética cubierta
por los haplotipos de NOD2 y CD14 es del 81 y 38%, respectivamente.
El análisis haplotípico aporta nueva información de asociación en los casos de TLR4

y NFKB1 como factores de riesgo del CG de cardias y no cardias, respectivamente;
ya que estos genes no se asociaron a nivel de SNP individual despúes de aplicar el
test de comparaciones múltiples. La variabilidad genética que cubren dichos
haplotipos es del 40 y 70%, respectivamente.
1.2. Análisis bioinformáticos de efectos funcionales
Al evaluar los posibles efectos funcionales de los SNPs asociados a CG encontramos

que el SNP más significativo, rs2111235 de NOD2, así como rs7202124 y rs5743289,
se localizan en transcritos afectados por el mecanismo de degradación del ARNm
Nonsense Mediated mRNA Decay (NMD). El SNP más significativo rs2111235 se
encuentra, además, en una región predicha como regulatoria por el programa
Pupasuite v3.1 (Tabla 16).
En el caso de los SNPs de CD14 asociados a CG, el rs11167532 se encuentra en

región 5´, el rs2569190 en una región conservada triple hélice UTR 5’, y rs1583005
es transcrito sujeto a NMD del gen IK, un regulador negativo de la expresión de
HLA-DR en células hematopoiéticas 192. Los SNPs no asociados a CG también se
encontraron en potenciales elementos funcionales como regiones regulatorias
(rs4914, rs1329057) y de triple hélice (rs1585214). Al comparar la distribución de las
localizaciones entre los SNPs asociados y no asociados a CG se observó un
incremento significativo de SNPs localizados en transcritos sujetos a mecanismo
NMD en los SNPs asociados (4) respecto a los no asociados (0) (test exacto de Fisher
p=0.0026). La búsqueda de potenciales eQTLs entre los SNPs asociados a CG
identificó a todos los SNPs de CD14 asociados a CG (rs11167532, rs778588,
rs1583005, y rs2569190), así como a rs7202124 y rs5743289 de NOD2 (Tabla 21).
123
Resultados
Tabla 16. Características de los SNPs analizados y su asociación estadística con el CG global (cardias + no cardias/intestinal + difuso).
Número de Número de
Análisis p-valor
Gen SNP a Localización b Genotipos d controles con casos con cada OR (IC 95%) g p-valor h
bioinformáticos c perm i
cada genotipo e genotipo f
CD14 b rs11167532 Región 5’ Región 5’ GG/GA/AA 382/582/198 112/158/54 0.97 (0.81-1.16) 0,720 0.188
rs7711117 No codificante RR, Conservado CC/CT/TT 770/439/67 203/142/19 1.14 (0.94-1.38) 0,202
rs778588 Región 3’ Región 3’ TT/TC/CC 667/526/89 189/143/32 1.05 (0.87-1.26) 0,614
rs4914* Sinónimo, L367L RR, Cons CC/CG/GG 957/261/13 80/19/1 0.91 (0.69-1.19) 0,479
rs2569190 UTR 5’ RR, Triple GG/GA/AA 307/621/214 51/79/42 0.92 (0.77-1.09) 0,341
hélice,Cons
rs1583005 IK, intrónico Transcripto NMD CC/CT/TT 244/249/90 53/71/27 1.20 (1.02-1.42) 0,032
NOD2 rs7202124 SNX20, intrónico NMD, Conservado AA/AG/GG 313/225/45 97/48/5 0.74 (0.61-0.89) 0,002 0.009
rs2111235 Intrónico NMD, RR CC/CT/TT 631/507/134 205/129/26 0.77 (0.64-0.93) 0,005
rs5743289* Intrónico NMD CC/CT/TT 478/190/19 15/11/1 1.05 (0.85-1.31) 0,634
rs3135500 UTR 3’ Conservado GG/GA/AA 472/598/214 42/66/20 1.13 (0.96-1.33) 0,150
rs3785142 CYLD, intrónico Conservado TT/TC/CC 343/614/317 39/56/33 0.92 (0.78-1.08) 0,324
TLR4 rs1329061 Intergénico Intergénico TT/TC/CC 572/580/129 49/64/15 1.16 (0.98-1.39) 0,089 0.24
rs1329060 Intergénico Intergénico GG/GA/AA 948/309/26 87/36/3 1.13 (0.90-1.42) 0,302
rs1329057* Intergénico RR, intergénico, AA/AG/GG 825/410/48 62/41/4 1.13 (0.92-1.39) 0,234
Conservado
rs10491851 Región 5’ Conservado GG/GT/TT 678/516/87 217/126/21 0.81 (0.67-0.99) 0,037
rs4986790* D299G Benigna, Cons AA/AG/GG 1134/133/3 316/45/0 1.22 (0.85-1.75) 0,273
rs4986791* T399I Deletérea, Cons CC/CT/TT 1124/134/5 309/45/0 1.23 (0.86-1.77) 0,156
rs11536889* UTR 3’ RR, Conservado GG/GC/CC 940/308/35 258/98/9 1.09 (0.87-1.36) 0,457
NFKB1 rs2085549* UTR 5’ Intergénico TT/TC/CC 754/450/79 70/30/6 1.00 (0.82-1.21) 0,965 0.577
rs2085548 Intergénico Intergénico GG/GA/AA 642/531/111 57/42/8 1.00 (0.83-1.20) 1,000
rs747559 Intergénico Intergénica, Cons AA/AG/GG 417/610/177 39/50/15 1.04 (0.87-1.24) 0,669
rs3774934* Intrónico RR, Cons GG/GA/AA 1045/225/14 145/35/1 0.99 (0.75-1.31) 0,972
rs1585214 Intrónico Triple hélice GG/GA/AA 387/635/250 119/182/61 0.89 (0.75-1.05) 0,178
rs4648022 Intrónico RR CC/CT/TT 1068/206/8 298/59/8 1.23 (0.93-1.62) 0,146
rs4648055 Intrónico Conservado GG/GA/AA 656/511/117 183/155/27 0.99 (0.82-1.18) 0,896
rs9790601 Intrónico Intrónico AA/AG/GG 624/532/125 170/161/32 1.03 (0.86-1.23) 0,747
rs1609798 Intrónico Intrónico, Cons CC/CT/TT 628/528/124 49/46/12 1.02 (0.85-1.22) 0,830
rs7677509 Región 3’ RR, Región 3’ CC/CT/TT 323/627/327 32/47/26 0.88 (0.74-1.03) 0,113
rs765789 Intrónico Cons, Intrónico TT/TA/AA 845/395/45 103/66/11 1.22 (0.99-1.49) 0,062
rs228611 Intrónico RR, Conservado GG/GA/AA 341/639/297 114/175/75 0.86 (0.73-1.01) 0,073
124
Resultados
a
Los SNPs están orientados en la dirección 5’-3’ de cadena codificante. SNPs marcados con * no son fiables debido a N<5 en el genotipo de riesgo.
b
El gen CD14 está orientado en la dirección 5’-3’ en la cadena no codificante. La localización de los tagSNPs fue buscada mediante el programa
Pupasuite v3.1. c Resultado de programas Variant Effect Predictor y Pupasuite v3.1, RR significa región regulatoria, NMD significa que el SNP reside en
transcripto sujeto a mecanismo Non sense-mediated mRNA decay, Cons significa conservado, que consiste en que el SNP se localiza en región
conservada evolutivamente entre ratón y humano. d Los genotipos son reportados como alelo común/alelo menor. e, f Número de controles y casos
con los genotipos indicados en d. g OR (IC 95%) calculados para el modelo log-aditivo. En el caso de rs4986790 and rs4986791, solo el modelo
codominante fue estimado. h p-valor asociado al OR del análisis de asociación por regresión logística. i p-valor del test de permutaciones por regiones
genéticas.
Tabla 17. Asociación estadística de SNPs con respecto a la localización anatómica del cáncer gástrico.
CG tipo cardias (N=107) CG tipo no cardias (N=181)
Número de
Número de p-valor de
b b p-valor de casos con p-valor de
Gen SNP casos con cada OR (IC 95%) p-valor c OR (IC 95%) b p-valor b permutación
permutación cada c heterogeneidad d
genotipo a
genotipo a
CD14 rs11167532 40/46/10 0.69 (0.49-0.95) 0.023 0.010* 51/74/33 1.13 (0.89-1.44) 0.328 0.907 0.007
rs778588 44/52/11 1.50 (1.09-2.05) 0.013 94/70/16 1.02 (0.79-1.31) 0.881 0.060
rs2569190 36/55/15 0.69 (0.51-0.93) 0.013 51/79/42 0.99 (0.78-1.25) 0.939 0.025
rs1583005 25/55/27 1.61 (1.20-2.14) 0.001 65/83/33 1.05 (0.84-1.32) 0.645 0.056
NOD2 rs7202124 58/40/9 0.92 (0.67-1.26) 0.595 0.786 117/58/5 0.60 (0.46-0.79) 0.00019 0.0003* 0.090
rs2111235 53/39/13 0.99 (0.74-1.34) 0.961 115/56/8 0.58 (0.44-0.76) 3.664e-05 0.021
NFKB1 rs765789 71/31/5 1.09 (0.76-1.56) 0.655 0.617 103/66/11 1.42 (1.09-1.85) 0.012 0.131 0.154
rs228611 34/47/26 0.93 (0.70-1.24) 0.635 61/85/35 0.79 (0.63-0.99) 0.041 0.243
a
Reportados para los homocigotos del alelo común/heterocigotos/homocigotos del alelo menor. b OR (IC95%) y p-valores son el resultado del
análisis de regresión logística con el modelo log-aditivo ajustado. c p-valores resultantes del test de permutaciones para las localizaciones cardias y
no cardias. La significación después de la corrección de Bonferroni fue fijada en 0.05/4 genes=0.0125 (*).d p-valor resultante del test de
heterogeneidad para saber si existen diferencias en el efecto del SNP entre los grupos.
125
Resultados
Tabla 18. Asociación estadística de SNPs previamente asociados con cáncer gástrico no cardias en individuos infectados por
Helicobacter pylori con respecto al estatus de cagA.
Infectados por H. pylori y cagA+ (controles N=584, CG no cardias N=151) a Infectados por H. pylori y cagA- (controles N=687, casos no
cardias, N=27)
Número de Número de Número de Número de
c c
Gen SNP controles con casos con cada OR (IC 95%) p-valor controles con casos con cada OR (IC 95%) c p-valor c
cada genotipo b genotipo b cada genotipo b genotipo b
NOD2 rs7202124 313/225/45 97/48/5 0.66 (0.47-0.91) 0.009 92/77/25 9/3//0 0.3 (0.08-1.08) 0.035
rs2111235 295/224/60 99/43/7 0.57 (0.42-0.79) 0.0003 86/83/23 7/4//1 0.68 (0.25-1.87) 0.446
rs5743289 409/54/21 99/44/8 1.23 (0.90–1.70) 0.204 148/43/4 4/7/1 3.76 (1.33-10.63) 0.012
a
El estatus de cagA fue calculado respecto a todos los casos de CG no cardias (163) y controles (779) infectados por Helicobacter pylori. b Reportados para los
homocigotos del alelo común/heterocigotos/homocigotos del alelo menor. c OR (IC 95%) y p-valores resultantes del análisis de regresión logística con el modelo log-
aditivo ajustado para país, sexo y edad.
Tabla 19. Asociación estadística de SNPs con respecto al subtipo histológico de cáncer gástrico.
CG Intestinal (N=126) CG Difuso (N=128)
Número de Número de
p-valor de p-valor de p-valor de
Gen SNP casos con cada OR (IC 95%) b p-valor b c casos con cada OR (IC 95%) b p-valor b
a permutación a permutación c heterogeneidad d
genotipo genotipo
CD1 rs778588 52/59/15 1.49 (1.12-1.97) 0.006 0.041* 76/41/10 0.80 (0.59-1.09) 0.151 0.652 0.010
4
NOD rs7202124 76/43/7 0.73 (0.54-0.99) 0.040 0.077 78/44/5 0.72 (0.53-0.99) 0.037 0.204 0.922
2 rs2111235 74/44/7 0.68 (0.50-0.93) 0.011 69/50/8 0.83 (0.62-1.10) 0.191 0.232
NFK rs1585214 38/66/21 0.94 (0.72-1.23) 0.665 0.727 46/65/16 0.76 (0.58-0.99) 0.044 0.213 0.129
B1 rs228611 40/53/32 0.93 (0.72-1.21) 0.605 39/74/15 0.74 (0.56-0.96) 0.024 0.144
rs765789 75/44/7 1.31 (0.96-1.80) 0.096 73/43/11 1.46 (1.07-1.99) 0.018 0.280
rs7677509 36/54/35 0.97 (0.75-1.26) 0.819 36/72/19 0.77 (0.59-1.00) 0.047 0.107
a b
Reportados para los homocigotos del alelo común/ heterocigotos/homocigotos del alelo menor. OR (IC 95%) y p-valores resultantes del análisis de regresión
logística con el modelo log-aditivo ajustado para país, sexo y edad. c p-valores resultantes del test de permutaciones para localizaciones cardias y no cardias. La
significación después de la corrección de Bonferroni fue fijada en 0.05/4 genes=0.0125, por lo que un p-valor<0.0125 fue considerado significativo (*). d p-valor
resultante del test de heterogeneidad realizado para saber si existen diferencias en el efecto del SNP entre los grupos.
126
Resultados
Tabla 20. Asociación estadística de haplotipos respecto a los subtipos histológicos y anatómicos de cáncer gástrico.
Frecuencia Frecuencia
Subtipo histológico o
Gen Haplotipo SNPs que componen el haplotipo a haplotípica haplotípica OR (IC 95%) b p-valor c
anatómico de CG
en controles en casos
CD14 ACTCAC rs11167532,rs7711117, 0.413 ----- 1.00 (Referencia) ----- -----
rs778588,rs4914,rs2569190,
rs1583005
CD14 GCCCGT Idem 0.128 0.212 2.15 (1.41-3.27) 0.0004 Cardias
CD14 GCCCGT Idem 0.128 0.193 1.71 (1.17-2.49) 0.006
* Intestinal
NOD2 ACCAT rs7202124, rs2111235, rs5743289, 0.355 ----- 1.00 ----- -----
rs3135500, rs3785142 (Referencia)
NOD2 GTCGC Idem 0.198 0.135 0.60 (0.43-0.86) 0.005 No cardias
NOD2 GTCGC Idem 0.198 0.141 0.64 (0.43-0.96) 0.031 Intestinal
TLR4 TGATACG rs1329061, rs1329060, rs1329057, ----- 1.00 ----- -----
rs10491851, rs4986790, 0.267 (Referencia)
rs4986791, rs11536889
TLR4 CGAGACG Idem 0.074 0.112 1.98 (1.14-3.47) 0.016 Cardias
NFKB1 TGAGACGACTTA rs2085549, rs2085548, rs747559, ----- 1.00 ----- -----
rs3774934, rs1585214, rs4648022, (Referencia)
rs4648055, rs9790601, rs1609798, 0.328
rs7677509, rs765789, rs228611
NFKB1 TGAGGTGACCAG Idem 0.066 0.095 1.78 (1.15-2.73) 0.009 No cardias
a b c
Orden de los SNPs que componen los haplotipos. Odds ratio (IC 95%) y p-valores, ajustados por país, sexo y edad para haplotipos asociados
significativamente (p<0.05) con los subtipos histológicos o anatómicos de CG, los cálculos fueron realizados para el modelo log-aditivo y el haplotipo
de referencia es el común.
127
Resultados
Tabla 21. Búsqueda de potenciales eQTLs entre los SNPs asociados y no asociados a CG.
SNPs SNPs no r2/p-valor o Transcripto Tejido y Bases
Gen
asociados a asociados a score a regulado referencia de
CG CG datos b
-8 153
rs11167532 ------ CD14 0.19/4.29 x 10 WDR55 Cerebro A
rs1583005 ------ CD14 0.36/3.17 x 10-15 WDR55 Cerebro 153 A
rs2569190 ------ CD14 0.23/1.54 x 10-9 WDR55 Cerebro 153 A
157
rs1583005 ------ CD14 30.50 WDR55 Diversos B
156
rs778588 ------ CD14 34.51 SRA1 Monocitos B
rs7202124 ------ NOD2 42.18 NOD2 Monocitos 156 B
156
rs7202124 ------ NOD2 16.77 SNX20 Monocitos B
rs5743289 ------ NOD2 3.903 CYLD Linfoblastoide 193 B
------ rs228611 NFKB1 7.7 MANBA Linfoblastoide 193 B
------ rs7677509 NFKB1 52.94 MANBA Diversos 157 B
156
rs747559 NFKB1 27.318 COL9A2 Monocitos B
rs4648055 NFKB1 23.828 COL9A2 Monocitos 156 B
155
rs1609798 NFKB1 0.012 MANBA Linfoblastoide B
a 2
Valor de r y p-valor asociado de la correlación entre la asociación del SNP con los niveles de
expresión génica para la base de datos A y score para la B. b A: Base de datos eQTL browser (NCBI), B:
Base de datos eQTL de Gilad/Pritchard.

2.1. Prueba piloto de colecta, conservación y extracción de ADN
Hisopos bucales Isohelix Dri‐Capsules y BuccalAmp™ DNA Extraction Kit
El ADN obtenido por Isohelix Dri‐Capsules mostró una gran variación en la masa
obtenida (5.53 ± 5.17 μg), relaciones de absorbancia 260/280 indicativas de
contaminación proteica y con sales, y se observó degradación del mismo, como se
evidencia en la siguiente electroforesis (Figura 19).
Figura 19. Electroforesis en gel de agarosa 1% de muestras de ADN extraídas de

hisopos bucales Dri‐Capsules (Isohelix, Inglaterra) conservados 30 días a
temperatura ambiente. Leyenda: 1-10 muestras, 11 marcador de peso
de ADN 1 Kb ladder (Invitrogen, EUA).
128
Resultados
Mediante los hisopos bucales BuccalAmp™ DNA Extraction Kit el rendimiento fue
menor y también mostró una gran variabilidad (3.01 ± 3.62 μg), pero menor
degradación del ADN obtenido (Figura 20). Al igual que en el kit anterior las
relaciones de absorbancia 260/280 fueron indicativas de contaminación proteica y
con sales.

hisopos bucales BuccalAmp™ DNA Extraction Kit (Epicentre, EUA)
conservados 30 días a temperatura ambiente. Leyenda: 1-4 muestras, 5
marcador de peso de ADN 1 Kb ladder (Invitrogen, EUA).
Muestras de saliva (kit Oragene DNA, OG-500, DNA Genotek)
El ADN de saliva obtenido mediante este kit mostró una degradación insignificante
(Figura 21), relaciones de absorbancia 260/280 >1.8 demostrando poca
contaminación proteica y con sales, y una elevada masa de ADN (125 ± 55.9 µg),
suficiente para realizar el genotipado propuesto y que quedara material para
futuros proyectos.

saliva conservada 30 días a temperatura ambiente empleando el kit
Oragene DNA OG-500 (DNA Genotek, Canadá) . Leyenda: 1-3 y 5-7
muestras, 4 marcador de peso de ADN 1 Kb ladder (Invitrogen, EUA).
129
Resultados
2.2. Diseño de solución estabilizadora de saliva y prueba de conservación
Teniendo en cuenta que en las comparaciones previas los mejores resultados

fueron obtenidos en el ADN proveniente de saliva y que los kits eran de un coste
elevado (13.9 euros/muestra, Abyntek distribuidor en Europa de DNA Genotek)
para el presupuesto disponible, se planteó la posibilidad de confeccionar en el
laboratorio un similar de la solución estabilizadora de saliva del kit Oragene DNA,
basada en la descrita en la patente que dicho kit 159. El lenguaje ambiguo de las
patentes hace difícil saber cual es la mejor entre todas las soluciones estabilizadoras
de saliva descritas, por lo que se realizó una prueba para evaluar el estado de
conservación del ADN al cabo de 60 días de colectar la saliva en cada una de las
soluciones descritas (Tabla 6 en la sección Materiales y Métodos).
Como resultado se observó una oxidación (color amarillo) de las soluciones 1 y 2

debido a la presencia de vitamina C; sin embargo, las soluciones 3 y 4 no
presentaron dicho fenómeno (Tabla 22). La vitamina C es un agente reductor que
provoca la ruptura de puentes di-sulfuro de mucinas para facilitar la extracción del
ADN; sin embargo, experimenta auto-oxidación en presencia de aire y metales
pesados con producción de radicales libres del O2, los cuales provocan mutaciones
al ADN. Dicha auto-oxidación es evitada añadiendo un compuesto de composición
desconocida, por lo que descartamos el uso de las soluciones 1 y 2.
Como se obtuvó una mayor masa de ADN con la solución 4 respecto a la 3 se optó
por ella como la mejor. Su composición es CDTA 3.3 mM, Tris base 33 mM, SDS
0.6%, LiCl 0.67 M, Urea 0.67 M, EtOH 30%, pH 8, proteinasa K 150 ng/µl. El
conocimiento de la acción de sus componentes contribuyo a dicha elección:
-Urea y SDS 0.67 M: Agentes caotrópicos, desnaturalizan DNAsas.

-CDTA: Agente quelante que forma complejos con iones metálicos inhibiendo la
generación de radicales libres e inhibiendo DNAsas que usan como cofactores iones
metálicos.
-Etanol: Agente antimicrobiano.
La electroforesis del ADN extraído usando esta solución evidenció que la mayoría de
las muestras poseían un adecuado tamaño para ser utilizadas en el genotipado de
SNPs (Figura 22). Al ser aplicado este método a la colecta de mayores cantidades de
muestras de pacientes en condiciones no ideales respecto a las recomendadas, se
observó que la masa (23.5 ± 7.8 µg) y el estado de conservación del ADN (Figura 23)
seguía siendo adecuado para el genotipado de SNPs.
130
Resultados
Tabla 22. Promedio de la masa de ADN obtenida y presencia de

oxidación en las diferentes soluciones estabilizadoras de saliva.
Soluciones Masa ADN (µg) a Auto-oxidación
1 91,5 SI
2 114,5 SI
3 24,8 NO
4 28,15 NO
a
Hace referencia a la purificación de un grupo de muestras con cada solución.
Figura 22. Electroforesis en gel de agarosa 1% del ADN extraído a partir de muestras
de saliva conservadas durante 60 días en solución estabilizadora # 4 a
temperatura ambiente. Leyenda: 1, 2, 4-7 y 9-12 muestras, 3 y 8
marcador de peso de ADN 1 Kb ladder (Invitrogen, EUA).
Figura 23. Electroforesis en gel de agarosa 1% del ADN extraído a partir de muestras
de saliva colectadas por los hospitales en solución estabilizadora # 4.
Leyenda: 2-13 muestras, 1 y 14 marcador de peso de ADN 1 Kb ladder
(Invitrogen, EUA).
2.3. Genotipado de ADN de saliva. Prueba piloto
A continuación se realizó una prueba piloto de genotipado para evaluar la calidad

de las muestras, usando sondas de hidrólisis tipo TaqMan para el SNP rs7578034 en
el gen IL1B, previamente genotipado en el departamento 194. Se observaron altos
valores de score (Tabla 23) y una clara distinción entre los genotipos homocigotos y
heterocigotos (Figura 24), indicativos de un adecuado genotipado. Se concluye que
el método permite obtener ADN genotipable por sondas TaqMan, por lo que
131
Resultados
también podría ser genotipado por otra plataforma diferente como la Sequenom, la
cual había sido propuesta por el CEGEN como la adecuada de acuerdo a las
características de nuestro estudio.
Tabla 23. Resultados del genotipado del SNP rs7578034 en gen IL1B
en muestras de ADN extraído de saliva.
Muestras Call Score
10001 Alelo X 0.94
10002 XY 0.99
10003 XY 0.98
10004 Alelo Y 0.9
10006 Alelo X 0.84
10007 XY 0.97
10008 Alelo X 0.87
10009 XY 0.93
10009 Alelo Y 0.9
10010 XY 0.95
Control + Alelo Y 0.98
Control + XY 0.98
Control + XY 0.91
Control + XY 0.98
Control + Alelo X 0.98
Control + Alelo Y 0.94
H2O Negativo 0.00
H2O Negativo 0.00
Figura 24. Genotipado del SNP rs7578034 en el gen IL1B empleando LightCycler II.
132
Resultados
2.4. Genotipado de ADN en plataforma Sequenom
Siete (rs11079008, rs2236851, rs28362491, rs4072037, rs6090575, rs6688452 y

rs6890699) de los 148 SNPs seleccionados fueron excluidos del análisis por generar
clusters de genotipos continuos o solapantes. Los genotipos de otros 11 SNPs
(rs11614544, rs1547836, rs225355, rs225357, rs2907749, rs4636306, rs4837404,
rs6597947, rs6894617, rs7269342 y rs9976977) se separaban en clusters no
perfectamente diferenciados; sin embargo, las réplicas y controles realizados
confirmaron la reproducibilidad de los resultados obtenidos, por lo que fueron
analizados (Figura 25). El resto de los SNPs poseían clusters con una adecuada
diferenciación genotípica (Figura 26). Todos los SNPs seleccionados para el análisis
se encuentran en equilibrio de Hardy-Weinberg (p>0.001) y fueron genotipados en
más de un 95% de las muestras.
En relación a las muestras, 28 no superaron los controles de calidad por carecer de

resultados en más del 20% de los SNPs analizados, por lo que no fueron analizadas
estadísticamente. La concordancia entre los genotipos de 33 muestras duplicadas
como controles internos de calidad del genotipado fue del 99%. Los genotipos del
trío de muestras controles Coriell (Na10830, Na10831 y Na12147) coinciden con los
datos publicados. La muestra final disponible para los análisis estadísticos, tras
excluir muestras de calidad inadecuada y SNPs no genotipados, fue de 559 casos y
141 SNPs en 29 genes distintos.
Figura 25. Cluster de calidad media en el genotipado Sequenom.
Figura 26. Clusters de calidad óptima en el genotipado Sequenom.
133
Resultados
2.5. Análisis estadísticos de asociación genética
La evolución de las LPGs fue analizada teniendo en cuenta el diagnóstico histológico

al reclutamiento y al final del seguimiento del mismo paciente, acorde a la
severidad de las LPGs de la cascada de Correa (Figura 10). Basado en ello la muestra
(N=559) se divide en los grupos regresión (N=204, 36.5%), estables (N=259, 46.3%),
y progresión (N=96, 17.2%) si el diagnóstico disminuye en severidad, se mantiene o
empeora, respectivmente. Las variables analizadas (sexo, edad, consumo de AINES,
antecedentes familiares de CG, tabaquismo, infección por H. pylori y diagnóstico
histológico) de la población al reclutamiento se muestran en la tabla 24. En la
comparación estadística de la distribución de dichas variables entre pacientes que
progresan, regresan o permanecen estables, sólo el diagnóstico histológico al
reclutamiento mostró diferencias significativas (p <0.0001).
Los resultados del genotipado de los 141 SNPs analizados en cada uno de los grupos
de evolución de las lesiones se indican en la tabla anexa 1. La asociación más
significativa (OR=0.63, IC95% 0.48-0.81, p=0.0003, modelo aditivo) se observó en el
SNP rs10902073 de MUC2 asociado inversamente con la regresión de las LPGs; fue
el único polimorfismo significativo después de aplicar la corrección para
comparaciones múltiples mediante FDR. Los SNPs asociados con un incremento del
riesgo de progresión se encontraron en los genes CD14, DNAH11, MAPK3, PRKAA1,
RUNX3 y TFF1. Otros SNPs localizados en los genes CD14, CDH1, PTGS2, TFF1 y TFF2,
se asociaron inversamente con la progresión de las lesiones (Tabla 25A). Los
resultados del SNP rs10760634 no fueron considerados fiables debido al amplio
rango de los límites de confianza del 95% en el cálculo del OR.
El análisis de la regresión mostró que SNPs localizados en los genes CD14, IL1B,
IL1RN, NFKB1, TFF1 y TFF2 se asocian con una mayor regresión; mientras que SNPs
en CDH1, MUC1, MUC2, NFKB1 y TFF1 se asocian con una menor regresión.
También, existen algunos SNPs cuyos resultados no fueron considerados a causa del
amplio rango de los límites de confianza del 95% en el cálculo del OR (Tabla 25B). A
continuación, se exploró el sentido de la asociación de aquellos SNPs que se
asociaron tanto a progresión como a regresión de las lesiones y se eliminó del
análisis a aquellos en los que existía el mismo sentido en ambos análisis, rs1598861
y rs7674640 de NFKB1, por considerarlos no informativos respecto a la evolución de
las LPGs (Tabla 26).
134
Resultados
Tabla 24. Características al reclutamiento de la población estudiada.

Características Regresión a Estables b Progresión Total p-valor d
c
N % N % N % N %
Sexo
Hombres 108 19.32 137 24.51 57 10.2 302 54.03 0.5128
Mujeres 96 17.17 122 21.82 39 6.98
0 257 45.97
Edad
≤50 93 16.64 103 18.43 32 5.72 228 40.79 0.1184
>50 111 19.86 156 27.91 64 11.4 331 59.21
Consumo de AINES 5
SI 95 17.46 136 25.00 43 7.90 274 50.37 0.5827
NO 102 18.75 122 22.43 46 8.46 270 49.63
Historia familiar de CG
SI 18 3.35 40 7.45 16 2.98 74 13.78 0.0771
NO 174 32.40 215 40.04 74 13.7 463 86.22
Tabaquismo 8
Fumadores o 112 20.44 149 27.19 53 9.67 314 57.30 0.8814
ex-fumadores
No fumadores 88 16.06 109 19.89 37 6.75 234 42.70
Infección por H. pylori
SI 168 30.38 211 38.16 72 13.0 451 81.56 0.6021
cagA+,VacAs1m1 90 68.7 18 13.74 23 17.5
2 131 36.29
Otras combinaciones 93 40.43 105 45.6 32 13.9 230 63.71
NO 34 6.15 48 8.68 20 3.62 102 18.44
Diagnóstico
GCA e
histológico 54 9.66 52 9.30 35 6.26 141 25.22 < 0.0001
MIC 56 10.02 116 20.75 43 7.69 215 38.46
MII 83 14.85 83 14.85 18 3.22 184 32.92
DISP 11 1.97 8 1.43 0 0.00 19 3.40
Total 204 36.49 259 46.33 96 17.1 559 100
a, b, c
Indica pacientes que pasan a una lesión de menor, 7 igual o mayor severidad
respectivamente, desde el reclutamiento hasta el fin de seguimiento. d p-valor resultante del
test de X2 al comparar los grupos a vs b vs c.
135
Resultados
Tabla 25. OR (IC 95%) de los SNPs asociados significativamente con progresión y regresión de las LPGs.
A) Progresión
Modelo Número de Número de
Gen SNP a Genotipos controles con casos con cada OR (IC 95%) p-valor Variant Effect PupaSuite f
genético b
cada genotipo c genotipo d Predictor e
CD14 rs11167532 log-aditivo GG/AG/AA 118/211/104 42/42/11 0.63 (0.46-0.87) 0.004 Región 5’ -------------
CD14 rs2569190 log-aditivo GG/AG/AA 113/224/123 34/47/15 0.65 (0.47-0.89) 0.006 Intrónico, UTR 5’, Conservada/
RR Triple hélice
CD14 rs5744455 log-aditivo CC/CT/TT 293/154/14 49/40/7 1.63 (1.13-2.36) 0.01 Región 5’, RR Conservada
CD14 rs1583005 log-aditivo CC/CT/TT 152/235/74 21/50/25 1.56 (1.13-2.16) 0.006 Intrónico, NMD -------------
CDH1 rs4783573 recesivo AA/AG/GG 196/205/60 42/48/5 0.37 (0.14-0.95) 0.02 Intrónico, NMD -------------
DNAH11 rs2285947 dominante GG/AG/AA 128/217/116 20/56/20 1.57 (1.01-2.46) 0.045 Intrónico Conservada
MAPK3 rs11865086 dominante AA/AC/CC 123/222/116 16/57/23 1.82 (1.02-3.23) 0.033 UTR 3’, NMD Conservada
NFKB1 rs1598861 * recesivo AA/AC/CC 201/184/77 46/42/8 0.45 (0.21-0.98) 0.028 Intrónico Conservada
NFKB1 rs7674640 * recesivo TT/CT/CC 115/217/130 30/51/14 0.46 (0.26-0.83) 0.004 Región 3’, RR Conservada
PRKAA1 rs13361707 log-aditivo CC/CT/TT 240/193/29 44/42/10 1.44 (1.02-2.02) 0.038 Intrónico, RR Conservada
PTGES rs10760634 * recesivo AA/AG/GG 392/69/2 79/14/3 7.44 (1.23-45.11) 0.031 Intrónico Conservada
PTGS2 rs5275 log-aditivo TT/CT/CC 216/194/50 58/32/6 0.64 (0.45-0.92) 0.013 UTR 3’ Conservada
PTGS2 rs4648276 dominante TT/CT/CC 315/131/14 77/19/0 0.52 (0.31-0.87) 0.03 Intrónico, NMD Conservada
RUNX3 rs6663310 dominante TT/CT/CC 215/191/56 35/51/10 1.61 (1.03-2.5) 0.035 Región 3’ -------------
TFF1 rs9976977 recesivo GG/AG/AA 176/231/54 29/47/20 1.46 (1.05-2.02) 0.023 Region 3’ -------------
TFF1 rs424694 log-aditivo CC/CT/TT 162/217/84 44/41/11 0.69 (0.5-0.96) 0.025 Region 3’ -------------
TFF2 rs1079380 log-aditivo AA/AG/GG 113/243/107 32/49/15 0.7 (0.51-0.98) 0.033 Intrónico Conservada
a
* Resultados para estos SNPs no considerados debido a que la dirección de asociación en el análisis de progresión y regresión tiene el mismo sentido (SNPs de NFKB1)
o a un excesivo rango en los límites de confianza del 95% del OR (rs10760634). b Modelo genético con mayor significación estadística. c d Número de controles
(regresión + estables) y de casos (progresión) de homocigotos para el alelo más común, heterocigotos y homocigotos para el alelo menos común,respectivamente.
eyf
Predicción de efecto funcional en los programas indicados. Conservada se refiere a región conservada evolutivamente entre humanos y ratón.
136
Resultados
B) Regresión
Gen SNP a Modelo Genotipos Número de Número de OR (IC 95%) p-valor PupaSuite f
genético b controles con casos con cada Variant Effect
cada genotipo c genotipo d Predictor e
CD14 rs778588 Sobre- TT/CT/CC 187/138/30 86/103/15 1.6 (1.13-2.27) 0.008 Región 3’ -------------
CDH1 rs16260 log-aditivo
dominante CC/AC/AA 173/146/33 113/80/10 0.76 (0.57-1) 0.048 Región 5’ Conservada
CDH1 rs12597188 log-aditivo GG/AG/A 152/159/43 101/84/15 0.75 (0.58-0.98) 0.036 Intrónico, NMD -------------
CDX2 rs4503658 * recesivo GG/GT/TT
A 312/41/2 169/30/5 1.54 (1.01-2.37) 0.047 UTR 5’, RR Conservada
IL1B rs1143627 dominante TT/CT/CC 165/152/36 77/103/24 1.45 (1.02-2.06) 0.038 Región 5’, RR Conservada
IL1RN rs2637988 recesivo AA/AG/G 139/165/51 80/80/44 1.64 (1.05-2.56) 0.031 Intrónico, Región -------------
MAP3K14 rs16939926 dominante TT/CT/CC
G 305/49/1 188/16/0 0.52 (0.29-0.94) 0.023 Intrónico
3’ Conservada
MUC1 rs2070803
* dominante TT/CT/CC 106/168/80 79/86/38 0.67 (0.47-0.96) 0.031 Conservada Conservada
MUC2 rs10902073 log-aditivo CC/AC/A 141/155/59 110/76/18 0.63 (0.48-0.81) 0.0003 * Intergénico, RR -------------
MUC2 rs10794281 log-aditivo TT/CT/CC
A 123/158/74 85/93/26 0.55 (0.34-0.9) 0.014 Intergénico Conservada
MUC6 rs6597947 * recesivo GG/GT/TT 307/46/2 172/25/6 5.38 (1.07-26.89) 0.025 Región 3’ Conservada
NFKB1 rs980455 log-aditivo AA/AG/G 144/153/55 99/97/41 1.29 (1.01-1.65) 0.038 Región 3’ -------------
NFKB1 rs1598861 recesivo AA/AC/CC
G 153/137/64 94/89/21 0.52 (0.31-0.88) 0.012 Intrónico Conservada
NFKB1 rs7674640 recesivo TT/CT/CC 87/164/103 58/104/41 0.62 (0.41-0.93) 0.019 Región 3’, RR Conservada
PTGS2 rs5277 recesivo GG/CG/C 225/109/21 139/61/4 0.32 (0.11-0.94) 0.021 Sinónimo, NMD Conservada
SRC rs6017901 * dominante TT/CT/CC
C 314/39/1 193/11/0 0.45 (0.22-0.89) 0.016 Región 3’ -------------
TFF1 rs4920094 dominante GG/AG/A 97/194/64 75/93/36 0.65 (0.45-0.93) 0.021 Intrónico Conservada
TFF1 rs225357 recesivo CC/CT/TT
A 121/179/54 61/97/46 1.62 (1.04-2.51) 0.032 Intrónico Conservada
TFF1 rs424694 recesivo CC/CT/TT 134/171/50 72/87/45 1.73 (1.11-2.7) 0.017 Region 3’ -------------
TFF1 rs13047838 dominante CC/CT/TT 178/152/25 121/74/9 0.72 (0.54-0.97) 0.026 UTR 3’ Conservada
TFF2 rs1079380 recesivo AA/AG/G 99/189/67 46/103/55 1.59 (1.06-2.39) 0.027 Intrónico Conservada
, Triple
a
* Resultados para estos SNPs no considerados
G debido a que el número de individuos con el genotipo de riesgo es muy bajo o el intervalo de confianza
hélice
b c d
muy amplio. Modelo genético con mayor significación estadística. Número de controles (regresión + estables) y de casos (progresión) de
homocigotos para el alelo más común, heterocigotos y homocigotos para el alelo menos común,respectivamente. e y f Localización del SNP y predicción
de efecto funcional en los programas indicados. Conservada se refiere a región conservada evolutivamente entre humanos y ratón.
137
Resultados
Tabla 26. Asociación con la evolución de LPGs en el presente y en el estudio de

seguimiento de LPGs de Soria.
Presente estudio Estudio de Soria
Selección Gen SNP Progresión Regresión Progresión Regresión
CD14 rs11167532 X
Mecanismo de CD14 rs1583005 X
infección de CD14 rs2569190 X X
H.pylori CD14 rs5744455 X X
CD14 rs778588 X
NFKB1 rs1598861 X X
NFKB1 rs7674640 X X
NFKB1 rs980455 X
MAPK3 rs11865086 X
MAP3K14 rs16939926 X
SRC rs6017901 X
NOD1 rs11536450 X
CDH1 rs4783573 X
CDH1 rs12597188 X
CDH1 rs16260 X
CDH1 rs1125557 No asociado No asociado X
PTGS2 rs5275 X
Modelos PTGS2 rs4648276 X
PTGS2 rs5277 X
murinos de PTGES rs10760634 X X
carcinogénesis TFF1 rs424694 X X X
gástrica TFF1 rs9976977 X X
TFF1 rs4920094 X
TFF1 rs13047838 X X
TFF1 rs225357 X
TFF1 rs225358 No asociado No asociado X
Cdx2 rs4503658 X
IL1B rs1143627 X
RUNX3 rs6663310 X
GWAS y TFF2 rs1079380 X X X
estudio de MUC1 rs2070803 X
Soria MUC2 rs10902073 X X X
MUC2 rs10794281 X X X
MUC2 rs7944723 No asociado No asociado X
MUC6 rs6597947 X X X
DNAH11 rs2285947 X
PRKAA1 rs13361707 X
IL1RN rs2637988 X X
IL1A rs17561 No asociado No asociado X
El color verde indica asociación inversa y el rojo asociación directa. Los SNPs sombreados
poseen igual sentido de la asociación en los análisis de progresión y regresión de estudios
individuales.
138
Resultados
Cuando comparamos los resultados obtenidos en este estudio con los obtenidos
con SNPs genotipados en un estudio previo de seguimiento de lesiones precursoras,
realizado en la provincia de Soria por nuestro grupo, se confirmaron las
asociaciones inversas de CD14 (rs2569190 y rs5744455), TFF2 (rs1079380) con la
progresión. También que se mantuvo la asociación de MUC2 (rs10902073 y
rs10794281) y TFF1 (rs424694) con la regresión (Tabla 26). Por el contrario, no se
replicaron en el presente estudio las asociaciones de CDH1 (rs1125557), TFF1
(rs9976977, rs13047838 y rs225358), MUC2 (rs7944723, rs10794293, rs3924453 y
rs4077759), IL1RN (rs2637988) e IL1A (rs17561).
Al analizar genes que mostraron asociación a nivel de SNP y haplotipos, este análisis
confirmó las asociaciones a nivel de SNP (Tabla 27), es decir, correspondiéndose con
lo esperado atendiendo al sentido de asociación de sus SNPs componentes. Se
encontró asociación con mayor riesgo de progresión de los haplotipos TGTG de
CD14 (OR=1.90, IC95% 1.26-2.87), así como CAAC (OR=1.82, IC95% 1.10-2.98) y
CAGC (OR=1.89, IC95% 1.03-3.46) de TFF1. La combinación de CD14 contiene al
alelo de riesgo T de rs57444455 que se asocia positivamente con la progresión. El
haplotipo GCCGAG de PTGS2 (OR=0.55, IC95% 0.31-0.99) se asocia inversamente
con la progresión, y el alelo C de rs5275 se asocia inversamente con la progresión.
Haplotipos de CDH1 y CDX2 se asocian con una mayor probabilidad de de regresión

mientras que haplotipos de PTGES, TFF1, MAP3K14, MUC2 y PTPN11 se asocian
inversamente con la regresión, observándose una buena concordancia en el sentido
de la asociación haplotípica esperada teniendo en cuenta la de sus SNPs
constituyentes. Por ejemplo, el alelo de riesgo G de rs4783573 de CDH1 se asocia
inversamente con la progresión y el haplotipo AG que lo contiene se asocia con una
mayor probabilidad de regresión. Este análisis se realizó para cada haplotipo con
significación estadística, confirmando la consistencia en la dirección de asociación
en todos los casos. Sin embargo, el gen PTPN11 sólo muestra una asociación inversa
con la regresión a nivel haplotípico.
El análisis de asociación con la evolución de las LPGs en los pacientes portadores de

la combinación cagA+vacAs1/m1 en comparación con el resto de combinaciones de
cagA y vacA se expone en la tabla 28.
139
Resultados
Tabla 27. Asociaciones significativas de haplotipos respecto a la evolución de las LPGs.

Frecuencia Frecuencia
Gen Haplotipo SNPs que componen el haplotipo haplotípica haplotípica OR (IC 95%) a p-valor b Evolución
en controles en casos
CD14 CATA rs5744455, rs11167532 rs778588, rs2569190 0.326 0.434 1 (Referencia) ------ Progresión
CD14 TGTG Idem 0.196 0.281 1.90 (1.26-2.87) 0.002 Progresión
PTGS2 ATTGAG rs2745557,rs5275,rs4648276,rs5277,689466, 0.205 0.213 1 (Referencia) ------
rs12042763
PTGS2 GCCGAG Idem 0.17 0.098 0.55 (0.31-0.99) 0.047 Progresión
TFF1 CAGT rs13047838, rs1788413 rs9976977, rs424694 0.410 0.328 1 (Referencia) ------ Progresión
TFF1 CAAC Idem 0.110 0.156 1.82 (1.10-2.98) 0.019 Progresión
TFF1 CAGC Idem 0.059 0.088 1.89 (1.03-3.46) 0.039 Progresión
CDH1 AA rs7186053, rs4783573 0.392 0.34 1 (Referencia) ------ Regresión
CDH1 AG Idem 0.041 0.074 2.14 (1.09-4.19) 0.028 Regresión
PTGES AAT rs10760634, rs4837404, rs10739757 0.481 0.53 1 (Referencia) ------ Regresión
PTGES GAC Idem 0.097 0.059 0.55 (0.33-0.90) 0.018 Regresión
TFF1 CAGT rs13047838, rs1788413 rs9976977, rs424694 0.377 0.428 1 (Referencia) ------ Regresión
TFF1 TAAC Idem 0.284 0.225 0.69 (0.50-0.95) 0.025 Regresión
Cdx2 TCG rs2481952, rs2504212, rs4503658 0.505 0.505 1 (Referencia) ------ Regresión
Cdx2 CAT Idem 0.051 0.095 1.78 (1.11-2.85) 0.017 Regresión
MAP3K14 TTTC rs2074292, rs16939926 rs2074293, 0.473 0.51 1 (Referencia) ------ Regresión
MAP3K14 CCTC Idem
rs3785803 0.068 0.039 0.52 (0.28-0.95) 0.033 Regresión
MUC2 CT rs10902073, rs10794281 0.564 0.644 1 (Referencia) ------ Regresión
MUC2 AC Idem 0.380 0.274 0.66 (0.50-0.86) 0.002 Regresión
PTPN11 GCAAGC rs11066322, rs17822304 rs11614544, 0.43 0.458 1 (Referencia) ------ Regresión
rs11066320 rs11066323, rs7958372
PTPN11 GCAGGC Idem 0.191 0.134 0.68 (0.47-0.97) 0.034 Regresión
a, b
Odds ratio (IC 95%) y p-valores, respectivamente, asociados significativamente (p<0.05) con la evolución de las LPGs, los cálculos fueron
realizados para el modelo log-aditivo y el haplotipo de referencia es el común.
140
Resultados
Tabla 28. Análisis de asociación en portadores de la combinación de los factores de virulencia de H. pylori cagA+vacAs1/m1 vs otras
combinaciones, en individuos infectados por H. pylori.
Progresión en cagA+vacAs1/m1 Progresión en el resto de combinaciones
a Modelo # de controles # de casos c d # de controles # de casos
Gen SNP OR (IC 95%) p-valor OR (IC 95%) c p-valor d
genetico b con cada con cada con cada con cada
genotipo b genotipo c genotipo b genotipo c
CD14 rs5744455* recesivo 72/35/1 13/7/3 16.05 (1.59-162.2) 0.010 129/64/4 17/14/1 1.56 (0.17-14.39) 0.708
CDX1 rs6894617 recesivo 52/49/7 8/10/5 4.01 (1.15-14.02) 0.038 110/75/13 21/9/2 0.95 (0.2-4.42) 0.946
GAST rs12453761 log-aditivo 31/51/26 11/10/2 0.49 (0.25-0.97) 0.034 50/106/42 9/16/7 0.95 (0.55-1.65) 0.865
NFKB1 rs7674640* recesivo 26/46/36 7/15/1 0.09 (0.01-0.7) 0.001 51/69/51 11/15/6 0.67 (0.26-1.71) 0.382
RUNX3 rs2282718 dominante 54/44/10 6/13/4 2.83 (1.04-7.73) 0.033 84/93/21 11/13/8 1.41 (0.64-3.07) 0.387
SRC rs6017916 recesivo 58/43/7 11/6/6 5.09 (1.53-17) 0.011 112/68/18 16/12/4 1.43 (0.45-4.53) 0.557
SRC rs6094373 recesivo 64/38/6 13/5/5 4.72 (1.3-17.12) 0.024 122/62/14 18/10/4 1.88 (0.58-6.11) 0.319
TFF1 rs225355 sobredominant 26/54/28 10/6/7 0.35 (0.13-0.96) 0.033 63/88/45 10/15/6 1.15 (0.54-2.46) 0.717
e
CD14 rs11167532* recesivo 37/47/24 9/11/3 0.53 (0.14-1.92) 0.302 61/90/47 11/19/2 0.21 (0.05-0.93) 0.012
MAP3K14 rs16939926* log-aditivo 96/12 18/5 2.22 (0.7-7.08) 0.194 177/21/0 24/8/0 2.81 (1.12-7.04) 0.037
MAP3K14 rs2074292 log-aditivo 24/63/21 5/15/3 0.86 (0.42-1.76) 0.684 42/108/46 11/17/3 0.53 (0.29-0.95) 0.030
MAP3K14 rs4247364 dominante 43/51/14 5/15/3 2.38 (0.82-6.89) 0.091 84/93/20 6/20/6 3.22 (1.27-8.18) 0.007
PTGS2 rs4648276* dominante 73/34/1 17/6/0 0.74 (0.27-2.03) 0.547 129/61/6 27/5/0 0.36 (0.13-0.97) 0.027
PTGS2 rs5275* dominante 53/46/9 14/7/2 0.62 (0.25-1.55) 0.302 85/88/25 24/7/1 0.25 (0.11-0.59) 0.001
PTGES rs10760634 log-aditivo 93/14/1 22/1/0 0.29 (0.04-2.21) 0.562 164/33/1 22/8/2 2.34 (1.14-4.83) 0.027
RUNX3 rs2282718 recesivo 54/44/10 6/13/4 2.06 (0.59-7.27) 0.279 84/93/21 11/13/8 2.81 (1.12-7.04) 0.037
RUNX3 rs6663310* dominante 56/41/11 12/9/2 0.99 (0.4-2.43) 0.978 88/80/29 8/19/5 2.42 (1.04-5.66) 0.032
NFKBIA rs696 dominante 38/60/10 9/13/1 0.84 (0.33-2.13) 0.72 74/93/31 5/21/5 3.1 (1.14-8.43) 0.015
WNT1 rs4760663 log-aditivo 38/49/21 11/10/2 0.62 (0.31-1.21) 0.147 69/95/33 7/15/10 1.74 (1.02-2.96) 0.041
a
El asterisco * indica SNPs que fueron asociados con la evolución de las LPGs en el análisis general y los no marcados con * indica que son nuevas
asociaciones. b Modelo genético donde fue obtenida la asociación más significativa. c, d Controles (regresión + estables) y casos (progresión).
d
OR (IC 95%) y p-valor asociado del modelo genético con la asociación más significativa.
141
Resultados
Regresión en cagA+vacAs1/m1 Regresión en el resto de combinaciones

Modelo # de controles # de casos # de controles # de casos
Gen SNP a con cada con cada
OR (IC 95%) c p-valor d con cada con cada
OR (IC 95%) c p-valor d
genetico b
genotipo b genotipo c genotipo b genotipo c
MUC2 rs10794281* log-aditivo 31/37/22 23/13/5 0.53 (0.31-0.91) 0.016 53/56/28 35/45/13 0.9 (0.62-1.3) 0.576
MUC2 rs10902073* dominante 38/36/16 27/10/4 0.38 (0.18-0.82) 0.012 57/56/24 47/38/8 0.7 (0.41-1.18) 0.181
CDH1 rs1125557 log-aditivo 21/48/21 18/18/5 0.5 (0.29-0.89) 0.014 38/76/23 31/48/14 0.85 (0.57-1.26) 0.411
CDH1 rs12597188* log-aditivo 34/46/10 23/14/2 0.49 (0.26-0.93) 0.024 62/63/12 46/39/7 0.86 (0.57-1.31) 0.49
MUC1 rs2070803* dominante 18/52/20 21/12/8 0.24 (0.11-0.53) 0.0004 45/67/25 35/42/16 0.81 (0.47-1.41) 0.455
NOD1 rs2709803 sobredominante 49/37/4 30/9/2 0.4 (0.17-0.94) 0.029 91/38/7 53/34/6 1.49 (0.85-2.61) 0.169
CDH1 rs4783573* dominante 50/33/7 15/21/5 2.17 (1.01-4.63) 0.043 54/64/19 36/46/9 0.99 (0.58-1.71) 0.982
CDX1 rs6894617 sobredominante 46/35/9 14/24/3 2.22 (1.05-4.71) 0.036 81/46/10 50/38/5 1.37 (0.79-2.36) 0.261
SRC rs754625 recesivo 45/40/5 20/12/9 4.78 (1.49-15.35) 0.007 77/50/10 51/33/9 1.36 (0.53-3.49) 0.523
RUNX3 rs9438859 recesivo 51/38/1 26/11/4 9.62 (1.04-89) 0.022 78/49/9 58/28/7 1.15 (0.41-3.2) 0.791
CD14 rs2569190* log-aditivo 24/38/28 12/21/8 0.77 (0.47-1.27) 0.309 25/69/41 28/44/21 0.68 (0.46-0.99) 0.042
CD14 rs778588* sobredominante 46/35/9 16/22/3 1.82 (0.86-3.84) 0.115 78/49/10 37/48/8 1.92 (1.12-3.27) 0.017
MAPK3 rs11865086* recesivo 17/52/21 6/20/14 1.77 (0.78-3.99) 0.172 41/72/23 22/43/28 2.12 (1.13-3.98) 0.019
MUC6 rs225358 dominante 42/33/14 17/20/3 1.21 (0.57-2.57) 0.62 60/59/13 56/30/6 0.54 (0.31-0.92) 0.023
NFKB1 rs13117745 dominante 69/20/1 34/7/0 0.68 (0.26-1.75) 0.41 117/19/1 66/23/4 2.39 (1.25-4.59) 0.008
TFF1 rs13047838* dominante 52/32/6 22/18/1 1.18 (0.56-2.48) 0.66 55/74/8 57/29/7 0.42 (0.25-0.73) 0.002
TFF1 rs2156310 dominante 65/22/3 29/12/0 1.08 (0.48-2.43) 0.86 90/44/3 74/16/2 0.47 (0.25-0.87) 0.014
TFF1 rs225359 log-aditivo 41/35/14 18/20/3 0.87 (0.51-1.49) 0.612 58/63/15 52/35/6 0.65 (0.42-0.99) 0.039
TFF1 rs424694* recesivo 37/40/13 17/5/9 1.67 (0.65-4.28) 0.295 50/68/19 31/38/24 2.16 (1.1-4.23) 0.024
TFF1 rs4920094* dominante 29/42/19 13/21/7 1.02 (0.46-2.26) 0.953 34/83/20 38/38/17 0.48 (0.27-0.84) 0.010
TFF1 rs9976977* sobredominante 38/34/18 18/018/5 1.29 (0.61-2.73) 0.508 38/83/15 39/41/13 0.5 (0.29-0.86) 0.011
a b
El asterisco * indica SNPs que fueron asociados con la evolución de las LPGs en el análisis general y el resto son nuevos. Modelo genético donde fue
obtenida la asociación más significativa. c,d Controles (progresión + estables) y casos (regresión) respectivamente. d OR (IC 95%) y p-valor asociado del
modelo genético con la asociación más significativa.
142
Resultados
2.6 Análisis bioinformáticos de efectos funcionales
El análisis de potenciales efectos funcionales usando el programa Variant Effect Predictor

indicó que los SNPs asociados se localizaban en regiones que condicionan la expresión
génica como UTR 5’ (CD14 y CDX2), UTR 3’ (MAPK3, PTGS2 y TFF1), regiones regulatorias
(CD14, NFKB1, PRKAA1, CDX2, IL1B y MUC2), transcritos regulados por el mecanismo de
degradación de ARNm aberrantes (CD14, CDH1, MAPK3, PTGS2 y NOD1) y regiones 5’
(CD14, CDH1 y IL1B) (Tabla 25). El SNP rs10902073 de MUC2, único resultado significativo
después de la corrección para comparaciones múltiples, tiene localización intergénica y se
encuentra en una región regulatoria. Los SNPs asociados rs13047838 (TFF1) y rs2569190
(CD14), además de encontrarse en regiones conservadas también se localizan dentro de
estructuras de triple hélice, las cuales regulan la expresión génica. Al compararse el
número de SNPs asociados y no asociados respecto a sus localizaciones genéticas (Ej
región 3’) y efectos funcionales (Ej conservados, eQTLs) no existieron diferencias
significativas en la prueba exacta de Fisher (p>0.05).
Como en el caso de la asociación con CG los SNPs de CD14 asociados con la evolución de
las LPGs, rs11167532, rs1583005, rs778588 y rs2569190 se asocian con niveles de
expresión génica de ARNm y los mismos se encuentran en desequilibrio de ligamiento.
Otros SNPs asociados con la evolución de las LPGs pertenecientes a genes NFKB1, MAPK3
e IL1B fueron encontrados como eQTLs reguladores de la expresión génica. Mientras que
SNPs no asociados con la evolución de LPGs también demostraron ser eQTLs (Tabla 29).
Tabla 29. Potenciales eQTL entre los SNPs estudiados.

Bases
SNPs asociados SNPs no asociados r2/p-valor o Transcripto Tejido y
Gen de
a LPGs a LPGs score a regulado referencia
datos
-08 b
rs11167532 ------ CD14 0.196/10 WDR55 ------ A
-09
rs2569190 ------ CD14 0.236/10 WDR55 ------ A
-15
rs1583005 ------ CD14 0.363/10 WDR55 ------ A
157
rs1583005 ------ CD14 30.498 WDR55 Diversos B
156
rs778588 ------ CD14 34.51/17.69 SRA1/DFNA5 Monocitos B
157
rs7674640 ------ NFKB1 47.042 MANBA Diversos B
157
rs11865086 ------ MAPK3 0.944 MAPK3 Diversos B
151
rs11865086 ------ MAPK3 3.488 TBC1D10B Linfoblastoide B
151
rs1143627 ------ IL1B 0.475 IL1B Linfoblastoide B
151
------ rs887343 CDX1 3.956 TNIP1 Linfoblastoide B
156
------ rs17561 IL1A 129.51 PVRL2 Monocitos B
151
------ rs178740 TFF1 4.587 DYRK1A Linfoblastoide B
156
------ rs2867316 MAP3K14 21.942 MAPK8IP1 Monocitos B
155
------ rs7698 MAPK3 11.963 THAP6 Linfoblastoide B
157
------ rs230547 NFKB1 62.605 ORMDL3 Diversos B
152
------ rs696 NFKBIA 9.508 FAM62B Hígado B
156
------ rs17822304 PTPN11 12.426 ALDH2 Monocitos B
156
------ rs11066322 PTPN11 14.441 MAPKAPK5-AS1 Monocitos B
151
------ rs6094373 SRC 3.819 SOGA1 Linfoblastoide B
a 2
Valor de r y p-valor asociado de la correlación entre la asociación del SNP con los niveles de expresión génica para
la base de datos A y score para la B. b A: Base de datos eQTL browser (NCBI), B: Base de datos eQTL de
Gilad/Pritchard.
143
Resultados
3. Estudio de expresión génica por microarray en metaplasia intestinal que

progresa a cáncer gástrico
3.1. Medición de cantidad y calidad del ARN
Las 6 muestras analizadas para su uso en la prueba piloto de comparación de microarrays

(Tabla 30, Figura 27), así como las empleadas para determinar mecanismos funcionales
desregulados en la progresión de la MI a CG (N=45) (Tabla 31) resultaron poseer, de
manera general, una cantidad y calidad adecuada de ARN (masa media 7.83 µg y RIN
medio 2.01) para ser hibridadas en los microarrays Human Gene 2.0 ST y Almac-Xcel. A
pesar de que los valores de RIN se encuentran alrededor de 2, lo cual indica un ARN muy
degradado por la acción del formaldehído.
3.2. Prueba piloto de comparación de microarrays Human Gene 2.0 ST versus Almac
Xcel
Los análisis de calidad demostraron que ambos arrays eran adecuados para trabajar con
tejido parafinado. Sin embargo, con el Almac-Xcel se obtuvo una mayor cantidad de
genes diferencialmente expresados (N=266) respecto al Human Gene 2.0 ST (N=11). Entre
los genes diferencialmente expresados obtenidos con el Almac-Xcel se encontraron
múltiples genes codificantes para proteínas con funciones en la fisiología gastrointestinal
que se conoce están desreguladas en la MI, Ej. OLFM4, LYZ, CDH17, etc. 81. Los transcritos
de relevancia en la MI obtenidos con el Human Gene 2.0 ST se restringían a ATP4A/B
(ATPase, H+/K+ exchanging), GIF (gastric intrinsic factor) y PGA3 (pepsinogen 3), los
cuales a su vez estaban comprendidos en los resultados del Almac-Xcel. Con base en su
amplia cobertura y que el Almac Xcel es un array optimizado para tejido se decició por el
mismo para el análisis de muestras clínicas.
144
Resultados
Tabla 30. Medición de cantidad y calidad de las muestras de ARN usadas en la prueba piloto de comparación de microarrays
Human Gene 2.0 ST y Almac Xcel.
Tipo de MI al Extensión de MI Localización Fin de Infección c(ARN) A c(ADN)
Código Estatus c Sexo d RIN
reclutamiento a al reclutamiento b anatómica seguimiento por H. pylori (ng/µl) 260/280 (ng/µl) e
A1 No presenta No presenta Cuerpo Sanos Sanos SI H 593.35 2.1 2.1 7.5
A2 No presenta No presenta Cuerpo Sanos Sanos NO H 465.85 1.97 2.2 12
A3 No presenta No presenta Cuerpo Sanos Sanos NO M 487.25 2 2.2 9.8
A4 G1 E4 Antro CG intestinal MII-CG SI H 148.56 2.03 2.4 9.6
A5 G3 E4 Antro CG intestinal MII-CG SI M 304.0 2.02 2.4 7
A6 G3 E4 Antro CG mixto MII-CG NO H 918.74 2.06 2.4 10.3
a,b
Según se indica en apartado 3.1 de Materiales y Métodos.c Sanos: Mucosa gástrica sana, MII-CG: Metaplasia intestinal incompleta que
progresa a CG d H: Hombre, M: Mujer. e Concentración de ADN residual en la muestra de ARN.
Figura 27. Electroforesis de ARN total obtenido de muestras parafinadas en Bioanalyzer 2100 (Agilent, EUA).
145
Resultados
Tabla 31. Medición de cantidad y calidad de las muestras usadas en el microarray de expresión.
Extensión de
Diagnóstico al Localización Diagnóstico al final Años de c(ARN) c(ADN)
Código MI al Estatus d Sexo e Edad f RIN
reclutamiento a anatómica de seguimiento seguimiento c (ng/µl) (ng/µl) g
reclutamientob
A7 G4 E4 Antro CG intestinal 10 MII-CG M 52 198.7 2.4 3.5
A8 G4 E4 Antro stinalntestinaIntesti
CG intestinal 8.4 MII-CG H 69 199.5 2.5 6.8
A9 G4 E3 Antro nal Difuso
CG 7.7 MII-CG H 45 254.8 2.4 7.9
A10 G4 E3 Antro CG intestinal 2 MII-CG H 73 188 2.4 5.6
A11 G4 E3 Antro CG intestinal 1 MII-CG H 60 303.9 2.1 10
A12 G4 E3 Antro CG intestinal 11.8 MII-CG M 66 157.8 2.6 8.6
A13 G3 E4 Antro CG 13.4 MII-No CG H 53 38.7 2.1 1.3
A14 G4 E4 Antro MII 15 MII-No CG H 64 53.6 2.3 4.8
A15 G3-G4 E3-E4 Antro MII 11 MII-No CG M 64 144 2.6 <2
A16 G3-G4 E4 Antro MII ND MII-No CG H 64 29.7 NA 1.8
A17 G3-G4 E3-E4 Antro MII 14 MII-No CG H 65 114.8 1.3 14
A18 G3-G4 E4 Antro MII ND MII-No CG M 74 114.6 1.5 <2
A19 G3-G4 E4 Antro MII ND MII-No CG H 71 136.1 2.1 8.7
A20 G1 E4 Antro CG no cardias 2 MIC-CG H 57 378 2.3 3.26
A21 G1 E4 Cuerpo CG intestinal 8 MIC-CG H 57 183 2.4 <2
A22 G1 E4 Antro CG intestinal 1 MIC-CG H 44 286 2.3 <2
A23 G1 E4 Antro MIC 15.37 MIC-CG H 56 69.3 2.4 6.4
A24 G2 E4 Antro MIC 14 MIC-CG M 59.74 62.9 2.2 8.14
A25 G1 E4 Antro MIC 8.24 MIC-CG M 57 215.5 2.1 9.65
A26 G1 E4 Antro MIC 5.95 MIC-CG M 78 119.6 2 12.3
A27 G1 E4 Antro CG no cardias 6.2 MIC-CG H 76 356.63 2.2 11.3
A28 G1 E4 Transicional MIC 10.6 MIC-No CG H 67 110.9 2.6 <2
A29 G2 E4 Antro MIC 10.5 MIC-No CG H 63 38.2 2.4 1.5
A30 G2 E4 Transicional MIC 12.31 MIC-No CG H 74 50.7 2.4 <2
146
Resultados
Extensión de Diagnóstico al
Diagnóstico al Localización Años de c(ARN) c(ADN)
Código MI al final de Estatus d Sexo e Edad f RIN
reclutamiento a anatómica seguimiento c (ng/µl) (ng/µl) g
reclutamientob seguimiento
A31 G2 E4 Antro MIC 13 MIC-No CG H 56.98 104.9 2.4 <2
A32 G1 E4 Antro MII 14 MIC-No CG M 54 45.2 2.3 <2
A33 E4 G1 Antro MII 15 MIC-No CG H 57 98.6 2.5 12.5
A34 E4 G1 Antro MIC 18 MIC-No CG H 57 57.4 2.4 5.9
A35 E4 G1 Antro MIC 14 MIC-No CG H 62 67.7 2.2 6.3
A36 E4 G1 Antro MIC 15 MIC-No CG H 62 181 2.4 10.2
A37 -------- -------- Antro -------- -------- Sanos M 16 58 2.4 2.9
A38 -------- -------- Antro -------- -------- Sanos H 42 99.7 2.4 3.3
A39 -------- -------- Antro -------- -------- Sanos H 39 78.5 2 35.6
A40 -------- -------- Antro -------- -------- Sanos H 41 274 2.3 9.34
A41 -------- -------- Antro -------- -------- Sanos M 72 104 1.1 9.56
A42 -------- -------- Antro -------- -------- Sanos M 86 108 2.1 <2
A43 -------- -------- Antro -------- -------- Sanos M 18 77.4 2.2 <2
A44 -------- -------- Cuerpo -------- -------- Sanos H 27 139 2.3 3.79
A45 -------- -------- Antro -------- -------- Sanos H 68 111 1.6 3.25
A46 -------- -------- Antro -------- -------- Sanos M 31 244 2.2 12.3
A47 -------- -------- Antro -------- -------- Sanos M 19 476 2.4 5.47
A48 -------- -------- Cuerpo -------- -------- Sanos H 73 472 2.5 8.25
A49 -------- -------- Cuerpo -------- -------- Sanos M 58 409 2.4 3.96
A50 -------- -------- Antro -------- -------- Sanos M 11 286 2.3 2.9
A51 -------- -------- Cuerpo -------- -------- Sanos H 69 153 2.3 3.13
a
Tipos histológicos de MI (G1-G4) descritos en apartado 3.1 de Materiales y Métodos. b E3>50%, E4>75%: Extensión de la MI en la muestra. En el caso de que
existan dos diferentes en a ó b en la misma muestra se corresponden a los cortes inicial y final. c Se refiere al intervalo de tiempo entre el reclutamiento y el final de
seguimiento. d MII/MIC-CG: Muestra de MII o de MIC al reclutamiento que progresa a CG al final del seguimiento. MII/MIC-No CG son controles de MII y MIC que no
progresan a CG desde el reclutamiento hasta el final de seguimiento. e M: Mujer, H: Hombre. ND: No disponible. f Edad en el reclutamiento. g Concentración de ADN
residual en la muestra de ARN.
147
Resultados
3.3. Análisis estadísticos de los resultados del microarray
El dendrograma fue construido con los datos de expresión normalizados de cada

muestra, a partir de los cuales se calculó y graficó la distancia euclídea en el eje de
las ordenadas. El dendrograma muestra una evidente separación entre los controles
de mucosa gástrica sana y las metaplasias intestinales, sin embargo no existe
diferenciación entre las metaplasias intestinales que progresan a CG con respecto a
las que no progresan, constituyendo un grupo indivisible (Figura 28). Un resultado
similar se observa en los heatmaps de los grupos comparados (Figuras 29-31).
Figura 28. Dendrograma de todos los grupos analizados usando la distancia Average
y método Complete en el programa informático Combat. Leyenda: Indica
si la muestra progresa (MII-CG/MIC-CG) o no (MII-No CG/MIC-No CG) a
CG, o si proviene de mucosa gástrica sana (Sanos).
148
Resultados
Figura 29. Heatmap de la comparación MII-CG vs MII-No CG.
Figura 30. Heatmap de la comparación MIC-CG vs MIC-No CG.
149
Resultados
Figura 31. Heatmap de la comparación MI-No CG vs Sanos.
3.4. Genes diferencialmente expresados
Se analizaron los datos de expresión de 57 263 sondas con desviación estándar (DE)
<0.34 (30% de la DE global) de un total de 81 804, por lo que fueron eliminadas
24 541 sondas del análisis. El motivo de filtrar es eliminar las sondas que no se
expresan suficientemente, produciendo “ruido” al hacer el análisis estadístico. El
punto de corte escogido corresponde a las sondas que tienen una DE>30% del
resto, y esto corresponde a una DE de 0.34.
Los genes diferencialmente expresados entre los grupos analizados se reportan a

continuación. En los casos en que el mismo gen fuera significativo más de una vez
debido a sondas con la misma dirección de expresión (varias sobre-expresadas o
sub-expresadas) solo fue tenida en cuenta la de mayor valor de Fold Change. En los
casos de genes significativos más de una vez con un Fold Change de diferente
sentido (RHOA y KARS) ambos se muestran y en los casos en que una misma sonda
significativa hibrida en más de 1 transcrito (FAM133B/FAM133CP/FAM133DP),
todos se tuvieron en cuenta. Se eliminó del análisis las sondas que no se
encontraban anotadas a un gen específico o son marcos abiertos de lectura
(Ej. LOC100293977 y C10orf116). Los genes diferencialmente expresados se
identificaron a partir de las siguientes comparaciones:
150
Resultados
Metaplasia intestinal incompleta que progresa a cáncer gástrico (MII-CG) respecto a

la que no progresa (MII-No CG): Se encontraron 106 genes con diferencias
estadísticamente significativas por el p-valor nominal <0.05, no ajustado por FDR.
De los cuales 82 (77.3%) estan sobre-expresados (Fold Change>2.0) y 26 (22.7%)
están sub-expresados (0.5>Fold Change>0.26) en la MII-CG vs MII-No CG. El 54.7%
de los genes desregulados (N=58) también son significativos en la comparación
MII-CG vs Sanos y no lo son en MII-No CG vs Sanos, siendo estos los candidatos de
mayor interés (Figura 32, Tabla 32). Los genes RHOA y KARS presentan transcritos
regulados tanto positiva como negativamente. Según el p-valor ajustado por FDR no
se encuentran genes diferencialmente expresados. Los genes más sub-expresados
en la MII-CG son HLA-DRB1, RNU2-2, MME y MGAM, mientras que los más sobre-
expresados son GKN1-2, CXCL17, HLA-C y PGC (Tabla 32).
Figura 32. Diagrama de Venn que superpone los genes significativos en las
comparaciones relativas a la MII.
Metaplasia intestinal completa que progresa a cáncer gástrico (MIC-CG) respecto a

la que no progresa (MIC-No CG): En esta comparación se encontraron 19 genes
significativos (p<0.05), encontrándose la mayoría de los transcritos subexpresados
(N=11) en el grupo MIC-CG con respecto a MIC-No CG (Tabla 33). Los genes con
mayor sub-expresión son REG1B y GPR110, mientras que los mas sobre-expresados
son OLFM4, HLA-DRB1/HLA-DRB3/HLA-DRB5. El 52.6% (N=10) de los mismos
también son significativos en la comparación MIC-CG vs Sanos y no en
MIC-No CG vs Sanos, siendo los candidatos de mayor interés (Figura 33, Tabla 33).
Los genes IL1R2, CXCL17, IGHG1, IGHM e IGHV4-31 se encuentran sobre-expresados
en la MII-CG mientras que están sub-expresados en la MIC-CG. Los genes HLA-DRB1,
HLA-DRB3, HLA-DRB4 y HLA-DRB5 se encuentran sobre-expresados en ambos
grupos.
151
Resultados
Figura 33. Diagrama de Venn que superpone los genes significativos en las
comparaciones relativas a la MIC.
MI-CG vs MI-No CG: Al unir ambos subtipos histológicos de MI que progresan a CG y

comparar con respecto a los que no progresan se observaron solamente 10 genes
diferencialmente expresados, los cuales habían sido obtenidos en las
comparaciones anteriores con igual dirección de expresión (Tabla 34).
MI-No CG vs Mucosa gástrica sana: En esta comparación se identificaron 579 genes

con p-valor ajustado por FDR <0.05. Debido a la gran cantidad de resultados
biologicamente relevantes solo mostramos los 188 transcritos con un Fold Change
>3 (sobre-expresados) o <0.33 (sub-expresados) (Tabla anexa 2). Sin embargo es de
destacar que existen 579 transcritos diferencialmente expresados en la MI-No CG,
de los cuales 459 presentan un Fold Change ≥1 (sobre-expresados) y 120 un Fold
Change <1 (sub-expresados). Los genes con mayor sub-expresión en la MI-No CG
son la gastrina, somatostatina, pepsinógeno y gastrokinas 1-2. Por su parte, los más
sobre-expresados son REG4, CLCA1, OLFM4, APOB, ANPEP, ALDOB, FABP1, PRDM10
y DMBT1. En todas las comparaciones realizadas predominan los genes sobre-
expresados en los casos respecto a sus respectivos controles (Figura 34).
Genes diferencialmente expresados
600
Sobre-expresados
400 Sub-expresados
200
0
G
G
C
C
-C
II-
o
IC
I-N
M
Figura 34. Número de genes sobre y sub-expresados en los grupos analizados.
152
Resultados
Tabla 32. Genes diferencialmente expresados entre los grupos MII-CG vs MII-No CG.
Sign en Sign en MII- Candidatos
Fold Asociados con MI o
Símbolo del gen a Nombre del gen b p-valor c MII-CG vs No CG vs de mayor
Change CG d
Sanos e Sanos f interés g
HLA-DRB1 major histocompatibility complex, class II, DR beta 1 0.260 0.014 SI 195 SI NO SI
RNU2-2 RNA, U2 small nuclear 2 0.297 0.008 Nueva molécula SI NO SI
MME membrane metallo-endopeptidase 0.363 0.007 Nueva molécula NO SI NO
MGAM maltase-glucoamylase (alpha-glucosidase) 0.374 0.000 SI 196 NO SI NO
IK IK cytokine, down-regulator of HLA II 0.384 0.002 SI 192 SI NO SI
TMEM25 transmembrane protein 25 0.386 0.005 Nueva molécula NO SI NO
GSTA1 glutathione S-transferase alpha 1 0.386 0.029 SI 197 NO SI NO
PPIA Peptidylprolyl isomerase A (cyclophilin A) 0.393 0.027 SI 198 SI NO SI
KARS lysyl-tRNA synthetase 0.396 0.032 Nueva molécula NO NO SI
RHOA ras homolog family member A 0.398 0.000 SI 199 NO SI NO
CDKL3 cyclin-dependent kinase-like 3 0.403 0.000 Nueva molécula SI NO SI
TMEM236 transmembrane protein 236 0.409 0.001 Nueva molécula NO SI NO
RBP2 retinol binding protein 2, cellular 0.411 0.021 SI 200 SI SI NO
CP ceruloplasmin (ferroxidase) 0.412 0.040 SI 201 SI NO SI
GIP gastric inhibitory polypeptide 0.433 0.017 Nueva molécula SI SI NO
XPNPEP2 X-prolyl aminopeptidase (aminopeptidase P) 2, 0.442 0.020 Nueva molécula SI SI NO
GNAS membrane-bound
GNAS complex locus 0.445 0.009 SI 202 NO NO SI
SART3 squamous cell carcinoma antigen recognized by T 0.448 0.000 SI 203 NO NO SI
RBBP7 retinoblastoma
cells 3 binding protein 7 0,449 0.001 Nueva molécula SI NO SI
AQP10 aquaporin 10 0.465 0.014 Nueva molécula NO SI NO
SLC13A2 solute carrier family 13 (sodium-dependent 0.470 0.007 Nueva molécula SI SI NO
DNAJB7 dicarboxylate
DnaJ (Hsp40) homolog, subfamily transporter),
B, member 7 0.482 0.001 Nueva molécula NO SI NO
XDH member 2
xanthine dehydrogenase 0.486 0.006 Nueva molécula SI SI NO
DTNB dystrobrevin, beta 0.487 0.001 Nueva molécula NO NO SI
LCT lactase 0.493 0.002 Nueva molécula NO NO SI
153
Resultados

Change CG d
ATP1B3 ATPase, Na+/K+ transporting, beta 3 polypeptide 0.499 0.002 Nueva molécula SI SI NO
FAM133B/ family with sequence similarity 133, member B 2.001 0.004 Nueva molécula NO NO SI
FAM133CP/FAM133
DP
MORF4L1 mortality factor 4 like 1 2.006 0.016 Nueva molécula NO NO SI
CXCL14 chemokine (C-X-C motif) ligand 14 2.007 0.028 SI 204 NO NO SI
LAPTM5 lysosomal protein transmembrane 5 2.011 0.010 Nueva molécula NO NO SI
NUCB2 nucleobindin 2 2.013 0.003 SI 205 NO SI NO
RGS16 regulator of G-protein signaling 16 2.022 0.000 Nueva molécula NO NO SI
HIST2H3A / HIST2H3C / histone cluster 2, H3a, H3c, H3d 2.024 0.048 Nueva molécula NO NO SI
HIST2H3D
MYOF myoferlin 2.035 0.006 Nueva molécula SI NO SI
C1R complement component 1, r subcomponent 2.048 0.005 Nueva molécula NO NO SI
CCT6A chaperonin containing TCP1, subunit 6A (zeta 1) 2.053 0.002 Nueva molécula NO NO SI
ABCC5 ATP-binding cassette, sub-family C (CFTR/MRP), 2.056 0.013 SI 206 NO SI NO
HLA-A major
member histocompatibility
5 complex, class I, A 2.059 0.029 SI 207 SI NO SI
RPS6KA2 ribosomal protein S6 kinase, 90kDa, polypeptide 2 2.059 0.001 Nueva molécula NO NO SI
EIF5B eukaryotic translation initiation factor 5B 2.059 0.004 Nueva molécula NO NO SI
C1QBP complement component 1, q subcomponent binding 2.076 0.002 Nueva molécula SI NO SI
CTSB cathepsin
protein B 2.078 0.001 SI 208 NO NO SI
IGKC immunoglobulin kappa constant 2.089 0.014 SI 209 SI SI NO
UHMK1 U2AF homology motif (UHM) kinase 1 2.092 0.012 Nueva molécula NO NO SI
NOL7 nucleolar protein 7, 27kDa 2.095 0.001 Nueva molécula NO NO SI
MEGF6 multiple EGF-like-domains 6 2.104 0.000 Nueva molécula NO SI NO
SMNDC1 survival motor neuron domain containing 1 2.104 0.013 Nueva molécula SI NO SI
ZNF259 zinc finger protein 259 2.110 0.022 Nueva molécula SI NO SI
CANX calnexin 2.117 0.027 Nueva molécula SI NO SI
154
Resultados

Change CG d
TOMM22 translocase of outer mitochondrial membrane 22 2.120 0.012 Nueva molécula SI NO SI
CAV1 caveolin
homolog1, caveolae protein, 22kDa
(yeast) 2.144 0.000 SI 210 NO NO SI
CCDC144A coiled-coil domain containing 144A-C 2.148 0.014 Nueva molécula NO NO SI
/CCDC144B/
ANP32B acidic (leucine-rich) nuclear phosphoprotein 32 2.155 0.006 Nueva molécula NO NO SI
CCDC144C family, member B
RHOA ras homolog family member A 2.16 0.047 SI 199 NO SI NO
AFAP1-AS1 AFAP1 antisense RNA 1 (non-protein coding) 2.161 0.001 Nueva molécula SI SI NO
HLA-DQB1 major histocompatibility complex, class II, DQ beta 1 2.17 0.001 SI 211 SI NO SI
PI3 peptidase inhibitor 3, skin-derived 2.183 0.012 Nueva molécula SI SI NO
CD53 CD53 molecule 2.17 0.000 Nueva molécula SI NO SI
NHP2 NHP2 ribonucleoprotein homolog (yeast) 2.187 0.002 Nueva molécula NO NO SI
C3 complement component 3 2.193 0.020 Nueva molécula NO NO SI
CTBP2 C-terminal binding protein 2 2.204 0.007 relacionada
Nueva Clin
molécula NO NO SI
CRISPLD2 cysteine-rich secretory protein LCCL domain 2.208 0.003 Chim Acta. 2007
Nueva molécula NO NO SI
EIF3D eukaryotic
containing 2translation initiation factor 3, subunit D 2.211 0.003 Feb;377(1-2):119-
GNL3/SNORD19 guanine nucleotide binding protein-like 3 2.218 0.000 26.
CD24 CD24 molecule
(nucleolar) / 2.249 0.008 SI 212 SI NO SI
B
HLA-DRB4 major histocompatibility
small nucleolar RNA, C/Dcomplex,
box 19Bclass II, DR beta 4 2.25 0.024 SI 195 NO NO SI
ZNF146 zinc finger protein 146 2.264 0.000 Nueva molécula SI NO SI
PDCD5 programmed cell death 5 2.266 0.001 SI 213 NO NO SI
VSIG1 V-set and immunoglobulin domain containing 1 2.28 0.012 SI 214 NO SI NO
SLC1A4 solute carrier family 1 (glutamate/neutral amino 2.307 0.001 Nueva molécula SI NO SI
IL1R2 interleukin 1 receptor,
acid transporter), membertype4II 2.31 0.019 SI 103 NO NO SI
LYZ lysozyme 2.32 0.042 SI 81 NO SI NO
FABP5 /FABP5P3 fatty acid binding protein 5 (psoriasis-associated) 2.369 0.003 SI 214 NO SI NO
RAN RAN,
/ fattymember RAS oncogene
acid binding protein 5family
pseudogene 3 2.41 0.004 SI 215 NO NO SI
155
Resultados

Change CG d
HSP90AA1 heat shock protein 90kDa alpha (cytosolic), class A 2.412 0.000 SI 216 NO NO SI
CLU clusterin
member 1 2.469 0.016 SI 217 SI SI NO
ATP5A1 ATP synthase, H+ transporting, mitochondrial F1 1.304 0.016 Nueva molécula SI NO SI
HSP90AB1 complex,
heat shockalpha subunit
protein 90kDa1, alpha
cardiac(cytosolic),
muscle class B 2.479 0.003 SI 216 NO NO SI
ATP6V0E1 ATPase,
member 1 H+ transporting, lysosomal 9kDa, V0 subunit 2.488 0.005 Nueva molécula NO NO SI
GIF gastric
e1 intrinsic factor (vitamin B synthesis) 2.519 0.049 SI 218 NO SI NO
KARS lysyl-tRNA synthetase 2.542 0.019 Nueva molécula NO NO SI
IGHG1/ IGHG2/ IGHG3/ immunoglobulin heavy constant gamma 1 in heavy 2.670 0.011 SI 209 SI SI NO
IGHG4/IGHM/ IGHV4-31 constant gamma
BASP1 brain abundant, membrane attached signal protein 2.704 0.005 Nueva molécula NO SI NO
BPIFB1 1
BPI fold containing family B, member 1 2.866 0.009 Nueva molécula NO NO SI
DPCR1 diffuse panbronchiolitis critical region 1 1.519 0.024 SI NO SI NO
HLA-DQA1 major histocompatibility complex, class II, DQalpha1 3.182 0.024 Gastroenterology.
SI 219 SI NO SI
HLA-DRB1 /HLA- major histocompatibility complex, class II, DR beta 3.368 0.048
2010
SI 195 SI NO SI
DRB3/ HLA-DRB5 complex Jul;139(1):213-
220
LTF lactotransferrin 3.432 0.019 25.e3.
SI NO SI NO
221
GKN2 gastrokine 2 3.499 0.025 SI SI SI NO
CXCL17 chemokine (C-X-C motif) ligand 17 3.506 0.002 Nueva molécula NO SI NO
GKN1 gastrokine 1 3.834 0.038 SI 222 SI SI NO
HLA-C major histocompatibility complex, class I, C 4.417 0.011 SI 223 NO NO SI
PGC progastricsin (pepsinogen C) 5.004 0.002 SI 224 SI SI NO
a
En el caso de la existencia de más de 1 gen significa que la sonda reconoce varios transcritos. b Fold change es el promedio de expresión en MII-CG dividido
entre MII-No CG. Los genes están ordenados de menor a mayor por dicho valor. c p-valor resultante del t test moderado sin ser ajustado por comparaciones
múltiples. d Genes asociados con MI o CG en estudios de expresión génica, proteíca, de asociación genética, genómicos o funcionales. e Significación estadística
en la comparación MII-CG vs Sanos. f Significación estadística en la comparación MII-No CG vs Sanos. g Se refiere a aquellos genes de interés del diagrama de
Venn de la Figura 32.
156
Resultados
Tabla 33. Genes diferencialmente expresados entre los grupos MIC-CG vs MIC-No CG.
Sign en
Sign en Candidatos
a Fold c Asociados con MIC-No
Símbolo del gen Nombre del gen b p-valor MIC-CG vs de mayor
Change MI o CG d CG vs
Sanos e interés g
Sanos f
REG1B regenerating islet-derived 1 beta 0.421 0.011 SI 214 NO SI NO
GPR110 G protein-coupled receptor 110 0.440 0.015 Nueva molécula NO SI NO
CEACAM20 Carcinoembryonic antigen-related cell adhesion 0.461 0.046 Nueva molécula SI SI NO
molecule 20 similar 225
ANAPC5 anaphase promoting complex subunit 5 0.461 0.031 Nueva molécula NO NO SI
EPB41L3 erythrocyte membrane protein band 4.1-like 3 0.474 0.014 SI 226 NO SI NO
IL1R2 interleukin 1 receptor, type II 0.475 0.017 SI 102 SI NO SI
CXCL17 chemokine (C-X-C motif) ligand 17 0.484 0.038 Nueva molécula SI SI NO
IGHG1 / IGHM / IGHV4-31 immunoglobulin heavy constant gamma 1-4-31 0.493 0.014 SI 209 SI NO SI
PRSS1 protease, serine, 1 (trypsin 1) 0.495 0.033 Nueva molécula NO NO SI
HLA-DRB4 major histocompatibility complex, class II, DR 2.049 0.022 SI 195 NO NO SI
GP2 beta 4
glycoprotein 2 (zymogen granule membrane) 2.063 0.018 Nueva molécula SI NO SI
264
HOXA13 homeobox A13 2.076 0.028 SI SI NO SI
IGFBP5 insulin-like growth factor binding protein 5 2.127 0.004 Nueva molécula SI NO SI
OLFM4 olfactomedin 4 3.332 0.0002 SI 227 SI NO SI
HLA-DRB1 / HLA-DRB3 / major histocompatibility complex, class II, DR 3.475 0.021 SI 195 SI NO SI
HLA-DRB5 beta 1-5
a
En el caso de la existencia de más de 1 gen significa que la sonda reconoce varios transcritos. b Fold change es el promedio de expresión en MIC-CG
dividido entre MIC-No CG. Los genes están ordenados de menor a mayor por dicho valor. c p-valor resultante del t test moderado sin ser ajustado por
comparaciones múltiples. d Genes asociados con MI o CG en estudios de expresión génica, proteíca, de asociación genética, genómicos o funcionales
e
Significación estadística en la comparación MIC-CG vs Sanos. f Significación estadística en la comparación MIC-No CG vs Sanos. g Se refiere a aquellos
genes de interés del diagrama de Venn de la Figura 33.
157
Resultados
Tabla 34. Genes diferencialmente expresados entre los grupos MI-CG vs MI-No CG.
Fold d
Símbolo del gen a Nombre del gen b p-valor c Asociados con MI o CG
Change
HLA-DRB1 major histocompatibility complex, class II, DR beta 1 0.369 0.0052 SI 195
CEACAM20 Carcinoembryonic antigen-related cell adhesion molecule 20 0.457 0.0071 Nueva molécula
similar 225
REG1B regenerating islet-derived 1 beta 0.463 0.0026 SI 214
RBP2 retinol binding protein 2, cellular 0.480 0.0038 SI 200
HSP90AB1 heat shock protein 90kDa alpha (cytosolic), class B member 1 2.028 0.0005 SI 216
HLA-DRB4 major histocompatibility complex, class II, DR beta 4 1.09 0.0014 SI 195
OLFM4 olfactomedin 4 1.10 0.002 SI 227
HLA-DRB1/HLA-DRB3/HLA-DRB5 major histocompatibility complex, class II, DR beta 1-5 1.77 0.0025 SI 195
a b
///
EnLOC100507709 ///
el caso de la existencia de más de 1 gen significa que la sonda reconoce varios transcritos. Fold change es el promedio de expresión
en MI-CG dividido entre MI-No CG. Los genes están ordenados de menor a mayor por dicho valor. c p-valor resultante del t test
LOC100507714
moderado sin ser ajustado por comparaciones múltiples. d Genes asociados con MI o CG en estudios de expresión génica, proteíca, de
asociación genética, genómicos o funcionales.
158
Resultados
3.5. Análisis de enriquecimiento funcional
3.5.1. Gene Set Enrichment Analysis
A partir de los valores de expresión génica normalizados de todos los genes se

obtuvieron los conjuntos génicos (genesets) diferencialmente expresados en los
grupos que progresan a CG respecto a los que no progresan o a la mucosa sana,
comparando con los catálogos c2All.v.5 y c3.tft.v.5 de MiSigDB (apartado 3.7,
Materiales y Métodos). Solo se seleccionaron los conjuntos génicos con
plausibilidad biológica en la MI o la carcinogénesis gástrica; lo cual significa que en
algunos casos reflejan procesos moleculares previamente validados a nivel
experimental, como el rol de los oncogenes en la carcinogénesis 45.
Mediante la comparación con la base de datos c2All v5.0 se obtuvieron 144

conjuntos génicos significativamente (p-valor nominal <0.01 y q-valor FDR <0.05)
enriquecidos en el grupo MII-CG con respecto al MII-No CG, los cuales poseen
valores de Enrichment Score en el rango de 0.337-0.646 y están compuestos por
entre 16 y 491 genes (Tabla anexa 3). Sin embargo, en el grupo MIC-No CG solo se
encontraron dos conjuntos génicos significativamente sobre-expresados, los cuales
carecen de intéres en la patología estudiada, estos son:
reactome_olfactory_signaling_pathway (ES -0.497) y kegg_olfactory_transduction
(ES -0.448).
En el grupo MII-CG la mayor cantidad de conjuntos génicos sobre-expresados están

involucrados en procesos del ciclo y la proliferación celular (PI3 y MAP quinasas,
WNT, TGFB1 y factores de transcripción E2F), oncogenes (MYC, RAS, RHOA y MET),
supresores tumorales (TP53, RB1 y BRCA1/2), procesos de invasión y metastasis, e
inflamación. Mientras que otros procesos menos frecuentes son la adipogénesis,
presentación y procesamiento antigénico, apoptosis, angiogénesis, fosforilación
oxidativa, adhesión celular, degradación proteasomal, señalización insulínica,
respuesta al daño genómico, endocitosis y fagocitosis, cáncer de esófago,
degradación de ARNm por mecanismo NMD, respuesta a proteínas con incorrecto
plegamiento y cáncer gástrico (Tabla anexa 3). Con el objetivo de acotar esta
variedad de conjuntos génicos a los más relevantes se realizaron varios análisis.
Primero se eligieron los que poseen los mayores valores de enriquecimiento
(ES >0.5), representados por genes regulados por insulina, degradación proteica por
el proteasoma, oncogenes, adhesión celular, metabolismo lipídico, angiogénesis,
supresores tumorales, ciclo y proliferación celular, respuesta al daño genómico,
apoptosis, endocitosis o fagocitosis. Además, se eligieron los conjuntos con los
valores más extremos (mayores o menores) del parámetro Rank at max, el cual
representa la posición en la lista ranqueada de conjuntos en que se alcanza el valor
máximo de ES (Tabla 35) y un análisis de genes leading edge fue realizado.
159
Resultados
Cuando ambos tipos de metaplasias que no progresan a CG fueron agrupadas y

realizada una comparación respecto a la mucosa sana (MI-No CG vs Sanos) se
obtuvieron 103 conjuntos significativamente sobre-expresados en el grupo MI-No
CG (p-valor nominal <0.05 y q-valor FDR <0.25). Los mismos presentan valores de ES
entre 0.379 y 0.843, y se encuentran compuestos por entre 15 y 407 genes (Tabla
anexa 4). Los conjuntos génicos sobre-expresados más frecuentemente observados
representan a procesos fisiológicos alterados como un efecto Warburg no tumoral,
metabolismo lipídico, la inflamación, diferenciación intestinal y presentación y
procesamiento antigénico. Mientras que los menos frecuentes fueron la apoptosis,
oncogenes, proliferación celular, respuesta al daño genómico, supresores
tumorales, metabolismo de xenobióticos, invasión y metastasis, angiogénesis,
cáncer gástrico, reflujo gastroesofágico, glicosilación proteica aberrante, infección
por H. pylori, respuesta a proteínas con incorrecto plegamiento y fosforilación
oxidativa. No existe ninguna vía sub-expresada en la MI-No CG en comparación con
los sujetos sanos.
Los conjuntos génicos con mayor enriquecimiento (ES>0.65) en el grupo MI-No CG

pertenecen al metabolismo lipídico (ES 0.843, 0.748, 0.737, 0.683, 0.665),
procesamiento antigénico (0.789), diferenciación intestinal (ES 0.744, 0.738, 0.655),
efecto Warburg no tumoral (ES 0.724, 0.666, 0.651), apoptosis (0.718, 0.682),
glicosilación proteica aberrante (ES 0.716), respuesta ante el daño genómico
(ES 0.682, 0.671), metabolismo de xenobióticos (ES 0.673), infección por H. pylori
(ES 0.669), inflamación (ES 0.662) y respuesta a proteínas con plegamiento
aberrante (ES 0.667) (Tabla anexa 4). Los conjuntos génicos con los valores más
extremos de Rank at max se reportan en la tabla 36.
La inspección de los resultados de c3.tft.v5.0 en la MI-No CG muestra que existen

12 conjuntos génicos sobre-expresados de los factores de transcripción HNF1/4 y
GATA1/6, los cuales cooperan en la activación de la expresión de genes intestinales
en la MI 64.
Con el objetivo de validar nuestros resultados con el GSEA respecto a otros antes
publicados, datos de expresión génica por microarray depositados en GEO
(http://www.ncbi.nlm.nih.gov/gds, GSE47797), de metaplasia intestinal y mucosa
gástrica sana fueron comparados 186. En concordancia con nuestros resultados los
principales procesos biológicos sobre-expresados en la metaplasia intestinal
usando el catálogo c2All.v.5 fueron el efecto Warburg no tumoral (N=17),
metabolismo lipídico (N=15), diferenciación intestinal (N=6), ciclo y proliferación
celular (N=5), inflamación (N=5), supresores tumorales (N=4), cáncer gástrico (N=3),
glicosilación proteica aberrante (N=2), apoptosis (N=2), metabolismo de
xenobióticos (N=2) y respuesta al daño genómico (N=2). En el caso de C3All.v5.0
encontramos 6 conjuntos génicos sobre-expresados compuestos por factores
160
Resultados
transcripcionales nucleares hepáticos HNF1A y HNF4A. En ningún caso (C2All.v5.0,

C3All.v5.0) existían conjuntos génicos significativos en la mucosa sana.
Análisis de genes leading edge en la MII-CG y la MI-No CG

Otro análisis realizado para obtener los conjuntos génicos más relevantes sobre-
expresados en la MII-CG y MI-No CG fue la identificación de sus genes leading edge
(responsables de la señal de enriquecimiento), y se inspeccionó si entre los mismos
figuran al menos 3 genes sobre-expresados individualmente en la MII-CG o MI-No
CG (Tablas 37 y 38).
Otro tipo de resultado que se puede obtener a partir del análisis leading edge es el
de identificar cuales conjuntos génicos sobre-expresados en la MII-CG comparten
genes reflejando una función biológica común. En este sentido encontramos dos
núcleos (1 y 2) que comparten genes como evidencia la acumulación de color verde
de la figura 35. A continuación, los conjuntos génicos de dichos núcleos fueron
seleccionados y realizado nuevamente el mismo análisis leading edge (Figura 36)
para visualizar mejor a los mismos e identificar un proceso fisiológico común y los
genes leading edge responsables. Este análisis permitió conocer que el núcleo 1
está formado por conjuntos génicos con diversas funciones como regulación del
ciclo celular (N=5), procesamiento antigénico (N=5), apoptosis (N=2), degradación
proteasomal (N=3), fagocitosis (N=1), activación de la vía de señalización NFKB
(N=1), respuesta al daño del ADN mediada por TP53 (N=2) y autodegradación de
CDH1 (N=1) (Figura 36).
Los genes leading edge PSMA1/2/3/4/7, PSMB2/5, PSMC3/6, PSMD/8/11/14

comunes y sobre-expresados en todos los conjuntos codifican para componentes
del proteasoma. Otros genes también del proteasoma como PSMB1/3/4/7/9,
PSMC1/4/5, PSMD1/2/6/10/13, PSME1/4 y UBA52 son compartidos por entre el 90
y el 95% de todos los conjuntos (Figura 37). Se observa además un pequeño núcleo
(2) formado por conjuntos con funciones implicadas en la fosforilación oxidativa
(Figura 38), siendo los genes leading edge compartidos COX5A/6C/7A2L/7B/7C,
CYC1, NDUFA1/4-8, NDUFAB1, NDUFB1/2/4/6/8, NDUFC1, NDUFS3-6, NDUFV2,
UQCR11 y UQCRFS1. No se observó ningún núcleo con genes leading edge
compartidos en la MI-No CG.
161
Resultados
Tabla 35. Conjuntos génicos sobre-expresados en MII-CG con los valores más extremos del parámetro Rank at max.
p-valor q-valor Rank at
Conjuntos génicos Proceso funcional ES
nominal a FDR b max c
REACTOME_G_BETA_GAMMA_SIGNALLING_THROUGH_PI3KGAMMA Ciclo y Proliferación celular 0,593 0,007 0,024 895
BERENJENO_TRANSFORMED_BY_RHOA_FOREVER_DN Oncogenes 0,627 0,000 0,002 1908
YU_MYC_TARGETS_UP Oncogenes 0,512 0,003 0,016 2259
SCHOEN_NFKB_SIGNALING Inflamación 0,517 0,002 0,027 2552
PEDERSEN_METASTASIS_BY_ERBB2(her2)_ISOFORM_1 Invasión y metástasis 0,489 0,005 0,027 2804
CROONQUIST_NRAS_SIGNALING_UP Oncogenes 0,589 0,000 0,003 2872
SCIAN_CELL_CYCLE_TARGETS_OF_TP53_AND_TP73_DN Supresores tumorales 0,598 0,004 0,018 2879
SARTIPY_NORMAL_AT_INSULIN_RESISTANCE_UP Genes regulados por insulina 0,646 0,000 0,001 2898
ASTIER_INTEGRIN_SIGNALING Ciclo y Proliferación celular 0,449 0,003 0,031 3343
PEDERSEN_METASTASIS_BY_ERBB2_ISOFORM_4 Invasión y metástasis 0,419 0,000 0,023 3368
REN_BOUND_BY_E2F Ciclo y Proliferación celular 0,571 0,000 0,001 3374
ZHOU_CELL_CYCLE_GENES_IN_IR_RESPONSE_6HR Respuesta a daño genómico 0,423 0,003 0,032 3429
MARKEY_RB1_ACUTE_LOF_UP Supresores tumorales 0,369 0,000 0,037 3592
MARZEC_IL2_SIGNALING_UP Inflamación 0,437 0,000 0,016 3796
PID_INTEGRIN5_PATHWAY Adhesión celular 0,631 0,003 0,018 3850
LU_TUMOR_ANGIOGENESIS_UP Angiogénesis 0,564 0,002 0,034 3855
PHONG_TNF_RESPONSE_VIA_P38_PARTIAL Inflamación 0,366 0,002 0,050 3878
ZHOU_CELL_CYCLE_GENES_IN_IR_RESPONSE_24HR Respuesta a daño genómico 0,429 0,000 0,014 3976
WANG_TUMOR_INVASIVENESS_UP Invasión y metástasis 0,420 0,000 0,002 6767
ST_INTEGRIN_SIGNALING_PATHWAY Adhesión celular 0,398 0,006 0,048 6779
GOTZMANN_EPITHELIAL_TO_MESENCHYMAL_TRANSITION_DN Invasión y metástasis 0,375 0,000 0,026 6789
REACTOME_CELL_CYCLE_MITOTIC Ciclo y Proliferación celular 0,382 0,000 0,011 6864
KEGG_CELL_CYCLE Ciclo y Proliferación celular 0,419 0,000 0,018 6872
162
Resultados

THEILGAARD_NEUTROPHIL_AT_SKIN_WOUND_DN Inflamación 0,379 0,000 0,019 6872
WELCSH_BRCA1_TARGETS_UP Supresores tumorales 0,392 0,000 0,016 6907
WELCSH_BRCA1_TARGETS_DN Supresores tumorales 0,424 0,000 0,014 6946
CHANDRAN_METASTASIS_UP Invasión y metástasis 0,374 0,000 0,027 6995
APRELIKOVA_BRCA1_TARGETS Supresores tumorales 0,501 0,000 0,016 7075
KEGG_OXIDATIVE_PHOSPHORYLATION Fosforilación oxidativa 0,476 0,000 0,003 7229
ZHOU_TNF_SIGNALING_30MIN Inflamación 0,452 0,002 0,034 7334
KEGG_LYSOSOME Endocitosis o Fagocitosis 0,404 0,000 0,022 7368
REACTOME_NONSENSE_MEDIATED_DECAY_ENHANCED_BY_THE_EX Degradación de ARNm 0,455 0,000 0,009 7378
ON_JUNCTION_COMPLEX
REACTOME_RESPIRATORY_ELECTRON_TRANSPORT_ATP_SYNTHESIS_ Fosforilación oxidativa 0,511 0,000 0,002 7589
BY_CHEMIOSMOTIC_COUPLING_AND_HEAT_PRODUCTION_BY_UNC
REACTOME_TCA_CYCLE_AND_RESPIRATORY_ELECTRON_TRANSPORT Fosforilación oxidativa 0,473 0,000 0,003 7589
OUPLING_PROTEINS_
BURTON_ADIPOGENESIS_2 Metabolismo lipídico 0,440 0,000 0,023 7604
REACTOME_RESPIRATORY_ELECTRON_TRANSPORT Fosforilación oxidativa 0,517 0,000 0,003 8038
a
p-valor nominal de cada conjunto génico sin corregir por comparaciones múltiples. b p-valor resultante de la corrección para comparaciones
múltiples FDR (tasa de falsos positivos). c Posición en la lista ranqueada en la cual se obtiene el mayor valor de ES, los conjuntos génicos más
interesantes poseen Rank at max muy pequeño o muy grande.
163
Resultados
Tabla 36. Conjuntos génicos sobre-expresados en MI-No CG con los valores más extremos del parámetro Rank at max.
REACTOME_CHYLOMICRON_MEDIATED_LIPID_TRANSPORT Metabolismo lipídico 0,843 0,000 0,157 86
REACTOME_LIPOPROTEIN_METABOLISM Metabolismo lipídico 0,748 0,000 0,123 86
REACTOME_ABCA_TRANSPORTERS_IN_LIPID_HOMEOSTASIS Metabolismo lipídico 0,683 0,009 0,202 167
REACTOME_TERMINATION_OF_O_GLYCAN_BIOSYNTHESIS Glicosilación proteica aberrante 0,716 0,002 0,144 210
WANG_NEOPLASTIC_TRANSFORMATION_BY_CCND1_MYC Oncogenes 0,570 0,002 0,191 284
DAZARD_UV_RESPONSE_CLUSTER_G24 Respuesta a daño genómico 0,671 0,000 0,152 312
LIU_CDX2_TARGETS_UP Diferenciación intestinal 0,738 0,000 0,193 385
REACTOME_LIPID_DIGESTION_MOBILIZATION_AND_TRANSPORT Metabolismo lipídico 0,665 0,000 0,157 396
WOTTON_RUNX_TARGETS_DN Supresores tumorales 0,624 0,008 0,201 437
MOOTHA_GLUCONEOGENESIS Efecto Warburg no tumoral 0,651 0,000 0,168 527
MCMURRAY_TP53_HRAS_COOPERATION_RESPONSE_UP Supresores tumorales 0,533 0,022 0,241 633
GENTILE_UV_HIGH_DOSE_UP Respuesta a daño genómico 0,605 0,021 0,170 661
WANG_BARRETTS_ESOPHAGUS_UP Diferenciación intestinal 0,744 0,000 0,144 829
PID_IL8CXCR1_PATHWAY Inflamación 0,662 0,000 0,140 860
BAUS_TFF2_TARGETS_UP Procesamiento antigénico 0,789 0,000 0,167 952
PID_AMB2_NEUTROPHILS_PATHWAY Inflamación 0,498 0,014 0,241 1044
MURATA_VIRULENCE_OF_H_PILORI H.pylori 0,669 0,002 0,137 1081
KANNAN_TP53_TARGETS_UP Supresores tumorales 0,439 0,019 0,242 1165
KEGG_ETHER_LIPID_METABOLISM Metabolismo lipídico 0,532 0,029 0,246 1240
BROWN_MYELOID_CELL_DEVELOPMENT_UP Inflamación 0,422 0,014 0,240 4270
REACTOME_PHOSPHOLIPID_METABOLISM Metabolismo lipídico 0,425 0,002 0,161 4273
GENTILE_UV_LOW_DOSE_UP Respuesta a daño genómico 0,682 0,000 0,138 4283
AMIT_EGF_RESPONSE_120_HELA Proliferación celular 0,425 0,023 0,241 4300
ZUCCHI_METASTASIS_DN Invasión y metastasis 0,505 0,039 0,236 4466
REACTOME_RIP_MEDIATED_NFKB_ACTIVATION_VIA_DAI Inflamación 0,621 0,032 0,242 4586
REACTOME_TRAF6_MEDIATED_NFKB_ACTIVATION Inflamación 0,569 0,016 0,241 4586
164
Resultados

KEGG_BIOSYNTHESIS_OF_UNSATURATED_FATTY_ACIDS Metabolismo lipídico 0,630 0,019 0,200 4792
BIOCARTA_MITOCHONDRIA_PATHWAY Apoptosis 0,682 0,002 0,167 4809
KEGG_B_CELL_RECEPTOR_SIGNALING_PATHWAY Procesamiento antigénico 0,515 0,004 0,169 4873
NEMETH_INFLAMMATORY_RESPONSE_LPS_UP Inflamación 0,513 0,032 0,204 4873
KEGG_APOPTOSIS Apoptosis 0,492 0,000 0,138 4882
PID_P53DOWNSTREAMPATHWAY Supresores tumorales 0,429 0,004 0,158 4936
KEGG_T_CELL_RECEPTOR_SIGNALING_PATHWAY Procesamiento antigénico 0,436 0,004 0,159 5026
REACTOME_INTRINSIC_PATHWAY_FOR_APOPTOSIS Apoptosis 0,613 0,006 0,172 5120
ACOSTA_PROLIFERATION_INDEPENDENT_MYC_TARGETS_DN Oncogenes 0,395 0,020 0,199 5253
PID_IL12_2PATHWAY Inflamación 0,479 0,036 0,239 5464
PID_PDGFRBPATHWAY Angiogénesis 0,418 0,030 0,235 5748
REACTOME_TRAF6_MEDIATED_IRF7_ACTIVATION Inflamación 0,543 0,009 0,203 6196
DANG_MYC_TARGETS_DN Oncogenes 0,519 0,019 0,204 7011
a
p-valor nominal de cada conjunto génico sin corregir por comparaciones múltiples. b p-valor resultante de la corrección por comparaciones
múltiples FDR (tasa de falsos positivos). c Posición en la lista ranqueada en la cual se obtiene el mayor valor de ES, los conjuntos génicos más
interesantes poseén Rank at max muy pequeño o muy grande.
165
Resultados
Tabla 37. Conjuntos génicos compuestos por al menos 3 genes leading edge sobre-expresados en el grupo MII-CG.
Genes leading edge sobre-expresados en Rank at
Conjuntos génicos a Proceso funcional b ES c Nd
la MII-CG e max f
IGLESIAS_E2F_TARGETS_UP Ciclo y proliferación celular 0,418 76 CD53, HSP90AA1, MORF4L1, C3, RBBP7, 5813
LAPTM5
CHICAS_RB1_TARGETS_CONFLUENT Supresores tumorales 0,361 183 CLU, ATP6V0E1, CAV1, EIF5B, MYOF, C1R 4907
GOLDRATH_ANTIGEN_RESPONSE Presentación y procesamiento 0,42 171 HLA-A, C3, CD24, RAN 6476
antigénico
LABBE_WNT3A_TARGETS_UP Ciclo y proliferación celular 0,39 53 RBBP7, CAV1, FABP5, CD24 6333
CHICAS_RB1_TARGETS_GROWING Supresores tumorales 95 CLU, C1R, CAV1, FABP5 4697
ROME_INSULIN_TARGETS_INMUSCLE_UP Genes regulados por insulina 0,417 208 HLA-C, KARS, CCT6A 6051
BERENJENO_TRANSFORMED_BY_ Oncogenes 0,428 157 CAV, CD24, C1R 4980
RHOA_DN
REACTOME_CELL_CYCLE Ciclo y proliferación celular 0,355 149 NHP2, HSP90AA1, RBBP7 5615
SANA_TNF_SIGNALING_DN Inflamación 0,417 32 ATP5A1, CLU, MYOF 5458
MENSSEN_MYC_TARGETS Oncogenes 0,615 30 HSP90AB1, C1QBP, HSP90AA1 5289
HEDENFALK_BREAST_CANCERBRCA1_VS_ Supresores tumorales 0,424 67 PDCD5, CCT6A, FABP5 5652
BRCA2
ALONSO_METASTASIS_UP Invasión y metástasis 0,477 88 NHP2, CAV1, RAN 5250
,
WANG_ESOPHAGUS_CANCER_VS_NORM Cáncer de esófago 0,477 56 HLA-A, C1R, LAPTM5 5578
a
AL_UP
Conjuntos génicos sobre-expresados en la MII-CG ordenados decrecientemente por el número de genes leading edge sobre-expresados en la
MII-CG. b Proceso funcional al que pertenecen los conjuntos génicos. c Enrichment score. d Número de genes leading edge que componen el
conjunto génico. e Genes leading edge que a su ves están sobre-expresados en la MII-CG. f Posición en la lista ranqueada en la cual se obtiene el
mayor valor de ES, los conjuntos génicos más interesantes poseén Rank at max muy pequeño o muy grande.
166
Resultados
Tabla 38. Conjuntos génicos compuestos por al menos 3 genes leading edge sobre-expresados en el grupo MI-No CG.
Genes leading edge sobre-expresados en la Rank at
MII-CG e max f
BILD_HRAS_ONCOGENIC_SIGNATURE Oncogenes 0,392 54 TRIB1, ELOVL7, AGPAT9, ACOT7, FGFBP1, PI3, 2504
CXCL1, SLC25A37, SERPINB5, TBX3, LYN, CD55,
NT5E, TMEM45B, GK
VECCHI_GASTRIC_CANCER_EARLY_UP Cáncer Gástrico 0,508 133 ACAA2, LAPTM4B, RAD18, CDH3, EPPK1, CASC5, 4205
MACC1, OVOL1, TRIM31, CLDN3, CAMK2N1,
VECCHI_GASTRIC_CANCER_ADVANCED_VS Cáncer Gástrico 0,614 59 CDH17
ATP10B, FAM3D, CLDN15, BTNL8, CFTR, REEP6, 2735
EARLY_DN CLRN3, DHRS11, TM4SF20, GPA33, REG3A
KEGG_DRUG_METABOLISM_OTHER_ Metabolismo de 0,673 12 UGT2B7, NAT2, TPMT, UGT2A3, UGT1A6, UGT1A7, 1348
ENZYMES xenobióticos CDA, CES2, CYP3A4
OHGUCHI_LIVER_HNF4A_TARGETS_DN Diferenciación intestinal 0,605 36 CFI, NLRP6, SULT1B1, SLC30A10, SLC3A1, S100A10, 1356
ETHE1, HSD17B2, MTTP
BAUS_TFF2_TARGETS_UP Procesamiento antigénico 0,789 11 IGHM, RBP2, DGKA, TFF3, ITLN1, ABCG2, ZG16, 952
APOA4
BROWN_MYELOID_CELL_ Inflamación 0,422 52 UGT2B17, HEBP1, CLDN1, CCND2, CEACAM1, XDH, 4270
DEVELOPMENT_UP GLRX, ANPEP
LABBE_TARGETS_OF_TGFB1_AND_WNT3A Proliferación celular 0,450 30 TPK1, TFRC, LGALS4, SLC30A4, HNF4A, VIL1, VNN1, 2919
_DN SERPINA1
ALCALA_APOPTOSIS Apoptosis 0,524 30 GPI, MTCH2,CASP1, HADHA, QPRT, ATP1A1 3103
KEGG_ARGININE_AND_PROLINE_ Efecto Warburg no 0,605 16 NAGS, MAOB, PRODH, AGMAT, OAT, ABP1 1415
METABOLISM tumoral
SERVITJA_ISLET_HNF1A_TARGETS_DN Diferenciación intestinal 0,515 35 NR1H4, CDHR2, RNF186, MTMR11, TM4SF4, ACE2 1707
REACTOME_AMINO_ACID_AND_ Efecto Warburg no 0,618 13 SLC15A2, SLC6A20, SLC1A1, SLC15A1, SLC7A9, 1480
OLIGOPEPTIDE_SLC_TRANSPORTERS tumoral SLC6A19
167
Resultados
Genes leading edge sobre-expresados en la Rank at

MII-CG e max f
KEGG_ALANINE_ASPARTATE_AND_ Efecto Warburg no 0,563 8 GPT, ASS1, GLS, ACY3, CPS1 2144
GLUTAMATE_METABOLISM tumoral
REACTOME_METABOLISM_OF_ Efecto Warburg no 0,379 59 CHST5, B3GNT7, CHST6, SLC2A5, SLC5A1 3526
CARBOHYDRATES tumoral
REACTOME_O_LINKED_ Glicosilación proteica 0,565 17 GCNT3, MUC4, MUC13, MUC12, MUC17 2594
GLYCOSYLATION_OF_MUCINS aberrante
ACOSTA_PROLIFERATION_ INDEPENDENT Oncogenes 0,395 44 SLCO2B1, ARL4A, IRF4, MPP1 5253
MYC_TARGETS_DN
AUNG_GASTRIC_CANCER Cáncer Gástrico 0,566 12 DEFA6, DEFA5, REG4, OLFM4 2619
KEGG_CHEMOKINE_SIGNALING_PATHWAY Inflamación 0,389 46 PLCB3, CCL24, CCL15, CCL25 3524
KEGG_CITRATE_CYCLE_TCA_CYCLE Efecto Warburg no 0,643 16 SUCLG1, IDH3A, PCK1, PCK2 2846
tumoral
KEGG_GLYCOLYSIS_GLUCONEOGENESIS Efecto Warburg no 0,511 12 GALM, ADH6, LDHA, ALDOB 1249
tumoral
LIU_CDX2_TARGETS_UP Diferenciación intestinal 0,738 9 KRT20, CDX1, HEPH, MUC2 385
REACTOME_PHASE_II_CONJUGATION Metabolismo de 0,647 20 SULT1A1, NAT1, GSTA1, SULT1E1 2050
xenobióticos
TRANSPORT_OF_GLUCOSE_AND_OTHER_S Efecto Warburg no 0,492 18 SLC22A18, SLC39A4, SLC39A5, SLC13A2 1446
UGARS_BILE_SALTS_AND_ORGANIC_ACIDS tumoral
_METAL_IONS_AND_AMINE_COMPOUNDS
KEGG_ETHER_LIPID_METABOLISM Metabolismo lipídico 0,532 4 PLA2G12B, PLD1, PLA2G2A 1240
KEGG_GLYCEROLIPID_METABOLISM Metabolismo lipídico 0,543 11 DGAT1, DGKQ, DAK 1926
LUCAS_HNF4A_TARGETS_UP Diferenciación intestinal 0,601 17 ATP7B, CALML4, CIDEB 1688
a
Conjuntos génicos sobre-expresados en la MII-CG ordenados decrecientemente por el número de genes leading edge sobre-expresados en la
MII-CG. b Proceso funcional al que pertenecen los conjuntos génicos. c Enrichment score. d Número de genes leading edge que componen el
conjunto génico. e Genes leading edge que a su ves están sobre-expresados en la MII-CG. f Posición en la lista ranqueada en la cual se obtiene el
mayor valor de ES, los conjuntos génicos más interesantes poseén Rank at max muy pequeño o muy grande.
168
Resultados
Figura 35. Análisis de genes leading edge realizado con todos los conjuntos génicos
sobre-expresados en MII-CG. La acumulación de color verde indica que
los conjuntos génicos comparten genes leading edge.
Figura 36. Subanálisis de genes leading edge del núcleo 1 (degradación

proteasomal).
169
Resultados
Figura 37. Heat map de los genes leading edge del núcleo 1 de la figura 35. Los
colores rosado y rojo indican sobre-expresión génica.
Figura 38. Subanálisis de genes leading edge del núcleo 2 (fosforilación oxidativa)
de la figura 35.
170
Resultados
3.5.2. Ingenuity Pathway Analysis
Con el objetivo de identificar las vías canónicas de señalización celular y redes

moleculares a partir solamente de los genes diferencialmente expresados en los
grupos MII-CG, MIC-CG y MI-No CG se empleó el programa IPA (Tabla 39). De entre
todos los resultados significativos se seleccionaron solamente las vías relacionadas
con la MI o la carcinogénesis. Todas contienen a moléculas HLA clase I y II sobre-
expresadas, facilitando el procesamiento antigénico (Figura 39). A diferencia del
análisis GSEA, el IPA muestra varias vías sobre-expresadas que son comúnes a la
MII-CG y a la MIC-CG como presentación antigénica, señalización de TNFRSF4
(OX40), comunicación entre células innatas y adaptativas, enfermedad tiroidea
autoinmune y maduración del fagosoma (Tabla 39). La presentación antigénica,
maduración del fagosoma (fagocitosis en MII-CG), maduración de células
dendríticas y metabolismo de xenobióticos (MI-No CG) son vías que también se
obtuvieron en el análisis con el GSEA.
Debido a la pequeña cantidad de genes diferencialmente expresados en la MIC-CG,

las vías sobre-expresadas en este grupo estan compuestas por un número reducido
de moléculas (Figura 39B) y una menor significación estadística en comparación con
la MII-CG (Tabla 39), sugiriendo indirectamente como en el análisis GSEA que a nivel
molecular la MII confiere un mayor riesgo de progresión a CG respecto a la MIC 93.
Las vías más frecuentes en MI-No CG implican al metabolismo de xenobióticos y sus
componentes receptores FXR, PXR, LXR, RXR.
El IPA también genera información de funciones moleculares, en el grupo MII-CG se

evidencia la proliferación celular, lo cual está en concordancia con los resultados
obtenidos con el GSEA, en los que se observa una gran cantidad de vías formadas
por oncogenes y moléculas señalizadoras del ciclo y la proliferación celular. En
todos los grupos predominan las enfermedades inflamatorias y gastrointestinales,
lo cual concuerda con el hecho de que el principal factor de riesgo de la MI es la
infección por H. pylori.
El IPA construyó redes moleculares de alto score a partir de los genes

diferencialmente expresados. En la figura 40 se muestran las que poseen los
mayores scores. La red molecular con mayor score en la MII-CG esta compuesta por
efectores de la respuesta inmune como moléculas HLA clase I (HLA-A, HLA-C) y II
(DQB1, DRB1), el receptor de citoquina IL1R2 y el componente de inmunoglobulinas
IGHM (Figura 40A). Debido a la pequeña cantidad de genes significativos en la
MIC-CG, en esta última no se obtiene ninguna red de alta puntuación.
171
Resultados
Tabla 39. Vías canónicas desreguladas e información funcional obtenida en el IPA.

Reguladores Funciones moleculares y
Comparación Vías canónicas p-valor Enfermedades
upstream celulares
MII-CG vs MII-No CG Presentación antigénica 3,15E-10 HOXC11 -Inmunológicas -Proliferación celular
MII-CG vs MII-No CG Señalización de TNFRSF4 (OX40) 3,27E-09 RAD21 -Del tejido conectivo -Muerte y sobrevivencia
MII-CG vs MII-No CG Enfermedad tiroidea autoinmune 1,66E-08 EBI3 NLRC5 celular
SMC3
-Inflamatorias -Movimiento celular
MII-CG vs MII-No CG Desarrollo de células B 1,51E-07 -Musculares y -Desarrollo celular
MII-CG vs MII-No CG Maduración del fagosoma 6,03E-02 esqueléticas -Señalización e interacción
MII-CG vs MII-No CG Comunicación entre células innatas y 8.11E-02 -Del desarrollo célula-célula
adaptativas
MIC-CG vs MIC-No CG Comunicación entre células innatas y 3,14E-05 LGALS3 -Endocrinas -Señalización e interacción
adaptativas LHCGR MYBL2 -Gastrointestinales célula-célula
MIC-CG vs MIC-No CG Maduración de células dendríticas 3,22E-04 mir-296 -Movimiento celular
CHI3L1
-Inmunológicas -Muerte y sobrevivencia
MIC-CG vs MIC-No CG Presentación antigénica 3,98E-04 -Inflamatorias celular
MIC-CG vs MIC-No CG Señalización de TNFRSF4 (OX40) 3,13E00 -Del desarrollo -Ciclo celular
MIC-CG vs MIC-No CG Interacción e/ células dendríticas y NK 2,3E-02 -Ensamblaje y organización
MIC-CG vs MIC-No CG Maduración del fagosoma 1,72E-02 celular
MIC-CG vs MIC-No CG Señalización de enfermedad tiroidea 1.53E00
autoinmune
MI-No CG vs Sanos Activación de FXR/RXRG 1.43E-08 HNF4A -Endocrinas - Movimiento celular
MI-No CG vs Sanos Activación de PXR/RXRG 1,34E-07 HNRNPA2B1 -Metabólicas - Muerte y sobrevivencia
MI-No CG vs Sanos Inhibición por LPS/IL1 de RXRG 1.43E-08 HNF1A celular
CTNBB1
-Gastrointestinales -Metabolismo lipídico
MI-No CG vs Sanos Desarrollo de células B 3.4E-04 -Hepáticas
SREBF1 -Transporte molecular
MI-No CG vs Sanos Degradación de melatonina 2,09E-01 -Cardiovasculares -Bioquímica de moléculas
MI-No CG vs Sanos Degradación de melatonina 2,08E-01 pequeñas, drogas y
MI-No CG vs Sanos Metabolismo de hormona tiroidea 1,28E-07 aminoácidos
MI-No CG vs Sanos Hematopoiesis desde células madres 7,29E-02
MI-No CG vs Sanos puripotentes
Activación de LXR/RXR 9,32E-02
172
Resultados
Figura 39. Esquemas de las vías canónicas presentación y procesamiento antigénico sobre-expresada en los grupos MII-CG (A) y MIC-CG
(B) obtenidas con el programa Ingenuity Pathway Analysis. Las moléculas en colores rojo y verde se encuentran sobre y sub-
expresadas, respectivamente.
173
Resultados 174
Resultados
Figura 40. Redes de alto score IPA de las comparaciones MII-CG vs MII-No CG (A-B) y MI-No CG vs Sanos (C). La intensidad del color en los
nodos indica el grado de expresión: verde sub-expresado, rojo sobre-expresado y sin color no tiene diferencia de expresión. La
longitud de las líneas discontinuas refleja la evidencia en la literatura en la relación entre moléculas. Las líneas no discontinuas
indican interacción proteína-proteína. Las flechas indican la dirección de asociación.
175
Resultados
La red molecular con mayor score (44) en el grupo MI-No CG contiene a varias
moléculas del metabolismo lipídico como APOA4, APOB, APOC3, APOA1, FABP1/2
MTTP y HNF4A, sobre-expresadas en la MI-No CG y que son componentes de los
conjuntos génicos significativos del GSEA (Tabla 40, Figura 40C). El factor de
transcripción de hepatocitos HNF4A, con un rol en el desarrollo intestinal, esta
sobre-expresado en los datos e interactúa con varias lipoproteínas, siendo un nodo
de esta red molecular y quizás responsable del incremento del metabolismo lipídico
anteriormente mencionado.
3.5.3. Análisis de ontología génica
El análisis de enriquecimiento de ontología génica de los genes diferencialmente

expresados en las categorías de procesos biológicos, funciones moleculares y
componentes celulares con validación experimental nos permitió corroborar
diversos resultados previos de IPA y GSEA de procesos funcionales en cada uno de
los grupos estudiados (Tabla 41). Por ejemplo, el rol del metabolismo lipídico en el
grupo MI-No CG se confirma ya que es una de las funciones moleculares obtenidas.
176
Resultados
Tabla 40. Redes moleculares obtenidas en el IPA para las comparaciones MII-CG vs MII-No CG y MI-No CG vs Sanos.
Comúnes
Redes moleculares Comparación Score Moléculas centrales (Fold Change) a
con GSEA b
Enfermedades del tejido MII-CG vs MII- 39 Sobre-expresadas: HLA-DQB1, IL1R2, HLA-C, HLA-A, CANX, IGHM, CD24, HLA-A, CD24,
conectivo, enfermedades No CG CAV1, HSP90AA1, C3, CTSB, UHMK1, CLU, PDCD5, LTF, FABP, HLA-DRB1, C3, LTF
inflamatorias, esqueléticas y RHOA
musculares Sub-expresadas: MME, HLA-DRB1, RHOA, GNAS, ATP1B3
Señalización e interacción MII-CG vs MII- 16 Sobre-expresadas: CXCL14, MORF4L1, PI3, RGS16, HLA-DQA1, HLA-DRB4, NUCB2
celular, desarrollo del No CG CRISPLD2, NUCB2, RPS6KA2
sistema hematológico, Sub-expresadas: RBBP7, GSTA1
respuesta inmune humoral
Muerte y sobrevivencia MII-CG vs MII- 16 Sobre-expresadas: CCDC144B, C1R, HLA-DRB3, IGHG1, ANP32B, GNL3, C1R, ANP32B
celular, enfermedad No CG LYZ
inmunológica y metabólica Sub-expresadas: RBP2, DNAJB7, CP, GIP
Cáncer, daño orgánico, MIC-CG vs 5 No son redes de alto score (>15)
muerte y sobrevivencia MIC-No CG
Respuesta
celular anti-microbiana, MIC-CG vs 3 No son redes de alto score (>15)
inflamatoria, señalización e MIC-No CG
interacción celular
Respuesta inflamatoria, MIC-CG vs 3 No son redes de alto score (>15)
desarrollo tisular y MIC-No CG
morfología celular
177
Resultados
Comúnes
Redes Comparación Score Moléculas centrales a
con GSEA b
Metabolismo lipídico, MI-No CG vs 44 Sobre-expresadas: ABCC2, ABCG5, ABCG8, APOA1, APOA4, APOB, APOC3, ABCC2,
Transporte molecular, Sanos CDX1, CREB3L3, CYP3A4, DGKA, DMBT1, F3, FABP1, FABP2, FUT6, HNF4A, APOA4,
Bioquímica de moléculas
HNF4G, MME, MTTP, MUC4, NMUR2, NR1H4, NR1I2, RBP2, CDX1,
pequeñas
SLC2A5,SLC52A1,TNFRSF11A,TPMT FABP1,
FABP2,
Sub-expresadas: FOXA2, TIMP3 HNF4A,
MUC4,
Muerte y sobrevivencia MI-No CG vs 41 Sobre-expresadas: ACHE, ACSL5, ANXA2, CASP1, CD55, CEACAM1, CIDEB, CASP1,
TPMT, CD55,
cellular, Desarrollo y function Sanos CIDEC, CYCS, CYP4F3, EPHX2, GPRC5A, HMOX1, IL32, IL2RG,PRODH, MDK, CEACAM1,
CYP3A4,
del sistema digestivo,
PFKFB2, PIGR, S100A10, SERPINB5, TFF3, TRIB1, VDR TRIB1,
NR1H4,
Morfología de organos
Sub-expresadas: CCKAR, CSTA, MAL, CXCL1, DGKD, GAST CXCL1,
DGKA, RBP2,
EPHX2,
SLC2A5
PRODH,
Cáncer, daño y MI-No CG vs 37 Sobre-expresadas: PSMD1, ARL4A, ATP1B3, ATP7B, CCND2, CDKN1A, SERPINB5,
----------
anormalidades a nivel de Sanos CLDN1, COL17A1, DEFA5, EPCAM, GCG, HSD17B2, IgG e IgM, LGALS3, S100A10,
organism, Ciclo celular
LYN, MSLN, NT5E, SERPINA1, SLAMF7, SLC39A4, TFRC, TOP1 TFF3
Sub-expresadas: ALDH3A1, CLU, FABP5, GPR64, MUC6, SLC29A1

a
Moléculas sobre y sub-expresadas que interactúan con otras y sus niveles de expresión (Fold Change). b Moléculas centrales de las redes
construidas por el IPA que a su vez son componentes de los conjuntos génicos obtenidos con el GSEA.
178
Resultados
Tabla 41. Resultados del análisis de ontología génica en las comparaciones de estudio.
Comparación Procesos Biológicos Funciones Moleculares Componentes Celulares

MII-CG vs MII-No CG Presentación y procesamiento antigénico de Unión de antígenos (p=9.77E-04) Complejo MHC (p=2.35E-08), orgánulos y
péptidos o polisacáridos vía MHC clase II vesículas extracelulares (p=1.55E-04), exosoma
(p=6.59E-06). Respuesta inmune humoral extracelular (p=5.56E-13), membrana del
(p-valor=2.02E-04). endosoma tardio (p=4.77E-03), vesículas unidas
a membrana (p=4.56E-12)
MIC-CG vs MIC-No Presentación y procesamiento antigénico de No clasificado Complejo MHC (p=9.88E-08), membranas del
CG péptidos o polisacáridos vía MHC clase II endosoma tardio (p=4.73E-06), lisosoma
(p=7.36E-06). Respuesta de defensa celular (p=5.88E-03), vacuola (p=7.38E-03)
(p=9.06E-03)
MI-No CG vs Sanos Metabolismo de: flavonoides (p=4.82E-07), UDP-glucoronosil transferasa (p=1.32E- Complejo MHC (p=2.35E-08), región
glucuronidación (p=4.35E-09), ácido 07),unión a ácidos nucleicos (p=4.64E-05), extracelular (p=7.77E-04), complejos proteicos
urónico (p=4.35E-09), glucuronato UDP-glicosil transferasa (p=6.97E-04), (p=6.38E-03) y macromoleculares (p=6.38E-03),
(p=4.35E-09), xenobióticos (p=5.17E-08), unión de iones(p=1.24E-06), membranas del retículo endoplásmático y
monosacáridos (p=2.88E-07), carbohidratos transferencia de grupos glicosilo nuclear externa (p=1.82E-03), complejos
(p=2.98E-06), moléculas pequeñas (p=7.41E-03), actividad sulfo transferasa proteicos (p=6.38E-03) y macromoleculares
(p=1.55E-04). Homeostasis del colesterol (p=1.17E-02), unión de ácidos carboxílicos (p=3.82E-03), matriz extracelular (p=4.88E-02)
(p=2.03E-02), esterol (p=2.03E-02) y lípidos (p=2.01E-03), transportadores de
(p=2.59E-02). Metabolismo de lípidos colesterol y esterol (p=2.01E-03), unión a
(p=6.83E-08) y ácidos grasos (p=1.55E-02) lípidos (p=1.13E-02)
179
Resultados
3.6. Validación de la expresión génica por qRT-PCR
El método de la qRT-PCR se escogió como una técnica alternativa para intentar

validar las diferencias significativas entre casos y controles de 37 genes
diferencialmente expresados en el microarray de expresión, así como de 3 genes de
la familia Schlafen entre los que se encuentra Schlafen5. Además, se escogieron 5
genes de referencia para normalizar los resultados de expresión basados en
reportes específicos de tejidos gástricos 187. Específicamente, fueron seleccionados
19 genes diferencialmente expresados en la MII-CG, 3 en la MIC-CG y 18 en la MI-
No CG, entre los cuales existen 3 genes compartidos.
El análisis del array de expresión por qRT-PCR en la plataforma Biomark HD 96x96

(Fluidigm, EUA) indicó que solamente el 50.98% de las reacciones (Figura 41) tenían
calidad suficiente para ser analizadas estadísticamente; según el criterio Quality
Threshold >0.3 del programa Fluidigm Real-Time PCR Analysis v4.0.1 que busca un
equilibrio entre la fiabilidad de los resultados y el número de datos disponibles,
teniendo en cuenta que valores mayores de Quality Threshold son más restrictivos y
muchas muestras son perdidas del análisis. Se atribuye el alto fallo técnico al hecho
de que el ARN proviene de muestras parafinadas viejas (media de 16.4 años de
antigüedad) con un elevado grado de degradación (RIN≈2). De todos los genes de
referencia escogidos, ACTB no evidenció diferencias significativas en los valores de
Ct entre los grupos MI-CG vs MI-No CG vs Sanos por lo que fue seleccionado como
el mejor (Tabla 42 y Figura 42). El gen GAPDH tampoco mostraba diferencias
estadísticas entre MI-CG vs MI-No CG; sin embargo, no se disponía de los datos del
mismo en controles sanos. Los experimentos con G6PD fallaron en la mayoría de las
muestras del grupo MI-No CG.
Figura 41. Heatmap de la qRT-PCR en la plataforma Biomark HD 96x96 (Fluidigm, EUA).
180
Resultados
Tabla 42. Resultados de prueba ANOVA de los genes de referencia en los grupos
MI-CG, MI-No CG y controles sanos.
Gen de
Comparación ANOVA Observaciones
referencia
RPL29 MI-CG vs MI-No CG < 0.0001
RPL29 MI-CG vs MI-No CG vs Sanos < 0.0001
B2M MI-CG vs MI-No CG < 0.0001
B2M MI-CG vs MI-No CG vs Sanos < 0.0001
G6PD Casos MI-CG vs Sanos 0.2023 Falló en MI-No CG
GAPDH Casos MI-CG vs MI-No CG 0.6617 Falló en controles sanos
ACTB MI-CG vs MI-No CG 0.4478 Gen escogido
ACTB MI-CG vs MI-No CG vs Sanos 0.3946 Gen escogido
Ct de ACTB Casos y Controles
40
30
20
10
0
M oC 1
M o 2
n 4
I- 1
I- 2
I-C 3
I- 4
I-C 5
M MI- G6
M No G7
o G3
no 1
s2
G
I-N G
Sa CG
M G
M CG
M CG
M G
M CG
Sa os
I-N C
I-N C
I-C
I- C
M
Figura 42. Gráfico de cajas de los valores de Ct del gen ACTB en las muestras
analizadas de los grupos MI-CG, MI-No CG y Sanos.
A continuación, se eliminaron los valores extremos de Ct, se calculó la media de Ct

(debido a que el chip duplica las muestras) y dCt de los genes de interés respecto al
gen de referencia ACTB (dCt=Ct GenX-Ct ACTB), se eliminaron los valores extremos
de dCt y se aplicó la fórmula 2-Media dCt. Las diferencias estadísticamente significativas
de expresión génica fueron determinadas a partir de los valores de la relación
2-dCt(Casos)/2-dCt (Controles)
introducidos en el programa Bootsratio
(http://regstattools.net/br). Casos son los grupos MII-CG, MIC-CG y MI-No CG,
mientras que controles son MII-No CG, MIC-No CG y Sanos respectivamente.
El resultado del test de permutaciones realizado para determinar la significación

estadística muestra que 27 genes de los 37 evaluados por qRT-PCR están
diferencialmente expresados en los grupos MII-CG vs MII-No CG y MI-No CG vs
181
Resultados
Sanos en los resultados de qRT-PCR (Tabla 43 y Figura 43). Sin embargo en solo 21
de ellos fue validada el mismo sentido de la diferencia de expresión, para un 56.75%
de efectividad. Los genes GSTA1, IK, PPIA, GNAS del grupo MII-CG se encuentran
sub-expresados en el microarray mientras que están sobre-expresados en la qRT-
PCR. Los genes IGHG4, AFAP1-AS1, ATP5A1, RHOA, ATP6V0E1, HLA-DRB4, PGC, HLA-
DQA1, OLFM4, HLA-DRB4 estan sobre-expresados en MII-CG y MIC-CG mediante
ambas tecnologías; pero tuvieron un mayor Fold Change en la qRT-PCR que en el
microarray. Respecto al grupo MI-No CG la mayoría de los genes (TMEM25, GSTA1,
AFAP-AS1, MUC3A, CLCA1, OLFM4, ANPEP, FABP1) se encuentran sobre-expresados
mediante ambas tecnologías. Las excepciones son CDH17 y CPS1, sobre-expresados
en el microarray y sub-expresados en la qRT-PCR.
Figura 43. Gráfica del nivel de expresión del microarray y la qRT-PCR de los genes
significativos por ambas metodologías.
182
Resultados
Tabla 43. Resultados del test de permutaciones del programa Bootsratio empleado
para estimar diferencias significativas en grupos MII-CG, MIC-CG y MI-No CG.
Genes Tamaño de Fold Change en Fold Change en Grupo donde es p-valor en qRT- Validado
a b c d e
significativos muestra qRT-PCR microarray significativo PCR
del microarray
IGHG4 11/7 12.82 2.67 MII-CG p<0.0005 SI
GSTA1 13/7 20.18 0.39 MII-CG 0.0015 NO
IK 13/6 28.12 0.38 MII-CG 0.006 NO
PPIA 12/7 30.54 0.39 MII-CG p<0.0005 NO
GNAS 11/7 31.56 0.45 MII-CG p<0.0005 NO
SLFN5 6/4 33.46 No sign MII-CG 5.00E-04 SI
AFAP1-AS1 12/7 41.53 2.16 MII-CG p<0.0005 SI
ATP5A1 12/7 46.39 1.3 MII-CG 5.00E-04 SI
RHOA 13/7 55.91 2.16/0.4 MII-CG 0.001 SI
ATP6V0E1 10/6 57.18 2.49 MII-CG 0.0075 SI
HLA-DRB4 10/5 67.13 2.25 MII-CG 0.031 SI
PGC 13/8 67.59 5.01 MII-CG 0.003 SI
HLA-DQA1 50/3 288.90 3.18 MII-CG 0.0345 SI
OLFM4 22/29 33,30 3.33 MIC-CG 5.00E-04 SI
HLA-DRB4 14/14 68,81 2.05 MIC-CG 0.0335 SI
PGC 39/9 0.65 0.13 MI-No CG 0.0075 SI
TMEM25 6/2 15.8 2.78 MI-No CG p<0.0005 SI
GSTA1 26/4 17.35 3.81 MI-No CG p<0.0005 SI
AFAP1-AS1 33/7 35.67 4.52 MI-No CG p<0.0005 SI
TFF3 38/8 7.18 9.08 MI-No CG 0.009 SI
MUC3A 27/6 30.68 15.9 MI-No CG p<0.0005 SI
CDH17 30/3 0.25 18.02 MI-No CG p<0.0005 NO
CPS1 32/6 0.37 26.25 MI-No CG p<0.0005 NO
CLCA1 34/2 55.26 33.77 MI-No CG p<0.0005 SI
OLFM4 36/3 56.36 37.04 MI-No CG p<0.0005 SI
ANPEP 31/4 62.3 49.98 MI-No CG p<0.0005 SI
FABP1 25/2 70.85 80.58 MI-No CG p<0.0005 SI
a
Número de muestras analizadas en los grupos de casos (MI-CG)/controles (MI-No CG).
b
Media de valores de expresión de casos (MI-No CG) dividido entre controles (Sanos) en la
qRT-PCR. c Media de expresión de casos dividido entre controles en el microarray. d Se refiere a
el microarray. e p-valor del test de permutaciones que evalua la significación de la diferencia de
expresión entre casos y controles en la qRT-PCR.

4.1. Inducción de la expresión de Schlafen5 por IFNα y Helicobacter pylori
Al incubar líneas celulares humanas de monocitos (HL-60) y de células T (Jurkat) con

IFN2A se observó un aumento significativo en la expresión del ARNm de Schlafen5
en ambas líneas celulares, aunque dicho incremento es mayor en la HL-60 (Tabla 44
y Figura 44).
183
Resultados
Cuando fueron incubadas estas líneas con H. pylori solo se observó un incremento
en la expresión de Schlafen5 en la HL-60, mientras que en las Jurkat se observó un
decremento de la expresión, aunque ambos p-valores son nominales.
Tabla 44. Expresión génica de Schlafen5 en líneas celulares expuestas a

diversas condiciones.
Línea celular Expresión normalizada a Razón de Significación
medias ± DE b estadísticac
Tratadas No tratadas
con IFN2A con IFN2A
HL-60 34.655 1 37.455 ± 13.57 5.00E-04
50.914 1
47.34 1
47.9 0.791
27.039 0.836
31.167 1.373
35.52 0.712
29.153 1.021
33.372 1.266
Jurkat 2.7 1 5.3604 ± 2.631 0.0035
3.498 1
3.539 0.663
3.605 1
8.037 1.45
5.376 2.004
5.075 1
9.646 0.51
9.491 0.881
Tratadas con No tratadas
H. pylori con H. pylori
HL-60 6.505 1.096 3.8103 ± 2.365 0.039
0.875 1,486
4.901 0.558
5.709 0.888
1.24 1.02
Jurkat 0.694 1.346 0.6369 ± 0.257 0.044
0.724 0.725
0.629 0.681
0.558 0.999
0.711 1.456
a
Valores de expresión de SLFN5 normalizados respecto al ARNr 18S (Hs
99999901_s1). b Valor promedio de la expresión de las líneas celulares
tratadas/no tratadas con IFN2α o H. pylori y su desviación estándar.
c
p-valor resultante del test de permutaciones del programa Bootsratio.
184
Resultados
Figura 44. Inducción de Schlafen5 por el IFNα en las líneas celulares HL-60 y Jurkat.
Con el objetivo de confirmar la inducción de Schlafen5 por el IFNα mediante una

técnica inmunohistoquímica alternativa, se realizó un cytospin de células T (Jurkat)
incubadas con IFN2α después de haber sido transfectadas o no (control positivo)
con el ARN de interferencia específico para Schlafen5. En la figura 45 puede
observarse la expresión de esta proteína, debido al color pardo de la tinción con
diaminobenzidina en las células donde no esta inhibido su ARNm (Figura 45A),
mientras que en las transfectadas con el ARN de interferencia de Schlafen5 no se
observa dicho color (Figura 45B).
Figura 45. Análisis inmunohistoquímico de Schlafen5 después de su inducción por

incubación con IFNα de la línea celular Jurkat. A) Línea celular sin
tratamiento. B) Línea celular tratada con ARN de interferencia (siRNA)
para SLFN5.
4.2. Expresión de Schlafen5 en tissue arrays comerciales de tejido gástrico
Al realizarse la tinción inmuno-histoquímica de Schlafen5 en los tissue arrays

comerciales de tejido gástrico, la tinción estromal de Schlafen5 se vió incrementada
con respecto a la severidad de las LPGs según la cascada de Correa (GNA, GCA, MI) y
disminuyó en el CG. Sin embargo, la intensidad de la tinción fue baja en la mayoría
de los casos quizás debido a que las muestras provienen de gastrectomías en lugar
de gastroscopias, en muchas el tejido está dañado o no posee mucosa gástrica para
ser evaluada. Considerando, además, que no se posee información clínica de estas
185
Resultados
muestras, se decidió analizar también muestras del estudio de seguimiento de LPGs

de Soria y considerar exclusivamente los resultados estadísticos de estas últimas.
4.3. Controles de la tinción inmuno-histoquímica de Schlafen5
La mucosa gástrica normal mostró una tinción completamente negativa en la

mayoría de las muestras (Figura 46A). Los controles negativos (sin anticuerpo
primario) también mostraron una ausencia de tinción (Figura 46B). Se observó una
tinción falsa positiva en el citoplasma de las glándulas gástricas que no se tuvo en
cuenta en los análisis debido a que esta proteína solo se expresa en núcleo.
En los controles positivos de nasofaringe e íleon con enfermedad de Crohn (Figura

46C-D) se tiñen los núcleos de células del estroma y en menor medida epiteliales.
Los resultados de la tinción de Schlafen5 con el anticuerpo ab121537 (Abcam, Reino
Unido) se corrroboraron con el anticuerpo HPA 017760 (Sigma-Aldrich, EUA) 88 en
algunas muestras de LPGs, demostrando que reconoce a esta proteína de la misma
manera y validando los resultados del primero (Figura 46E).
4.4. Resultados cualitativos de la tinción inmuno-histoquímica de Schlafen5
La expresión de Schlafen5 fue nuclear, y mayor en el estroma que en las glándulas

gástricas. La figura 47 muestra la tinción de Schlafen5 en los diferentes tipos de
muestras estudiadas: GNA, GCA, MIC-No CG, MIC-CG, MII-No CG, MII-CG, CG tipo
intestinal y CG tipo difuso. Las tinciones más altas se observan en el estroma de las
muestras de metaplasia intestinal (MIC y MII) que progresan a cáncer gástrico
(Figura 47 D y F), sobre todo en el estroma periférico de centros germinales
constituidos por grandes cantidades de células T y mieloides que expresan
Schlafen5.
4.5. Resultados estadísticos de la tinción inmuno-histoquímica de Schlafen5
Hay una tendencia general de aumento de la expresión de Schlafen5 en el estroma

gástrico de acuerdo con la severidad de las lesiones precursoras y su posterior
disminución en el cáncer gástrico (Figura 48 y Tabla 45). Sin embargo, la expresión
de Schlafen5 en glándulas gástricas es, en general, más baja que en el estroma y no
se observó el patrón típico de incremento de expresión respecto a la cascada de
Correa observado en el estroma (Tabla 45). Teniendo en cuenta lo anterior y que las
células epiteliales no expresan naturalmente esta proteína, decidimos no analizar
estadísticamente dicha localización anatómica.
186
Resultados
Figura 46. Inmuno-histoquímica de Schlafen5. A) Mucosa gástrica normal. B) Control negativo. C) Control positivo (nasofaringe).
D) Control positivo (íleon) con enfermedad de Crohn. E) Validación usando el anticuerpo HPA 017760 (Sigma-Aldrich, EUA).
Imágenes a 200X.
187
Resultados 188
Resultados
Figura 47. Inmuno-histoquímica de la proteína Schlafen5. A) Gastritis no atrófica. B) Gastritis crónica atrófica. C) MIC que no progresa a
CG. D) MIC que progresa CG. E) MII que no progresa CG. F) MII que progresa CG. G) CG tipo intestinal. H) CG tipo difuso.
Imágenes a 200X.
189
Resultados
Tabla 45. Cuantificación de la tinción estromal y glandular de Schlafen5 mediante el score H en los grupos analizados.
Score H
Score H
Infección por estromal de
Diagnóstico b Edad c Sexo (% Score H estromal de Schlafen5 categorizado glandular de
N H. pylori Schlafen5 d
Histológico a (% ± DE) hombres) N (media) e Schlafen5
(% +) (media ±
(media ± DE)
mediana)
Negativo Débil + Moderado +
Normal 41 42.5 (18.8) 51.2 0 3.87 (1.25) 37 (90.24) 4 (9.76) 0 (0) 0.89 (0.00)
GNA 26 44.2 (12.3) 46.1 88.5 5.84 (2.53) 21 (80.77) 5 (19.23) 0 (0) 8.54 (0.42)
GCA 49 48.5 (12.6) 38.8 49.0 4.56 (0.84) 40 (81.63) 9 (18.37) 0 (0) 5.15 (0.00)
MIC 44 53.1 (10.5) 45.4 63.6 19.73 (5.73) 25 (56.82) 18 (40.91) 1 (2.27) 14.78 (5.82)
MIC-CG 6 62.0 (6.6) 50 33.3 49.33 (50.68) 2 (33.33) 4 (66.67) 0 (0) 23.23 (14.82)
MIC- No CG 38 51.7 (10.4) 44.7 68.4 15.05 (2.53) 23 (60.53) 14 (36.84) 1 (2.63) 13.41 (5.82)
MII 54 58.3 (12.8) 50 51.8 20.95 (5.11) 32 (59.26) 20 (37.04) 2 (3.7) 7.69 (0.00)
MII-CG 19 66.5 (13.6) 63.2 42.1 45.94 (40.00) 3 (15.79) 14 (73.68) 2 (10.53) 7.99 (1.00)
MII-No CG 35 53.8 (9.9) 42.9 57.1 7.39 (1.14) 29 (82.86) 6 (17.14) 0 (0) 7.52 (0.00)
MI 98 55.9 (12.1) 48 57.1 20.34 (31.8) 57 (58.04) 38 (38.97) 3 (2.98) 10.7 (1.7)
MI-CG 25 65.4 (12.4) 60 40 47.63 (40.18) 5 (24.56) 18 (70.17) 2 (5.26) 11.6 (1.48)
MI-No CG 73 52.7 (10.1) 43.8 63.0 11.22 (2.00) 52 (71.69) 20 (26.99) 1 (1.31) 10.4 (1.00)
CG 67 72.6 (11.0) 61.2 25.4 7.9 (1.38) 51 (76.12) 16 (23.88) 0 (0) 3.22 (0.00)
a
Diagnóstico histológico al reclutamiento. b Tamaño de muestra. c Edad del paciente en el diagnóstico al reclutamiento. d Score H calculado según
%Células+ con intensidad Baja x 1 + %Células+ con intensidad Media x 2 + %Células+ con intensidad Alta x 3 ± mediana. e Categorización del score
H según 10>scoreH≥0 (Negativo), 100≥scoreH≥10 (Débil Positivo), 200≥scoreH≥100 (Moderado Positivo) y 300≥scoreH≥200 (Fuerte Positivo) 191.
190
Tinción estromal de Schlafen5
N=25 N=19
150
N=73
N=6
100
N=67
50
N=41 N=26 N=49
r G CG
I-N G
A
A
S
M G
o
O
-C
C
I-C
ic
G
G
N
II-
tr
o
IC
M
SA
as
M
ce
án
C
Figura 48. Representación gráfica de la tinción estromal de Schlafen5. Corresponde
a los resultados de la tabla 45.
La prueba de Kruskal-Wallis muestra diferencias estadísticamente significativas en

la expresión estromal de Schlafen5 (score H) entre los distintos diagnósticos
histológicos (Normal, GNA, GCA, MIC, MII y CG) con X2=17.75 y p=0.0033. Además,
la prueba de Mann-Whitney muestra que la expresión de Schlafen5 es
significativamente mayor en la metaplasia intestinal que progresa a CG (MI-CG)
respecto a la que no progresa (MI-No CG) con U=322.5 y p<0.0001 (Tabla 45).
También se obtiene un resultado significativo al comparar los subtipos de MI que
progresan (MIC/MII-CG) respecto a los que no progresan (MIC/MII-No CG)
(p<0.0001). A continuación, categorizamos el score H estromal de Schlafen5 según
10>scoreH≥0 (Negativo), 100≥scoreH≥10 (Débil Positivo), 200≥scoreH≥100
(Moderadamente Positivo) y 300≥scoreH≥200 (Fuerte Positivo) 191. Observamos que
el grupo MII-CG posee más muestras y mayores valores de score H en las categorías
de Débil+ (73.68) y Moderado+ (10.53) en comparación con el grupo MIC-CG
(Débil+ 66.67 y Moderado+ 0) (Tabla 45).
La conversión del score H estromal de Schlafen5 en una variable categórica 191

permitió construir dos modelos de regresión logística en el grupo de MI-CG (MIC-CG
+ MII-CG), incluyendo o no el score H categórico a las variables sexo, edad y
diagnóstico histológico al reclutamiento. Las variables que predicen
significativamente la progresión desde la MI al CG son el score H estromal (OR 18.1,
IC95% 4.14-79.14, p=0.0001), edad (OR 1.13, IC95% 1.05-1.21, p=0.0010) y
diagnóstico histológico (OR 4.65, IC95% 1.15-18.83, p=0.031). El área bajo la curva
del grupo MI-CG sin añadir la variable score H estromal de Schlafen5 es AUC=0.783;
sin embargo, al añadir la misma incrementa el AUC=0.912, siendo estadísticamente
191
significativa la diferencia entre ambos modelos logísticos por el test de razón de
verosimilitud (p<0.0001) (Figura 49).
Al realizar el mismo análisis solamente en el grupo MII-CG debido al mayor riesgo

de progresión de la MII respecto a la MIC, encontramos que el score H también
predice significativamente la progresión (OR 71.35, IC95% 7.14-712.88, p=0.0003).
En este caso el área bajo la curva del grupo MII-CG sin añadir la tinción de Schlafen5
es AUC=0.756, y al añadir la misma aumenta a AUC=0.953, siendo estadísticamente
significativa la diferencia entre ambos modelos por el test de razón de verosimilitud
(p<0.0001) (Figura 50). Este análisis no fue realizado en el grupo MIC-CG debido a su
bajo tamaño de muestra (N=6).
Figura 49. Curvas de sobrevivencia ROC para los modelos MI-CG con adición de
Score H estromal de Schlafen5, AUC=91.2% (--------) y MI-CG sin adición de
Score H estromal de Schlafen5, AUC=78.3% ( ).
192
Figura 50. Curvas de sobrevivencia ROC para los modelos MII-CG con adición de
Score H estromal de Schlafen5, AUC=95.3% (--------) y MII-CG sin adición de
Score H estromal de Schlafen5, AUC=75.6% ( ).
4.6. Doble marcaje de Schlafen 5 y CD2, CD20 o Mac2
Teniendo en cuenta que los miembros de la familia de genes Schlafen se expresan

de forma natural en células T murinas, pero no se sabía con precisión qué tipo de
células del estroma produce Schlafen5 en la mucosa gástrica, se realizó un doble
marcaje con Schlafen5 y CD2/CD20/MAC2, marcadores de superficie de células T,
células B y mieloides, respectivamente (Figura 51). Se encontró que Schlafen5 no se
expresa en las células B (Figura 51 A-B), sino que se produce principalmente por las
células T (Figura 51 C-D) y en menor medida por macrófagos u otras células
mieloides (Figura 51 E-F).
193
Figura 51. Doble marcaje de Schlafen5 con marcadores de superficie. A-B) CD20
células B. C-D) CD2 células T. E-F) MAC2 células mieloides. Schlafen5 marca
los núcleos con color pardo, CD20 y CD2 con rosado y Mac2 con azul. A la
izquierda magnificación 200X y a la derecha 400X.
194
DISCUSIÓN
Discusión

Una importante limitación de la mayoría de estudios de asociación genética en CG
es que no analizan la asociación con los subtipos anatómicos, cardias y no cardias, ni
con los subtipos histológicos intestinal y difuso, sino que utilizan la entidad global
de cáncer gástrico, la cual es menos informativa desde el punto de vista clínico y
biológico debido a diferencias moleculares, clínicas y epidemiológicas entre los
distintos subtipos 46 10 1. Adicionalmente, las muestras provienen de estudios caso-
control hospitalarios y, en algunos estudios, los polimorfismos no son escogidos
teniendo en cuenta el patrón de desequilibrio de ligamiento, por lo que no pueden
detectar asociaciones a nivel haplotípico.
Teniendo en cuenta las anteriores limitantes, el objetivo de este estudio ha sido

evaluar si la variabilidad en los genes CD14, NOD2, TLR4 y NFKB1, pertenecientes al
mecanismo de infección de H. pylori, se asocia estadísticamente con subtipos
histológicos y anatómicos de CG. Este estudio es tipo caso-control anidado en una
cohorte prospectiva de base principalmente poblacional (EPIC-Eurgast). Se han
analizado subtipos anatómicos e histológicos del CG, y la selección de tagSNPs en
genes humanos ha permitido aumentar la cobertura de la variabilidad genética de la
región analizada y realizar el análisis de la asociación con los principales haplotipos
definidos por los distintos bloques de desequilibrio de ligamiento de la región.
Todos los SNPs analizados se encuentran en equilibrio de Hardy-Weinberg, lo cual
indica que no existen errores de genotipado o presencia de fuerzas evolutivas
actuando sobre los genes estudiados.
1.1. NOD2. Asociación genética y plausibilidad biológica
Las asociaciones más significativas del estudio se observan con los SNPs de NOD2
rs7202124 y rs2111235, los cuales manifiestan asociaciones inversas con el riesgo
de CG no cardias aún después de aplicar la corrección para comparaciones
múltiples. La variante rs7202124 es un eQTL en cis que controla el nivel de
expresión de NOD2 en monocitos por lo que es posible que dicha asociación
genética refleje este hecho. El mapeo de eQTLs es una técnica estadística que
correlaciona los genotipos de polimorfismos genéticos con la expresión de ARNm
con el objetivo de localizar variantes genéticas que regulan la expresión de cada
transcrito 228.
El análisis de haplotipos corrobora los resultados a nivel de SNPs individuales. De

este modo, la combinación GTCGC formada por los alelos con asociación inversa
con el CG no cardias (G del rs7202124, T del rs2111235) muestra también una
asociación de este tipo con el CG no cardias. Dicho haplotipo presenta una
frecuencia >10% (0.135) en los casos y un p-valor significativo (p=0.005), aspectos
197
Discusión
que permiten confiar en la validez de dicha asociación. A pesar de que estos mismos
SNPs de NOD2 no fueron asociados con el subtipo intestinal despúes de aplicar el
test de corrección para comparaciones múltiples y el de heterogeneidad, el mismo
haplotipo GTCGC (frecuencia 0.141) también se asocia negativa y nominalmente
(p=0.031) con el CG intestinal. Lo cual indica la tendencia a la asociación de estos
SNPs y el análisis haplotípico con mayor potencia es capaz de detectar la asociación.
NOD2 es miembro de la familia NLRs, los cuales son receptores de reconocimiento

de patrones moleculares (PRRs, del inglés pattern recognition receptors). La mayoría
de los PRRs son receptores de membrana con un dominio N-terminal de
reclutamiento de caspasas (CARD), un dominio central de unión a nucleótido y
repeticiones ricas en leucina en el extremo C-terminal (LRRs) 229. NOD2 se expresa
en monocitos/macrófagos, células dendríticas 229 y se sobre-expresa en la mucosa
gástrica debido a la infección por Helicobacter pylori 133.
NOD2 participa en el reconocimiento del dipéptido muramilo (MDP), un producto

de degradación del peptidoglicano, componente de la pared celular de Helicobacter
pylori. A continuación, sufre un cambio conformacional que provoca su
oligomerización y la activación de MAPK quinasas ERK-1, ERK-2 y JNK, lo cual
conlleva a la sobre expresión de citoquinas pro-inflamatorias e inducción de la
respuesta Th2. Como consecuencia de la infección bacteriana NOD2 también induce
autofagia, consistente en que porciones del citoplasma son encapsuladas por
membrana para formar el autofagosoma, el que se fusiona con lisosomas para
degradar a los microorganismos 229.
Debido a las razones anteriores, NOD2 participa en la defensa contra patógenos en

el tracto gastrointestinal. Se considera que esta función es sinergística respecto a
los TLRs y que NOD2 juega un rol crítico cuando la señalización mediada por TLRs es
reducida como en el intestino, por la continua exposición a bacterias comensales. La
señalización de NOD2 en células dendríticas promueve diferenciación de células T
CD4+ en patrones Th2 y Th17, y la expresión de MHC clase II y anticuerpos de clase
IgG 229. Estas funciones de NOD2, como sensor de la infección por H. pylori e
inductor de respuesta Th2 (asociada con gastritis más leve 33) y humoral está en
consonancia con la asociación inversa observada de este gen con el cáncer gástrico
no cardias. El cual, a diferencia del cardias se encuentra asociado con la infección
por H. pylori 230.
No se han encontrado estudios previos de asociación de los tagSNPs de NOD2

rs7202124 y rs2111235 con el CG, quizás debido a que los trabajos previos no se
basaron en una estrategia de selección de tagSNPs. Sin embargo, otros SNPs de
NOD2 han sido asociados con CG como la variante de riesgo rs2066842 (P268S) en
población polaca 231. No fue posible analizarla debido a la mala separación de los
198
Discusión
clusters genotípicos. Asimismo, la variante rs3135500 incrementa el riesgo de CG en

la población china 232, un hallazgo no confirmado en el presente estudio. Sin
embargo, según el análisis de Haploview, el haplotipo asociado inversamente con el
CG en este estudio está formado por las variantes comunes de estos dos
polimorfismos. En una población italiana, los SNPs de NOD2 rs2066844 y rs5743293
incrementan la susceptibilidad a GC 233, pero estos SNPs no se incluyen en la versión
de HapMap usada en este trabajo para el análisis en Haploview.
Cuando se estratificó el CG no cardias atendiendo a la presencia del factor de

virulencia cagA, los SNPs de NOD2 (rs7202124 y rs2111235) permanecieron
significativamente asociados con CG no cardias en los individuos cagA+ y apareció
una nueva asociación, el rs5743289 en el grupo cagA-. Sin embargo, el número de
casos en este grupo es demasiado bajo para sacar alguna conclusión.
Los SNPs genotipados fueron seleccionados por ser tagSNPs, es decir SNPs
marcadores de bloques de haplotipos en desequilibrio de ligamiento con otros SNPs
que pudieran tener un efecto funcional, por lo que es posible que dichos tagSNPs
no tengan un efecto funcional en sí mismo. Algunas maneras de saberlo son
mediante estudios de mapeo fino o funcionales, que no fueron realizados en el
presente trabajo.
Teniendo en cuenta la anterior limitante, se ha empleado el programa Variant Effect

Predictor para la predicción de efectos funcionales encontrando que los SNPs de
NOD2 asociados a CG rs7202124, rs2111235 y rs5743289 están localizados en
regiones intrónicas correspondientes a transcritos (ENST00000568993,
ENST00000527070, ENST00000524712, ENST00000527052, ENST00000529633,
ENST00000534067) sujetos al mecanismo de degradación del ARNm NMD
(Nonsense Mediated Decay). Un mecanismo de vigilancia que detecta diversos
rasgos anómalos en el ARNm como codones prematuros de parada, exon skipping,
retención de intrones, anormalidades en el splicing alternativo etc., con el fin de
promover la degradación de transcritos codificantes para proteínas aberrantes para
la protección celular. Es posible que el gen NOD2 presente un codón prematuro de
parada de la traducción a más de 50 nucleótidos upstream del exón final que active
el mecanismo NMD. Este proceso incrementa la severidad del cáncer cuando
degrada proteínas truncadas que retienen parte de su actividad biológica nativa 234.
En este sentido es relevante llamar la atención a que existe un incremento

significativo de todos los SNPs asociados a CG sujetos al mecanismo NMD en
comparación con aquellos no asociados a CG (test exacto de Fisher p=0.0026) y que
la mayoría se localizan en NOD2. Sin embargo, se ha reportado previamente la
existencia de una isoforma corta de NOD2 (NOD2-S) debida a la presencia de un
codón de parada en el exón 4 pero no esta sometida a degradación por el
199
Discusión
mecanismo NMD 235. El programa Pupasuite no reconoció los alelos de dichos SNPs
como que muestren un reconocimiento diferencial por enhancers (ESE) o
silenciadores (ESS) del splicing alternativo, fenómeno que puede crear un exón en el
interior de un intrón propiciando la degradación NMD, como se ha reportado en
diabetes mellitus 236. Basado en lo cual, no se puede concluir una función de estos
SNPs relacionada con el mecanismo NMD.
1.2. CD14. Asociación genética y plausibilidad biológica
Los SNPs de CD14 rs778588 y rs1583005 se asocian positivamente con el CG tipo

cardias, mientras que rs11167532 y rs2569190 lo hacen inversamente; a su vez,
rs778588 se asocia con un mayor riesgo de CG intestinal. Dichas asociaciones
permanecen significativas despúes del test de corrección para comparaciones
múltiples. Coincidentemente, el haplotipo GCCCGT formado por los alelos de riesgo
del CG tipo cardias (C del rs778588 y T de rs1583005) así como por los alelos
salvajes de rs11167532 y rs2569190 se asocia positivamente con el CG tipo cardias
e intestinal, con un p-valor más significativo (p=0.0004) para el tipo cardias respecto
a las significaciones obtenidas con los SNPs individuales en este grupo. Al igual que
en NOD2 este haplotipo presenta una frecuencia >10% (0.193-0.212) en los casos,
p-valores bien significativos (p=0.006 y 0.0004) e interroga el 81% de la variabilidad
genética de la región, varios aspectos que permiten confiar en dicha asociación.
CD14, al igual que NOD2, pertenece a la familia de los receptores de

reconocimiento de patrones y es un co-receptor de los TLRs (toll-like receptors). El
mismo existe como receptor de membrana (CD14m) y proteína soluble, el primero
se expresa principalmente en monocitos y en macrófagos que se acumulan en la
mucosa gástrica de los pacientes infectados por H. pylori 237. CD14m unido a TLR4 y
MD2 interactúa con el LPS de la pared celular de H. pylori. Posteriormente, CD14
presenta y transfiere el LPS al complejo TLR4-MD2 para el inicio de la transducción
de señales que activa a NFKB1 e induce la transcripción de citoquinas pro-
inflamatorias 238. CD14 es también un promotor de la transición epitelio-
mesénquima mediada por TNF en CG 239.
Los estudios publicados de CD14 se han centrado en el SNP rs2569190 (-260 C/T),
que se encuentra localizado colindante al sitio de unión al factor de transcripción
Sp1, el cual influye en la expresión de CD14 240. A diferencia de estos resultados,
estudios en poblaciones de Polonia, EUA 105 y Taiwán 241 no encontraron asociación
de esta variante con el CG no cardias, un estudio en Japón encontró una asociación
inversa con el subtipo intestinal 242 y un meta-análisis solo encuentra asociación
para el SNP rs2569190 (-260C/T) en pacientes infectados por H. pylori 106. Por lo que
sabemos, no se ha realizado ningún estudio con respecto a la asociación de CD14
con GC cardias.
200
Discusión
Muchas de las variantes genéticas asociadas a enfermedades complejas

encontradas en estudios de asociación resultan ser eQTLs, los cuales producen
pequeños cambios en los niveles de expresión de ARNm y por ende proteicos que
pueden contribuir a una enfermedad 157. Teniendo esto en cuenta, tagSNPs
asociados al CG que sean eQTLs pudieran ser SNPs que influyeran en la asociación,
aunque no es posible asegurarlo ya que son predicciones obtenidas en tejidos no
gástricos y, además, estos eQTLs regulan la expresión de otros genes diferentes de
los estudiados. Por lo que estas predicciones son preliminares y no permiten
determinar que dichos SNPs sean funcionales.
En este sentido, la búsqueda de eQTLs entre todos los SNPs encontró que las
variantes asociadas al CG de la región de CD14 rs11167532, rs1583005 , rs2569190,
y rs778588 han sido encontradas previamente como reguladores de la expresión
génica de los genes SRA1 156 y WDR55 157 en monocitos. Este tipo celular se
acumula en el estroma gástrico a consecuencia de la inflamación generada por
Helicobacter pylori, transformándose a macrófagos que incrementan la inflamación
por un aumento de la generación de radicales libres 27. Respecto a la variante
rs2569190 (-260T) se ha descrito experimentalmente que regula los niveles de CD14
presentes en la membrana de monocitos sanguíneos, estando asociado los
homocigotos del alelo de riesgo con el incremento de la expresión de CD14 245, lo
cual está en concordancia con que sea identificado como un eQTL en estudios de
este tipo. Existen múltiples casos en los que tagSNPs de estudios GWAS asociados
con cáncer son eQTLs como en cáncer de próstata 244 y colorectal 245. Por lo que se
puede sugerir que la asociación identificada en CD14 (rs2569190) sea mediada por
un control de la expresión de CD14 en monocitos ejercido por este SNP, para el
resto de las variantes es necesario hacer análisis o experimentos in vitro adicionales
que permitan aclarar dicho efecto.
Debido a que la infección por H. pylori no se asocia con CG del cardias 230 y, sin
embargo, CD14 es receptor del lipopolisacárido de bacterias gram-negativas como
H. pylori, es posible que otros mecanismos puedan explicar la asociación de CD14
con el CG del cardias. En este sentido, CD14 podría actuar como receptor para el
virus de Epstein-Barr, una infección que sí está asociada con el CG del cardias 246, ya
que se ha planteado la posible existencia de un nuevo receptor diferente a CR2 , el
receptor del virus de Epstein-Barr 247. CD14 es un candidato por ser un receptor
poli-específico que interactúa con el dipéptido muramilo del LPS, peptidoglicano,
lipoarabinomannan y fosfolípidos 248. Lamentablemente, no se dispone de datos
sobre la infección por el virus de Epstein-Barr en la población estudiada. Una
evidencia que pudiera apoyar la anterior aseveración es el hecho que CD14 no se
asocia en nuestra población con CG no cardias, localización anatómica fuertemente
asociada con la infección por H. pylori.
201
Discusión
1.3. TLR4 y NFKB1. Asociación genética y plausibilidad biológica
A pesar de que no alcanzaron significación estadística los SNPs de TLR4 y NFKB1

después de aplicar el tests de corrección para comparaciones múltiples, el análisis
haplotípico sugiere que estos genes contienen combinaciones que incrementan el
riesgo para el CG del cardias y no cardias, respectivamente. Sus frecuencias
haplotípicas en los casos son cercanas al 10% en ambos genes (TLR4: 0.112, NFKB1:
0.095) y los valores de significación no son nominales (TLR4: p=0.016, NFKB1:
p=0.009), por lo que añaden información de asociación respecto a la detectada por
el análisis de SNPs individuales. En el caso de TLR4 el haplotipo CGAGACG contiene
al alelo común del único SNP asociado de este gen, rs10491851; en este caso
inversamente con CG global.
La mayoría de los estudios previos sobre TLR4 y CG se centran en los SNPs no

sinónimos rs4986790 y rs4986791, cuyas variantes alélicas manifiestan una menor
respuesta inmune frente al LPS y en consecuencia aumentan el riesgo de desarrollar
LPGs y CG 109. El rs4986790 ha sido asociado con CG no cardias en poblaciones de
Polonia y EUA 109, pero no se ha confirmado en mexicanos 249; mientras que
rs4986791 también se ha asociado positivamente con el CG intestinal en Italia 250.
Sin embargo, las frecuencias de los alelos de riesgo eran muy pequeñas (0.057 y
0.061 en los controles) en la población estudiada, y sólo se pudo estimar la
asociación bajo el modelo co-dominante, sin resultados significativos. Dicha
conclusión es similar a la de los estudios realizados en Méjico 250 y Japón 142. A
diferencia de estos resultados, un meta-análisis concluye que rs4986790 y
rs4986791 incrementan el riesgo de CG en poblaciones europeas 111.
TLR4 también pertenece a la familia de los PRRs y junto a CD14 y MD-2 participa en
el reconocimiento del LPS de H. pylori. Después de su activación las proteínas
adaptadoras MyD88, TIRAP, TRAM y TRIF se unen a los dominios TIR (toll-
interleukin (IL)-1 receptor) del TLR4 y activan las quinasas IRAK, MAPK y TRAF
induciendo la activación de los factores transcripcionales NFKB1, AP-1 e IRF. En
relación con la falta de asociación a nivel de SNPs individuales de TLR4 obtenida en
este estudio es interesante apuntar que la infección de la línea celular HEK293 con
H. pylori es capaz de inducir NFKB en células transfectadas con TLR2 o TLR5 pero no
por TLR4 251 y que un estudio afirma que el reconocimiento de H. pylori por el
epitelio gástrico es independiente de TLR4 252.
Respecto a NFKB1 existió una tendencia a la asociación ya que los SNPs rs765789,
así como, rs228611 y rs1585214 se encontraron positiva y negativamente asociados
con CG no cardias y con el subtipo difuso; aunque ninguna de estas asociaciones fue
significativa después del test de comparaciones múltiples. Sin embargo, el haplotipo
TGAGGTGACCAG se encuentra positivamente asociado con el CG no cardias. Esta
combinación está formada por el alelo de riesgo A de rs765789 y los alelos salvajes
202
Discusión
G de rs228611 y rs1585214 asociados negativamente con CG difuso, siendo

coherente la asociación a nivel de SNPs individuales y combinación haplotípica.
NFKB1 es un factor transcripcional de genes de la respuesta inmune, adhesión,

diferenciación, proliferación celular, angiogénesis y apoptosis, que se encuentra
sobre-expresado en las enfermedades inflamatorias y tumorales. Su función es
inhibida por unión a su inhibidor IkB y degradación proteasomal, a su vez la
activación de este es regulada por las quinasas de IkB (IKK) activada por interacción
con H. pylori pero también por muchos otros estímulos como TNF, IL1B, factores de
crecimiento, activación de células B o T, radicales libres del O2 y el N2, luz UV,
infecciones virales y microbianas. Teniendo en cuenta la diversidad de eventos
activadores de NFKB es posible que la falta de asociación con el CG esté relacionada
con el hecho de no tener una relación específica con la carcinogénesis gástrica, sino
general con muchas enfermedades y ser activada por múltiples estímulos. Lo cual es
confirmado por el hecho de que NFKB promueve o inhibe la carcinogénesis en
dependencia del tipo celular 253.
A manera de resumen, se pueden mencionar las ventajas de este estudio de

asociación en comparación con otros anteriores. Evalua la asociación de tagSNPs
con ambas localizaciones anatómicas y subtipos histológicos del CG, un aspecto no
siempre considerado en estudios previos. También, la cohorte utilizada (EPIC-
Eurgast) está constituida por un relativamente elevado tamaño de muestra de
sujetos inicialmente sanos que han sido sometidos a un seguimiento prospectivo de
muchos años para detectar la aparición de diferentes cánceres 144. Dichos sujetos
están caracterizados para diversos factores de riesgo como son la dieta, tabaquismo
e infección por H. pylori. También, es necesario señalar sus limitaciones que
incluyen el que el número de casos de CG es relativamente pequeño cuando se
dividen por subtipos histológicos (intestinal/difuso) y localizaciones anatómicas
(cardias/no cardias), con la consiguiente disminución del poder estadístico para
detectar un efecto. Además, no se genotiparon SNPs en otros genes (MD2, TLR2/5,
etc.) que pueden interactuar con el H. pylori durante la infección, y la cobertura
genética de TLR4, NOD2 y NFKB1 se redujo debido a la imposibilidad técnica de
genotipar algunos de los tagSNPs seleccionados.
Basado en los resultados a nivel de SNPs individuales y haplotipos es posible

concluir que NOD2 se asocia inversamente con el CG no cardias e intestinal.
Mientras que CD14 se asocia con un mayor riesgo de los CG del cardias e intestinal.
Solamente a nivel haplotípico se obtienen asociaciones de TLR4 y NFKB1 con CG del
cardias y no cardias respectivamente. A su vez tagSNPs asociados de CD14 y NOD2
son eQTLs reguladores de la expresión génica, sin embargo no existen experimentos
funcionales en tejido gástrico que lo confirmen y otras variantes en LD con las
mismas pudieran ser las funcionales.
203
Discusión

Este estudio ha explorado si la variación en 141 SNPs correspondientes a 28 genes

candidatos de carcinogénesis gástrica se asocia con la evolución (progresión,
regresión) de las LPGs. La población (N=559) proviene de un estudio longitudinal de
seguimiento de LPGs durante una media de 12 años, con pacientes de 9 hospitales
de 5 provincias de España (Madrid, Barcelona, País Vasco, Valladolid y Zaragoza). En
dicho estudio el 3.7% del total de los pacientes desarrolló un adenocarcinoma
gástrico, siendo la incidencia global 3.09 (2.07-4.6)/1000 personas-año (artículo
pendiente de aceptación). Estas tasas son similares a las reportadas en un estudio
de seguimiento (media 12.8 años) realizado exclusivamente en la provincia de Soria,
donde el 4.8% de todos los pacientes (N=478) evolucionó a CG, con una incidencia
de 3.77 (2.51–5.67)/1000 57. Lo que indica que España es un país de riesgo
moderado-bajo de CG en el cual las estrategias de prevención a amplia escala de
cáncer gástrico 6 son impracticables por la baja incidencia de la enfermedad. En su
lugar, la búsqueda de genes y variantes condicionantes de la evolución pudiera
conllevar a identificar pacientes susceptibles de progresar a CG a lo largo del
tiempo.
Solo el 17.2% de los pacientes progresan a una LPG de mayor severidad entre el
reclutamiento y el final de seguimiento, lo cual explicaría que la mayoría de las
asociaciones genéticas significativas fueran obtenidas al comparar el grupo de la
regresión con el resto.
Al comparar las variables analizadas al reclutamiento (sexo, edad, consumo de

AINES, historia familiar de CG, tabaquismo, infección por H. pylori y diagnóstico
histológico) entre los grupos (progresión, regresión, estables) la única que mostró
diferencias fue el diagnóstico histológico al reclutamiento (Tabla 24). Sin embargo,
se reporta en la literatura un mayor riesgo de CG en función de la infección por H.
pylori, mayor edad y el sexo masculino 1. Pudiera esperarse que la variable con
mayor poder predictivo de la progresión sea la infección por H. pylori, pero se
conoce que la hipoclorhidria provocada por la misma dificulta su sobrevivencia, por
lo que se observa una disminución de la infección a partir de la gastritis atrófica lo
cual disminuye las diferencias entre los grupos analizados. En correspondencia con
los presentes resultados, en el estudio de asociación de LPGs de Soria se obtuvieron
diferencias significativas según el diagnóstico histológico al reclutamiento 140.
La cascada de Correa plantea que en poblaciones de alta incidencia de CG la tasa de

progresión de las LPGs es mayor que la tasa de regresión condicionando un lento
movimiento hacia la progresión (Tabla 1) 14. En poblaciones de bajo riesgo como la
nuestra se observó que la mayoría de los pacientes se mantuvieron estables en la
204
Discusión
misma lesión (46.3%), seguidos de los que regresaron (36.5%) en comparación con
sólo un 17.2% de progresión.
Las principales ventajas de este estudio son que los pacientes pertenecen a distintas
regiones españolas, su largo tiempo de seguimiento (media 12 años) y el relativo
elevado tamaño de muestra. Su principal limitante es que la toma de biopsias fue
más rigurosa al final del seguimiento que al reclutamiento, debido al cumplimiento
del protocolo de Sydney de muestreo sólo al final del seguimiento. Sin embargo,
esto fue compensado solicitando que cada biopsia al reclutamiento tuviera al
menos 3 fragmentos con representación de cuerpo y antro. Adicionalmente,
algunos tagSNPs no pudieron ser genotipados reduciendose la cobertura de la
variabilidad de los genes donde fueron seleccionados.
2.1. Asociación genética con la evolución de las lesiones precursoras gástricas
Mediante este estudio se ha pretendido por una parte replicar SNPs previamente
asociados con la evolución de las LPGs en el estudio de Soria y, por otra, estudiar si
la variabilidad en nuevos genes candidatos se asocia estadísticamente con la
evolución en el tiempo de las lesiones precursoras gástricas. Los genes estudiados
realizan funciones claves en la fisiología gastrointestinal como se evidencia en los
modelos murinos de carcinogénesis gástrica, que se caracterizan por el hecho de
que al cabo de un tiempo aparece alguna o varias de las LPGs seguidas del
desarrollo de CG.
También, se han genotipado genes de la vía de señalización de H. pylori, cuyas

proteínas interactúan con esta bacteria durante su infección, influyendo en la
severidad de la reacción inflamatoria. La identificación de polimorfismos genéticos
asociados con la progresión y regresión es relevante desde el punto de vista clínico,
debido a que esta estrategia exploratoria permite identificar y/o confirmar genes
que pudieran condicionar la evolución desde las LPGs hacia el CG. De esta manera,
mediante posteriores estudios inmunohistoquímicos y funcionales se pudieran
identificar biomarcadores de riesgo o protección de la progresión tumoral.
Como resultado de este estudio se asociaron SNPs con un incremento del riesgo de
progresión en los genes CD14, DNAH11, MAPK3, PRKAA1, RUNX3 y TFF1. Otras
variantes localizadas en los genes CD14, CDH1, PTGS2, TFF1 y TFF2 se asociaron
inversamente con la progresión de las lesiones (Tabla 25 A). El análisis de la
regresión mostró que SNPs en los genes CD14, IL1B, IL1RN, NFKB1, TFF1 y TFF2 se
asociaban con una mayor regresión, mientras que aquellos en CDH1, MUC1, MUC2
y NFKB1 se asociaron con una menor regresión (Tabla 25 B). El SNP más significativo
y el único que se mantiene así despúes de aplicar la corrección para comparaciones
múltiples es rs10902073 de MUC2, el cual es un tagSNP localizado en una región
205
Discusión
regulatoria que controla la expresión génica; su asociación inversa con la regresión

de las LPGs ya se había observado en el estudio previo de Soria 140.
Respecto a otros SNPs previamente genotipados en el estudio de Soria, fueron

replicadas las asociaciones entre variantes de CD14 (rs2569190), TFF2 (rs1079380) y
CD14 (rs5744455) con una menor y mayor probabilidad de progresión
respectivamente; MUC2 (rs10902073, rs10794281) y TFF1 (rs424694) con menor y
mayor probabilidad de regresión de las LPGs respectivamente. Por el contrario, no
se confirmaron las asociaciones con CDH1 (rs1125557), TFF1 (rs9976977,
rs13047838, rs225358), MUC2 (rs7944723, rs10794293, rs3924453, rs4077759),
IL1RN (rs2637988) e IL1A (rs17561) (Tabla 26). Respecto a los SNPs que habían sido
previamente asociados con CG en estudios GWAS, se observó la asociación de
rs2285947 de DNAH11 y rs13361707 de PRKAA1, como factores de riesgo de la
progresión, lo cual esta en concordancia con el hecho de que su asociación haya
provenido de un estadio más avanzado de la enfermedad como es el CG respecto a
las LPGs 118 119.
El análisis simultáneo de los SNPs y haplotipos asociados significativamente con la

evolución de las LPGs muestra que determinados haplotipos de CD14 y TFF1 tienen
mayor probabilidad de progresión y un haplotipo PTGS2 muestra menor
probabilidad de la misma. Por otra parte, haplotipos de CDH1, CDX2 asi como
PTGES, TFF1, MAP3K14 y PTPN11 se asocian positiva y negativa respectivamente
con la regresión de las lesiones precursoras. De manera general, las combinaciones
haplotípicas son más significativas que la de los SNPs individuales que contienen, y
concordantes con el efecto individual de los mismos, lo que confirma el interés del
análisis haplotípico para detectar asociaciones no siempre observables mediante el
análisis de SNPs individuales. En un intento de restringir estos resultados a los más
confiables se consideraron solo aquellos genes significativos simultáneamente a
nivel de SNPs individuales y haplotipos. Evidenciandose que los genes CD14 y TFF1
estan asociados positivamente mientras que PTGS2 lo esta negativamente con la
progresión de las LPGs; mientras que CDH1, CDX2 y TFF1 se asocian positiva y
negativa respectivamente con la regresión de las lesiones precursoras.
El análisis bioinformático mostró que SNPs asociados con la evolución de las LPGs se
encuentran localizados en zonas regulatorias, UTR 5’, UTR 3’, o son eQTLs
reguladores de la expresión génica. Aunque hay que tener presente que son
predicciones funcionales y que la mayoría de los SNPs se seleccionaron por ser
tagSNPs, por lo que su funcionalidad sería, en todo caso, casual. Sin embargo, es
relevante destacar que CD14 es uno de los genes con mayor número de SNPs
asociados con la evolución de LPGs, los cuales a su vez fueron encontrados como
eQTLs reguladores de la expresión génica, pero los mismos controlan los niveles de
expresión de WDR55 en lugar de CD14. Además, no existen diferencias significativas
206
Discusión
en la distribución de dichas localizaciones o funcionalidades entre los SNPs

asociados y los no asociados a la evolución de las LPGs, por lo que este análisis no
evidencia una diferencia entre los mismos en cuanto a su estatus de asociación.
Hasta la fecha han sido publicados solamente cuatro estudios de asociación

genética 124 128 134 140 que evalúan la variabilidad en genes candidatos respecto a la
evolución (progresión/regresión) de las LPGs a lo largo del tiempo. Es relevante
destacar la poca cantidad de los mismos, lo cual es lógico debido a la dificultad de
llevar a cabo estudios de seguimiento de lesiones precursoras gástricas. Acorde a
nuestra experiencia en el estudio multicéntrico de seguimiento de LPGs, las razones
pudieran relacionarse con las dificultades en la búsqueda de información
proveniente de historias clínicas antiguas donde los criterios patológicos, de
clasificación y muestreo histológico eran diferentes a los de la actualidad, no
disponibilidad de tinciones hematoxilina-eosina o bloques de parafina
representativos de todas las localizaciones anatómicas del estómago, dificultades
en el contacto con pacientes, así como tiempo disponible de los clínicos para
realizar el trabajo investigativo.
Uno de los trabajos antes publicados se realizó con muestras del estudio de
seguimiento de Soria y se evaluaron SNPs en los genes MUC1, MUC2 y MUC6 140.
Los SNPs (rs10794293, rs3924453, rs4077759) en el extremo 3’ de MUC2 se
asociaron con un menor riesgo de progresión de las lesiones. Mientras que los
localizados en el extremo 5’ se asociaron con el aumento (rs2071174) o disminución
(rs10902073, rs10794281, rs7944723) de la probabilidad de regresión, indicando un
rol de este gen en evitar la progresión de las LPGs a estadios de mayor severidad. El
análisis haplotípico fue el más relevante, ya que ambas combinaciones CTCCCG y
CATAGAAC de la región 5’ y 3’ se asociaron positivamente con la regresión e
inversamente con la progresión, respectivamente 140.
Nuestros resultados confirman la asociación inversa de los SNPs rs10902073 y

rs10794281 (OR 0.55, IC95% 0.34-0.9) de MUC2 con la regresión de las LPGs. El
haplotipo AC formado por los alelos asociados de estos dos SNPs también está
significativamente asociado con la regresión (OR 0.66, IC95% 0.50-0.86), con una
frecuencia haplotípica alta (0.274) en los casos y su significación estadística es
similar a la de sus SNPs individuales (p=0.002). Ambos SNPs se encuentran en un
bloque de haplotipos de elevado desequilibrio de ligamiento localizado en el
extremo 5’ del gen (Figura 52), añadiendo una evidencia de que estas variantes u
otras causales de la asociación pudieran encontrarse en las secuencias regulatorias
upstream que controlan la expresión génica de MUC2.
Las mucinas son proteínas altamente glicosiladas (50-80% O-glicosilación)

sintetizadas por el epitelio gástrico y son los principales constituyentes del mucus
gástrico, encargado de la protección de la mucosa contra bacterias, enzimas
207
Discusión
proteolíticas y ácido clorhídrico. La sobre-expresión, localización intracelular

aberrante y cambios en su patrón de glicosilación han sido asociados con diversos
cánceres 254. MUC2 forma parte del mucus protector en intestino delgado y grueso,
sin embargo, no se expresa en estómago sano y sí lo hace en ambos subtipos
histológicos de MI 14.
Figura 52. Bloques de haplotipos de MUC2, el bloque que comprende a los SNPs
rs10902073 y rs10794281 (marcados en negro) más significativos del
estudio que se encuentran en el extremo 5’ del gen.
En el estudio de expresión por microarrays, dos conjuntos génicos de glicosilación

aberrante de mucinas se encuentran sobre-expresados en la MI-No CG. Es posible
que un cambio anómalo y temprano en la glicosilación de MUC2 afecte las
propiedades protectoras del mucus gástrico permitiendo la interacción directa de
Helicobacter pylori con el epitelio gástrico y su internalización en el mismo
incrementando la reacción inflamatoria. Dicha presencia de H. pylori intracelular e
intersticial en el epitelio gástrico que incrementa la reacción inflamatoria ha sido
reportada previamente 75. Además, MUC2 es portadora del antígeno tumoral sialil-
Tn producido por glicosilación aberrante en MI, CG y en otros tumores, siendo un
indicador de mal pronóstico de los mismos 255. La expresión de MUC2 en lavados
peritoneales es un marcador de recurrencia de CG después de su resección
quirúrgica 256. Todo lo anterior apoya a nivel funcional la asociación genética de
MUC2 con la evolución las LPGs.
Otros trabajos han encontrado que los genes COX2 -765C 124, las citoquinas pro-
inflamatorias IL8 -251, MIF -173 128 y XRCC1 y OGG1 134, del mecanismo de
reparación del ADN, se asocian con la evolución de las LPGs. La mayoría de estos
208
Discusión
polimorfismos no han sido estudiados en otras cohortes de seguimiento de LPGs.

Sin embargo, en concordancia con el último estudio se ha obtenido que las
variantes rs5275 y rs4648276 de PTGS2 (COX2) se asocian inversamente con la
progresión, mientras que rs5277 lo hace con la regresión. El haplotipo GCCGAG
formado por los alelos de riesgo rs5275 (C) y rs4648276 (C) asociados inversamente
con la progresión se asocia también inversamente con la progresión aunque con un
valor nominal, su frecuencia haplotípica no supera el 10% (0.098) y un p-valor
nominal (0.046). COX2 es la enzima principal en la síntesis de prostaglandinas,
implicadas en inflamación y mitogénesis, y blanco de acción de los anti-
inflamatorios no esteroideos. El ratón transgénico de COX2 desarrolla MI que
conlleva al desarrollo de CG, demostrando la importancia de este gen en la
carcinogénesis gástrica 164.
El gen con mayor cantidad de asociaciones a nivel de SNPs individuales y haplotipos

es el supresor tumoral TFF1, cuya deleción en ratón ocasiona el desarrollo de CG 163.
Es interesante señalar que codifica para otra proteína constituyente del mucus
gástrico que interacciona directamente con H. pylori, reforzando la idea de que una
estructura aberrante del mismo pudiera condicionar la evolución de las LPGs. TFF1
pertenece a la familia de factores tipo trefoil, péptidos secretores que protegen la
mucosa gastrointestinal y estabilizan el mucus gástrico, posiblemente por
estabilización de glicoproteínas, e intervienen en la cicatrización epitelial. El único
trabajo encontrado de asociación genética de TFF1 con la carcinogénesis gástrica
asocia el SNP C-394T localizado en un elemento de respuesta a estrógeno en el
promotor de TFF1 con un mayor riesgo de CG (TT: OR=8.78, IC95% 2.85-27.05) 257.
En los presentes resultados varios SNPs de TFF1 se asociaron directa (rs9976977) e

inversamente (rs424694) con la progresión. Las variantes rs225357 y rs424694 se
asocian directamente mientras que rs4920094 y rs13047838 lo hacen de manera
inversa con la regresión. Las combinaciones haplotípicas CAAC y CAGC que
contienen el alelo (A) de riesgo de rs9976977 y salvaje (C) de rs424694 y
rs13047838 se asociaron con un mayor riesgo de progresión. La elevada frecuencia
haplotípica (0.156) y significación (p=0.019) de CAAC la hacen una combinación de
interés, sin embargo CAGC posee una frecuencia <10% y una significación nominal
(p=0.039). El haplotipo TAAC, con una frecuencia de 0.225, también se asocia
significativamente con una menor probabilidad de regresión, lo que es compatible
con el mayor riesgo de progresión de los otros haplotipos que contienen el alelo C
de rs424694. Esta combinación, aunque tiene una alta frecuencia (0.225) posee un
valor nominal (p=0.025) de significación estadística.
También, los SNPs rs1583005 (OR 1.56, IC95% 1.13-2.16) y rs574445 (OR 1.63,
IC95% 1.13-2.36) de CD14 se asociaron con una mayor progresión de las LPGs. Lo
cual fue corroborado en el haplotipo TGTG que se asocia igualmente con una mayor
209
Discusión
progresión y contiene al alelo de riesgo T de rs574445 y los alelos salvajes (G) de

rs11167532 y rs2569190 asociados con un menor riesgo de progresión. En este caso
también esta combinación tiene mayor riesgo y significación estadística (OR 1.90,
IC95% 1.26-2.87, p=0.0022) que la de cada SNP por separado y posee una
frecuencia haplotípica suficientemente alta en los casos (28%).
CD14 es una glicoproteína de membrana plasmática unida a glicosilfosfatidilinositol

y expresada preferentemente por monocitos/macrófagos, que media la respuesta
inmune al LPS bacteriano a través de MYD88, TIRAP y TRAF6, para activar a NFKB1,
e inducir la secreción de citoquinas. Su expresión aumenta a consecuencia de la
infección por H. pylori y los portadores del alelo -260T de rs2569190 manifiestan
una inflamación más severa a consecuencia de la infección por H. pylori 257; este
alelo se ha asociado con un mayor riesgo de MI 130. Es un hecho interesante que
SNPs (rs11167532, rs1583005, rs2569190, rs5744455, rs778588) y haplotipos de
CD14 que se encuentran asociados respecto a un mayor riesgo de progresión de las
LPGs también lo están respecto al CG tipo cardias e intestinal en el estudio Eurgast,
confiriendo especial importancia a CD14 en la carcinogénesis gástrica. La mayoría
de estos SNPs son eQTLs, por lo que pudiera ser que la asociación observada
reflejara en parte el control que estas variantes ejercen sobre el nivel de expresión
génica. Como ha sido previamente comentado, el SNP rs2569190 regula los niveles
de CD14 presentes en monocitos, siendo mayores en los homocigotos del alelo de
riesgo 243.
La variante de CDH1 rs4783573 fue inversamente asociada con la progresión

mientras que rs12597188 y rs16260 se asociaron negativamente con la regresión. El
haplotipo AG (rs7186053, rs4783573) compuesto por el alelo de riesgo G de
rs4783573 se asocia positivamente con la regresión (OR 2.14, IC95% 1.09-4.19), sin
embargo presenta una frecuencia baja (0.074) y su significación está en el rango
0.01<p<0.05.
Se observó que el haplotipo GAC (rs10760634, rs4837404, rs10739757) de PTGES

presenta una asociación inversa con la regresión 0.55 (0.33-0.90, p=0.0183), pero
también es poco frecuente (0.059) y no muy significativo (p=0.018). Este gen
codifica para la sintasa de prostaglandina E, que cataliza el último paso de la síntesis
de prostaglandina E (PGE2), induciendo desarrollo de cáncer por incremento de la
angiogénesis, sobrevivencia celular, e inhibición de la respuesta inmune del
huésped. El ratón transgénico de COX2 y PTGES expresa al unísono a COX2 y PGE2,
desarrollando metaplasia y CG 165. No se había analizado previamente la asociación
de este gen con LPGs o CG.
El alelo T del SNP rs4503658 de CDX2 presenta una asociación nominal (OR 1.54,
IC95% 1.01-2.37, p=0.047) y positiva con la regresión, sin embargo el haplotipo CAT
que contiene a dicho alelo presenta un OR mayor (1.78, IC95% 1.11-2.85, p=0.0168)
210
Discusión
que la variante asociada. CDX2 es el agente causal más importante o master gene
de la metaplasia intestinal 52, ya que induce la expresión de los factores de
reprogramación de desdiferenciación celular SALL4 y KLF5 63 y genes de
diferenciación intestinal como la sacarasa isomaltasa, cadherina LI, MUC2, FURIN,
entre otros 64. Además, es un inhibidor de la reparación del ADN no homóloga en
cáncer de colón 259, por lo que pudiera tener un rol similar en estómago.
MAP3K14 es una quinasa de tipo serina/treonina que forma parte de las vías de
señalización ERK y JNK que activan a NFKB 170. El alelo de riesgo C del SNP
rs16939926 de este gen tiene bajo tamaño de muestra, el haplotipo CCTC muestra
un efecto protector de la regresión (OR 0.52, IC95% 0.28-0.95) pero con baja
frecuencia (0.039) y una significación no robusta por lo que no reviste importancia.
El único caso en que el análisis haplotípico aporta nueva información de asociación

respecto al análisis de SNPs individuales es en el gen PTPN11. Su haplotipo GCAGGC
se asocia inversamente con la regresión y, sin embargo, ningún SNP del mismo se
asocia con las LPGs. Su frecuencia es mayor del 10% pero su nivel de significación no
es robusto (0.034).
Al realizar el análisis de asociación estratificado por los factores de virulencia de

H. pylori cagA+/vacAs1/m1 aparecieron nuevos SNPs asociados respecto al análisis
no estratificado; así como, un incremento del riesgo (ORs mayores) de otros
previamente asociados, aunque de manera general el tamaño de muestra es muy
pequeño como para emitir conclusiones sólidas (Tabla 28). Una excepción que
incrementa el riesgo de progresión en el grupo de combinaciones no
cagA+/vacAs1m1 es rs6663310 de RUNX3 que pasa de OR 1.61 IC95% 1.03-2.5 a OR
2.42, IC95% 1.04-5.66. Otra excepción es un SNP que decrementa el riesgo de
regresión respecto al análisis general en el grupo cagA+vacAs1/m1, la variante
rs2070803 de MUC1. SNPs que incrementan el riesgo de regresión en otras
combinaciones respecto al análisis general son rs778588 (CD14), rs11865086
(MAPK3) y rs424694 (TFF1). Mientras que variantes que decrementan el riesgo de
regresión son rs13047838 y rs4920094 de TFF1. Figueiredo et al. encontraron que
en pacientes portadores de combinaciones de factores de virulencia y alelos de
riesgo existe un incremento importante de los ORs 99.
En conclusión, la variabilidad genética en MUC2 se asocia inversamente con la

regresión de las LPGs y es el resultado más importante ya que su SNP rs10902073 es
el único significativo después de aplicar el test de corrección para comparaciones
múltiples, y dicha asociación se observó previamente en el estudio de seguimiento
de LPGs de Soria, por lo que se replica en este estudio. Otros genes asociados a
nivel de SNPs y haplotipos, teniendo en cuenta la significación estadística y
frecuencia haplotípica, aunque no superan la corrección por corrección para
comparaciones múltiples, son CD14, TFF1 y PTGS2 con el riesgo y menor
211
Discusión
probabilidad de progresión de las LPGs respectivamente. Mientras que CDH1, CDX2

y TFF1 se asocian positiva y negativa respectivamente con la regresión de las LPGs.
Se replican las asociaciones del estudio de Soria en CD14 (rs2569190, rs5744455),
TFF1 (rs424694), TFF2 (rs1079380) y MUC2 (rs10902073, rs10794281). Son
necesarios estudios de replicación y funcionales para confirmar dichas asociaciones
e identificar posibles biomarcadores de evolución de las LPGs.
3. Estudio de expresión génica en metaplasia intestinal que progresa a

cáncer gástrico
3.1 Genes diferencialmente expresados
Hasta la fecha los estudios de expresión por microarrays en la MI no han

diferenciado sus subtipos histológicos completa e incompleta, ni tenido en cuenta el
porcentaje de extensión de la lesión metaplásica previo a la extracción del ARN, ni
usado muestras bien caracterizadas clínicamente con respecto a su progresión a CG
a lo largo de un seguimiento clínico, o realizado un análisis de enriquecimiento
funcional en vías de señalización celular u otros procesos moleculares ya que los
anteriores estudios de expresión génica se limitaron a exponer los genes
diferencialmente expresados. Teniendo estas limitantes en cuenta se ha realizado
un estudio de expresión génica por microarray comparando los subtipos
histológicos MIC y MII que progresan a CG respecto a los mismos que no progresan
a este tumor, así como el conjunto de las metaplasias que no progresan a CG
respecto a la mucosa gástrica sana. Las muestras poseen una extensión de la lesión
metaplásica ≥75% lo que garantiza una alta representación de transcritos
característicos de la misma.
3.1.1 Subtipos histológicos de metaplasia intestinal que progresan a cáncer

gástrico
Mediante el análisis del perfil de expresión génica por microarrays usando el array
Almac-Xcel (Affymetrix, EUA) específico para muestras parafinadas, hemos
encontrado 106 genes diferencialmente expresados en la MII que progresa a CG
respecto a la que no progresa. Aunque las diferencias de expresión no son muy
grandes, algunos genes poseen funciones en la carcinogénesis que pudieran influir
en la progresión a CG desde la MII. Los candidatos de mayor interés son transcritos
significativos en MII-CG vs MII-No CG (N=36) y en la comparación MII-CG vs Sanos
(N=22), excluyendo transcritos no específicos compartidos con la comparación MII-
No CG vs Sanos (Figura 32, Tabla 32).
Entre los genes diferencialmente expresados de mayor interés y que reflejan el

proceso inflamatorio inducido por H. pylori están los que codifican para moléculas
del procesamiento antigénico como HLA-A 207, HLA-C 223, HLA-DRB1/3/5 195, HLA-
212
Discusión
DQA1 219 y HLA-DQB1 211, y BPIFB1 que participa en la modulación de la respuesta al

lipopolisacárido (GeneCards). El regulador negativo de la expresión de HLA-clase II,
IK, se encuentra sub-expresado en la MII-CG, pudiendo influir parcialmente en la
alta expresión de moléculas HLA clase II en este grupo y en el incremento de la
presentación y procesamiento antigénico en la MII que progresa a CG. Además, la
quemokina CXCL14, que participa en el reclutamiento de monocitos no activados y
células dendríticas y se correlaciona positivamente con los estadios tumorales III/IV
del CG 204. Varias proteínas del sistema del complemento como C1R, C1QBP y C3
que participan en la respuesta inmunitaria ante microorganismos y potencian la
respuesta inflamatoria, facilitan la fagocitosis e inducen la lisis celular del agente
agresor. Componentes de dicho sistema como C1R, C1S, C1QR1, DAF y C1QL1 se
sobre-expresan en el CG tipo intestinal 260, y una inmunoterapia contra CD55
combinada con cirugía ha demostrado un aumento en la sobrevivencia al CG 261.
Varias chaperonas sobre-expresadas (2.7>Fold Change>2) CANX, CCT6A, HSP90AA1,

HSP90AB1 y ANP32 son encargadas del adecuado plegamiento tridimensional de
proteínas oncogénicas. La actividad de HSP90AA1 y HSP90AB1 se encuentra elevada
en células tumorales y su alta expresión ha sido asociada con la agresividad tumoral
y mal pronóstico en el CG 216. Además, se encuentra sobre-expresado un miembro
de la familia de oncogenes RAS llamado RAN, el cual ha sido asociado a nivel de
polimorfismos genéticos con un mayor riesgo de CG 215. También, NHP2, una
ribonucleoproteína componente de la telomerasa (TERT) que permite el
alargamiento de los telómeros, su expresión es elevada en el CG y está
correlacionada con un mal pronóstico clínico en el CG 262.
Adicionalmente, se observaron sobre-expresados los factores de inicio de la

traducción y reguladores del supresor tumoral RB1, EIF3D y EIF5B. Otros miembros
de esta familia como E2F2 y E2F3 se encuentran sobre-expresados en CG tipo
intestinal. Además, la caveolina 1 (CAV1), un candidato a supresor tumoral y
regulador negativo de la cascada RAS-MAPK, cuya alta expresión se ha asociado con
metástasis y estadificación del CG 210.
Entre las moléculas sobre-expresadas con plausibilidad en la carcinogénesis pero

que no han sido previamente asociadas con la carcinogénesis gástrica se encuentra
el gen MYOF, implicado en la transducción de señales del VEGF, un inductor del
mecanismo de angiogénesis (GeneCards). Y GNL3, una proteína que interactua con
TP53 y puede estar implicada en la carcinogénesis debido a su rol en la proliferación
de células madres (GeneCards).
Entre las moléculas sub-expresadas se encontró la ciclofilina (PPIA) que acelera el

plegamiento proteico en general, mientras que varias chaperonas se encuentran
sobre-expresadas. La quinasa dependiente de ciclina CDKL3, un regulador del ciclo
213
Discusión
celular ausente en la leucémia. El transportador de hierro ceruloplasmina (CP), ha

sido reportado que la deficiencia de este metal se asocia con el CG no cardias 263.
Así como RBBP7, proteína que interactúa con el supresor tumoral BRCA1 regulando
la diferenciación y proliferación celular (GeneCards).
Por lo tanto, en la MII-CG aparecen sobre-expresadas moléculas indicativas del

proceso inflamatorio como HLA clase I y II, proteínas del sistema del complemento,
moduladoras de la respuesta al LPS (BPIFB1) y la quemokina CXCL14. Y otras
moléculas relacionadas con la carcinogénesis como chaperonas (HSP90AA1/AB1), el
oncogén RAN, un componente de la telomerasa TERT (NHP2), reguladores del
supresor tumoral RB1 (EIF3D y EIF5B), el inductor de metástasis gástrica CAV1,
reguladores de la angiogénesis (MYOF) y de la proliferación de células madres
(GNL3). Funciones sub-expresadas de importancia en la progresión a CG están
dadas por el regulador negativo de la expresión de HLA clase II, IK, la función
antimicrobiana (LCT), la ciclofilina, la regulación del ciclo y la proliferación celular
(CDKL3, RBBP7) y del metabolismo del hierro (CP).
En la MIC que progresa a CG (MIC-CG) existe una menor cantidad de transcritos

significativos (19) respecto a la MII-CG, la mayoría de los cuales están sub-
expresados (11) con respecto a la MIC-No CG (Tabla 33). De manera similar con
MII-CG no existen genes significativos después de aplicar la corrección para
comparaciones múltiples y las diferencias de expresión son pequeñas (3.47≥Fold
Change≥0.42). Es relevante destacar el mayor número de genes diferencialmente
expresados y con mayores valores de expresión en el grupo MII-CG respecto a la
MIC-CG, lo que podría relacionarse con el mayor riesgo de progresión a CG de la MII
en comparación con la MIC reportado en estudios epidemiológicos 57.
Entre los transcritos específicos de la progresión a CG desde la MIC (Figura 34) y

sub-expresados se encuentra ANAPC5, un componente del complejo promotor de la
anafase que controla la progresión a través de la mitosis. A diferencia del grupo
MII-CG, los componentes del sistema inmune IL1R2, y de los anticuerpos
(IGHG1/IGHGM/IGHV4-31) presentan un bajo nivel de expresión indicando
parcialmente una menor intensidad de la respuesta inmune en el grupo MIC-CG
respecto al MII-CG. En similitud con lo anterior IL1R2 también se encuentra sub-
expresada en el CG intestinal 214. Entre los genes sobre-expresados se encuentran
GP2, HOXA13, IGFBP5, OLFM4, y HLA-DRB1/3/4/5. HOXA13 es un factor
transcripcional de la familia de genes homeobox como CDX1/2, encargados del
desarrollo embrionario intestinal. Su alta expresión ha sido asociada con la
agresividad del CG 264, sugiriendo que quizás otros factores transcripcionales
diferentes de CDX1/2 pueden influir en la diferenciación intestinal metaplásica y la
progresión tumoral. IGFBP5 es una proteína de unión a IGFs (insulin growth factors),
los cuales estimulan el transporte de glucosa y la proliferación celular. La
214
Discusión
olfatomedina 4 (OLFM4) es una glicoproteína de la matriz extracelular que facilita la

adhesión celular, está sobre-regulada en la MI 81, y en el CG tiene función anti-
apoptótica promoviendo el crecimiento tumoral 265. El menor número y función de
transcritos relacionados con la carcinogénesis en la MIC-CG en comparación con la
MII-CG pudiera reflejar el hecho de que aún no ha ocurrido una desregulación
relevante de la expresión en genes inflamatorios, oncogenes, supresores tumorales,
etc., responsables de la progresión tumoral. Lo cual se corresponde con el hecho de
que la MIC es un estadio de mayor diferenciación tisular previo a la MII 64.
En conclusión, hemos encontrado que las metaplasias intestinales de ambos

subtipos histológicos que progresan y no progresan a CG no se diferencian
extensamente atendiendo a sus perfiles transcripcionales. Ya que se agrupan en el
dendrograma (Figura 28), muestran pequeñas diferencias (5≥Fold Change
absoluto≥0.26, Figuras 29-30) en el perfil de expresión, y dichos transcritos no son
significativos después de ajustar por comparaciones múltiples. Sin embargo, es de
destacar que existen diversos genes implicados en la carcinogénesis
diferencialmente expresados. Se observa un mayor número de genes con funciones
oncogénicas en la MII-CG respecto a la MIC-CG, lo cual apoya a nivel molecular el
mayor riesgo de progresión a CG de la MII en comparación con la MIC 60. Sin
embargo, todas las MI son extremadamente diferentes de la mucosa gástrica sana
en el dendrograma, heatmap y Fold Changes de genes diferencialmente
expresados.
3.1.2 Metaplasia intestinal que no progresa a cáncer gástrico en comparación con

mucosa gástrica sana
Con el objetivo de caracterizar el perfil transcripcional de la metaplasia intestinal

respecto a la mucosa gástrica sana, se agruparon ambos subtipos histológicos que
no progresan a CG y se efectuó la comparación MI-No CG vs Sanos, la cual permite
corroborar transcritos diferencialmente expresados previamente reportados en la
MI. Se eligió para dicha comparación a la MI que no progresa a CG ya que es la más
frecuente en la población y, además, para determinar su perfil transcripcional
eliminando procesos oncogénicos de su caracterización. También, se realizó la
comparación MI vs Sanos observándose que sus resultados son similares a
MI-No CG vs Sanos en un 74.65% de los genes desregulados con una alta
correlación entre dichos genes (r=0.92, p<0.0001).
A diferencia de las anteriores comparaciones, en este caso los transcritos son

significativos atendiendo al p-valor ajustado por comparaciones múltiples (p<0.05) y
exhiben mayores diferencias de expresión (98.24≥Fold Change≥0.11), lo que
evidencia una diferencia radical entre el perfil transcripcional de la MI y la mucosa
gástrica sana. Entre el total (579) se encuentran diversos genes previamente
identificados desregulados en estudios de microarrays de MI (apartado 8.3 de la
215
Discusión
sección Revisión Bibliográfica) como CDX2, ACE2, KRT20, MUC13, OLFM4, REG4 81,
FABP1, MEP1B, SI, SLC6A19 214, CDX1, MTTP, CEACAM6 79, DGKQ 78, APOA1, APOA4,
APOB, ALDOB, CDH17, CLDN3, CLDN4, GGT1, HNF4A, VIL1 80, MUC2 266, MUC4 267,
TFF3 268 y CPS1 269 (Tabla anexa 2). La amplia similitud encontrada con genes
previamente hallados desregulados en la MI podemos considerarla como una
validación de la veracidad de estos resultados.
Además, se han encontrado genes sobre-expresados respecto a los cuales se ha

encontrado anteriormente una molécula de la misma familia génica (nueva
molécula similar) asociada con la MI, como familias de transportadores de
membrana SLC (solute carrier, N=36) especializados en el transporte de
bicarbonato, glucosa, Na/Cl-, aminoácidos y oligopéptidos, lo cual es indicativo de
un mayor metabolismo y quizás proliferación celular en la MI en comparación con la
mucosa gástrica sana (Tabla anexa 2).
Entre los transcritos sobre-expresados con mayores diferencias (Fold Change>18) se

encuentran en genes de expresión intestinal como las mucinas MUC2, MUC3A/3B,
MUC12 y MUC17, las cuales son secretadas por las células caliciformes, que
incrementan drásticamente su número en la MI siendo el rasgo más distintivo de la
misma 50. Este incremento de los principales componentes del mucus gástrico es un
mecanismo de defensa y a la vez consecuencia de la inflamación ocasionada por H.
pylori 64. MUC2 no se expresa en el epitelio normal mientras que si lo hace en
ambos subtipos histológicos de MI. En el estudio de asociación con la evolución de
LPGs el resultado más significativo fue obtenido con variantes de este gen. Sin
embargo, MUC2 u otras mucinas no están diferencialmente expresadas en las
metaplasias que progresan a CG, por lo que su desregulación es un evento
temprano y específico de la progresión a MI pero no a cáncer gástrico.
CDX1 y CDX2 presentan Fold Changes no tan altos, de 4.5 y 3.28 respectivamente,
por lo que es posible que su nivel de expresión no necesite ser tan elevado para
seguir propiciando la diferenciación intestinal en el estómago una vez establecida la
misma. De manera muy interesante encontramos la sobre-expresión de otro
miembro de la familia génica homeobox, HOXA13 (Fold Change 3.62, p-valor
ajustado 9,0725E-07), el cual no ha sido reportado previamente desregulado en la
MI, participa en el desarrollo embrionario del eje antero-posterior. Así como, la sub-
expresión de HOTAIRM1 (Fold Change 0.45, p-valor ajustado 0.014), un ARN
antisentido que regula negativamente a esta familia génica y que ha sido asociado
con mala sobrevivencia en CG 270. Por lo que es posible que HOXA13 contribuya
sinergísticamente con CDX1/2 a la diferenciación intestinal. La sobre-expresión de
este gen también fue observada en la MIC-CG, resaltando su posible funcionalidad.
216
Discusión
Es interesante destacar la relevancia del metabolismo lipídico entre los transcritos

con mayor sobre-expresión, lo cual también esta en correspondencia con resultados
previos. Este proceso esta representado por la proteína de transferencia de
triglicéridos y colesterol MTTP 79 80, además de las apolipoproteínas APOA1/A4,
APOB, APOBEC1, APOC3 y FABP1-2 80 81.
CPS1 (Fold Change 26.25), un biomarcador inmunohistoquímico específico y con

alta expresión en CG 273, también tiene alta expresión en la MI-No CG. Esta enzima
elimina el exceso de amonio celular, mientras que H. pylori produce este compuesto
como un mecanismo de protección ante el ambiente ácido estomacal 27, reflejando
la infección bacteriana en el grupo MI-No CG. El gen con mayor sobre-expresión
(Fold Change 98.24) es el supresor tumoral en varios cánceres incluido el CG,
DMBT1, con roles en la protección mucosal, unión a H. pylori, y diferenciación
epitelial. Ha sido validado como un marcador inmunohistoquímico de MI 275 y se
encuentra sobre-expresado en esófago de Barret y CG 271. Es probable que su alta
expresión sea interpretada como un mecanismo de defensa temprano y previo ante
una posible desregulación oncogénica, la cual ocurre de hecho en las MI que
progresan a CG.
Otros grupos de transcritos con alta sobre-expresión (Fold Change 2.12-4.73) son
seis miembros de la familia de las sulfotransferasas (SULT1A1-4, SULT1E1,
SULT1B1). Enzimas que participan en la conjugación de grupos sulfato a drogas y
compuestos xenobióticos y carcinógenos. Además, existen varios genes de la familia
de las UDP-glucoronosiltransferasas (UGTs) sobre-expresados (Fold Change 2.01-
3.63) los cuales participan en la modificación química y eliminación de compuestos
xenobióticos potencialmente tóxicos. Previamente se ha encontrado un aumento
de la actividad sulfotransferasa en el cáncer gástrico 272. También, se encuentran
sobre-expresadas varias proteínas que contienen motivos tripartitas
(TRIM14/15/31/36/40, Fold Change 2.01-3.05), las cuales activan a NFKB
incrementando la respuesta inflamatoria 273.
Respecto a los genes sub-expresados (Fold Change<0.19) en la MI-No CG respecto a

la mucosa sana se observaron diversos transcritos con funciones gástricas como la
gastrina (GAST), somatostatina (SST), ATPasa H+-K+ (ATP4A/B), pepsinógeno C (PGC),
gastroquinas 1 y 2 (GKN1-2), clusterina (CLU), ligasa de glutamato y amonio (GLUL),
el factor intrínseco gástrico (GIF) y PSCA. Los cuales indican una hipoclorhidria en la
mucosa gástrica que permite el crecimiento de bacterias generadoras de radicales
libres y por ende daño al ADN, y una disminución de la digestión proteica por la
pepsina. Una sub-expresión similar de transcritos con funciones gástricas ha sido
observada en el CG respecto al pepsinógeno C, la anhidrasa carbónica II y la
somatostatina 80.
217
Discusión
Diversos miembros (N=17) de los ARNs nucleolares pequeños C/D box (SNORDs116)
se encuentran sub-expresados. Los mismos son reguladores de la metilación de
ARNs ribosomales influyendo esta modificación química en la estructura
tridimensional de los mismos y su interacción con proteínas ribosomales.
Microdeleciones en el cluster de genes SNORDs116 contribuyen al síndrome de
Prader-Willi y este cluster controla la expresión génica de alrededor de 200 genes
274
. Otras proteínas gástricas reguladas negativamente son las mucinas MUC1,
MUC5AC, MUC5B y MUC6, cuya disminución de la expresión ha sido reportada
previamente en la MIC 14.
En conclusión, hemos encontrado diferencias significativas de expresión entre la

MI-No CG y la mucosa gástrica sana. Los genes sobre-expresados son responsables
de la diferenciación intestinal (CDX1/2, HOXA13), así como transcritos expresados
(mucinas, factores trefoil) por células intestinales que forman el mucus gástrico y
genes del metabolismo lipídico, en concordancia con resultados previos. Como
nuevos hallazgos se observa la sobre-expresión de múltiples transportadores de
membrana SLC indicativos de un activo metabolismo y proliferación celular, un
miembro de la familia génica homeobox (HOXA13) que pudiera ejercer un rol en la
diferenciación intestinal además de los clásicos CDX1/CDX2, diversas proteínas
(SULTs, UGTs) implicadas en el metabolismo de xenobióticos, proteínas TRIM
activadoras de NFKB, proteínas TMEM de función desconocida y el supresor
tumoral DMBT1. Los transcritos sub-expresados implican a proteínas que generan y
regulan la secreción ácida gástrica, por lo que en consecuencia existe una
hipoclorhidria y disminución de la digestión proteica. Nuevos genes encontrados
con baja expresión incluyen a ARNs nucleolares pequeños tipo C/D box de la familia
SNORDs116.
3.2 Vías de señalización celular y procesos biológicos implicados en la progresión

de los subtipos histológicos de metaplasia intestinal a cáncer gástrico
El análisis individual de genes diferencialmente expresados entre dos grupos

presenta diversas limitantes. El mismo no tiene en cuenta los importantes efectos
de vías de señalización celular y procesos moleculares 183. Además, existe mayor
concordancia entre estudios al evaluar vías en lugar de genes aislados y la
interpretación de una larga lista de genes significativos es una tarea difícil
dependiente del conocimiento del investigador 183. Teniendo en cuenta lo anterior
se han desarrollado métodos bioinformáticos que ayudan en la identificación de
procesos biológicos a partir de genes diferencialmente expresados haciendo uso del
análisis de enriquecimiento funcional. Este tipo de análisis se basa en que si un
proceso biológico esta alterado los genes co-funcionales deben tener una alta
probabilidad de estar significativamente enriquecidos en el fenotipo de estudio.
218
Discusión
Existen diversos métodos para este análisis pero no brindan soluciones estadísticas
exactas, sino que son algoritmos exploratorios que permiten dar una idea de los
procesos implicados, los cuales deben ser evaluados sobre la base de su
plausibilidad biológica. La diversidad de variables que influencian estos métodos
hacen que los tests de corrección para comparaciones múltiples sean solo una
solución parcial a su baja especificidad 275. Hemos utilizado dos programas
bioinformáticos (Gene Set Enrichment Análisis [GSEA] e Ingenuity Pathway Analysis
[IPA]) que hacen uso del enriquecimiento funcional con el objetivo de identificar
vías de señalización celular y procesos biológicos desregulados en la progresión
desde los subtipos de MI a CG (apartado 3.4.1 de la sección Resultados) y para
comparar la MI que no progresa a CG con la mucosa gástrica sana.
3.2.1 Gene Set Enrichment Analysis
La principal ventaja del análisis del programa GSEA es que tiene en cuenta todos los
genes analizados independientemente de su significación estadística o nivel de
expresión. Permitiendo que genes con un efecto pequeño, que no pasarían los
criterios de selección habituales (p<0.05 y Fold Change>1.5 o 2), contribuyan al
enriquecimiento de un conjunto génico. Su principal limitante es que asume que los
genes con mayores diferencias de expresión son los más importantes 275.
MII y MIC que progresan a cáncer gástrico
Se observa una drástica diferencia entre la MII respecto a la MIC que progresa a CG;
ya que en la primera se obtienen 124 conjuntos génicos sobre-expresados (Tabla
anexa 3) y relacionados con diferentes procesos carcinogénicos, mientras que solo 2
sin plausibilidad biológica en el caso de la MIC. Esto concuerda con el hecho de un
mayor número de genes desregulados implicados en la carcinogénesis y específicos
de la MII-CG (N=58) en comparación con la MIC-CG (N=10). El mecanismo por el
cual las MIC progresan a CG es desconocido, sin embargo es probable que en este
caso sea relevante el papel de unos pocos genes diferencialmente expresados en
lugar de vías de señalización celular, que sea necesario un mayor tiempo para que
en la MIC comience un proceso de desregulación de la expresión génica como en el
grupo MII-CG o que al pasar del tiempo la MIC se transforme en MII y exhiba una
desregulación en la expresión de genes responsables de la progresión tumoral como
la observada en esta última. Pudiera ser de importancia en este aspecto la molécula
de adhesión celular que promueve la proliferación celular en el CG, OLFM4 265, la
cual se encuentra sobre-expresada en la MIC-CG.
Con el objetivo de determinar los procesos comunes y específicos en el grupo

MII-CG respecto a MI-No CG se realizó un diagrama de Venn (Figura 53). Los
procesos comunes podrían desempeñar un papel en los pasos iniciales de la MI y
continuar durante la progresión al CG. Sin embargo los específicos del grupo MII-CG
219
Discusión
influyen sólo durante la progresión tumoral. Los procesos sobre-expresados

específicamente en la MII-CG y no en la MI-No CG son la adhesión celular,
endocitosis o fagocitosis, genes regulados por insulina, degradación de ARNm NMD
y la degradación proteica por el proteasoma.
Figura 53. Diagrama de Venn que compara procesos funcionales sobre-expresados

comunes y específicos entre los grupos MII-CG y MI-No CG, según los
análisis GSEA e IPA.
El mayor número (24/144) de conjuntos sobre-expresados relacionados con la

carcinogénesis en el grupo MII-CG están representados por el ciclo celular y
moléculas reguladoras del mismo como TGFB1, PI3K, MAP quinasas y factores de
transcripción E2F, lo cual indica una elevada proliferación celular en la MII-CG en
comparación con la MII-No CG. El proyecto internacional Cancer Genome Atlas ha
realizado la más extensa caracterización genómica del CG determinando
mecanismos moleculares comunes en los mismos. Este estudio ha demostrado que,
a semejanza de estos resultados, la vía de señalización PI3K se encuentra
reiteradamente sobre-expresada en el CG 46. Además, un trabajo con el marcador
inmuno-histoquímico PCNA ha demostrado un incremento de la proliferación
epitelial en la MI en comparación con la gastritis atrófica, incluso después de la
erradicación de H. pylori 276. Los factores transcripcionales E2F, EIF3D y EIF5B,
también se encuentran sobre-expresados en la MII-CG y los resultados del catálogo
c3.tft.v5.0 muestran que existen 19 de 27 conjuntos génicos compuestos por la
familia E2F significativamente (q-valor FDR<0.05 y p-valor<0.01) sobre-expresados
en la MII-CG.
220
Discusión
A continuación, existen 20 conjuntos génicos compuestos por supresores

tumorales (RB1, BRCA1/2 y TP53) o dianas de los mismos. Estos genes inhiben la
proliferación celular excesiva detienendo el ciclo celular en respuesta generalmente
a un daño en el ADN. La familia de RB1 o proteína del retinoblastoma, está
compuesta por diversos miembros que presentan un dominio de unión a factores
transcripcionales E2F (participan en el inicio de biosíntesis proteica) inhibiendo la
acción de los mismos por bloqueo de las fases G1/S 277. La expresión génica de RB1
aumenta acorde a la severidad de la cascada de Correa 277 y la vía de señalización
del mismo se encuentra sobre-expresada en el CG 46.
Además, se encontraron 20 conjuntos génicos desregulados compuestos por los

oncogenes MYC, RAS, NRAS, KRAS, MET y PTEN, siendo MYC el más frecuente. De
manera general los oncogenes son receptores de factores de crecimiento con
actividad quinasa y factores transcripcionales. El aumento de su expresión implica
un incremento en la proliferación y sobrevivencia celular debido a la regulación
positiva que ejercen sobre el ciclo celular. En este sentido la infección por H. pylori
induce la expresión de oncogenes MYC y β-catenina 278. Se ha encontrado que MYC
se expresa en el 77% de los adenocarcinomas gástricos asociándose con metástasis
en nodo linfático y estadios tumorales III-IV 279.
También se observaron una serie de conjuntos génicos (N=15) con un rol en la

invasión y metástasis (CDH1, ZEB1, ERBB2, MMP14) y transición epitelio-
mesenquima, proceso que tiene un papel relevante en la transformación tumoral
gástrica 44. Mutaciones en CDH1 (cadherina E) han sido encontradas en el CG
hereditario de tipo difuso y en hasta el 37% de los CGs con estabilidad genómica 46.
La pérdida de la función de CDH1 contribuye a la progresión de la tumorigénesis por
la ruptura de su unión con la β-catenina y pérdida de las uniones célula-célula con
un consecuente incremento en la invasión y metástasis 44. El gen ERBB3 se
encuentra mutado en el 20% de los CGs estudiados en el Cancer Genome Atlas 46.
Otro proceso con diversos conjuntos desregulados (N=13) es la inflamación, como

se evidencia en varios conjuntos compuestos por el factor transcripcional NFKB, el
cual es activado por la infección de H. pylori, induciendo una señalización que
culmina en la expresión de citoquinas pro-inflamatorias. Otro componente de los
mismos es TNF, una citoquina pro-inflamatoria incrementada en la MI y otras LPGs.
Es interesante destacar que 8 conjuntos implicados en la adipogénesis aparecen a

continuación y genes del metabolismo lipídico como FABP5 y FABP5P3 se
encuentran sobre-expresados en el grupo MII-CG. La adipogénesis es el proceso de
diferenciación por el cual los preadipocitos se convierten en adipocitos, los cuales
participan en la homeostasis energética. La alta proliferación celular trae consigo
una alta síntesis lipídica o lipogénesis para garantizar la generación de membranas
221
Discusión
biológicas. Este fenómeno en el cáncer además conlleva a un incremento de lípidos

saturados en las membranas protegiéndolas del daño oxidativo por peroxidación
lipídica. También, los lípidos actúan como moléculas de señalización (Ej PIP3) en la
proliferación celular, el colesterol es requerido para el funcionamiento de la vía de
señalización hedgehog la cual es necesaria para el mantenimiento de la
diferenciación y secreción ácida gástrica, y son componentes integrales del proceso
de la autofagia, el cual permite a los tumores mantener su suplemento energético
en condiciones de carencia de nutrientes. Además, participan en la regulación de la
migración de células tumorales, interacción tumor-estroma, inducción de
angiogénesis e hipoxia 280.
La apoptosis esta representada en la MII-CG por solo 6 conjuntos en comparación

con un mayor número (24) implicados en la proliferación celular, lo que indica un
predominio de la proliferación sobre la apoptosis, característico de los procesos
neoplásicos.
Aparecen 4 conjuntos génicos compuestos por integrinas, glicoproteínas de

adhesión con la matriz extracelular y de la unión célula-célula. Las interacciones
celulares mediadas por integrinas se han obtenido sobre-representadas en el CG 46.
Se observaron 5 conjuntos sobre-expresados que implican a la angiogénesis,
constituidos la mayoría por el regulador positivo de este proceso VEGFA (vascular
endotelial growth factor) el cual se sobre-expresa en el CG 281 46, e incluso una
terapia para disminuir la angiogénesis bloqueando su receptor (VEGFR2) ha sido
aprobada para el tratamiento de CG en estados avanzados 282.
Otro proceso con relevancia en la carcinogénesis es la degradación proteica vía

proteasoma, un mecanismo que garantiza la degradación de entre el 80-90% de las
proteínas intracelulares con una estructura tridimensional aberrante o de muy
corto tiempo de vida. Los cánceres incrementan la degradación proteasomal de
supresores tumorales para evadir la apoptosis y tener una proliferación elevada a
pesar del daño genómico presente en sus células. H. pylori induce la degradación
proteasomal de supresores tumorales gástricos como RUNX3 283 y CDKN1B
(p27kip1) 284 y del inhibidor apoptótico BIRC5 285.
Una estructura citoplasmática llamada PaCS (particle-rich cytoplasmic structure)

consistente de acúmulos de proteínas ubiquitinadas y componentes proteasomales
19S y 20S ha sido detectada en la MII, sin embargo no se ha detectado en la MIC.
Esta estructura modula la virulencia bacteriana induciendo la respuesta inmune
inflamatoria a través del inmunoproteasoma y participa en la regulación del
crecimiento neoplásico 75 286.
Otros procesos sobre-expresados en la MII-CG pero con menor número de

conjuntos génicos son la regulación por insulina, cáncer de esófago, cáncer gástrico,
222
Discusión
degradación de ARNm aberrantes NMD y respuesta a daño genómico y a proteínas

con un plegamiento aberrante. La señalización por insulina ha sido obtenida como
un proceso desregulado en el CG. El cáncer de esófago progresa a partir del esófago
de Barret, una metaplasia intestinal esófagica que presenta grandes similitudes con
la gástrica. La presencia del mecanismo de degradación de ARNm aberrantes en la
MII-CG es otro mecanismo similar a la degradación proteasomal pero a nivel de
ARNm que confirma una alta tasa de degradación de transcritos o proteínas en la
MII-CG y que previamente fue obtenida en el estudio de asociación genética en
NOD2. La presencia de proteínas con plegamiento aberrante se confirma también a
nivel de genes diferencialmente expresados con la sobre-expresión de varias
chaperonas en la MII-CG.
De esta manera, se han hallado una diversidad de procesos moleculares sobre-

expresados que pudieran condicionar y caracterizar la progresión desde la MII hacia
el CG. Sin embargo, en el grupo MIC-CG no se identificaron conjuntos génicos
significativos con plausibilidad en la carcinogénesis gástrica. Se ha planteado
previamente la existencia de un mayor riesgo de progresar a CG para la MII
respecto a la MIC. Este hecho se ha observado en dos estudios epidemiológicos de
seguimiento de lesiones precursoras gástricas realizados, uno en la provincia de
Soria 57 y otro en toda España, parte de las muestras analizadas en el microarray
provienen de dichos estudios. Otros estudios epidemiológicos de seguimiento de
LPGs y transversales han obtenido un resultado similar, apoyando la idea de que el
subtipaje de la metaplasia intestinal pudiera contribuir a la detección de pacientes
con MII que muestran una mayor probabilidad de desarrollar CG 60.
Otros estudios moleculares han mostrado diferencias entre la MII y la MIC que
apoyan el hecho epidemiológico de un mayor riesgo de progresión para la MII
respecto a la MIC. Por ejemplo, la presencia de H. pylori intraepitelial o intercelular
se ha observado con mayor frecuencia en la MII en comparación con la MIC,
induciendo una mayor respuesta inflamatoria debido a la existencia de una
estructura formada por cagA, vacA, proteínas poliubiquitinadas, componentes del
proteasoma y proteínas oncogénicas SHP2 y ERK 75 286. Otro proceso es una menor
expresión de CDX2 en la MII en comparación con la MIC, induciendo un estadio
indiferenciado susceptible de transformación tumoral. En el mismo la acción
supresora tumoral de CDX2 sería menor en la MII permitiendo la proliferación de
células metaplásicas susceptibles de convertirse en tumorales 65 287. SOX2, una
proteína esencial para mantener la pluripotencia de las células madres
embrionarias, muestra una alta expresión en la mayoría de las MII (85%) mientras
que solo en el 7% de las MIC 288. También, la vía de señalización Shh tiene un
menor nivel de activación en la MII 70. Esta vía regula la proliferación y
diferenciación gástrica, y disminuye su activación a partir de la atrofia gástrica. La
inhibición de esta vía conlleva a un programa de diferenciación alterado y pérdida
223
Discusión
de la secreción ácida gástrica; así como, a un incremento de la proliferación epitelial

y menor expresión de reguladores de la expresión tejido específica 70. También, se
ha reportado una mayor actividad telomerasa 74 289, incremento de mutaciones en
TP53 e inestabilidad de microsatélites 52 en la MII en comparación con la MIC.
Genes leading edge y filtrado de conjuntos génicos en el grupo MII-CG
En el análisis del GSEA no todos los genes contribuyen de igual manera a un proceso
identificado, sino que existe un subconjunto de los mismos (leading edge) que
contribuyen más a la señal de enriquecimiento (enrichment score). Debido a lo
anterior, a la baja especificidad del análisis de enriquecimiento funcional y la alta
cantidad de conjuntos génicos sobre-expresados (N=124) en la MII-CG, y en un
intento por restringir los mismos a los más relevantes se identificaron los genes
leading edge de los mismos compartidos con los genes sobre-expresados en este
grupo 260.
Además, se filtraron los conjuntos génicos atendiendo a los mayores valores de ES

(>0.5) y Rank at max extremos. Los procesos moleculares compartidos de los
análisis anteriores y, por tanto, de mayor relevancia en la progresión a CG desde la
MII son el incremento de moléculas del ciclo y la proliferación celular, oncogenes,
supresores tumorales y genes regulados por la insulina (Figura 54). A estos procesos
relevantes se les añade el rol de la degradación proteica proteasomal identificado a
partir de genes leading edge compartidos entre todos los conjuntos génicos. Los
conjuntos génicos representativos de dichos procesos funcionales con ES >0.5
(Tabla anexa 3), Rank at max extremos (Tabla 35), o genes leading edge sobre-
expresados en la MII-CG (Tabla 37) pudieran ser validados en futuros estudios de
expresión génica o inmunohistoquímicos.
Figura 54. Procesos funcionales comunes a conjuntos génicos con diferentes

criterios de selección en la MII-CG.
224
Discusión
MI-No CG en comparación con mucosa gástrica sana
En el grupo MI-No CG se observó en comparación con MII-CG una menor cantidad

de conjuntos génicos que representan procesos carcinogénicos como la
proliferación celular, oncogenes y supresores tumorales, lo cual se corresponde con
el estadio de la MI que no progresa a CG (Tablas anexas 3-4). No se observaron
conjuntos génicos sub-expresados y con plausibilidad biológica en el fenómeno de
estudio. Los procesos específicos de la MI-No CG son el efecto Warburg no tumoral,
diferenciación intestinal, glicosilación proteica aberrante, infección por H. pylori,
metabolismo de xenobióticos y reflujo gastroesofágico. Sin embargo, también
existen procesos comunes a ambos grupos como el metabolismo lipídico que
pudieran ejercer un rol en ambos estadios de la MI.
El proceso funcional más representado es el efecto Warburg o glicólisis aeróbica

(Tabla anexa 4). El mismo consiste en que en los procesos tumorales la obtención
de energía ocurre por un incremento de la glicólisis respecto a la fosforilación
oxidativa. Para contrarrestar el uso preferente de un proceso menos eficiente
energéticamente, las células aumentan la generación de intermediarios como la
glucosa y sus transportadores, la gluconeogénesis y la biosíntesis de enzimas
glicolíticas como la hexoquinasa que cataliza el paso limitante de la glicólisis. En el
grupo MI-No CG se observa la sobre-expresión de transportadores de glucosa
SLC2A5, SLC5A9, la enzima glicolítica hexoquinasa KHK y del glucagón, un activador
de la gluconeogénesis.
En el efecto Warburg se incrementa la biosíntesis de glucosa a partir de precursores

no glucídicos (gluconeogénesis) para facilitar la formación de macromoléculas en
condiciones de activa proliferación celular 45. En este sentido observamos varios
conjuntos sobre-expresados del metabolismo de los aminoácidos alanina,
aspartato, glutamato, arginina y prolina. Los productos finales de la glicólisis, el
lactato y piruvato activan los factores inducibles por hipoxia HIF1A y HIF2A, los
cuales a su vez inducen genes glicolíticos, transportadores de glucosa e inductores
de angiogénesis. En este aspecto se observaron 2 conjuntos génicos significativos
formados por HIF1A.
El efecto Warburg es ocasionado por una fosforilación oxidativa disfuncional debido

a mutaciones en el ADNm causadas por radicales libres generados en la misma y
que están presentes en la infección por H. pylori 290 y en el CG 291, afectando la
integridad mitocondrial y disminuyendo la fosforilación oxidativa. Sin embargo, el
efecto Warburg es universal en células normales en condiciones de activa
proliferación, con el objetivo de cambiar el metabolismo de fosforilación oxidativa a
glicólisis para evitar la generación de radicales libres y proteger al genoma de daño
mutacional durante la activa síntesis de ADN 292. Atribuimos a este “mecanismo de
defensa” el predominio del efecto Warburg en la MI que no avanza a CG en lugar de
225
Discusión
la que si avanza, hecho que sería lo más plausible biológicamente. La presencia de

un solo conjunto significativo relacionado con la fosforilación oxidativa en
comparación con 10 relacionados con el metabolismo glicolítico muestra que es
plausible un efecto Warburg no tumoral reflejo de una activa proliferación celular
en la MI-No CG y, coincidentemente, existen 6 conjuntos génicos sobre-expresados
de proliferación celular.
El segundo proceso más representado en la MI-No CG es el metabolismo lipídico a

través del metabolismo de ácidos grasos, glicerolípidos, triacilglicerol, transporte
lipídico, etc. Debido a que los ácidos grasos son usados como fuente de energía
gluconeogénica, el incremento del metabolismo lipídico en este grupo pudiera ser
una consecuencia del efecto Warburg. Lo cual esta en consonancia con varios
estudios de expresión por microarray que evidencian la sobre-expresión de genes
de dicho proceso como FABP1, MTTP, APOA1 80, AKR1B10, ALDH3A2, ADH1B, CDS1
y DGKQ 78 en la MI, y con el hecho de la sobre-expresión de diversos genes
(APOA1/4, APOB, APOC3, etc.) de este proceso en la MI-No CG. La plausibilidad de
este mecanismo en la carcinogénesis gástrica está dada porque en condiciones de
activa proliferación, las membranas biológicas que poseen un importante
componente lipídico necesitan ser sintetizadas para las nuevas células 280. En este
sentido también se observaron 7 conjuntos formados por factores de transcripción
hepáticos HNF1A, HNF3A y HNF4A (Tabla anexa 4), los cuales inducen la expresión
de genes del metabolismo lipídico 80 y que HNF4A y HNF4G están sobre-expresados
a nivel de genes individuales en la MI-No CG. Es válido recordar que conjuntos
sobre-expresados en el proceso de adipogénesis se hallaron en la MII-CG.
A continuación aparece el proceso común (entre MII-CG y MI-No CG) de la

inflamación, con diversos conjuntos génicos (N=13) formados por vías de
señalización de citoquinas IL2, IL4, IL8, el factor regulador de IFN IRF4, quemokinas,
neutrófilos y el factor transcripcional NFKB, cuya activación por la infección de H.
pylori conlleva a la expresión de citoquinas pro-inflamatorias en la MI y otras LPGs.
Varios conjuntos génicos cuyo conocimiento por estudios previos validan a la
diferenciación intestinal por CDX2, factores nucleares hepáticos (HNF1A/3A/4A), al
esófago de Barret (lesión precursora metaplásica de cáncer esofágico) y el reflujo
gastro-esofágico, un factor de riesgo de MI 293. Posteriomente aparecen conjuntos
génicos compartidos con la MII-CG como el procesamiento antigénico, oncogenes,
apoptosis, proliferación celular, respuesta a daño genómico, supresores tumorales,
angiogénesis e invasión y metástasis.
Otro proceso específico del grupo MI-No CG es el metabolismo de xenobióticos.

Estos son compuestos inexistentes en la naturaleza incluyendo a fármacos, aditivos
alimentarios y contaminantes ambientales, los cuales son metabolizados en el
hígado para hacerlos menos tóxicos y fácilmente excretables. Paradójicamente, el
226
Discusión
metabolismo de xenobióticos induce daño al ADN, lípidos y proteínas mediante la

generación de radicales libres del O2 y el N2; así como, la transformación de los
xenobióticos en carcinógenos 294. Parte de la regulación de la transformación de
xenobióticos es ejercida por la señalización de HNF4A 295, la cual se encuentra
sobre-expresada en la MI-No CG. Este mecanismo se divide en biotransformación
de fase I y II. La fase I consistente en reacciones de mono-oxigenación realizadas por
citocromos P450 (CYPs) implicados en el metabolismo de drogas y esteroides;
mientras que la fase II consiste en reacciones de glucoronidación, sulfación,
metilación, acetilación, conjugación de glutatión y de aminoácidos llevados a cabo
por enzimas transferasas como UGTs (UDP glucuronosiltransferasas),
sulfotransferasas (STs), N-acetiltransferasas (NATs), glutatión S-transferasas (GSTs) y
metiltransferasas. Además de observarse este proceso molecular enriquecido en 3
conjuntos génicos, a nivel de transcritos individuales se observó previamente que
diversos miembros de las enzimas UGTs, sulfotransferasas y citocromos P450 se
encontraban sobre-expresadas en la MI-No CG. Se ha observado asociación entre
polimorfismos de genotipos GSTT1 y GSTM1 con las lesiones preneoplásicas 136, y
COMT Val158Met con la severidad de la MI 296.
Un par de procesos específicos de la MI-No CG son la terminación de biosíntesis de

O-glicanos y la O-glicosilación de mucinas, compuestas por diversas mucinas
(MUC2/4/12/13/17) y enzimas acetil (GCNT3) y galactosiltransferasas (B3GNT7)
encargadas de su O-glicosilación. Las mucinas son moléculas con alta O-glicosilación
que contribuyen a la protección de la mucosa gástrica. Las mismas mimetizan la
presencia de antígenos tisulares y sanguíneos en su estructura permitiendo la
adhesión bacteriana por lo que actúan como un señuelo molecular (molecular
decoy) 256. En este sentido, H. pylori reconoce los antígenos sialil Lea y Lex presentes
en O-glicanos de las mucinas gástricas y esta bacteria modula la glicosilación
creando un microambiente favorable para la infección. Así, en pacientes con
metaplasia intestinal incompleta, una alteración en la glicosilación de MUC5AC y
MUC6 se correlaciona con un aumento en la hidrosolubilidad de las mismas y del
mucus gástrico y alta expresión de oligosacáridos que expresan antígenos sialil Lea y
Lex. Mientras que pacientes infectados asintomáticos clínicamente son capaces de
evitar estadios mas avanzados de la infección por la adaptación de la glicosilación
de dichas mucinas; como la expresión de glicanos αGlcNAc (α1,4-N-
acetylglucosamina) con acción antibiótica en la mucosa gástrica con el objetivo de
impedir su penetración en el epitelio y limitar la infección al mucus gástrico 297. El
ratón knock-out A4gnt(-/-) que no expresa glicanos αGlcNAc manifiesta la casada de
Correa sin infección por H.pylori 298.
Un reciente trabajo también halló una O-glicosilación anormal en plasminógeno

sérico de pacientes con gastritis y MI 299. Adicionalmente, en diversos
adenocarcinomas MUC1 es sobre-expresada en forma sub-glicosilada con O-
227
Discusión
glicanos truncados alterando su tráfico endocítico y localización subcelular 300.

También es conocido que una glicosilación alterada ocurre en el cáncer en general
debido a la desregulación de la expresión de glicosiltransferasas y alteración en la
actividad de glicosidasas y chaperonas; contribuyendo dicha alteración a la
inflamación, adhesión y señalización celular de los procesos tumorales 301. Basado
en las anteriores evidencias en los primeros estadios de la MI una glicosilación
anómala trae consigo un mucus gástrico más hidrofílico que pudiera imposibilitar el
atrapamiento de H. pylori y permitir su interacción directa y entrada al epitelio
gástrico, hecho que traería como consecuencia una mayor severidad de la reacción
inflamatoria antes descrita en el caso de la presencia intracelular de H. pylori 75.
Genes leading edge y filtrado de conjuntos génicos en el grupo MI-No CG
Al igual que se realizó previamente para el grupo MII-CG y con el objetivo de

restringir los procesos funcionales, se determinaron en la MI-No CG los comunes a
aquellos conjuntos génicos con ES>0.65 (Tabla anexa 4), valores Rank at max
extremos de la distribución (Tabla 36) y que poseyeran genes leading edge sobre-
expresados (Tabla 38). Los procesos comunes y más relevantes en la MI-No CG son
el efecto Warburg no tumoral, metabolismo lipídico, diferenciación intestinal,
glicosilación proteica aberrante, procesamiento antigénico, inflamación y apoptosis
(Figura 55). Los conjuntos génicos de dichos procesos pudieran ser candidatos para
una futura validación por qRT-PCR o inmuno-histoquímica.
Figura 55. Procesos funcionales comunes a conjuntos génicos con diferentes

criterios de selección en la MI-No CG.
En conclusión, el análisis de enriquecimiento funcional mediante el programa GSEA

ha permitido identificar una gran cantidad de procesos moleculares implicados en la
carcinogénesis sobre-expresados en la MII-CG con respecto a la MIC-CG, lo que
confirma su mayor riesgo de progresar a CG. Una parte de estos procesos son
228
Discusión
específicos y otros comunes a los grupos MII-CG y MI-No CG (Figura 53), siendo
estos últimos característicos de la MI independientemente de su progresión
tumoral. Los procesos funcionales sobre-expresados en la MI-No CG poseén una
alta similitud con resultados previos de la literatura. Mediante la superposición de
diferentes criterios de selección hemos reducido la gran cantidad de procesos
funcionales existentes en MII-CG y MI-No CG a los más relevantes.
3.2.2 Ingenuity Pathway Analysis
MII y MIC que progresan a cáncer gástrico
El programa informático IPA permitió identificar por una metodología alternativa

vías de señalización celular y mecanismos funcionales implicados en la progresión
de los subtipos histológicos de metaplasia intestinal completa e incompleta al
cáncer gástrico. Estos resultados son parcialmente diferentes de los obtenidos con
el GSEA, pudiendo deberse a sus diferentes metodologías, ya que el IPA trabaja
solamente con genes significativos diferencialmente expresados y sus Fold Changes,
los cuales son buscados en la base de datos Ingenuity® Knowledge Base, la cual
posee información de mecanismos patológicos a nivel molecular, celular y de
organismo. Los resultados del IPA evidencian una serie de vías canónicas sobre-
expresadas en ambos subtipos histológicos de MI que progresan a CG, a diferencia
del GSEA donde solo fueron obtenidas vías sobre-expresadas en la MII-CG. Dichas
vías comunes son la presentación antigénica, señalización por TNFRSF4,
comunicación entre células innata y adaptativa, enfermedad tiroidea autoinmune y
maduración del fagosoma, evidenciando la relevancia de la respuesta inmune
innata y adquirida en la progresión tumoral (Tabla 40). Sin embargo, se observan
una menor cantidad de procesos carcinogénicos respecto a los resultados del GSEA.
La mayoría de las vías obtenidas son más significativas y con un mayor número de
moléculas en la MII-CG que en la MIC-CG (Figura 40); hecho que coincide con el
mayor riesgo de progresión a CG de la MII en comparación con la MIC obtenido en
estudios epidemiológicos 57 60. Todas las vías sobre-expresadas en MII-CG y MIC-CG
(Tabla 40) contienen a moléculas sobre-expresadas de HLA clase I/II y componentes
de anticuerpos. De manera coincidente, en el análisis del GSEA también se obtienen
vías implicadas en la presentación antigénica (MII-CG y MI-No CG), maduración del
fagosoma (fagocitosis, MII-CG) y maduración de células dendríticas (MII-CG).
TNFRSF4 es el receptor del factor de necrosis tumoral el cual participa en la

respuesta de células T CD4+, la proliferación de células B dependiente de células T,
e inhibición de la apoptosis; respecto al mismo no existen trabajos previos en la MI
o CG. Las células dendríticas gástricas reconocen a H. pylori y activan a células T
para iniciar la respuesta inmune 302. El fagosoma es una vesícula formada alrededor
229
Discusión
de una partícula absorbida por fagocitosis, en el interior de la cual los

microorganismos son eliminados por enzimas lisosomales y la acidificación.
Helicobacter pylori altera la maduración del fagosoma a través de vacA y resiste el
ambiente ácido mediante la producción de amonio por la ureasa, contribuyendo a
la evasión de la respuesta inmune 303.
Otra de las vías canónicas sobre-expresadas en MIC-CG y MII-CG es la enfermedad

tiroidea autoinmune. Basándose en la alta correlación entre la incidencia de la
enfermedad tiroidea y la mortalidad por CG, se ha propuesto la hipótesis de que
algún factor sea producido en la tiroides como resultado de esta enfermedad, el
cual afecte la mucosa gástrica contribuyendo a la gastritis crónica 304. Es muy
interesante que existan 3 conjuntos génicos sobre-expresados en MII-CG
compuestos por cáncer de tiroides, del cual la enfermedad tiroidea autoinmune es
su principal factor de riesgo. Previamente un estudio proteómico había identificado
la sobre-expresión de la principal enzima tiroidea, triyodotironina (T3), y HIF1A en
CG proponiendo que la expresión de este último sea inducida por T3 vía PI3K
conllevando a un efecto Warburg 305.
En ambos grupos, MII-CG y MIC-CG, las enfermedades reconocidas por el análisis

funcional del IPA fueron las inmunológicas e inflamatorias, mientras que las
funciones moleculares comunes fueron la proliferación celular, señalización e
interacción célula-célula y muerte y sobrevivencia celular. El análisis de reguladores
upstream en la MII-CG confirma que es posible que otros genes homeobox
diferentes de CDX1/2, como en este caso HOXC11, contribuyan a la diferenciación
intestinal. Se ha observado previamente que otro miembro de esta familia,
HOXA13, se encuentra sobre-expresado en la MIC-CG y MI-No CG 264.
La red molecular construida por el IPA con mayor score en la MII-CG fue asociada
con enfermedades del tejido conectivo e inflamatorias, estando compuesta por 21
moléculas centrales diferencialmente expresadas en la MII-CG y con una extensa
inter-relación (Figura 40A). Por ejemplo, HLA-A, C, DRB1, DQB1, IL1R2, FABP5
interactúan con inmunoglobulinas. También varias moléculas interactúan con el
oncogén RHOA, mutado frecuentemente en CG 46 y sub-expresado en la MII-CG.
Otras moléculas sobre-expresadas interaccionan con el factor transcripcional NFKB,
inductor de la expresión de citoquinas pro-inflamatorias. El IPA no construyó
ninguna red molecular de alto score (>15) en la MIC-CG, debido a la pequeña
cantidad y baja inter-relación de los genes diferencialmente expresados en este
grupo, lo cual apoya el fenómeno de un mayor riesgo de progresión a CG de la MII
respecto a la MIC.
230
Discusión
MI-No CG en comparación con mucosa gástrica sana
Al igual que en el análisis con el GSEA las muestras de MII y MIC que no progresan a
CG fueron unidas y comparadas con los controles sanos, con el objetivo de
identificar mecanismos funcionales característicos del grupo MI-No CG. Observamos
que en esta comparación aparecen sobre-expresadas 3 vías pertenecientes a la
familia de receptores nucleares pregnano X (PXR/NR1I2), farnesoide X (FXR/NR1H4),
hepático X (LXR) y retinoide X (RXRG). PXR es un factor transcripcional activado por
compuestos xenobióticos, tras lo cual actúa como un regulador transcripcional de
los citocromos P450, encargados de metabolizar y eliminar los mismos.
Coincidentemente está sobre-expresada la vía metabolismo de xenobióticos,
obtenida como desregulada empleando el programa GSEA y a nivel de genes
individuales. El receptor FXR es miembro de la subfamilia de receptores nucleares
activados por esteroides, siendo un receptor de ácidos biliares y activador
transcripcional de la síntesis y transporte de los mismos.
Las funciones moleculares del IPA confirman, al igual que el GSEA y los genes
diferencialmente expresados, que el metabolismo lipídico está incrementado en la
MI-No CG, siendo dos de los reguladores upstream en este grupo los factores
transcripcionales nucleares hepáticos HNF1A/4A, inductores de este proceso. En la
red de mayor score (29) se observa a dicho proceso como el más relevante,
existiendo un nodo central compuesto por HNF4A sobre-expresado e interactuando
directamente con otras moléculas sobre-expresadas del metabolismo lipídico como
APOA, APOB, MTTP, APOC3 y ABCG8; así como, con el citocromo P450 CYP3A4 y el
receptor pregnano NR1I2, evidenciando también la relevancia del metabolismo de
xenobióticos en dicha red. Además, la función transporte molecular y bioquímica de
moléculas pequeñas pudiera estar reflejando el hecho de que en este grupo fue
obtenido el efecto Warburg como el proceso molecular más frecuentemente sobre-
expresado en el análisis de GSEA. De esta manera, en la MI existe un incremento del
metabolismo lipídico corroborado mediante el análisis de genes diferencialmente
expresados, el de funciones y redes moleculares del IPA y el GSEA.
Otra vía de intéres implica al metabolismo de la hormona tiroidea triiodotironina

(T3), reguladora de la tasa metabólica general y de proteínas, grasas y
carbohidratos, la que esta sobre-expresada en el CG 305. T3 induce la expresión de
HIF1A, un regulador transcripcional de la respuesta hipóxica con dos vías sobre-
expresadas en el GSEA. HIF1A induce la expresión de enzimas glicolíticas y
transportadores de glucosa, como la hexoquinasa, SLC2A5, SLC5A9 y SLC5A1 que
están sobre-expresados en la MI-No CG y son una manifestación del efecto Warburg
en este grupo. De manera muy interesante se observan dos vías dedicadas a la
degradación de melatonina, una hormona con un rol en la motilidad
gastrointestinal, protección mucosal ante la secreción ácida y eliminación de
231
Discusión
radicales libres 306, por lo que al encontrarse sub-expresada en la mucosa gástrica

no ejercería su actividad protectora y anti-oxidante.
En conclusión, el análisis mediante IPA identificó una serie de procesos comunes

con el GSEA, lo que les confiere mayor importancia. En el caso de la MI-No CG,
existe un incremento del metabolismo lipídico previamente reportado. Nuevos
procesos identificados incluyen al metabolismo de xenobióticos, hormona tiroidea
(probablemente mediadora del efecto Warburg) y la degradación de melatonina.
Con respecto a ambos subtipos de MI que progresan a CG se identificaron procesos
relacionados con la respuesta inmune (pero sin un rol carcinogénico específico) y la
enfermedad tiroidea autoinmune, esta última puede interpretarse como un estadio
de mayor severidad respecto al observado con la desregulación de la hormona
tiroidea en la MI-No CG. Además, es posible que otros genes homeobox como
HOXC11 contribuyan a la diferenciación intestinal en la MI.
3.3. Validación de la expresión génica por qRT-PCR
Se intento validar por qRT-PCR las diferencias de expresión entre casos y controles
de 37 genes (MII-CG N=19, MIC-CG N=3, MI-No CG N=18) significativos del
microarray de expresión, así como de 3 integrantes de la familia Schlafen entre los
que se encuentra Schlafen5. El mismo no estaba diferencialmente expresado en el
microarray; sin embargo se encuentra sobre-expresado en la qRT-PCR; lo cual
concuerda con su sobre-expresión inmuno-histoquímica en ambos subtipos
histológicos de MI-CG en comparación con MI-No CG descrita en la sección 4 de
Discusión. Se han validado las diferencias de expresión en un 56.75% de los genes
elegidos, la baja efectividad de la qRT-PCR la atribuimos a la mala calidad de las
muestras de ARN procedentes de tejido parafinado con una media de 16.4 años de
antigüedad y al hecho de que la plataforma utilizada no ha sido validada con dicho
ARN de tan mala calidad sino que aconsejan usar muestras de RIN alto (7-8)
(comunicación personal).

Existen numerosos biomarcadores inmuno-histoquímicos de metaplasia intestinal

como las mucinas MUC1, MUC5AC, MUC2 14 y TFF3 52. Estos se han establecido
empleando muestras de las que no se conoce su evolución durante el seguimiento
clínico. Sin embargo, biomarcadores de la progresión desde metaplasia intestinal a
cáncer gástrico son escasos 307-309. Ello es debido, en parte, a la dificultad de realizar
estudios de seguimiento con colecta de muestras biológicas, cuya ejecución
requiere mucho tiempo y dinero, así como por los esfuerzos que han de llevarse a
cabo para que la calidad del seguimiento minimice la pérdida de los pacientes que
se monitorizan.
232
Discusión
En un modelo murino de MI donde la vía de señalización celular Shh se encuentra

activada y desarrolla metaplasia tipo SPEM debido a la infección por Helicobacter
felis, existe una expresión incrementada de la proteína Schlafen4 en la mucosa
gástrica en comparación con el model murino knock-out (Gli1-/-) que tiene
inactivada dicha vía y no desarrolla metaplasia 85. En un intento traslacional de
corroborar dichos resultados en pacientes afectados de LPGs se examinó si el
homólogo humano de Schlafen4, Schlafen 12, se expresaba en LPGs humanas
obteniéndose un resultado negativo (comunicación personal). Sin embargo, otro
miembro de esta familia, Schlafen5, es inducido por IFNα en melanocitos y
melanoma humano 88. El IFNα es una citoquina sobre-expresada en LPGs a
consecuencia de la infección por H. pylori 310. Basado en este hecho, la hipótesis fue
investigar si Schlafen5 es inducido por IFNα en células inflamatorias del estroma
gástrico y conocer su expresión en diversas LPGs humanas, con especial énfasis en
los subtipos histológicos de MI que progresan a CG, provenientes de un estudio
longitudinal de seguimiento de LPGs durante 12.5 años realizado en el hospital de
Soria.
Las guías de manejo clínico de la metaplasia intestinal recomiendan la vigilancia

endoscópica cada 3 años para una metaplasia intestinal extensa 58. Teniendo en
cuenta que las tasas de progresión a CG para esta lesión pueden llegar hasta un
máximo del 10% 56, un biomarcador inmuno-histoquímico que pudiera brindar
información sobre cuales pacientes con esta lesión son más susceptibles a
desarrollar CG y que se complemente con el subtipo histológico de MI (completa o
incompleta) es de gran relevancia.
Schlafen5 es inducido por IFNα en melanocitos y melanoma humano 88; sin

embargo, no se conocía si el mismo era inducido por esta citoquina en células
inflamatorias que componen el estroma gástrico. Hecho que se confirmó a nivel de
ARNm en las líneas celulares humanas de monocitos (HL60) y células T (Jurkat)
(apartado 4.1 de la sección Resultados). Además, en las células Jurkat se confirmó
que dicha expresión también ocurría a nivel proteico. Ello indica que es posible que
en la mucosa gástrica humana Schlafen5 sea inducido por la acción del IFNα, una
citoquina pro-inflamatoria elevada como consecuencia de la infección por
Helicobacter pylori 310. La incubación de ambas líneas celulares con H. pylori
evidencia un incremento apenas significativo (HL60, p=0.039 y Jurkat p=0.044) de la
expresión de Schlafen5, por lo que es probable que el aumento de este ocurra
indirecta y posteriormente en el tiempo como consecuencia de la inducción de IFNα
debido a la infección por H. pylori.
Es conocido que los miembros de la familia Schlafen se expresan en células T

murinas 83; sin embargo, se desconocía si esto también ocurriría en la mucosa
gástrica humana. La doble tinción inmuno-histoquímica realizada para detectar
233
Discusión
marcadores de superficie (cluster of differentiation) de células T, B y mieloides

demostró que Schlafen5 se expresa mayoritariamente por células T y en mucha
menor cuantía por macrófagos u otras células mieloides (apartado 4.6 de la sección
Resultados) presentes en el infiltrado inflamatorio gástrico, sobre todo en los
centros germinales indicativos de una infección por H. pylori.
A continuación, se valoró el patrón de expresión de Schlafen5 en un microarray de

tejido formado por diferentes LPGs (GNA, GCA, MI, DISP) y CG. Mostrando una
tendencia a aumentar según los estadios de la cascada de Correa y una disminución
en el CG. Estas muestras no tienen datos clínicos y mostraron baja tinción, debido a
que provienen de gastrectomías con un evidente daño tisular, por lo que es
esperable una menor reactividad antigénica. Sin embargo, este resultado preliminar
fue un primer indicio para la posterior evaluación de Schlafen5 en muestras bien
caracterizadas clínicamente del estudio de seguimiento de Soria. Las mismas
confirmaron el mismo incremento de expresión en el estroma gástrico de acuerdo
con la severidad (GNA, GCA, MI) de las lesiones precursoras y una disminución en el
cáncer gástrico (Tabla 45, Figura 48). Esta tinción es significativamente diferente
(Kruskal-Wallis, p=0.0033) en los grupos analizados (GNA, GMA, MIC, MII y CG). Es
importante destacar que el grupo de metaplasia intestinal que progresa a cáncer
gástrico (MI-CG) muestra una expresión significativamente mayor con respecto a la
metaplasia intestinal que no progresa a cáncer gástrico (MI-No CG) (Mann-Whitney
p<0.0001, Tabla 45). Similar resultado se obtiene al comparar los subtipos de MI
que progresan (MIC/MII-CG) respecto a los que no progresan (MIC/MII-No CG)
(p<0.0001).
Adicionalmente, el score estromal H de Schlafen5 fue categorizado y se

construyeron dos modelos logísticos de predicción de la ocurrencia de CG que se
distinguían por la inclusión, o no, de la variable categórica de SLFN5 en el modelo,
que incluía las variables sexo, edad y diagnóstico histológico. La probabilidad de
clasificar correctamente a los pacientes que desarrollarán CG desde la MI es
significativamente mayor cuando se añade el score estromal de Schlafen5 al
diagnóstico histológico (AUC=91.2% vs 78.3%, p<0.0001) (Figura 49), siendo el
incremento del area bajo la curva de un 12.9%. Este mismo comportamiento ocurre
para la MII (AUC=95.3% vs 75.6%, p<0.0001), pero en este caso el incremento es
mayor alcanzando un 19.7% (Figura 50). Ello indica que la adición de Schlafen5 al
modelo de predicción incrementa significativamente la probabilidad de clasificación
de la muestra como potencial a desarrollar cáncer gástrico a lo largo del tiempo, y
sugiere que esta proteína pudiera ser un biomarcador para identificar pacientes que
desarrollarán CG a partir de metaplasia intestinal y que pudieran ser sujetos a una
vigilancia clínica mayor.
234
Discusión
Es importante destacar que el grupo MII-CG posee más muestras y mayores valores
de score H en las categorías Débil+ (73.68) y Moderado+ (10.53) en comparación
con el grupo MIC-CG (Débil+ (66.67) y Moderado+ (0)), y que el incremento del área
bajo la curva para el modelo de MII-CG es mayor que el que se obtiene para el
modelo MI-CG que agrupa los dos subtipos de metaplasia (MII y MIC). Todo ello
evidencia una mayor expresión de Schlafen5 en las MII con respecto a las MIC que
progresan a CG; así como, que la expresión de SLFN5 contribuye a mejorar el
modelo de predicción del CG en comparación a cuando se analizan sólo ambos tipos
histológicos de MI. El modelo de predicción basado solamente en la MIC no se
realizó debido al bajo tamaño de muestra de este grupo (N=6).
Se ha mencionado que la MII presenta un mayor riesgo de progresión a CG en

comparación con la MIC, basado en una revisión de estudios epidemiológicos 60, así
como en estudios de seguimiento de LPGs realizados en Soria (MII vs MIC HR 11.3
[3.8-33.9]) 57 y en toda España (MII vs MIC HR 2.75 [1.06-6.26]) (artículo pendiente
de aceptación). Esta diferencia de riesgo es apoyada por diversos procesos
moleculares relacionados con la oncogénesis que diferencian los subtipos
histológicos de la MI y que pudieran condicionar el mayor riesgo de progresión a CG
desde la MII, los cuales fueron discutidos previamente en el estudio de microarray
de expresión. Estos son la presencia de H. pylori de localización intracelular en la
MII y no en la MIC 75, menor expresión de CDX2 en la MII vs MIC 65, menor
activación de la vía de señalización Shh en la MII 70, mayor actividad telomerasa en
la MII 74, mayor expresión de SOX2 en la MII 288, incremento de mutaciones en TP53
e inestabilidad de microsatélites 52 en la MII. En adición a los mismos, el estudio de
expresión por microarray identificó una desregulación de otros procesos
carcinogénicos en la MII en lugar de la MIC. Y la tinción estromal de Schlafen5
también indica un efecto diferencial de mayor riesgo de progresión a CG para la MII
respecto a la MIC, con plausibilidad biológica en la carcinogénesis como se verá más
adelante.
La tinción de Schlafen5 fue consistentemente mayor en el estroma con respecto a

las glándulas gástricas, en consonancia con la expresión de los miembros de la
familia Schlafen en las células T 83, las cuales forman parte del estroma gástrico
inflamado. Las glándulas gástricas ubicadas alrededor de un estroma muy positivo
también se tiñen, pero con menor intensidad y no muestran un incremento acorde
a la cascada de Correa, por lo que concluimos que su expresión en esta localización
no era informativa y por tanto no fue analizada estadísticamente.
Schlafen5 pertenece al grupo III (masa molecular 100-104 kDa) de la familia de

genes Schlafen; caracterizado por la presencia de un dominio helicasa de ARN y una
señal de localización nuclear (RKRRR) 89 lo que sugiere que son ATPasas
dependientes de ARN pertenecientes a la superfamilia de las helicasas. En
235
Discusión
consonancia con dicha función observamos la expresión del mismo en el núcleo de

las células T en lugar del citoplasma. También de manera coincidente con nuestros
resultados Schlafen5 también es inducido por IFNα en carcinoma renal 311,
melanocitos y melanoma humano, estando sub-expresado en este último con
respecto a melanocitos 88. Schlafen5 tiene un efecto inhibitorio sobre el crecimiento
e invasión tumoral en melanoma maligno, por lo que en este tumor Schlafen5
funciona como supresor tumoral y su baja expresión endógena favorece la
tumorigénesis 88.
Un estudio muy reciente implica a Schlafen5 como un represor de la motilidad e

invasión tumoral (a través del control negativo de las metaloproteinasas MMP1 y
MMP13) en líneas celulares de carcinoma renal humano. A diferencia del estudio
anterior, cuando Schlafen5 fue silenciado no hubo una disminución en la
proliferación celular sino un cambio morfológico hacia células más pequeñas con
pérdida de fibras de estrés (la proteína ejerce un control sobre el citoesqueleto) y
una motilidad celular incrementada. Los procesos moleculares más afectados por su
silenciamiento fueron de cáncer, mecanismos de adhesión focal y uniones célula-
célula, estando correlacionada su mayor expresión con una mayor sobrevivencia en
pacientes de carcinoma renal, posiblemente ejerciendo un rol de supresor tumoral
315
al igual que en melanoma maligno. Los posibles mecanismos moleculares
mediante el cual Schlafen5 regula a MMP1 y MMP13 es que funcione como un
represor transcripcional de las mismas y/o ejerza efecto en las vías de señalización
NOTCH/TGF-β y MAPK las cuales controlan la expresión de dichas
metaloproteinasas 311.
La mayor expresión de Schlafen11 también esta correlacionada con un aumento en

la sobrevivencia de pacientes con cáncer de ovario tratados con cisplatino,
sugiriendo nuevamente un rol de las proteínas Schlafen como potenciales
supresores tumorales 312. En el CG también existe una baja expresión de Schlafen5
similar a la existente en melanoma y carcinoma renal, por lo que al parecer también
se comporta como supresor tumoral en esta patología.
En las muestras que progresan a CG desde la MI Schlafen5 se encuentra sobre-

expresado respecto a las que no progresan, por lo que a diferencia del CG,
carcinoma renal y melanoma en las mismas no se comporta como un supresor
tumoral sino posiblemente promoviendo la progresión tumoral indirectamente
como un regulador negativo de la activación de células T. A diferencia de los
estudios anteriores, las muestras de LPGs donde se evaluó la expresión de
Schlafen5 no son tumorales, sino que están afectadas por cambios preneoplásicos;
provienen de un tejido diferente a los anteriores y las células donde tiene mayor
expresión no son epiteliales sino estromales, razones que pudieran explicar las
diferencias de comportamiento.
236
Discusión
Los genes Schlafen (grupos I, II y III) se encuentran sobre-expresados durante la

diferenciación de timocitos a células T y en células T periféricas no activadas, sin
embargo ocurre una disminución en su expresión en células T activadas por
antígenos 89. La expresión transgénica de SLFN1 (prototipo de esta familia) en
timocitos provoca arresto del ciclo celular y alta tasa de muerte celular lo cual se
traduce en una celularidad reducida del timo. Por lo que es un inhibidor del
crecimiento celular y esta correlacionada positivamente su alta expresión con el
estado de quiescencia 83. SLFN1 causa arresto del ciclo celular en fibroblastos
inhibiendo la transcripción de la ciclina D1 82. La sobre-expresión de SLFN8
(miembro del grupo III al que pertenece Schlafen5) en células T, bloquea
parcialmente la proliferación de las mismas 89. Schlafen11, miembro del mismo
grupo III al que pertenece Schlafen5, también es responsable del arresto del ciclo y
muerte celular de líneas celulares tumorales NCI-60 tratadas con quimiofármacos
311
.
Teniendo en cuenta la similitud funcional de los miembros de la familia Schlafen, la

elevada expresión de Schlafen5 posiblemente inducida por IFNα a consecuencia de
la infección por H. pylori en pacientes con metaplasia intestinal podría disminuir la
respuesta inmune ante el crecimiento tumoral, manteniendo a las células T en un
estado de inactivación que facilite la progresión tumoral a lo largo del tiempo. En
este sentido es importante destacar que la respuesta inmune ante la infección por
H. pylori, en la gastritis crónica y el CG es ejercida fundamentalmente por células T
en lugar de B 32. Ratones sin células T (RAG2 -/-) tienen mayor incidencia de cáncer
(tanto inducidos como espontáneos) en comparación con ratones
inmunocompetentes 313. Lo cual apunta a la importancia de las células T en el
proceso tumoral y que Schlafen5 pudiera inducir una inmunodeficiencia similar a la
reportada en modelos murinos que influya positivamente en la progresión desde MI
a CG.
Teniendo en cuenta que las guías de manejo clínico de LPGs recomiendan la

vigilancia endoscópica cada 3 años para la metaplasia intestinal extensa 58, los
pacientes con dicha lesión y un alto nivel de Schlafen5 podrían ser considerados
para una vigilancia endoscópica en un intervalo de tiempo menor.
Los estudios inmunohistoquímicos con marcadores pronósticos utilizando muestras

de estudios de seguimiento en la carcinogénesis gástrica son muy escasos; tan solo
3 artículos han resultado de una extensa búsqueda en PubMed con diferentes
combinaciones de términos. De manera similar a nuestros resultados, Goto T et al
realizaron inmuno-histoquímica de la óxido nítrico sintasa inducible (iNOS) y
nitrotirosina en 93 pacientes con atrofia gástrica y MI posteriormente
diagnosticados con cáncer gástrico (N=34, H. pylori +: grupo A) o no (59 H. pylori +:
grupo B, H. pylori -: grupo C) al menos 2 años más tarde. La expresión de estas
237
Discusión
proteínas fue significativamente mayor en el grupo A los que más tarde

desarrollaron el proceso tumoral 307. En otro estudio fue evaluada la expresión
inmuno-histoquímica del antígeno tumoral MG7-Ag y COX2 entre la MI que
progresa a displasia y MI que se mantiene estable en el seguimiento. Las muestras
con una tinción positiva para ambas proteínas tienen un riesgo significativo de
progresión (OR 22.7, p<0.005) en comparación con los negativos 308.
También la expresión inmuno-histoquímica de c-Met fue testada en pacientes con

MI que progresaron a displasia (MI-DISP) y en displasia que progreso a CG durante
un seguimiento máximo de 10 años en China. c-Met se sobre-expresó
significativamente en la MI-DISP (71.4%) en comparación con la MI-MI (40%), OR
7.42 (2.08-26.4), p<0.05 309. Sin embargo ninguno de estos genes son significativos
en el estudio de microarray de expresión de los subtipos de MI que progresan a CG
respecto a los que no progresan. Las causas de dichas diferencias pueden estar en
múltiples factores como los tipos de lesiones al reclutamiento y final de
seguimiento, la susceptibilidad genética, infección por H. pylori y sus factores de
virulencia cagA y vacA, habitos alimenticios de las poblaciones de estudio, el tiempo
de seguimiento y de establecida cada lesión, edad, etc. Coincidentemente con estos
estudios y el nuestro propio se obtuvo un incremento significativo de la expresión
de ARNm por qRT-PCR de Schlafen5 (p=0.0025) y Schlafen12 (p=0.055) en ambos
tipos de MI que progresan a CG respecto a las que no progresan. Nuestro trabajo y
los anteriores evidencian que en la metaplasia intestinal que avanza a displasia o CG
existe una expresión incrementada de ciertas proteínas años antes de la aparición
del cáncer gástrico.
Concluimos que Schlafen5 pudiera ser inducido por la acción del IFNα en células T
de la mucosa gástrica, e influir en la progresión desde MI a CG debido a la
disminución de la respuesta anti-tumoral de células T. Su tinción
inmunohistoquímica e interpretación cuantitativa en el estroma gástrico de
pacientes con metaplasia intestinal, especialmente en los que tienen una MII,
podría ser un biomarcador útil para detectar aquellos con mayor riesgo de
desarrollar un cáncer gástrico en el futuro. Estudios de validación en series
independientes de pacientes con metaplasia intestinal que progresan y no
progresan a CG; asi como tinción inmunohisto-química de marcador CD30 para
chequear si las células T se encuentran activas funcionalmente 320 son necesarios
para apoyar esta afirmación.
238
CONCLUSIONES
Conclusiones
1. El análisis de SNPs y haplotipos indica que el gen CD14 se asocia estadísticamente

como un factor de riesgo del CG del cardias y del tipo intestinal mientras que el gen
NOD2 es un factor protector del CG no cardias.
2. Se confirma que variabilidad genética en MUC2, observada en un estudio previo,

se asocia con la regresión de las lesiones precursoras de cáncer gástrico. Aunque la
asociación no supera la corrección para comparaciones múltiples, también se
replican las asociaciones entre variantes y/o haplotipos de CD14 y TFF2 con un
mayor y menor riesgo, respectivamente, de progresión de las lesiones; y la
asociación entre la variabilidad en TFF1 y mayor riesgo de progresión o menor
probabilidad de regresión de las LPGs.
3. Otros genes asociados con la evolución de lesiones precursoras del CG pero que
no superan la corrección para comparaciones múltiples, son CD14, PTGS2 y TFF1
que se asocian con la progresión, mientras que CDH1, TFF1 y MUC2 se asocian con
la regresión.
4. Otros genes que se observan asociados por primera vez con la evolución de las
lesiones precursoras del CG aunque no superan la corrección para comparaciones
múltiples, son DNAH11, PRKAA1 y PTGS2, que se asocian con la progresión; y
PTGES, CDX2, CDH1, MAP3K14 y PTPN11, que se asocian con la regresión.
5. El perfil transcripcional de la metaplasia intestinal que no progresa a CG respecto

a la mucosa gástrica sana muestra grandes diferencias en los niveles de expresión.
Nuevos genes identificados como sobre-expresados incluyen a los transcritos TRIM,
TMEM y una sub-expresión de ARNs nucleolares SNORDs116. Los procesos
moleculares más frecuentes o específicos que se confirman en nuestro estudio son
el metabolismo lipídico, la diferenciación intestinal, metabolismo de xenobióticos y
reflujo gastroesofágico. Nuevos procesos moleculares identificados son el efecto
Warburg no tumoral, glicosilación aberrante de mucinas, desregulación de la
hormona tiroidea y degradación de melatonina.
6. El perfil transcripcional de las MI que progresan a CG respecto a las que no

progresan muestra pequeñas diferencias en los niveles de expresión en
comparación con la MI que no progresa respecto a la mucosa gástrica sana.
7. La MII que progresa a CG presenta una mayor cantidad de genes sobre-

expresados relacionados con el proceso tumoral con respecto a la MIC que progresa
a CG, lo cual coincide a nivel molecular con su mayor riesgo de progresión a CG. Los
genes sobre-expresados relacionados con la carcinogénesis son moléculas
inflamatorias y del sistema del complemento, chaperonas, el oncogen RAN, un
componente de la telomerasa TERT, reguladores del supresor tumoral RB1 (EIF3D y
EIF5B), el inductor de metástasis gástrica CAV1, un regulador de la angiogénesis
241
Conclusiones
(MYOF) y de la proliferación de células madres (GNL3). Funciones sub-expresadas

estan dadas por el regulador negativo de la expresión de HLA, IK, la función
antimicrobiana (LCT) y la regulación del ciclo celular (CDKL3, RBBP7) y del
metabolismo del hierro (CP).
8. Los procesos moleculares enriquecidos funcionalmente más frecuentes o

específicos de la MII-CG están representados por la activación del ciclo y la
proliferación celular, oncogenes, supresores tumorales, invasión y metástasis,
adhesión celular, endocitosis o fagocitosis, genes regulados por la insulina,
degradación de ARNm por mecanismo Non sense mediated decay y proteica por el
proteasoma, y enfermedad tiroidea autoinmune.
9. Los genes relacionados con la carcinogénesis en la MIC-CG se restringen a un

promotor de la proliferación celular (GFBP5) y un factor anti-apoptótico que
promueve el crecimiento tumoral (OLFM4). No se encuentran procesos moleculares
enriquecidos significativamente en este grupo.
10. Es posible que otros genes homeobox diferentes de CDX1/CDX2 como HOXA13
(MI-No CG) y HOXC11 (MII-CG) contribuyan a la diferenciación intestinal en la MI.
11. Se han validado las diferencias de expresión de algunos genes desregulados en

MII-CG, MIC-CG y MI-No CG por la técnica qRT-PCR.
12. La expresión génica de Schlafen5 es inducida por IFNα en monocitos y células T

humanas, y en la metaplasia intestinal la proteína Schlafen5 es expresada
mayoritariamente también por células T del estroma gástrico.
13. Schlafen5 se sobre-expresa en la MI que progresa a CG con respecto a la que no

progresa a CG y es posible que contribuya a la progresión tumoral. Su tinción
inmunohistoquímica en pacientes con MI, mayormente en la MII, aumenta
significativamente la probabilidad de identificar a pacientes con mayor potencial
riesgo de desarrollar cáncer gástrico a lo largo del tiempo.
242
REFERENCIAS BIBLIOGRÁFICAS
Referencias Bibliográficas
1. Piazuelo M. B. & Correa P. Gastric cancer: Overview. Colomb. Med. 44, 192–201
(2013).
2. IARC Helicobacter pylori Working Group (2014). Helicobacter pylori eradication as a

strategy for preventing gastric cancer. Lyon: International Agency for Research on
Cancer (IARC Working Group Reports, No. 8).
3. Camargo, M. C. et al. Sex hormones, hormonal interventions, and gastric cancer

risk: A meta-analysis. Cancer Epidemiol. Biomarkers Prev. 21, 20–38 (2012).
4. Aragonés, N. et al. The striking geographical pattern of gastric cancer mortality in

Spain: Environmental hypotheses revisited. BMC Cancer 9, 316 (2009).
5. Correa, P. Gastric cancer: Overview. Gastroenterol. Clin. North Am. 42, 211–217
(2014).
6. Miyahara, R. et al. Prevalence and prognosis of gastric cancer detected by

screening in a large Japanese population: Data from a single institute over 30 years.
J. Gastroenterol. Hepatol. 22, 1435–1442 (2007).
7. Ferlay, J. et al. Estimates of worldwide burden of cancer in 2008: GLOBOCAN 2008.

Int. J. Cancer 127, 2893–2917 (2010).
8. Hall, J. E. (2010). Guyton and Hall Textbook of Medical Physiology. 12ma edición.
St. Louis: W. B. Saunders.
9. Schubert, M. L. & Peura, D. A. Control of gastric acid secretion in health and

disease. Gastroenterology 134, 1842–1860 (2008).
10. Hansson, L. E., Sparén, P. & Nyrén, O. Increasing incidence of carcinoma of the
gastric cardia in Sweden from 1970 to 1985. Br. J. Surg. 80, 374–377 (1993).
11. González, C. A. et al. Helicobacter pylori infection assessed by ELISA and by

immunoblot and noncardia gastric cancer risk in a prospective study: The Eurgast-
EPIC project. Ann. Oncol. 23, 1320–1324 (2012).
12. Anderson, W. F. et al. Age-specific trends in incidence of noncardia gastric cancer in

US adults. JAMA 303, 1723–1728 (2010).
13. Lauren, P. The two histological main types of gastric carcinoma: Diffuse and so
called intestinal-type carcinoma. Acta Pathol. Microbiol. Scand. 64, 31–49 (1965).
14. Correa, P. & Piazuelo, M. B. The gastric precancerous cascade. J. Dig. Dis. 13, 2–9
(2012).
245
15. Parkin, D. M. The global health burden of infection-associated cancers in the year
2002. Int. J. Cancer 118, 3030–3044 (2006).
16. Ghoshal, U. C., Chaturvedi, R. & Correa, P. The enigma of Helicobacter pylori
infection and gastric cancer. Indian J. Gastroenterol. 29, 95–100 (2011).
17. Stein, M., Ruggiero, P., Rappuoli, R. & Bagnoli, F. Helicobacter pylori CagA: From
pathogenic mechanisms to its use as an anti-cancer vaccine. Front. Immunol. 4, 328
(2013).
18. Bravo, L. E., van Doom, L. J., Realpe, J. L. & Correa, P. Virulence-associated
genotypes of Helicobacter pylori: Do they explain the African enigma? Am. J.
Gastroenterol. 97, 2839–2842 (2002).
19. Kodaman, N. et al. Human and Helicobacter pylori coevolution shapes the risk of
gastric disease. Proc. Natl. Acad. Sci. U. S. A. 111, 1455–1460 (2014).
20. Palframan, S. L., Kwok, T. & Gabriel, K. Vacuolating cytotoxin A (VacA), a key toxin
for Helicobacter pylori pathogenesis. Front. Cell. Infect. Microbiol. 2, (2012).
21. Higashi, H. et al. SHP-2 tyrosine phosphatase as an intracellular target of

Helicobacter pylori CagA protein. Science 295, 683–686 (2002).
22. Cover, T. L. & Blanke, S. R. Helicobacter pylori VacA, a paradigm for toxin
multifunctionality. Nat. Rev. Microbiol. 3, 320–332 (2005).
23. Kaparakis, M. et al. Bacterial membrane vesicles deliver peptidoglycan to NOD1 in

epithelial cells. Cell. Microbiol. 12, 372–385 (2010).
24. Correa, P. & Houghton, J. Carcinogenesis of Helicobacter pylori. Gastroenterology

133, 659–672 (2007).
25. Donnelly, J. M. et al. Mesenchymal stem cells induce epithelial proliferation within
the inflamed stomach. Am. J. Physiol. Gastrointest. Liver Physiol. 306,
G1075– G1088 (2014).
26. Camilo, V. et al. Helicobacter pylori and the BMP pathway regulate CDX2 and SOX2
expression in gastric cells. Carcinogenesis 33, 1985–1992 (2012).
27. Mobley, H. L. T., Mendz, G. L. & Hazell, S. L. (2001). Helicobacter pylori. Physiology
and Genetics. Washington DC: ASM.
28. Higashi, H. et al. Biological activity of the Helicobacter pylori virulence factor CagA
is determined by variation in the tyrosine phosphorylation sites. Proc. Natl. Acad.
Sci. U. S. A. 99, 14428–14433 (2002).
246
29. Kwok, T. et al. Helicobacter exploits integrin for type IV secretion and kinase
activation. Nature 449, 862–866 (2007).
30. Selbach, M., Moese, S., Hauck, C. R., Meyer, T. F. & Backert, S. Src is the kinase of
the Helicobacter pylori CagA protein in vitro and in vivo. J. Biol. Chem. 277,
6775–6778 (2002).
31. Brandt, S., Kwok, T., Hartig, R., König, W. & Backert, S. NF-κB activation and
potentiation of proinflammatory responses by the Helicobacter pylori CagA
protein. Proc. Natl. Acad. Sci. U. S. A. 102, 9300–9305 (2005).
32. Moyat, M. Immune responses to Helicobacter pylori infection. World J.

Gastroenterol. 20, 5583 (2014).
33. De Elios, M. M. et al. Different cytokine profile and antigen-specificity repertoire in

Helicobacter pylori-specific T cell clones from the antrum of chronic gastritis
patients with or without peptic ulcer. Eur. J. Immunol. 27, 1751–1755 (1997).
34. Fox, J. G. et al. Concurrent enteric helminth infection modulates inflammation and
gastric immune responses and reduces Helicobacter-induced gastric atrophy. Nat.
Med. 6, 536–542 (2000).
35. Wang, Q. et al. Consumption of fruit, but not vegetables, may reduce risk of gastric
cancer: Results from a meta-analysis of cohort studies. Eur. J. Cancer 50, 1498–509
(2014).
36. Mendez, M. A. et al. Cereal fiber intake may reduce risk of gastric
adenocarcinomas: The EPIC-EURGAST study. Int. J. Cancer 121, 1618–1623 (2007).
37. González, C. A. & Agudo, A. Carcinogenesis, prevention and early detection of

gastric cancer: Where we are and where we should go. Int. J. Cancer 130,
745–753 (2012).
38. Agudo, A. et al. Impact of cigarette smoking on cancer risk in the European
prospective investigation into cancer and nutrition study. J. Clin. Oncol. 30,
4550–4557 (2012).
39. Abnet, C. C. et al. Non-steroidal anti-inflammatory drugs and risk of gastric and
oesophageal adenocarcinomas: Results from a cohort study and a meta-analysis.
Br. J. Cancer 100, 551–557 (2009).
40. Gutiérrez-González, L. et al. The clonal origins of dysplasia from intestinal

metaplasia in the human stomach. Gastroenterology 140, 1251–1260 (2011).
41. Hayakawa, Y. et al. Mouse models of gastric cancer. Cancers (Basel). 5, 92–130
(2013).
247
42. Yuasa, Y. Control of gut differentiation and intestinal-type gastric carcinogenesis.

Nat. Rev. Cancer 3, 592–600 (2003).
43. Nobili, S. et al. Genomic and genetic alterations influence the progression of gastric
cancer. World J. Gastroenterol. 17, 290–299 (2011).
44. Oliveira, C., Pinheiro, H., Figueiredo, J., Seruca, R. & Carneiro, F. E-cadherin
alterations in hereditary disorders with emphasis on hereditary diffuse gastric
cancer. Prog. Mol. Biol. Transl. Sci. 116, 337–359 (2013).
45. Hanahan, D. & Weinberg, R. A. Hallmarks of cancer: The next generation. Cell 144,
646–674 (2011).
46. Bass, A. J. et al. Comprehensive molecular characterization of gastric

adenocarcinoma. Nature 513, 202–209 (2014).
47. Dixon, M. F., Genta, R. M., Yardley, J. H. & Correa, P. Classification and grading of
gastritis. The updated Sydney System. Am. J. Surg. Pathol. 20, 1161–1181 (1996).
48. Den Hoed, C. M. et al. Follow-up of premalignant lesions in patients at risk for
progression to gastric cancer. Endoscopy 45, 249–256 (2013).
49. Vannella, L. et al. Risk factors for progression to gastric neoplastic lesions in
patients with atrophic gastritis. Aliment. Pharmacol. Ther. 31, 1042–1050 (2010).
50. Filipe, M. I. et al. Intestinal metaplasia types and the risk of gastric cancer: A cohort
study in Slovenia. Int. J.Cancer 57, 324–329 (1994).
51. Slack, J. M. W. Metaplasia and somatic cell reprogramming. J. Pathol. 217,

161–168 (2009).
52. Barros, R., Freund, J. N., David, L. & Almeida, R. Gastric intestinal metaplasia
revisited: Function and regulation of CDX2. Trends Mol. Med. 18, 555–563 (2012).
53. De Vries, A. C. et al. Epidemiological trends of pre-malignant gastric lesions: A long-

term nationwide study in the Netherlands. Gut 56, 1665–1670 (2007).
54. De Vries, A. C. et al. Gastric cancer risk in patients with premalignant gastric
lesions: A nationwide cohort study in the Netherlands. Gastroenterology 134,
945–952 (2008).
55. Den Hoed, C. M. et al. The prevalence of premalignant gastric lesions in

asymptomatic patients: Predicting the future incidence of gastric cancer. Eur. J.
Cancer 47, 1211–1218 (2011).
248
56. De Vries, A. C., Haringsma, J. & Kuipers, E. J. The detection, surveillance and
treatment of premalignant gastric lesions related to Helicobacter pylori infection.
Helicobacter 12, 1–15 (2007).
57. González, C. A. et al. Gastric cancer occurrence in preneoplastic lesions: A long-

term follow-up in a high-risk area in Spain. Int. J. Cancer 127, 2654–2660 (2010).
58. Dinis-Ribeiro, M. et al. Management of precancerous conditions and lesions in the

stomach (MAPS): Guideline from the European Society of Gastrointestinal
Endoscopy (ESGE), European Helicobacter Study Group (EHSG), European Society of
Pathology (ESP), and the Sociedade Portuguesa. Virchows Arch. 460, 19–46 (2012).
59. Kang, K. P. et al. Role of intestinal metaplasia subtyping in the risk of gastric cancer
in Korea. J. Gastroenterol. Hepatol. 24, 140–148 (2009).
60. González, C. A., Sanz-Anquela, J. M., Gisbert, J. P. & Correa, P. Utility of subtyping
intestinal metaplasia as matker of gastric cancer risk. A review of evidence. Int. J.
Cancer 133, 1023–1032 (2013).
61. You, W. C. et al. Evolution of precancerous lesions in a rural Chinese population at

high risk of gastric cancer. Int. J. Cancer 83, 615–619 (1999).
62. Correa, P., Piazuelo, M. B. & Wilson, K. T. Pathology of gastric intestinal metaplasia:
Clinical implications. Am. J. Gastroenterol. 105, 493–498 (2010).
63. Fujii, Y. et al. CDX1 confers intestinal phenotype on gastric epithelial cells via
induction of stemness-associated reprogramming factors SALL4 and KLF5. Proc.
Natl. Acad. Sci. U. S. A. 109, 20584–20589 (2012).
64. Mesquita, P. et al. Metaplasia, a transdifferentiation process that facilitates cancer

development: The model of gastric intestinal metaplasia. Crit. Rev. Oncog. 12, 3–26
(2006).
65. Liu, Q. et al. CDX2 expression is progressively decreased in human gastric intestinal
metaplasia, dysplasia and cancer. Mod. Pathol. 20, 1286–1297 (2007).
66. Farinati, F. et al. Helicobacter pylori, inflammation, oxidative damage and gastric
cancer: A morphological, biological and molecular pathway. Eur. J. Cancer Prev. 17,
195–200 (2008).
67. Verhulst, M. L., Van Oijen, A. H. A. M., Roelofs, H. M. J., Peters, W. H. M. & Jansen,
J. B. M. J. Antral glutathione concentration and glutathione S-transferase activity in
patients with and without Helicobacter pylori. Dig. Dis. Sci. 45, 629–632 (2000).
68. Osaki, M. et al. Expression of RUNX3 protein in human gastric mucosa, intestinal
metaplasia and carcinoma. Eur. J. Clin. Invest. 34, 605–612 (2004).
249
69. Shiao, Y. H., Rugge, M., Correa, P., Lehmann, H. P. & Scheer, W. D. P53 alteration in
gastric precancerous lesions. Am. J. Pathol. 144, 511–517 (1994).
70. Shiotani, A. et al. Evidence that loss of sonic hedgehog is an indicator of Helicobater
pylori-induced atrophic gastritis progressing to gastric cancer. Am. J. Gastroenterol.
100, 581–587 (2005).
71. Lee, J. H. et al. Frequent CpG island methylation in precursor lesions and early
gastric adenocarcinomas. Oncogene 23, 4646–4654 (2004).
72. Hamamoto, T. et al. Altered microsatellites in incomplete-type intestinal

metaplasia adjacent to primary gastric cancers. J. Clin. Pathol. 50, 841–846 (1997).
73. Jeong, C. W., Lee, J. H., Sohn, S. S., Ryu, S. W. & Kim, D. K. Mitochondrial
microsatellite instability in gastric cancer and gastric epithelial dysplasia as a
precancerous lesion. Cancer Epidemiol. 34, 323–327 (2010).
74. Kameshima, H. et al. Helicobacter pylori infection: Augmentation of telomerase

activity in cancer and noncancerous tissues. World J. Surg. 24, 1243–1249 (2000).
75. Necchi, V. et al. Intracellular, intercellular, and stromal invasion of gastric mucosa,
preneoplastic lesions, and cancer by Helicobacter pylori. Gastroenterology 132,
1009–1023 (2007).
76. Meireles, S. I. et al. Molecular classifiers for gastric cancer and nonmalignant
diseases of the gastric mucosa. Cancer Res. 64, 1255–1265 (2004).
77. Zhao, Y. et al. A potential role of collagens expression in distinguishing between

premalignant and malignant lesions in stomach. Anat. Rec. 292, 692–700 (2009).
78. Gomes, L. I. et al. Expression profile of malignant and nonmalignant lesions of

esophagus and stomach: Differential activity of functional modules related to
inflammation and lipid metabolism. Cancer Res. 65, 7127–7136 (2005).
79. Boussioutas, A. et al. Distinctive patterns of gene expression in premalignant

gastric mucosa and gastric cancer distinctive patterns of gene expression in
premalignant gastric mucosa and gastric cancer. Cancer Res. 63, 2569–2577 (2006).
80. Chen, X. et al. Variation in gene expression patterns in human gastric cancers. Mol.
Biol. Cell 14, 3208–3215 (2003).
81. Lee, H. J. et al. Gene expression profiling of metaplastic lineages identifies CDH17
as a prognostic marker in early stage gastric cancer. Gastroenterology 139,
358–366 (2010).
250
82. Mavrommatis, E., Fish, E. N. & Platanias, L. C. The Schlafen family of proteins and
their regulation by interferons. J. Interf. Cytokine Res. 33, 206–210 (2013).
83. Schwarz, D. A, Katayama, C. D. & Hedrick, S. M. Schlafen, a new family of growth

regulatory genes that affect thymocyte development. Immunity 9, 657–668 (1998).
84. Katsoulidis, E. et al. Role of Schlafen 2 (SLFN2) in the generation of interferon α-

induced growth inhibitory responses. J. Biol. Chem. 284, 25051–25064 (2009).
85. El-Zaatari, M. et al. Gli1 deletion prevents Helicobacter-induced gastric metaplasia

and expansion of myeloid cell subsets. PLoS One 8, e58935 (2013).
86. Van Zuylen, W. J. et al. Macrophage activation and differentiation signals regulate
Schlafen-4 gene expression: Evidence for Schlafen-4 as a modulator of
myelopoiesis. PLoS One 6, (2011).
87. Gabrilovich, D. I., Ostrand-Rosenberg, S. & Bronte, V. Coordinated regulation of

myeloid cells by tumours. Nat. Rev. Immunol. 12, 253–268 (2012).
88. Katsoulidis, E. et al. Role of interferon α (IFNα)-inducible Schlafen-5 in regulation of

anchorage-independent growth and invasion of malignant melanoma cells. J. Biol.
Chem. 285, 40333–40341 (2010).
89. Geserick, P., Kaiser, F., Klemm, U., Kaufmann, S. H. E. & Zerrahn, J. Modulation of T
cell development and activation by novel members of the Schlafen (slfn) gene
family harbouring an RNA helicase-like motif. Int. Immunol. 16, 1535–1548 (2004).
90. Lichtenstein, P. et al. Environmental and heritable factors in the causation of

cancer: Analyses of cohorts of twins from Sweden, Denmark, and Finland. N. Engl.
J. Med. 343, 78–85 (2000).
91. Hofker, M. H., Fu, J. & Wijmenga, C. The genome revolution and its role in
understanding complex diseases. B. B. A. Mol. Basis Dis. 1842, 1889–1895 (2014).
92. Gabriel, S. B. et al. The structure of haplotype blocks in the human genome. Science
296, 2225–2229 (2002).
93. Smith, A. V. Manipulating HapMap data using HaploView. Cold Spring Harb. Protoc.
3, (2008).
94. Pasche, B. & Yi, N. Candidate gene association studies: Successes and failures. Curr.
Opin. Genet. Dev. 20, 257–261 (2010).
95. Gao, L., Nieters, A. & Brenner, H. Meta-analysis: Tumour invasion-related genetic
polymorphisms and gastric cancer susceptibility. Aliment. Pharmacol. Ther. 28,
565–573 (2008).
251
96. Loh, M. et al. Meta-analysis of genetic polymorphisms and gastric cancer risk:
Variability in associations according to race. Eur. J. Cancer 45, 2562–2568 (2009).
97. González, C. A., Sala, N. & Capellá, G. Genetic susceptibility and gastric cancer risk.
Int. J. Cancer 100, 249–260 (2002).
98. Lan, Q. et al. Glutathione S-transferase genotypes and stomach cancer in a

population-based case-control study in Warsaw, Poland. Pharmacogenetics 11,
655–661 (2001).
99. Figueiredo, C. et al. Helicobacter pylori and interleukin 1 genotyping: An

opportunity to identify high-risk individuals for gastric carcinoma. J. Natl. Cancer
Inst. 94, 1680–1687 (2002).
100. Vincenzi, B. et al. Interleukin 1β-511T gene (IL1β) polymorphism is correlated with
gastric cancer in the Caucasian population: Results from a meta-analysis. Oncol.
Rep. 20, 1213–1220 (2008).
101. Camargo, M. C. et al. Interleukin-1β and interleukin-1 receptor antagonist gene

polymorphisms and gastric cancer: A meta-analysis. Cancer Epidemiol. Biomarkers
Prev. 15, 1674–1687 (2006).
102. Persson, C., Canedo, P., Machado, J. C., El-Omar, E. M. & Forman, D.
Polymorphisms in inflammatory response genes and their association with gastric
cancer: A HuGE systematic review and meta-analyses. Am. J. Epidemiol. 173,
259–270 (2011).
103. El-Omar, E. M. et al. Interleukin-1 polymorphisms associated with increased risk of

gastric cancer. Nature 404, 398–402 (2000).
104. Tahara, T., Shibata, T., Hirata, I., Nakano, H. & Arisawa, T. CD14 promoter-159
polymorphism is associated with reduced risk of intestinal-type gastric cancer in a
Japanese population. Dig. Dis. Sci. 54, 1508–1512 (2009).
105. Hold, G. L. et al. CD14-159C/T and TLR9-1237T/C polymorphisms are not associated
with gastric cancer risk in Caucasian populations. Eur. J. Cancer Prev. 18, 117–119
(2009).
106. Wang, J. J. et al. Association between CD14 gene polymorphisms and cancer risk: A
meta-analysis. PLoS One 9, (2014).
107. Zhou, W. et al. The -159C/T polymorphism in the CD14 gene and cancer risk: A
meta-analysis. Onco. Targets. Ther. 7, 5–12 (2013).
108. Liu, J., He, C., Xu, Q., Xing, C. & Yuan, Y. NOD2 polymorphisms associated with
cancer risk: A meta-analysis. PLoS One 9, e89340 (2014).
252
109. Hold, G. L. et al. A functional polymorphism of toll-like receptor 4 gene increases

risk of gastric carcinoma and its precursors. Gastroenterology 132, 905–912 (2007).
110. Kutikhin, A. G. Impact of Toll-like receptor 4 polymorphisms on risk of cancer. Hum.

Immunol. 72, 193–206 (2011).
111. Zhang, K., Zhou, B., Wang, Y., Rao, L. & Zhang, L. The TLR4 gene polymorphisms and
susceptibility to cancer: A systematic review and meta-analysis. Eur. J. Cancer 49,
946–954 (2013).
112. Lo, S. S., Chen, J. H., Wu, C. W. & Lui, W. Y. Functional polymorphism of NFKB1
promoter may correlate to the susceptibility of gastric cancer in aged patients.
Surgery 145, 280–285 (2009).
113. Wang, G. Y., Lu, C. Q., Zhang, R. M., Hu, X. H. & Luo, Z. W. The E-cadherin gene
polymorphism -160C->A and cancer risk: A HuGE review and meta-analysis of 26
case-control studies. Am. J. Epidemiol. 167, 7–14 (2008).
114. Gao, L., Nieters, A. & Brenner, H. Cell proliferation-related genetic polymorphisms
and gastric cancer risk: Systematic review and meta-analysis. Eur. J. Hum. Genet.
17, 1658–1667 (2009).
115. Saadat, M. Genetic polymorphisms of glutathione S-transferase T1 (GSTT1) and

susceptibility to gastric cancer: A meta-analysis. Cancer Sci. 97, 505–509 (2006).
116. Chen, B., Zhou, Y., Yang, P. & Wu, X. T. ERCC2 Lys751Gln and Asp312Asn
polymorphisms and gastric cancer risk: A meta-analysis. J. Cancer Res. Clin. Oncol.
137, 939–946 (2011).
117. Visscher, P. M., Brown, M. A., McCarthy, M. I. & Yang, J. Five years of GWAS
discovery. Am. J. Hum. Genet. 90, 7–24 (2012).
118. Sakamoto, H. et al. Genetic variation in PSCA is associated with susceptibility to

diffuse-type gastric cancer. Nat. Genet. 40, 730–740 (2008).
119. Abnet, C. C. et al. A shared susceptibility locus in PLCE1 at 10q23 for gastric
adenocarcinoma and esophageal squamous cell carcinoma. Nat. Genet. 42, 764–
767 (2010).
120. Wang, L. D. et al. Genome-wide association study of esophageal squamous cell

carcinoma in Chinese subjects identifies susceptibility loci at PLCE1 and C20orf54.
Nat. Genet. 42, 759–763 (2010).
121. Shi, Y. et al. A genome-wide association study identifies new susceptibility loci for
non-cardia gastric cancer at 3q13.31 and 5p13.1. Nat. Genet. 43, 1215–1218
(2011).
253
122. McNicholl, A. G. et al. Accuracy of GastroPanel for the diagnosis of atrophic

gastritis. Eur. J. Gastroenterol. Hepatol. 26, 941–948 (2014).
123. Peleteiro, B. et al. Association between cytokine gene polymorphisms and gastric
precancerous lesions: Systematic review and meta-analysis. Cancer Epidemiol.
Biomarkers Prev. 19, 762–776 (2010).
124. Pereira, C. et al. -765G > C COX-2 polymorphism may be a susceptibility marker for
gastric adenocarcinoma in patients with atrophy or intestinal metaplasia. World J.
Gastroenterol. 12, 5473–5478 (2006).
125. Chiurillo, M. A. et al. Combination of Helicobacter pylori-iceA2 and

proinflammatory interleukin-1 polymorphisms is associated with the severity of
histological changes in Venezuelan chronic gastritis patients. FEMS Immunol. Med.
Microbiol. 59, 170–176 (2010).
126. Zabaleta, J. et al. Association of interleukin-1β gene polymorphisms with

precancerous gastric lesions in African Americans and Caucasians. Am. J.
Gastroenterol. 101, 163–171 (2006).
127. Togawa, S. et al. Interleukin-2 gene polymorphisms associated with increased risk
of gastric atrophy from Helicobacter pylori infection. Helicobacter 10, 172–178
(2005).
128. Li, Z. W. et al. Inflammatory cytokine gene polymorphisms increase the risk of
atrophic gastritis and intestinal metaplasia. World J. Gastroenterol. 16, 1788–1794
(2010).
129. Canzian, F. et al. Genetic polymorphisms in mediators of inflammation and gastric

precancerous lesions. Eur. J. Cancer Prev. 17, 178–183 (2008).
130. Kato, I. et al. Polymorphisms in genes related to bacterial

lipopolysaccharide/peptidoglycan signaling and gastric precancerous lesions in a
population at high risk for gastric cancer. Dig. Dis. Sci. 52, 254–261 (2007).
131. Trejo de la O, A. et al. TLR4 single-nucleotide polymorphisms alter mucosal

cytokine and chemokine patterns in Mexican patients with Helicobacter pylori-
associated gastroduodenal diseases. Clin. Immunol. 129, 333–340 (2008).
132. Pabalan, N., Singh, N., Pineda, M. R. & Jarjanazi, H. Meta-analysis of the association
between PTPN11 G/A polymorphism at intron 3 with risk of gastric atrophy among
East Asians. J. Gastrointest. Cancer 45, 319–324 (2014).
133. Rosenstiel, P. et al. Influence of polymorphisms in the NOD1/CARD4 and

NOD2/CARD15 genes on the clinical outcome of Helicobacter pylori infection. Cell.
Microbiol. 8, 1188–1198 (2006).
254
134. Li, W. Q. et al. Association between genetic polymorphisms of DNA base excision
repair genes and evolution of precancerous gastric lesions in a Chinese population.
Carcinogenesis 30, 500–505 (2009).
135. You, W. C. et al. Genetic polymorphisms of CYP2E1, GSTT1, GSTP1, GSTM1, ALDH2,
and ODC and the risk of advanced precancerous gastric lesions in a Chinese
population. Cancer Epidemiol. Biomarkers Prev. 14, 451–458 (2005).
136. Chen, S. Y. et al. Modification effects of GSTM1, GSTT1 and CYP2E1 polymorphisms
on associations between raw salted food and incomplete intestinal metaplasia in a
high-risk area of stomach cancer. Int. J. Cancer 108, 606–612 (2004).
137. Carvalho, F. et al. MUC1 gene polymorphism and gastric cancer an epidemiological
study. Glycoconj. J. 14, 107–111 (1997).
138. Silva, F. et al. MUC1 polymorphism confers increased risk for intestinal metaplasia
in a Colombian population with chronic gastritis. Eur. J. Hum. Genet. 11, 380–384
(2003).
139. Silva, F. et al. MUC1 gene polymorphism in the gastric carcinogenesis pathway. Eur.
J. Hum. Genet. 9, 548–552 (2001).
140. Marín, F. et al. Genetic variation in MUC1, MUC2 and MUC6 genes and evolution of
gastric cancer precursor lesions in a long-term follow-up in a high-risk area in
Spain. Carcinogenesis 33, 1072–1080 (2012).
141. Hishida, A. et al. Associations of a PTPN11 G/A polymorphism at intron 3 with

Helicobactor pylori seropositivity, gastric atrophy and gastric cancer in Japanese.
BMC Gastroenterol. 9, 51 (2009).
142. Hishida, A. et al. Toll-like receptor 4 +3725 G/C polymorphism, Helicobacter pylori
seropositivity, and the risk of gastric atrophy and gastric cancer in Japanese.
Helicobacter 14, 47–53 (2009).
143. Riboli, E. et al. European Prospective Investigation into Cancer and Nutrition (EPIC):
Study populations and data collection. Public Health Nutr. 5, 1113–1124 (2002).
144. Carneiro, F. et al. Pathology findings and validation of gastric and esophageal
cancer cases in a European cohort (EPIC/EURGAST). Scand. J. Gastroenterol. 42,
618–627 (2007).
145. Sala, N. et al. Prostate stem-cell antigen gene is associated with diffuse and
intestinal gastric cancer in Caucasians: Results from the EPIC-EURGAST study. Int. J.
Cancer 130, 2417–2427 (2012).
255
146. Palli, D. et al. CagA+ Helicobacter pylori infection and gastric cancer risk in the EPIC-
EURGAST study. Int. J. Cancer 120, 859–867 (2007).
147. So, H. C. & Sham, P. C. Multiple testing and power calculations in genetic
association studies. Cold Spring Harb. Protoc. 2011, pdb.top95 (2011).
148. González, J. R. et al. SNPassoc: An R package to perform whole genome association

studies. Bioinformatics 23, 644–645 (2007).
149. McLaren, W. et al. Deriving the consequences of genomic variants with the
Ensembl API and SNP Effect Predictor. Bioinformatics 26, 2069–2070 (2010).
150. Reumers, J. et al. Joint annotation of coding and non-coding single nucleotide
polymorphisms and mutations in the SNPeffect and PupaSuite databases. Nucleic
Acids Res. 36, 825–829 (2008).
151. Montgomery, S. B. et al. Transcriptome genetics using second generation

sequencing in a Caucasian population. Nature 464, 773–777 (2010).
152. Schadt, E. E. et al. Mapping the genetic architecture of gene expression in human
liver. PLoS Biol. 6, e107 (2008).
153. Gibbs, J. R. et al. Abundant quantitative trait loci exist for DNA methylation and
gene expression in human brain. PLoS Genet. 6, e1000952 (2010).
154. Myers, A. J. et al. A survey of genetic human cortical gene expression. Nat. Genet.
39, 1494–1499 (2007).
155. Veyrieras, J. B. et al. High-resolution mapping of expression-QTLs yields insight into

human gene regulation. PLoS Genet. 4, (2008).
156. Zeller, T. et al. Genetics and beyond - the transcriptome of human monocytes and
disease susceptibility. PLoS One 5, (2010).
157. Brown, C. D., Mangravite, L. M. & Engelhardt, B. E. Integrative modeling of eQTLs

and cis-regulatory elements suggests mechanisms underlying cell type specificity of
eQTLs. PLoS Genet. 9, e1003649 (2013).
158. Ausubel, F. M. et al. (2003). Short Protocols in Molecular Biology. 3era edición.
New York: John Wiley & Sons.
159. Birnboim, C. H. (2004). Composition and methods for obtaining nucleic acids from
sputum. <http://www.google.com.na/patents/WO2003104251A9?cl=en>
160. Miller, S. A., Dykes, D. D. & Polesky, H. F. A simple salting out procedure for
extracting DNA from human nucleated cells. Nucleic Acids Res. 16, 1215 (1988).
256
161. Fukamachi, H., Ito, K. & Ito, Y. Runx3 -/- gastric epithelial cells differentiate into
intestinal type cells. Biochem. Biophys. Res. Commun. 321, 58–64 (2004).
162. Zavros, Y. et al. Chronic gastritis in the hypochlorhydric gastrin-deficient mouse

progresses to adenocarcinoma. Oncogene 24, 2354–2366 (2005).
163. Lefebvre, O. et al. Gastric mucosa abnormalities and tumorigenesis in mice lacking
the pS2 trefoil protein. Science 274, 259–262 (1996).
164. Oshima, H. et al. Carcinogenesis in mouse stomach by simultaneous activation of

the Wnt signaling and prostaglandin E2 pathway. Gastroenterology 131,
1086–1095 (2006).
165. Oshima, H., Oshima, M., Inaba, K. & Taketo, M. M. Hyperplastic gastric tumors
induced by activated macrophages in COX-2/mPGES-1 transgenic mice. EMBO J. 23,
1669–1678 (2004).
166. Mutoh, H. et al. Cdx1 induced intestinal metaplasia in the transgenic mouse
stomach: Comparative study with Cdx2 transgenic mice. Gut 53, 1416–1423 (2004).
167. Mutoh, H. et al. Conversion of gastric mucosa to intestinal metaplasia in Cdx2-

expressing transgenic mice. Biochem. Biophys. Res. Commun. 294, 470–479 (2002).
168. Companioni, O. et al. Polymorphisms of Helicobacter pylori signaling pathway

genes and gastric cancer risk in the European Prospective Investigation into
Cancer-EURGAST cohort. Int. J. Cancer 134, 92–101 (2014).
169. Castaño-Rodríguez, N., Kaakoush, N. O. & Mitchell, H. M. Pattern-recognition

receptors and gastric cancer. Front. Immunol. 5, 336 (2014).
170. Maeda, S. et al. H. pylori activates NF-κB through a signaling pathway involving IκB
kinases, NF-κB-inducing kinase, TRAF2, and TRAF6 in gastric cancer cells.
Gastroenterology 119, 97–108 (2000).
171. Meyer-ter-Vehn, T., Covacci, A., Kist, M. & Pahl, H. L. Helicobacter pylori activates
mitogen-activated protein kinase cascades and induces expression of the proto-
oncogenes c-fos and c-jun. J. Biol. Chem. 275, 16064–16072 (2000).
172. Watanabe, T. et al. NOD1-mediated mucosal host defense against Helicobacter

pylori. Int. J. Inflam. 2010, 476482 (2010).
173. Jin, G. et al. Genetic variants at 6p21.1 and 7p15.3 are associated with risk of
multiple cancers in Han Chinese. Am. J. Hum. Genet. 91, 928–934 (2012).
257
174. Saeki, N. et al. A functional single nucleotide polymorphism in mucin 1, at

chromosome 1q22, determines susceptibility to diffuse-type gastric cancer.
Gastroenterology 140, 892–902 (2011).
175. Benjamini, Y. & Hochberg, Y. Controlling the False Discovery Rate: A practical and
powerful approach to multiple testing. J. Roy. Stat. Soc. B Met. 57, 289–300 (1995).
176. Affymetrix, Inc. Almac Xcel™ Array for FFPE Profiling Data Sheet.
<http://www.carrerasresearch.org/almac-xcel-array-for-ffpe-profiling_38671. pdf>
177. Irizarry, R. A. et al. Exploration, normalization, and summaries of high density

oligonucleotide array probe level data. Biostatistics 4, 249–264 (2003).
178. Johnson, W. E., Li, C. & Rabinovic, A. Adjusting batch effects in microarray
expression data using empirical Bayes methods. Biostatistics 8, 118–127 (2007).
179. Smyth, G. K., Michaud, J. & Scott, H. S. Use of within-array replicate spots for
assessing differential expression in microarray experiments. Bioinformatics 21,
2067–2075 (2005).
180. R Development Core Team. R: A language and environment for statistical

computing. R Foundation for Statistical Computing 1, 409 (2011).
181. Gentleman, R. C. et al. Bioconductor: Open software development for

computational biology and bioinformatics. Genome Biol. 5, R80 (2004).
182. Krämer, A., Green, J., Pollard, J. & Tugendreich, S. Causal analysis approaches in
Ingenuity Pathway Analysis. Bioinformatics 30, 523–530 (2014).
183. Subramanian, A. et al. Gene set enrichment analysis: A knowledge-based approach

for interpreting genome-wide expression profiles. Proc. Natl. Acad. Sci. U. S. A. 102,
15545–15550 (2005).
184. Sonachalam, M., Shen, J., Huang, H. & Wu, X. Systems biology approach to identify
gene network signatures for colorectal cancer. Front. Genet. 3, (2012).
185. The Broad Institute. Gene Set Enrichment Analysis GSEA User Guide. Broad Inst.
1–59 (2009).
186. Hanada, K. et al. Helicobacter pylori infection introduces DNA double-strand breaks
in host cells. Infect. Immun. 82, 4182–4189 (2014).
187. Wisnieski, F. Reference genes for quantitative RT-PCR data in gastric tissues and
cell lines. World J. Gastroenterol. 19, 7121 (2013).
258
188. Roche. ProbeFinder Quick Reference Guide. <https://lifescience.roche.com/

wcsstore/RASCatalogAssetStore/Articles/ProbeFinder_QRG.pdf>
189. Clèries, R. et al. BootstRatio: A web-based statistical analysis of fold-change in qPCR

and RT-qPCR data using resampling methods. Comput. Biol. Med. 42,
438–445 (2012).
190. Neumann, B., Zhao, L., Murphy, K. & Gonda, T. J. Subcellular localization of the
Schlafen protein family. Biochem. Biophys. Res. Commun. 370, 62–66 (2008).
191. McCarty, K. S., Miller, L. S., Cox, E. B. & Konrath, J. Estrogen receptor analyses.
Correlation of biochemical and immunohistochemical methods using monoclonal
antireceptor antibodies. Arch. Pathol. Lab. Med. 109, 716–721 (1985).
192. Cao, L. X. et al. Implication of a new molecule IK in CD34+ hematopoietic

progenitor cell proliferation and differentiation. Blood 89, 3615–3623 (1997).
193. Montgomery, S. B. et al. Transcriptome genetics using second generation

sequencing in a Caucasian population. Nature 464, 773–777 (2010).
194. Durães, C. et al. Genetic variants in the IL1A gene region contribute to intestinal-
type gastric carcinoma susceptibility in European populations. Int. J. Cancer 135,
1343–1355 (2014).
195. Wee, A., Teh, M. & Kang, J. Y. Association of Helicobacter pylori with HLA-DR
antigen expression in gastritis. J. Clin. Pathol. 45, 30–33 (1992).
196. Yang, S. Gene amplifications at chromosome 7 of the human gastric cancer

genome. Int. J. Mol. Med. 20, 225–231 (2007).
197. Nguyen, T. V et al. Genetic polymorphisms in GSTA1, GSTP1, GSTT1, and GSTM1
and gastric cancer risk in a Vietnamese population. Oncol. Res. 18, 349–355 (2010).
198. Bai, Z. et al. Proteomics-based identification of a group of apoptosis-related

proteins and biomarkers in gastric cancer. Int. J. Oncol. 38, 375–383 (2011).
199. Liu, J. et al. PI3K/Akt-dependent phosphorylation of GSK3β and activation of RhoA

regulate Wnt5a-induced gastric cancer cell migration. Cell. Signal. 25, 447–456
(2013).
200. Li, L. et al. Critical role of histone demethylase RBP2 in human gastric cancer
angiogenesis. Mol. Cancer 13, 81 (2014).
201. Aquino, P. F. et al. Are gastric cancer resection margin proteomic profiles more
similar to those from controls or tumors? J. Proteome Res. 11, 5836–5842 (2012).
259
202. Ikuta, K., Seno, H. & Chiba, T. Molecular changes leading to gastric cancer: A
suggestion from rare-type gastric tumors with GNAS mutations. Gastroenterology
146, 1417–1418 (2014).
203. Niiya, F. et al. Expression of SART3 tumor-rejection antigen in gastric cancers. Jpn.
J. Cancer Res. 91, 337–342 (2000).
204. Hu, C. et al. Abnormal hypermethylation of promoter region downregulates

chemokine CXC ligand 14 expression in gastric cancer. Int. J. Oncol. 43, 1487–1494
(2013).
205. Kalnina, Z. et al. Molecular characterisation and expression analysis of SEREX-

defined antigen NUCB2 in gastric epithelium, gastritis and gastric cancer. Eur. J.
Histochem. 53, 7–18 (2009).
206. Wu, Q. et al. Methylation of miR-129-5p CpG island modulates multi-drug

resistance in gastric cancer by targeting ABC transporters. Oncotarget 5, 11552–
11563 (2014).
207. Mimura, K. et al. The MAPK pathway is a predominant regulator of HLA-A

expression in esophageal and gastric cancer. J. Immunol. 191, 6261–6272 (2013).
208. Qian, Z. et al. Whole genome gene copy number profiling of gastric cancer
identifies PAK1 and KRAS gene amplification as therapy targets. Gene.
Chromosome. Canc. 53, 883–894 (2014).
209. Li, S., Lu, A. P., Zhang, L. & Li, Y. D. Anti-Helicobacter pylori immunoglobulin G (IgG)
and IgA antibody responses and the value of clinical presentations in diagnosis of
H. pylori infection in patients with precancerous lesions. World J. Gastroenterol. 9,
755–758 (2003).
210. Nam, K. H. et al. Caveolin 1 expression correlates with poor prognosis and focal
adhesion kinase expression in gastric cancer. Pathobiology 80, 87–94 (2013).
211. Watanabe, Y. et al. HLA-DQB1 locus and gastric cancer in Helicobacter pylori
infection. J. Gastroenterol. Hepatol. 21, 420–424 (2006).
212. Wang, Y. C. et al. CD24 mediates gastric carcinogenesis and promotes gastric
cancer progression via STAT3 activation. Apoptosis 19, 643–656 (2014).
213. Xu, H. Y. et al. Transfection of PDCD5 effect on the biological behavior of tumor
cells and sensitized gastric cancer cells to cisplatin-induced apoptosis. Dig. Dis. Sci.
57, 1847–1856 (2012).
260
214. Kim, K. R. et al. Gene expression profiling using oligonucleotide microarray in

atrophic gastritis and intestinal metaplasia. Korean J. Gastroenterol. 49, 209–224
(2007).
215. Xie, Ying, Guo, Z., Wang, Y. & Zhao, Y. Single-nucleotide polymorphisms of
microRNA processing machinery genes are associated with risk for gastric cancer.
Onco. Targets. Ther. 8, 567–571 (2015).
216. Wang, J., Cui, S., Zhang, X., Wu, Y. & Tang, H. High expression of heat shock protein
90 is associated with tumor aggressiveness and poor prognosis in patients with
advanced gastric cancer. PLoS One 8, e62876 (2013).
217. Humphries, J. M. et al. Identification and validation of novel candidate protein

biomarkers for the detection of human gastric cancer. B. B. A. Proteins Proteom.
1844, 1051–1058 (2014).
218. Wu, W. et al. S100A9, GIF and AAT as potential combinatorial biomarkers in gastric
cancer diagnosis and prognosis. Proteomics. Clin. Appl. 6, 152–162 (2012).
219. Magnusson P. K. E. et al. Gastric cancer and human leukocyte antigen: Distinct DQ
and DR alleles are associated with development of gastric cancer and infection by
Helicobacter pylori. Cancer Res. 61, 2684–2689 (2001).
220. Lee, J. Y., Eom, E. M., Kim, D. S., Ha-Lee, Y. M. & Lee, D. H. Analysis of gene
expression profiles of gastric normal and cancer tissues by SAGE. Genomics 82,
78–85 (2003).
221. Dai, J., Zhang, N., Wang, J., Chen, M. & Chen, J. Gastrokine-2 is downregulated in
gastric cancer and its restoration suppresses gastric tumorigenesis and cancer
metastasis. Tumour Biol. 35, 4199–4207 (2014).
222. Nardone, G. et al. Molecular expression of Gastrokine 1 in normal mucosa and in

Helicobacter pylori-related preneoplastic and neoplastic gastric lesions. Cancer Biol.
Ther. 7, 1890–1895 (2008).
223. Ishigami, S. et al. Cancerous HLA class I expression and regulatory T cell infiltration
in gastric cancer. Cancer Immunol. Immunother. 61, 1663–1669 (2012).
224. Ning, P. F., Liu, H. J. & Yuan, Y. Dynamic expression of pepsinogen C in gastric
cancer, precancerous lesions and Helicobacter pylori associated gastric diseases.
World J. Gastroenterol. 11, 2545–2548 (2005).
225. Shi, J., Xu, S., He, P. & Xi, Z. Expression of carcinoembryonic antigen-related cell
adhesion molecule 1(CEACAM1) and its correlation with angiogenesis in gastric
cancer. Pathol. Res. Pract. 210, 473–476 (2014).
261
226. Li, X. et al. miRNA-223 promotes gastric cancer invasion and metastasis by
targeting tumor suppressor EPB41L3. Mol. Cancer Res. 9, 824–833 (2011).
227. Jang, B. G., Lee, B. L. & Kim, W. H. Olfactomedin-related proteins 4 (OLFM4)

expression is involved in early gastric carcinogenesis and of prognostic significance
in advanced gastric cancer. Virchows Arch. 4, (2015).
228. Zeller, T. et al. Genetics and beyond--the transcriptome of human monocytes and
disease susceptibility. PLoS One 18, e10693 (2010).
229. Corridoni, D., Arseneau, K. O., Cifone, M. G. & Cominelli, F. The dual role of nod-like
receptors in mucosal innate immunity and chronic intestinal inflammation. Front.
Immunol. 5, (2014).
230. Helicobacter and Cancer Collaborative Group. Gastric cancer and Helicobacter
pylori: a combined analysis of 12 case control studies nested within prospective
cohorts. Gut 49, 347–353 (2001).
231. Hnatyszyn, A., Szalata, M., Stanczyk, J., Cichy, W. & Slomski, R. Association of
c.802C>T polymorphism of NOD2/CARD15 gene with the chronic gastritis and
predisposition to cancer in H. pylori infected patients. Exp. Mol. Pathol. 88,
388–393 (2010).
232. Wang, P. et al. Association of NOD1 and NOD2 genes polymorphisms with
Helicobacter pylori related gastric cancer in a Chinese population. World J.
Gastroenterol. 18, 2112–2120 (2012).
233. Angeletti, S. et al. NOD2/CARD15 polymorphisms impair innate immunity and

increase susceptibility to gastric cancer in an Italian population. Hum. Immunol. 70,
729–732 (2009).
234. Lewis, B. P., Green, R. E. & Brenner, S. E. Evidence for the widespread coupling of
alternative splicing and nonsense-mediated mRNA decay in humans. Proc. Natl.
Acad. Sci. U. S. A. 100, 189–192 (2003).
235. Rosenstiel, P. et al. A short isoform of NOD2/CARD15, NOD2-S, is an endogenous

inhibitor of NOD2/receptor-interacting protein kinase 2-induced signaling
pathways. Proc. Natl. Acad. Sci. U. S. A. 103, 3280–3285 (2006).
236. Nicod, N., Pradas-Juni, M. & Gomis, R. Role of the single nucleotide polymorphism
rs7903146 of TCF7L2 in inducing nonsense-mediated decay. Springerplus 3, 41
(2014).
237. Karhukorpi, J. et al. Effect of CD14 promotor polymorphism and H. pylori infection
and its clinical outcomes on circulating CD14. Clin Exp Immunol 128, 326–332
(2002).
262
238. Smith, M. G., Hold, G. L., Tahara, E. & El-Omar, E. M. Cellular and molecular aspects
of gastric cancer. World J. Gastroenterol. 12, 2979–2990 (2006).
239. Li, K. et al. CD14 regulates gastric cancer cell epithelial-mesenchymal transition and
invasion in vitro. Oncol. Rep. 30, 2725–2732 (2013).
240. Baldini, M. et al. A Polymorphism* in the 5’ flanking region of the CD14 gene is
associated with circulating soluble CD14 levels and with total serum
immunoglobulin E. Am. J. Respir. Cell Mol. Biol. 20, 976–983 (1999).
241. Wu, M. S. et al. Functional polymorphisms of CD14 and toll-like receptor 4 in

Taiwanese Chinese with Helicobacter pylori-related gastric malignancies.
Hepatogastroenterology 53, 807–810 (2006).
242. Tahara, T., Arisawa, T., Shibata, T., Hirata, I. & Nakano, H. Association of
polymorphism of TLR4 and CD14 genes with gastroduodenal diseases in Japan.
Inflammopharmacology 15, 124–128 (2007).
243. De Aguiar, B. B. et al. CD14 expression in the first 24h of sepsis: Effect of -260C>T
CD14 SNP. Immunol. Invest. 37, 752–769 (2008).
244. Chen, X. et al. The identification of trans-associations between prostate cancer

GWAS SNPs and RNA expression differences in tumor-adjacent stroma. Oncotarget
6, 1865–1873 (2015).
245. Loo, L. W. M. et al. Cis-expression QTL analysis of established colorectal cancer risk
variants in colon tumors and adjacent normal tissue. PLoS One 7, (2012).
246. Corvalan, A. et al. Epstein-Barr virus in gastric carcinoma is associated with location
in the cardia and with a diffuse histology: A study in one area of Chile. Int. J. Cancer
94, 527–530 (2001).
247. Yoshiyama, H., Imai, S., Shimizu, N. & Takada, K. Epstein-Barr virus infection of
human gastric carcinoma cells: Implication of the existence of a new virus receptor
different from CD21. J. Virol. 71, 5688–5691 (1997).
248. Pugin, J. et al. CD14 is a pattern recognition receptor. Immunity 1, 509–516 (1994).
249. Garza-González, E. et al. Assessment of the toll-like receptor 4 Asp299Gly,

Thr399Ile and interleukin-8 -251 polymorphisms in the risk for the development of
distal gastric cancer. BMC Cancer 7, 70 (2007).
250. Santini, D. et al. Toll-like receptor 4 Asp299Gly and Thr399Ile polymorphisms in

gastric cancer of intestinal and diffuse histotypes. Clin. Exp. Immunol. 154, 360–364
(2008).
263
251. Smith, M. F. et al. Toll-like receptor (TLR) 2 and TLR5, but not TLR4, are required for
Helicobacter pylori-induced NF-κB activation and chemokine expression by
epithelial cells. J. Biol. Chem. 278, 32552–32560 (2003).
252. Bäckhed, F. et al. Gastric mucosal recognition of Helicobacter pylori is independent

of Toll-like receptor 4. J. Infect. Dis. 187, 829–836 (2003).
253. Sun, X. F. & Zhang, H. NFKB and NFKBI polymorphisms in relation to susceptibility
of tumour and other diseases. Histology and Histopathology 22, 1387–1398 (2007).
254. Kufe, D. W. Mucins in cancer: Function, prognosis and therapy. Nat. Rev. Cancer 9,
874–885 (2009).
255. Conze, T. et al. MUC2 mucin is a major carrier of the cancer-associated sialyl-Tn
antigen in intestinal metaplasia and gastric carcinomas. Glycobiology 20, 199–206
(2010).
256. Boltin, D. & Niv, Y. Mucins in gastric cancer - An update. J. Gastrointest. Dig. Syst. 3,
15519 (2013).
257. Moghanibashi, M., Mohamadynejad, P., Rasekhi, M., Ghaderi, A. &

Mohammadianpanah, M. Polymorphism of estrogen response element in TFF1
gene promoter is associated with an increased susceptibility to gastric cancer. Gene
492, 100–103 (2012).
258. Kim, E. J. et al. Helicobacter pylori infection enhances gastric mucosal inflammation
in individuals carrying the 260-T allele of the CD14 gene. Gut Liver 7, 317–322
(2013).
259. Renouf, B. et al. Cdx2 homeoprotein inhibits non-homologous end joining in colon
cancer but not in leukemia cells. Nucleic Acids Res. 40, 3456–3469 (2012).
260. Zang, S. et al. Identification of Differentially-expressed genes in intestinal gastric

cancer by microarray analysis. Genomics Proteomics Bioinformatics 12, 276–283
(2014).
261. Hensel, F. Ten-year follow-up of a prospective trial for the targeted therapy of
gastric cancer with the human monoclonal antibody PAT-SC1. Oncol. Rep. 31,
1059–1066 (2014).
262. Sasaki, T. et al. AKT activation and telomerase reverse transcriptase expression are
concurrently associated with prognosis of gastric cancer. Pathobiology 81, 36–41
(2013).
264
263. Cook, M. B. et al. Iron in relation to gastric cancer in the α-tocopherol, β-carotene
Cancer Prevention Study. Cancer Epidemiol. Biomarkers Prev. 21, 2033–2042
(2012).
264. Han, Y. et al. Identification and validation that up-expression of HOXA13 is a novel
independent prognostic marker of a worse outcome in gastric cancer based on
immunohistochemistry. Med. Oncol. 30, 564 (2013).
265. Liu, R. et al. Depletion of OLFM4 gene inhibits cell growth and increases
sensitization to hydrogen peroxide and tumor necrosis factor-alpha induced-
apoptosis in gastric cancer cells. J. Biomed. Sci. 19, 38 (2012).
266. Vernygorodskyi, S. Immunohistochemical evaluation of mucin expression in

precancerous tissue of stomach. Exp. Oncol. 35, 114–117 (2013).
267. De Bolos, C., Real, F. X. & Lopez-Ferrer, A. Regulation of mucin and glycoconjugate
expression: From normal epithelium to gastric tumors. Front. Biosci. 6,
D1256–D1263 (2001).
268. Wong, W. M., Poulsom, R. & Wright, N. A. Trefoil peptides. Gut 44, 890–895 (1999).
269. Liu, T. H., Li, D. C., Gu, C. F. & Ye, S. F. Carbamyl phosphate synthetase I. A novel
marker for gastric carcinoma. Chin. Med. J. (Engl). 102, 630–638 (1989).
270. Deng, Q. et al. Prognostic value of long non-coding RNA HOTAIR in various cancers.
PLoS One 10, e110059 (2014).
271. Sousa, J. F. et al. Proteomic profiling of paraffin-embedded samples identifies

metaplasia-specific and early-stage gastric cancer biomarkers. Am. J. Pathol. 181,
1560–1572 (2012).
272. Chandrasekaran, E. V et al. Potential tumor markers for human gastric cancer: An
elevation of glycan:sulfotransferases and a concomitant loss of α1,2-
fucosyltransferase activities. J. Cancer Res. Clin. Oncol. 133, 599–611 (2007).
273. Pradeep, D. U. et al. TRIM protein mediated regulation of inflammatory and innate
immune signaling and its association with antiretroviral activity. J. Virol. 87,
257–272 (2013).
274. Falaleeva, M., Surface, J., Shen, M., de la Grange, P., Stamm, S. SNORD116 and
SNORD115 change expression of multiple genes and modify each other's activity.
Gene. 572, 266-73 (2015)
265
275. Huang, D. W., Sherman, B. T. & Lempicki, R. A. Bioinformatics enrichment tools:

Paths toward the comprehensive functional analysis of large gene lists. Nucleic
Acids Res. 37, 1–13 (2009).
276. Lerardi, E. et al. Effect of Helicobacter pylori eradication on gastric epithelial

proliferation. Relationship with ras oncogene p21 expression. Ital. J. Gastroenterol.
Hepatol. 29, 214–219 (1997).
277. Cito, L., Pentimalli, F., Forte, I., Mattioli, E. & Giordano, A. Rb family proteins in
gastric cancer (review). Oncol. Rep. 24, 1411–1418 (2010).
278. Byun, E., Lim, J. W., Kim, J. M. & Kim, H. α-lipoic acid inhibits Helicobacter pylori
induced oncogene expression and hyperproliferation by suppressing the activation
of NADPH oxidase in gastric epithelial cells. Mediators Inflamm. 2014, 1–12 (2014).
279. De Souza, C. R. T. et al. MYC deregulation in gastric cancer and its

clinicopathological implications. PLoS One 8, e64420 (2013).
280. Baenke, F., Peck, B., Miess, H. & Schulze, A. Hooked on fat: The role of lipid
synthesis in cancer metabolism and tumour development. Dis. Model. Mech. 6,
1353–1363 (2013).
281. Bizama, C. et al. The low-abundance transcriptome reveals novel biomarkers,

specific intracellular pathways and targetable genes associated with advanced
gastric cancer. Int. J. Cancer 134, 755–764 (2014).
282. Abdel-Rahman, O. Targeting vascular endothelial growth factor (VEGF) pathway in

gastric cancer: Preclinical and clinical aspects. Crit. Rev. Oncol. Hematol. 93, 18–27
(2015).
283. Tsang, Y. H. et al. Helicobacter pylori CagA targets gastric tumor suppressor RUNX3
for proteasome-mediated degradation. Oncogene 29, 5643–5650 (2010).
284. Eguchi, H., Herschenhous, N., Kuzushita, N. & Moss, S. F. Helicobacter pylori
increases proteasome-mediated degradation of p27kip1 in gastric epithelial cells.
Cancer Res. 63, 4739–4746 (2003).
285. Valenzuela, M. et al. Helicobacter pylori-induced loss of survivin and gastric cell
viability is attributable to secreted bacterial gamma-glutamyl transpeptidase
activity. J. Infect. Dis. 208, 1131–1141 (2013).
286. Necchi, V., Sommi, P., Ricci, V. & Solcia, E. In vivo accumulation of Helicobacter
pylori products, NOD1, ubiquitinated proteins and proteasome in a novel
cytoplasmic structure. PLoS One 5, (2010).
266
287. Shiotani, A. et al. Re-expression of sonic hedgehog and reduction of CDX2 after
Helicobacter pylori eradication prior to incomplete intestinal metaplasia. Int. J.
Cancer 121, 1182–1189 (2007).
288. Camilo, V. et al. Differentiation reprogramming in gastric intestinal metaplasia and

dysplasia: Role of SOX2 and CDX2. Histopathology 66, 343–350 (2015).
289. Chung, I. K. et al. Helicobacter pylori and telomerase activity in intestinal

metaplasia of the stomach. Korean J. Intern. Med. 17, 227–233 (2002).
290. Baik, S., Youn, H. & Chung, M. Increased oxidative DNA damage in Helicobacter
pylori-infected human gastric mucosa. Cancer Res. 56, 1279–1282 (1996).
291. Yuan, X. et al. Activation of TLR4 signaling promotes gastric cancer progression by
inducing mitochondrial ROS production. Cell Death Dis. 4, e794 (2013).
292. Zhang, S. et al. Homeostasis of redox status derived from glucose metabolic
pathway could be the key to understanding the Warburg effect. Am. J. Cancer Res.
5, 928–944 (2015).
293. Barrett, M. T. et al. Evolution of neoplastic cell lineages in Barrett oesophagus. Nat.
Genet. 22, 106–109 (1999).
294. Tamási, V., Monostory, K., Prough, R. A. & Falus, A. Role of xenobiotic metabolism
in cancer: Involvement of transcriptional and miRNA regulation of P450s. Cell. Mol.
Life Sci. 68, 1131–1146 (2011).
295. Wallace, B. D. & Redinbo, M. R. Xenobiotic-sensing nuclear receptors involved in

drug metabolism: A structural perspective. Drug Metab. Rev. 45, 79–100 (2013).
296. Tahara, T. et al. COMT gene val158met polymorphism influences the severity of
intestinal metaplasia in Helicobacter pylori infected older subjects.
Hepatogastroenterology. 56, 411–415 (2009).
297. Joncquel Chevalier Curt, M. et al. Alteration or adaptation, the two roads for human
gastric mucin glycosylation infected by Helicobacter pylori. Glycobiology 25, 617–
631 (2015).
298. Karasawa, F. et al. Essential role of gastric gland mucin in preventing gastric cancer
in mice. J Clin Invest, 122, 923-34 (2012).
299. Gomes, C. et al. Glycoproteomic analysis of serum from patients with gastric
precancerous lesions. J. Proteome Res. 12, 1454–1466 (2013).
267
300. Altschuler, Y. et al. Clathrin-mediated endocytosis of MUC1 is modulated by its

glycosylation state. Mol. Biol. Cell 11, 819–831 (2000).
301. Pinho, SS., Reis CA. Glycosylation in cancer: mechanisms and clinical implications.
Nat Rev Cancer, 15, 540-55 (2015).
302. Kaebisch, R., Mejías-Luque, R., Prinz, C. & Gerhard, M. Helicobacter pylori
cytotoxin-associated gene A impairs human dendritic cell maturation and function
through IL-10-mediated activation of STAT3. J. Immunol. 192, 316–323 (2014).
303. Borlace, G. N. et al. A role for altered phagosome maturation in the long-term
persistence of Helicobacter pylori infection. Am. J. Physiol. Gastrointest. Liver
Physiol. 303, G169–G179 (2012).
304. Henson, D. E. & Albores-Saavedra, J. An hypothesis on the presumed association

between thyroid goiter and gastric cancer. Cancer Causes Control 24, 609–610
(2013).
305. Liu, R. et al. Mechanism of cancer cell adaptation to metabolic stress: Proteomics
identification of a novel thyroid hormone-mediated gastric carcinogenic signaling
pathway. Mol. Cell. Proteomics 8, 70–85 (2009).
306. Bubenik, G. A. Thirty four years since the discovery of gastrointestinal melatonin. J.
Physiol. Pharmacol. 59, 33–51 (2008).
307. Goto, T. et al. Enhanced expression of inducible nitric oxide synthase and
nitrotyrosine in gastric mucosa of gastric cancer patients. Clin. Cancer Res. 5,
1411–1415 (1999).
308. Hong, L. et al. The value of MG7-Ag and COX-2 for predicting malignancy in gastric
precancerous lesions. Cell Biol. Int. 34, 873–876 (2010).
309. Sun, Y., Tian, M. M., Zhou, L. X., You, W. C. & Li, J. Y. Value of c-Met for predicting
progression of precancerous gastric lesions in rural Chinese population. Chin. J.
Cancer Res. 24, 18–22 (2012).
310. Lindholm, C., Quiding-Järbrink, M., Lönroth, H., Hamlet, A. & Svennerholm, A. M.
Local cytokine response in Helicobacter pylori-infected subjects. Infect. Immun. 66,
5964–5971 (1998).
311. Sassano, A. et al. Human Schlafen 5 (SLFN5) is a regulator of motility and

invasiveness of renal cell carcinoma cells. Mol. Cell. Biol. 35, 2684–2698 (2015).
312. Tian, L. et al. Schlafen-11 sensitizes colorectal carcinoma cells to irinotecan.

Anticancer. Drugs 38, 1–7 (2014).
268
313. Mittal, D., Gubin, M. M., Schreiber, R. D. & Smyth, M. J. New insights into cancer
immunoediting and its three component phases-elimination, equilibrium and
escape. Curr. Opin. Immunol. 27, 16–25 (2014).
314. Shafaghi, A. et al. Serum gastrin and the pepsinogen I/II ratio as markers for
diagnosis of premalignant gastric lesions. Asian Pacific J. Cancer Prev. 14,
3931–3936 (2013).
315. Ng, E. K. O. et al. Quantitative analysis and diagnostic significance of methylated

SLC19A3 DNA in the plasma of breast and gastric cancer patients. PLoS One 6,
(2011).
316. Joo, M., Kim, H., Kim, M. K., Yu, H. J. & Kim, J. P. Expression of Ep-CAM in intestinal
metaplasia, gastric epithelial dysplasia and gastric adenocarcinoma.
J. Gastroenterol. Hepatol. 20, 1039–1045 (2005).
317. Fristedt, R. et al. Expression and prognostic significance of the polymeric

immunoglobulin receptor in esophageal and gastric adenocarcinoma. J. Transl.
Med. 12, 83 (2014).
318. Frycz, B. A. et al. Expression of 17β-hydroxysteroid dehydrogenase type 2 is

associated with some clinicopathological features in gastric cancer. Biomed.
Pharmacother. 70, 24–27 (2015).
319. Junnila, S., Kokkola, A., Lindsberg, M. L. K., Puolakkainen, P. & Monni, O. Genome-
wide gene copy number and expression analysis of primary gastric tumors and
gastric cancer cell lines. BMC Cancer 10, 73 (2010).
320. Muta, H., Podack ER. CD30: from basic research to cancer therapy. Immunol Res.
57,151-8 (2013).
269
Tablas Anexas
TABLAS ANEXAS
Tabla Anexa 1. Resultados globales del genotipado de SNPs en el estudio de asociación en el seguimiento de LPGs.
Posición Progresión Progresión Regresión Regresión Bloque de
Gen SNP a Cromosoma b Alelos d MAF e EHW f
cromosomal c Controles g Casos h Controles i Casos j haplotipos k
CDX1 rs6894617 5 149521614 C/T 0,259 0,397 249/187/27 56/29/10 199/128/27 106/88/10 Recomb
CDX1 rs2302275 5 149527021 C/G 0,47 0,852 128/232/100 27/43/24 102/168/82 53/107/42 1
CDX1 rs10040224 5 149527350 C/G 0,062 1,000 406/56/1 81/15/0 309/45/1 178/26/0 1
CDX1 rs887343 5 149529016 G/A 0,366 0,550 182/224/57 41/42/13 147/163/45 76/103/25 1
CDX1 rs2282812 5 149533940 G/A 0,366 1,000 184/215/61 41/39/15 142/161/50 83/93/26 2
CDX1 rs10063514 5 149546502 C/T 0,068 0,712 400/61/1 80/15/0 306/47/1 174/29/0 Recomb
CDX2 rs2481952 13 27434901 C/T 0,498 0,309 121/219/123 27/48/20 92/173/89 56/94/54 1
CDX2 rs2504212 13 27435537 C/A 0,211 0,008 297/135/30 64/30/2 231/104/19 130/61/13 1
CDX2 rs4503658 13 27442919 G/T 0,08 0,006 397/59/7 84/12/0 312/41/2 169/30/5 1
CDX2 rs3812863 13 27443268 A/G 0,398 0,441 174/213/76 40/41/15 141/164/50 73/90/41 Recomb
GAST rs12453761 17 37120839 A/G 0,48 0,405 129/221/113 32/45/19 109/164/82 52/102/50 No es tagSNP
IL1A rs17561 2 113253684 G/T 0,289 0,178 239/179/45 53/39/4 178/146/31 114/72/18 No es tagSNP
IL1B rs3917366 2 113300351 G/T 0,246 0,381 258/180/24 60/33/3 203/132/19 115/81/8 1
IL1B rs1143633 2 113306938 G/A 0,382 0,168 167/232/61 30/50/15 120/177/55 77/105/21 1
IL1B rs1143627 2 113310858 T/C 0,338 0,409 199/215/48 43/40/12 165/152/36 77/103/24 2
PTGES rs12001450 9 131536460 T/C 0,192 0,073 296/155/11 59/35/2 226/119/9 129/71/4 1
PTGES rs4636306 9 131536838 G/A 0,209 0,567 275/150/18 54/33/4 206/113/15 123/70/7 1
PTGES rs2302821 9 131541702 A/C 0,073 0,294 396/60/4 80/15/1 310/41/3 166/34/2 Recomb
PTGES rs10760634 9 131543692 A/G 0,078 1,000 392/69/2 79/14/3 290/61/4 181/22/1 2
PTGES rs4837404 9 131545480 A/G 0,369 1,000 183/215/63 39/45/12 138/166/50 84/94/25 2
PTGES rs10739757 9 131547731 T/C 0,129 1,000 349/107/7 71/21/3 260/87/7 160/41/3 2
PTGES rs7872802 9 131555551 A/G 0,134 0,841 346/107/9 72/22/2 257/90/8 161/39/3 3
PTGS2 rs2206593 1 184909052 G/A 0,052 1,000 415/47/1 82/12/1 317/35/2 180/24/0 Recomb
271
Tablas Anexas

PTGS2 rs5275 1 184909681 T/C 0,319 0,454 216/194/50 58/32/6 175/138/41 99/88/15 1
PTGS2 rs4648276 1 184912111 T/C 0,172 1,000 315/131/14 77/19/0 252/92/8 140/58/6 1
PTGS2 rs5277 1 184914820 G/C 0,192 0,373 306/138/19 58/32/6 225/109/21 139/61/4 1
PTGS2 rs2745557 1 184915844 G/A 0,204 0,475 294/146/22 59/33/4 228/108/18 125/71/8 1
PTGS2 rs689466 1 184917374 A/G 0,175 0,201 313/140/10 61/30/3 245/100/8 129/70/5 1
PTGS2 rs12042763 1 184918499 G/T 0,273 0,295 249/175/38 45/41/10 184/138/32 110/78/16 1
RUNX3 rs6663310 1 25094966 T/C 0,334 0,145 215/191/56 35/51/10 152/159/43 98/83/23 1
RUNX3 rs9438858 1 25096492 C/A 0,391 0,098 182/202/78 31/52/13 131/163/60 82/91/31 2
RUNX3 rs7553295 1 25096597 G/T 0,238 0,799 266/170/25 56/32/8 203/129/22 119/73/11 2
RUNX3 rs9438859 1 25096908 T/C 0,232 0,297 277/157/27 52/37/7 201/133/20 128/61/14 Recomb
RUNX3 rs7514332 1 25098262 G/C 0,054 0,384 415/46/2 86/9/0 317/36/1 184/19/1 3
RUNX3 rs2236850 1 25112928 T/C 0,408 0,503 168/215/79 28/49/19 118/168/68 78/96/30 Recomb
RUNX3 rs2282718 1 25113643 G/A 0,335 1,000 207/202/53 34/47/15 148/159/47 93/90/21 Recomb
RUNX3 rs9438876 1 25113703 A/G 0,489 0,116 131/211/120 20/48/28 91/164/100 60/95/48 Recomb
RUNX3 rs2236852 1 25116354 A/G 0,486 0,579 124/224/114 30/49/17 104/172/79 50/101/52 Recomb
RUNX3 rs7517302 1 25126904 T/C 0,362 0,616 192/204/63 35/48/13 140/164/48 87/88/28 4
TFF1 rs225352 21 42650501 C/T 0,086 1,000 384/73/3 87/9/0 304/50/0 167/32/3 Recomb
TFF1 rs178740 21 42650741 T/C 0,198 0,012 305/126/26 71/23/2 246/91/15 130/58/13 Recomb
TFF1 rs1547374 21 42651964 A/G 0,312 0,516 221/190/47 43/40/13 165/147/38 99/83/22 1
TFF1 rs4919984 21 42653915 A/G 0,222 1,000 281/159/23 54/37/5 213/125/17 122/71/11 1
TFF1 rs225355 21 42657551 T/C 0,492 0,114 127/215/116 25/41/27 93/171/86 59/85/57 1
TFF1 rs225357 21 42659382 C/T 0,431 0,638 144/234/84 38/42/16 121/179/54 61/97/46 Recomb
TFF1 rs4920094 21 42659402 G/A 0,428 0,158 146/240/77 26/47/23 97/194/64 75/93/36 Recomb
TFF1 rs225358 21 42659581 T/C 0,303 0,319 227/181/47 44/43/8 165/145/39 106/79/16 2
TFF1 rs2156310 21 42659675 G/A 0,151 1,000 332/120/10 70/23/3 247/100/8 155/43/5 2
TFF1 rs225359 21 42660505 A/G 0,327 0,833 212/199/51 39/47/9 153/157/43 98/89/17 2
TFF1 rs1788413 21 42661759 A/C 0,162 0,864 322/128/11 72/23/1 253/94/7 141/57/5 3
272
Tablas Anexas

TFF1 rs9976977 21 42662543 G/A 0,369 0,112 176/231/54 29/47/20 122/179/52 83/99/22 3
TFF1 rs424694 21 42662841 C/T 0,413 0,445 162/217/84 44/41/11 134/171/50 72/87/45 3
TFF1 rs13047838 21 42665938 C/T 0,257 0,183 250/189/24 49/37/10 178/152/25 121/74/9 3
TFF2 rs1079380 21 42643342 A/G 0,489 0,309 113/243/107 32/49/15 99/189/67 46/103/55 No es tagSNP
WNT1 rs4760663 12 47654900 C/T 0,429 0,571 154/221/87 32/49/15 111/171/72 75/99/30 No es tagSNP
MAP3K14 rs4247364 17 40692470 C/G 0,349 0,476 191/216/54 33/51/12 133/174/46 91/93/20 1
MAP3K14 rs1047841 17 40696414 G/A 0,055 1,000 414/48/1 88/8/0 321/34/0 181/22/1 1
MAP3K14 rs16939926 17 40699032 T/C 0,055 1,000 413/49/1 80/16/0 305/49/1 188/16/0 2
MAP3K14 rs2074293 17 40699856 T/C 0,434 0,005 133/253/73 32/44/19 104/185/62 61/112/30 2
MAP3K14 rs3785803 17 40716996 C/T 0,114 0,356 366/88/8 79/16/1 279/72/4 166/32/5 2
MAP3K14 rs2074292 17 40717274 C/T 0,495 0,009 105/257/99 25/49/20 87/196/69 43/110/50 2
MAP3K14 rs9908076 17 40731893 C/T 0,067 0,711 402/60/1 77/18/0 299/54/1 180/24/0 3
MAP3K14 rs2867316 17 40732230 C/T 0,362 0,035 177/234/50 37/45/14 138/174/41 76/105/23 3
MAPK3 rs7698 16 30033301 C/T 0,13 1,000 353/103/7 74/21/0 268/83/3 159/41/4 No hace
haplotipos
No hace
MAPK3 rs11865086 16 30037994 A/C 0,491 0,516 123/222/116 16/57/23 93/179/82 46/100/57
Haploview
haplotipos
NFKB1 rs980455 4 103637989 A/G 0,391 0,173 178/206/77 32/44/19 144/153/55 66/97/41 1
Haploview
NFKB1 rs13117745 4 103697738 C/T 0,122 0,085 361/91/11 70/25/0 274/74/6 157/42/5 1
NFKB1 rs1598861 4 103705733 A/C 0,365 0,003 201/184/77 46/42/8 153/137/64 94/89/21 1
NFKB1 rs1610152 4 103725412 G/C 0,046 0,614 420/42/0 89/7/0 325/29/0 184/20/0 1
NFKB1 rs11722146 4 103743667 G/A 0,268 0,906 248/179/34 45/40/10 194/133/26 99/86/18 1
NFKB1 rs4648090 4 103746106 G/A 0,152 0,858 333/117/11 63/30/3 260/85/9 136/62/5 1
NFKB1 rs4648127 4 103754951 C/T 0,033 0,402 433/29/1 89/7/0 330/24/1 192/12/0 Recomb
NFKB1 rs230547 4 103755307 C/T 0,105 0,623 370/86/6 79/15/2 280/67/7 169/34/1 Recomb
NFKB1 rs4648135 4 103755716 A/G 0,051 0,624 416/47/0 89/7/0 324/31/0 181/23/0 Recomb
NFKB1 rs7674640 4 103759828 T/C 0,485 0,228 115/217/130 30/51/14 87/164/103 58/104/41 2
NFKBIA rs3138056 14 34938265 G/A 0,319 0,670 212/204/45 45/38/12 167/144/42 90/98/15 Recomb
NFKBIA rs4982269 14 34939618 T/C 0,338 0,536 199/213/50 44/39/13 149/160/45 94/92/18 1
273
Tablas Anexas

NFKBIA rs696 14 34940844 G/A 0,372 0,321 177/227/59 32/48/14 133/178/42 76/97/31 1
NFKBIA rs3138054 14 34942058 G/A 0,154 0,859 329/122/10 72/22/0 245/100/7 156/144/3 2
NFKBIA rs3138053 14 34944605 A/G 0,284 0,820 235/191/36 54/36/5 178/149/27 111/78/14 2
NOD1 rs11536450 7 30434089 C/G 0,13 1,000 351/103/8 69/27/0 275/78/2 145/52/6 1
NOD1 rs2907749 7 30452266 A/G 0,295 0,074 221/208/32 39/48/9 154/173/26 106/83/15 2
NOD1 rs7789045 7 30460547 T/A 0,463 0,641 131/234/96 21/52/22 88/184/80 64/102/38 3
NOD1 rs2906766 7 30466100 T/C 0,302 0,661 225/198/39 42/46/8 168/162/24 99/82/23 4
NOD1 rs3823773 7 30466486 A/G 0,087 0,768 386/72/4 81/15/0 296/56/2 171/31/2 4
NOD1 rs4272257 7 30470374 C/T 0,157 1,000 326/125/11 63/29/4 239/107/8 150/47/7 4
NOD1 rs2709803 7 30477059 C/T 0,217 1,000 285/155/21 60/31/15 218/120/15 127/66/11 4
NOD1 rs4720004 7 30478744 T/C 0,144 0,706 336/119/8 64/28/3 245/103/6 155/44/5 5
NOD1 rs2256023 7 30481516 T/C 0,426 0,924 152/225/83 26/51/19 106/180/66 72/96/36 6
NOD1 rs17770244 7 30482337 A/G 0,061 1,000 405/55/1 82/14/0 310/44/0 177/25/1 6
PTPN11 rs17822304 12 111373075 C/A 0,049 1,000 416/45/1 87/9/0 315/39/0 188/15/1 1
PTPN11 rs11614544 12 111389338 A/G 0,154 0,285 333/115/13 69/24/2 263/82/8 139/57/7 1
PTPN11 rs11066320 12 111390798 G/A 0,437 0,778 145/224/90 31/45/19 115/171/66 61/98/43 1
PTPN11 rs11066322 12 111406912 G/A 0,189 0,128 299/152/10 63/31/2 233/111/10 129/72/2 1
PTPN11 rs11066323 12 111407744 G/A 0,103 0,613 373/84/5 76/18/2 285/65/4 164/37/3 1
PTPN11 rs7958372 12 111419936 C/T 0,085 0,561 385/74/2 83/13/0 299/53/2 169/34/0 1
PTPN11 rs7953150 12 111425954 G/A 0,286 0,821 236/187/38 50/41/5 175/151/28 111/77/15 Recomb
SRC rs6017901 20 35401507 T/C 0,043 0,583 423/38/1 84/12/0 314/39/1 193/11/0 Recomb
SRC rs6094373 20 35402488 T/C 0,221 0,418 284/153/26 59/26/11 218/113/24 125/66/13 Recomb
SRC rs6017916 20 35404692 A/C 0,251 0,712 260/171/32 51/32/12 192/133/29 119/70/15 1
SRC rs12106024 20 35412762 C/G 0,203 0,115 298/140/25 61/28/7 226/108/21 133/60/11 Recomb
SRC rs1547836 20 35414365 G/C 0,188 0,878 298/145/15 63/27/15 225/113/15 136/59/5 Recomb
SRC rs16986606 20 35417842 A/G 0,146 0,263 340/109/13 67/26/3 261/83/11 146/52/5 2
SRC rs6017996 20 35420067 G/A 0,144 0,851 337/115/10 65/31/0 254/94/6 148/52/4 3
274
Tablas Anexas

SRC rs6018027 20 35424206 T/C 0,275 0,488 239/189/33 51/41/4 182/151/20 108/79/17 3
SRC rs6063022 20 35426741 C/T 0,16 1,000 325/126/12 68/25/3 245/100/10 148/51/5 3
SRC rs6018088 20 35432039 C/A 0,136 0,692 340/111/7 68/24/3 258/88/6 150/47/4 3
SRC rs6018148 20 35439194 C/T 0,204 0,670 295/147/21 55/37/4 222/119/14 128/65/11 5
SRC rs7269342 20 35441575 T/C 0,146 0,710 337/114/11 67/24/5 249/96/9 155/42/7 5
SRC rs3790150 20 35448513 A/G 0,163 0,395 326/122/15 66/27/2 246/100/8 146/49/9 5
SRC rs754626 20 35450754 A/C 0,223 0,503 274/169/20 65/28/3 217/125/13 122/72/10 Recomb
SRC rs754625 20 35450938 T/C 0,288 0,821 234/189/40 52/38/6 185/147/23 101/80/23 Recomb
SRC rs6018257 20 35455953 T/C 0,122 0,385 357/97/9 69/23/4 263/82/10 163/38/3 6
SRC rs1570209 20 35462245 T/C 0,102 1,000 372/87/4 73/21/1 279/72/3 166/36/2 6
SRC rs17785475 20 35466307 C/T 0,067 0,711 401/61/1 83/11/1 302/51/1 182/21/1 Recomb
LRFN2 rs2494938 6 40644106 A/G 0,462 0,263 141/215/106 30/51/15 105/172/77 66/94/44 No es tagSNP
MUC1 rs2070803 1 153424339 T/C 0,43 0,089 158/208/95 27/46/23 106/168/80 79/86/38 No es tagSNP
PSCA rs2294008 8 143758933 C/T 0,437 0,349 151/219/93 26/48/22 114/166/75 63/101/40 No es tagSNP
PRKAA1 rs13361707 5 40827641 C/T 0,268 0,156 240/193/29 44/42/10 179/146/29 105/89/10 No es tagSNP
DNAH11 rs2285947 7 21550613 G/A 0,488 0,194 128/217/116 20/56/20 84/183/86 64/90/50 No es tagSNP
ZBTB20 rs9841504 3 115845454 C/G 0,059 0,209 410/48/3 85/10/0 317/34/1 178/24/2 No es tagSNP
CD14 rs11167532 5 139968081 G/A 0,45 0,075 118/211/104 42/42/11 113/163/78 77/90/37 1
CD14 rs778588 5 139987195 T/C 0,294 0,181 227/202/34 46/39/11 187/138/30 86/103/15 1
CD14 rs2569190 5 139993100 A/G 0,494 0,459 113/224/123 34/47/15 87/169/96 60/102/42 1
CD14 rs5744455 5 139993491 C/T 0,2 0,384 293/154/14 49/40/7 220/120/14 122/74/7 1
CD14 (IK) rs1583005 5 140011721 C/T 0,418 0,390 152/235/74 21/50/25 119/176/59 54/109/40 2
CDH1 rs16260 16 67328535 C/A 0,275 0,907 239/187/34 47/39/9 173/146/33 113/80/10 1
CDH1 rs1125557 16 67367100 A/G 0,433 0,345 141/239/82 35/42/19 107/179/69 69/102/32 1
CDH1 rs12597188 16 67372327 G/A 0,317 1,000 211/201/47 42/42/11 152/159/43 101/84/15 1
CDH1 rs9929218 16 67378447 G/A 0,292 0,576 227/199/37 45/42/9 164/157/34 108/84/12 1
CDH1 rs7186053 16 67396794 G/A 0,423 0,705 154/222/85 32/44/20 113/175/66 73/91/39 2
275
Tablas Anexas

CDH1 rs4783573 16 67398089 A/G 0,356 0,419 196/205/60 42/48/5 156/161/37 82/92/28 2
IL1RN rs2637988 2 113593250 A/G 0,389 0,041 182/201/80 37/44/15 139/165/51 80/80/44 No es tagSNP
MUC2 rs10902073 11 1050934 C/A 0,336 0,097 211/191/61 40/40/16 141/155/59 110/76/18 2
MUC2 rs10794281 11 1053149 T/C 0,397 0,176 175/206/82 33/45/18 123/158/74 85/93/26 2
MUC2 rs2071174 11 1063712 T/C 0,29 1,000 235/188/39 44/46/5 182/149/22 97/85/22 Recomb
MUC2 rs7944723 11 1083710 C/G 0,218 0,105 278/168/16 61/30/5 219/120/16 120/78/5 Recomb
MUC2 rs10794293 11 1088939 C/T 0,347 0,358 205/199/59 41/44/11 158/156/41 88/87/29 4
MUC2 rs3924453 11 1095806 G/A 0,263 0,341 247/186/29 54/39/3 188/145/22 113/80/10 5
MUC2 rs4077759 11 1095976 T/C 0,353 0,361 187/218/55 41/45/7 147/162/41 81/101/21 5
MUC6 rs6597947 11 1027029 G/T 0,079 0,005 396/58/8 83/13/0 307/46/2 172/25/6 No es tagSNP
a
Los SNPs se ordenan en sentido 5’-3’. b-d Información de HapMap. d Alelo común/alelo variante. e Frecuencia del alelo menor en la muestra total
estudiada. f p-valor de equilibrio de Hardy-Weinberg en los controles. g-j Número de controles y casos con cada genotipo en los grupos de
progresión y regresión k Asignación de cada tagSNP a número de bloque de haplotipos o punto de recombinación. “Recomb” significa punto de
recombinación.
276
Tablas Anexas
Tabla Anexa 2. Genes sobre (Fold Change≥3) o sub-expresados (Fold Change≤0.5) en la comparación MI-No CG vs Sanos.
Fold p-valor
Símbolo del gen a Nombre del gen Asociados con MI d
Change b ajustado c
GAST gastrin 0.110 1.85E-06 SI 41
SST somatostatin 0.127 7.18E-09 SI 41
PGC progastricsin (pepsinogen C) 0.130 2.20E-05 SI 314
GKN1 gastrokine 1 0.141 1.02E-03 SI 222
GKN2 gastrokine 2 0.195 1.87E-03 SI 221
SLC5A5 solute carrier family 5 (sodium iodide symporter), member 5 0.228 5.85E-04 Nueva molécula similar 315
CLU clusterin 0.232 6.51E-06 Nueva molécula
GLUL glutamate-ammonia ligase 0.247 9.50E-09 Nueva molécula
ASS1 argininosuccinate synthase 1 3,010 1,95E-06 Nueva molécula
GLS glutaminase 3,013 3,02E-07 Nueva molécula
SLC22A18AS solute carrier family 22 (organic cation transporter), member 3,025 1,97E-08 Nueva molécula similar 315
TRIM40 tripartite motif containing 40
18 antisense 3,043 2,09E-04 Nueva molécula
ATP1A1 ATPase, Na+/K+ transporting, alpha 1 polypeptide 3,049 9,28E-08 Nueva molécula
IRF4 interferon regulatory factor 4 3,065 2,20E-05 Nueva molécula
USP2 ubiquitin specific peptidase 2 3,067 7,83E-09 Nueva molécula
CTSZ cathepsin Z 3,090 9,47E-09 Nueva molécula
HOXB6 homeobox B6 3,118 4,74E-07 Nueva molécula
S100A10 S100 calcium binding protein A10 3,133 1,58E-06 Nueva molécula
CDHR5 cadherin-related family member 5 3,145 9,94E-09 Nueva molécula
ADH6 alcohol dehydrogenase 6 (class V) 3,147 5,83E-11 Nueva molécula
EPCAM epithelial cell adhesion molecule 3,166 8,06E-08 SI 316
MPP1 membrane protein, palmitoylated 1, 55kDa 3,166 2,05E-05 Nueva molécula
HNF4G hepatocyte nuclear factor 4, gamma 3,169 1,37E-07 Nueva molécula similar 80
SLC39A5 solute carrier family 39 (metal ion transporter), member 5 3,194 2,24E-09 Nueva molécula similar 315
IL2RG interleukin 2 receptor, gamma 3,217 1,11E-06 Nueva molécula
277
Tablas Anexas
Fold p-valor
Change b ajustado c
UGT2A3 UDP glucuronosyltransferase 2 family, polypeptide A3 3,238 8,31E-06 Nueva molécula
GLRX glutaredoxin (thioltransferase) 3,245 3,60E-07 Nueva molécula
CDX2 caudal type homeobox 2 3,284 1,13E-10 SI 64
PDZD3 PDZ domain containing 3 3,300 2,47E-08 Nueva molécula
MS4A10 membrane-spanning 4-domains, subfamily A, member 10 3,307 7,97E-05 Nueva molécula
FAM211A family with sequence similarity 211, member A 3,350 7,52E-08 Nueva molécula
ETHE1 ethylmalonic encephalopathy 1 3,398 4,78E-07 Nueva molécula
TM6SF2 transmembrane 6 superfamily member 2 3,411 3,54E-08 Nueva molécula
CALML4 calmodulin-like 4 3,432 9,50E-07 Nueva molécula
CEACAM18 carcinoembryonic antigen-related cell adhesion molecule 18 3,439 7,72E-07 Nueva molécula similar 225
SLC1A1 solute carrier family 1 (neuronal/epithelial high affinity 3,471 2,07E-06 Nueva molécula
CD55 CD55 molecule,
glutamate decay accelerating
transporter, system Xag),factor
memberfor complement
1 3,484 1,08E-06 SI 261
TMEM150B transmembrane protein
(Cromer blood group) 150B 3,497 5,63E-11 Nueva molécula
LOC100124692 maltase-glucoamylase (alpha-glucosidase) pseudogene 3,508 9,91E-06 SI 196
BTNL8 butyrophilin-like 8 3,511 2,84E-04 Nueva molécula
MSLN mesothelin 3,519 1,17E-06 Nueva molécula
KLK1 kallikrein 1 3,524 1,64E-09 Nueva molécula
ACSL5 acyl-CoA synthetase long-chain family member 5 3,524 1,71E-07 Nueva molécula
CFTR cystic fibrosis transmembrane conductance regulator (ATP-binding 3,530 1,12E-10 SI 206
cassette sub-family C, member 7)
FOLH1 /// FOLH1B folate hydrolase (prostate-specific membrane antigen) 1 /// 3,540 2,67E-05 Nueva molécula
ABCG8 ATP-binding cassette,
folate hydrolase 1B sub-family G (WHITE), member 8 3,550 6,51E-07 Nueva molécula
IGHA1/2/IGHG1/2/3/ immunoglobulin heavy locus /// immunoglobulin heavy constant 3,551 1,96E-06 SI 209
IGHM/IGHV4-31
ACHE acetylcholinesterase 3,570 2,85E-10 Nueva molécula
APOBEC1 apolipoprotein B mRNA editing enzyme, catalytic 3,579 3,26E-06 Nueva molécula
VIL1 villin 1
polypeptide 1 3,602 1,58E-05 SI 80
278
Tablas Anexas
Fold p-valor
Change b ajustado c
HOXA13 homeobox A13 3,624 1,98E-04 SI 264
FLVCR2 feline leukemia virus subgroup C cellular receptor family, 3,628 6,78E-10 Nueva molécula
TTLL6 tubulin
membertyrosine
2 ligase-like family, member 6 3,628 2,11E-07 Nueva molécula
UGT1A1 /3-10 UDP glucuronosyltransferase 1 family, polypeptide A1 /// 3,637 6,34E-06 Nueva molécula
FAM84A family with sequence similarity
UDP glucuronosyltransferase 84, member
1 family, A
polypeptide A10 /// 3,657 2,33E-07 Nueva molécula
CDA cytidine deaminase
UDP glucuronosyltransferase 1 family, polypeptide A3 /// 3,695 7,51E-06 Nueva molécula
ABP1 amiloride binding protein 1 (amine
UDP glucuronosyltransferase 1 family, oxidase
polypeptide
(copper-A4 /// 3,703 2,90E-08 Nueva molécula
CCL14 /15 chemokine
containing)) /// CCL14-CCL15 3,704 3,73E-06 Nueva molécula
UDP glucuronosyltransferase
(C-C motif) ligand 114family, polypeptide A5 ///
ANXA13 annexin A13
readthrough /// chemokine (C-C motif) 3,710 1,47E-06 Nueva molécula
UDP glucuronosyltransferase 1 family, polypeptide
ligand 15 A6 ///
HHLA2 HERV-H LTR-associating 2 3,739 1,40E-06 Nueva molécula
UDP glucuronosyltransferase 1 family, polypeptide A7 ///
TMEM139 transmembrane protein 139 3,762 2,65E-10 Nueva molécula
LDHA UDP glucuronosyltransferase
lactate dehydrogenase A 1 family, polypeptide A8 /// 3,769 1,37E-09 Nueva molécula
BCMO1 UDP glucuronosyltransferase
beta-carotene 15,15'-monooxygenase1 family, 1polypeptide A9 3,785 5,96E-06 Nueva molécula
ALPI alkaline phosphatase, intestinal 3,793 2,64E-07 Nueva molécula
SLC35G1 solute carrier family 35, member G1 3,804 1,12E-07 Nueva molécula similar 315
PIGR polymeric immunoglobulin receptor 3,809 2,98E-08 SI 317
GSTA1 glutathione S-transferase alpha 1 3,811 5,12E-04 Nueva molécula
NT5E 5'-nucleotidase, ecto (CD73) 3,822 5,04E-06 Nueva molécula
MME membrane metallo-endopeptidase 3,830 2,93E-05 Nueva molécula
FABP1 fatty acid binding protein 1, liver 3,973 1,93E-09 SI 80
CLDN3 claudin 3 3,978 4,95E-13 SI 80
NR1I2 nuclear receptor subfamily 1, group I, member 2 4.045 1.88E-09 Nueva molécula
PEPD peptidase D 4.067 1.61E-08 Nueva molécula
TMEM45B transmembrane protein 45B 4.095 2.34E-09 Nueva molécula
GBA3 glucosidase, beta, acid 3 (cytosolic) 4.121 1.58E-05 Nueva molécula
CREB3L3 cAMP responsive element binding protein 3-like 3 4.132 4.37E-08 Nueva molécula
279
Tablas Anexas
Fold p-valor
Change b ajustado c
KRT20 keratin 20 4.252 3.41E-06 SI 81
MYO7B myosin VIIB 4.341 1.61E-12 Nueva molécula
CCL25 chemokine (C-C motif) ligand 25 4.402 8.47E-08 Nueva molécula
MOGAT3 monoacylglycerol O-acyltransferase 3 4.426 6.19E-14 Nueva molécula
GCNT3 glucosaminyl (N-acetyl) transferase 3, mucin type 4.432 7.16E-11 Nueva molécula
ABCG2 ATP-binding cassette, sub-family G (WHITE), member 2 4.457 7.18E-09 Nueva molécula
CDX1 caudal type homeobox 1 4.497 7.83E-09 SI 79
OSTalpha organic solute transporter alpha 4.500 4.04E-08 Nueva molécula
AFAP1-AS1 AFAP1 antisense RNA 1 (non-protein coding) 4.522 4.13E-08 Nueva molécula
SH3D21 SH3 domain containing 21 4.535 3.41E-13 Nueva molécula
ATP1B3 ATPase, Na+/K+ transporting, beta 3 polypeptide 4.588 4.66E-10 Nueva molécula
REEP6 receptor accessory protein 6 4.669 9.79E-11 Nueva molécula
SULT1E1 sulfotransferase family 1E, estrogen-preferring, member 1 4.727 6.74E-09 SI 272
SLC5A9 solute carrier family 5 (sodium/glucose cotransporter), 4.787 1.32E-08 Nueva molécula similar 315
CAMK2N1 calcium/calmodulin-dependent
member 9 protein kinase II inhibitor 1 4.827 6.08E-09 Nueva molécula
A1CF APOBEC1 complementation factor 4.837 6.82E-12 Nueva molécula
CLRN3 clarin 3 4.887 4.04E-10 Nueva molécula
VNN1 vanin 1 4.894 2.14E-11 Nueva molécula
ACY3 aspartoacylase (aminocyclase) 3 4.959 2.45E-10 Nueva molécula
PCK2 phosphoenolpyruvate carboxykinase 2 (mitochondrial) 4.969 2.65E-08 Nueva molécula
CEACAM20 Carcinoembryonic antigen-related cell adhesion molecule 20 4.990 2.65E-05 Nueva molécula similar 225
HSD17B2 hydroxysteroid (17-beta) dehydrogenase 2 5.049 6.39E-09 SI 318
DGKA diacylglycerol kinase, alpha 80kDa 5.127 1.18E-11 Nueva molécula
SLC15A1 solute carrier family 15 (oligopeptide transporter), member 5.141 2.36E-05 Nueva molécula similar 315
RBP2 retinol
1 binding protein 2, cellular 5.209 7.58E-07 Nueva molécula
SLC4A7 solute carrier family4, sodium bicarbonate cotransporter, member7 5.213 2.97E-10 Nueva molécula similar 315
280
Tablas Anexas
Fold p-valor
Change b ajustado c
SERPINA1 serpin peptidase inhibitor, clade A (alpha-1 antiproteinase, 5.213 1.34E-08 Nueva molécula
CIDEB cell death-inducing
antitrypsin), member DFFA-like
1 effector b 5.285 4.04E-11 Nueva molécula
DHRS11 dehydrogenase/reductase (SDR family) member 11 5.307 5.99E-13 Nueva molécula
EFNA2 ephrin-A2 5.318 4.72E-15 Nueva molécula
GK glycerol kinase 5.408 2.45E-10 Nueva molécula
ITLN1 intelectin 1 (galactofuranose binding) 5.583 1.65E-09 Nueva molécula
GIP gastric inhibitory polypeptide 5.606 2.65E-08 Nueva molécula
TM4SF20 transmembrane 4 L six family member 20 5.614 1.64E-09 Nueva molécula
DPP4 dipeptidyl-peptidase 4 5.645 2.58E-08 Nueva molécula
XPNPEP2 X-prolyl aminopeptidase (aminopeptidase P) 2, membrane- 5.756 1.99E-08 Nueva molécula
SPINK4 serine
bound peptidase inhibitor, Kazal type 4 5.780 1.51E-12 Nueva molécula
PLA2G2A phospholipase A2, group IIA (platelets, synovial fluid) 5.804 3.90E-05 Nueva molécula
HEPH hephaestin 5.877 9.01E-11 Nueva molécula
GDA guanine deaminase 5.901 1.15E-09 Nueva molécula
SLC6A8 solute carrier family 6 (neurotransmitter transporter, 5.926 1.37E-09 Nueva molécula similar 315
PRAP1 proline-rich acidic protein
creatine), member 8 1 6.050 9.10E-14 Nueva molécula
SLC46A3 solute carrier family 46, member 3 6.143 2.76E-10 Nueva molécula similar 315
GPA33 glycoprotein A33 (transmembrane) 6.199 4.49E-15 SI, Marcador de Barret
SLC7A9 solute carrier family 7 (glycoprotein-associated amino acid 6.238 3.32E-10 Nueva molécula similar 315
ABCC13 ATP-binding cassette,
transporter light chain,sub-family C (CFTR/MRP),
bo,+ system), member 9 member 13, 6.264 3.61E-09 Nueva molécula
CES2 carboxylesterase
pseudogene 2 6.404 3.80E-12 Nueva molécula
CLDN4 claudin 4 6.422 2.57E-12 SI 80
ZG16 zymogen granule protein 16 homolog (rat) 6.658 3.98E-10 Nueva molécula
MUC4 mucin 4, cell surface associated 6.676 1.37E-06 SI 267
APOC3 apolipoprotein C-III 6.797 4.99E-06 Nueva molécula
MUC13 mucin 13, cell surface associated 6.902 5.11E-13 SI 81
281
Tablas Anexas
Fold p-valor
Change b ajustado c
CEACAM6 carcinoembryonic antigen-related cell adhesion molecule 6 6.931 4.02E-10 SI 225
APOA1 apolipoprotein
(non-specific cross
A-I reacting antigen) 7.126 3.72E-06 SI 80
APOA4 apolipoprotein A-IV 7.165 2.40E-07 SI 80
ABCC2 ATP-binding cassette, sub-family C (CFTR/MRP), member 2 7.356 5.15E-07 Nueva molécula
SLC17A4 solute carrier family 17 (sodium phosphate), member 4 7.418 2.41E-11 Nueva molécula similar 315
LINC00483 long intergenic non-protein coding RNA 483 7.537 1.19E-10 Nueva molécula
RGS2 regulator of G-protein signaling 2, 24kDa 7.558 1.61E-10 Nueva molécula
TM4SF4 transmembrane 4 L six family member 4 7.934 1.45E-11 Nueva molécula
CYP3A4 cytochrome P450, family 3, subfamily A, polypeptide 4 8.000 1.32E-07 SI 319
DEFA5 defensin, alpha 5, Paneth cell-specific 8.219 1.67E-05 Nueva molécula
SLC5A1 solute carrier family 5 (sodium/glucose cotransporter), 8.427 1.26E-08 Nueva molécula similar 315
SLC13A2 solute
member carrier
1 family 13 (sodium-dependent dicarboxylate 8.586 1.44E-13 Nueva molécula similar 315
ACE2 angiotensin
transporter),I converting
member 2 enzyme (peptidyl-dipeptidase A) 2 8.700 7.16E-11 SI 81
HKDC1 hexokinase domain containing 1 8.951 2.26E-15 Nueva molécula
TFF3 trefoil factor 3 (intestinal) 9.082 7.66E-12 SI 268
CHP2 calcineurin-like EF hand protein 2 9.266 4.13E-14 Nueva molécula
REG3A regenerating islet-derived 3 alpha 10.098 2.93E-05 Nueva molécula similar 214
MALL MARVEL domain-containing protein 1-like /// mal, T-cell 10.793 1.02E-13 Nueva molécula
MOGAT2 monoacylglycerol O-acyltransferase 2
differentiation protein-like 11.345 5.32E-15 Nueva molécula
ONECUT2 one cut homeobox 2 11.448 1.88E-15 Nueva molécula
BTNL3 butyrophilin-like 3 12.711 1.21E-09 Nueva molécula
SLC6A19 solute carrier family 6 (neutral amino acid transporter), member 19 13.567 9.98E-15 SI 315
MEP1B meprin A, beta 14.867 1.44E-13 SI 214
MUC3A /// MUC3B mucin-3A-like ///mucin 3A, cell surface associated /// mucin 3B, cell surface 15.900 5.32E-16 Nueva molécula similar 14
associated
CDH17 cadherin 17, LI cadherin (liver-intestine) 18.026 1.34E-17 SI 80
TMPRSS15 transmembrane protease, serine 15 18.481 2.29E-12 Nueva molécula
282
Tablas Anexas
Fold p-valor
Change b ajustado c
MUC12 mucin 12, cell surface associated 18.713 1.17E-08 Nueva molécula similar 14
SLC26A3 solute carrier family 26, member 3 20.210 6.36E-11 Nueva molécula similar 315
MUC17 mucin 17, cell surface associated 20.521 3.26E-15 Nueva molécula similar 14
MTTP microsomal triglyceride transfer protein 25.142 5.42E-14 SI 79
CPS1 carbamoyl-phosphate synthase 1, mitochondrial 26.246 7.02E-19 SI 269
MUC2 mucin 2, oligomeric mucus/gel-forming 26.300 1.26E-23 SI 266
SI sucrase-isomaltase (alpha-glucosidase) 30.086 1.05E-15 SI 214
REG4 regenerating islet-derived family, member 4 32.200 1.16E-13 SI 81
CLCA1 chloride channel accessory 1 33.778 6.18E-16 Nueva molécula
OLFM4 olfactomedin 4 37.040 1.10E-18 SI 81, 227
APOB apolipoprotein B (including Ag(x) antigen) 43.231 1.16E-13 SI 80 81
ANPEP alanyl (membrane) aminopeptidase 49.970 2.86E-23 Nueva molécula
ALDOB aldolase B, fructose-bisphosphate 58.404 7.64E-18 SI 80
FABP1 /// PRDM10 fatty acid binding protein 1, liver /// PR domain containing 10 80.560 1.26E-23 SI 80
DMBT1 deleted in malignant brain tumors 1 98.224 2.20E-23 SI 271
a
En el caso de la existencia de más de 1 gen significa que la sonda reconoce varios genes. b Fold Change es el promedio de la expresión de MI-
No CG menos mucosa gástrica sana; los genes están ordenados de menor a mayor por dicho valor. c p-valor resultante del test de
permutaciones corregido mediante FDR (tasa de falsos positivos). d Genes asociados con MI en estudios de expresión, de asociación genética,
proteómicos y otros. “Nueva molécula” significa que es la primera vez que se identifica este gen como diferencialmente expresado en la MI.
“Nueva molécula similar” significa que otro miembro de su familia génica ha sido previamente asociado con la MI.
283
Tablas Anexas
Tabla Anexa 3. Conjuntos génicos sobre-expresados resultado del GSEA catálogo c2All.v.5 para la comparación MII-CG vs MII-No CG.
Nombre Procesos funcionales a Nb ES c
nominal d FDR e max f
REACTOME_G_BETA_GAMMA_SIGNALLING_THROUGH_PI3KGAMMA Ciclo y Proliferación celular 20 0,5932 0,0070 0,0235 895
REN_BOUND_BY_E2F Ciclo y Proliferación celular 52 0,5709 0,0000 0,0009 3374
REACTOME_AUTODEGRADATION_OF_CDH1_BY_CDH1_APC_C Ciclo y Proliferación celular 52 0,5589 0,0000 0,0013 5579
REACTOME_APC_C_CDH1_MEDIATED_DEGRADATION_OF_CDC20_AND_O Ciclo y Proliferación celular 58 0,5548 0,0000 0,0010 5579
THER_APC_C_CDH1_TARGETED_PROTEINS_IN_LATE_MITOSIS_EARLY_G1
REACTOME_APC_C_CDC20_MEDIATED_DEGRADATION_OF_MITOTIC_PRO Ciclo y Proliferación celular 59 0,5440 0,0000 0,0014 5579
TEINS
REACTOME_G2_M_CHECKPOINTS Ciclo y Proliferación celular 36 0,5457 0,0017 0,0090 4518
OLSSON_E2F3_TARGETS_DN Ciclo y Proliferación celular 40 0,5378 0,0000 0,0080 4553
REACTOME_MAPK_TARGETS_NUCLEAR_EVENTS_MEDIATED_BY_MAP_KINASES Ciclo y Proliferación celular 28 0,5265 0,0068 0,0239 4787
REACTOME_CELL_CYCLE_CHECKPOINTS Ciclo y Proliferación celular 101 0,5191 0,0000 0,0007 5579
KARLSSON_TGFB1_TARGETS_UP Ciclo y Proliferación celular 110 0,5140 0,0000 0,0006 4733
ISHIDA_E2F_TARGETS Ciclo y Proliferación celular 45 0,5046 0,0000 0,0112 6333
REACTOME_REGULATION_OF_MITOTIC_CELL_CYCLE Ciclo y Proliferación celular 70 0,5014 0,0000 0,0034 6112
BIOCARTA_P38MAPK_PATHWAY Ciclo y Proliferación celular 35 0,5000 0,0050 0,0253 6659
PID_PI3KCIPATHWAY Ciclo y Proliferación celular 40 0,4723 0,0032 0,0361 6697
ASTIER_INTEGRIN_SIGNALING Ciclo y proliferación celular 54 0,4491 0,0034 0,0312 3343
KEGG_CELL_CYCLE Ciclo y Proliferación celular 109 0,4192 0,0000 0,0177 6872
IGLESIAS_E2F_TARGETS_UP Ciclo y Proliferación celular 142 0,4177 0,0000 0,0117 5813
WHITFIELD_CELL_CYCLE_G2_M Ciclo y Proliferación celular 190 0,3930 0,0000 0,0138 5781
LABBE_WNT3A_TARGETS_UP Ciclo y Proliferación celular 99 0,3905 0,0063 0,0450 6333
CHANG_CYCLING_GENES Ciclo y Proliferación celular 123 0,3883 0,0000 0,0324 6140
REACTOME_CELL_CYCLE_MITOTIC Ciclo y Proliferación celular 273 0,3824 0,0000 0,0113 6864
WHITFIELD_CELL_CYCLE_M_G1 Ciclo y Proliferación celular 128 0,3820 0,0016 0,0341 4529
WHITFIELD_CELL_CYCLE_G2 Ciclo y Proliferación celular 152 0,3637 0,0000 0,0428 6121
REACTOME_CELL_CYCLE Ciclo y Proliferación celular 329 0,3550 0,0000 0,0246 5615
284
Tablas Anexas

COLLER_MYC_TARGETS_UP Oncogenes 24 0,6308 0,0000 0,0034 4010
BERENJENO_TRANSFORMED_BY_RHOA_FOREVER_DN Oncogenes 28 0,6268 0,0000 0,0021 1908
MENSSEN_MYC_TARGETS Oncogenes 43 0,6151 0,0000 0,0005 5289
CROONQUIST_NRAS_SIGNALING_UP Oncogenes 35 0,5886 0,0000 0,0026 2872
CROONQUIST_NRAS_SIGNALING_DN Oncogenes 64 0,5429 0,0000 0,0008 5248
SEIDEN_ONCOGENESIS_BY_MET Oncogenes 80 0,5345 0,0000 0,0007 6564
SCHLOSSER_MYC_TARGETS_AND_SERUM_RESPONSE_UP Oncogenes 40 0,5309 0,0000 0,0087 5400
SCHLOSSER_MYC_TARGETS_REPRESSED_BY_SERUM Oncogenes 142 0,5280 0,0000 0,0000 4330
YU_MYC_TARGETS_UP Oncogenes 39 0,5122 0,0034 0,0157 2259
PID_MYC_ACTIVPATHWAY Oncogenes 71 0,5053 0,0000 0,0034 5285
SCHLOSSER_MYC_TARGETS_AND_SERUM_RESPONSE_DN Oncogenes 43 0,5040 0,0017 0,0172 4658
SCHUHMACHER_MYC_TARGETS_UP Oncogenes 72 0,5020 0,0000 0,0027 4783
DANG_MYC_TARGETS_UP Oncogenes 127 0,4771 0,0000 0,0018 5760
LEE_LIVER_CANCER_MYC_UP Oncogenes 44 0,4730 0,0033 0,0304 6087
CHIARADONNA_NEOPLASTIC_TRANSFORMATION_KRAS_UP Oncogenes 116 0,4596 0,0000 0,0039 5932
YU_MYC_TARGETS_DN Oncogenes 48 0,4458 0,0033 0,0447 5126
BERENJENO_TRANSFORMED_BY_RHOA_UP Oncogenes 34 0,4278 0,0000 0,0006 4980
KIM_MYC_AMPLIFICATION_TARGETS_UP Oncogenes 166 0,4118 0,0000 0,0106 4720
SWEET_LUNG_CANCER_KRAS_DN Oncogenes 369 0,3381 0,0000 0,0368 4938
XU_HGF_TARGETS_INDUCED_BY_AKT1_6HR Oncogenes 17 0,6228 0,0088 0,0183 5499
SCIAN_CELL_CYCLE_TARGETS_OF_TP53_AND_TP73_DN Supresores tumorales 21 0,5977 0,0036 0,0179 2879
EGUCHI_CELL_CYCLE_RB1_TARGETS Supresores tumorales 23 0,5906 0,0000 0,0114 4556
REACTOME_P53_DEPENDENT_G1_DNA_DAMAGE_RESPONSE Supresores tumorales 50 0,5398 0,0000 0,0034 6064
ONGUSAHA_TP53_TARGETS Supresores tumorales 33 0,5336 0,0032 0,0130 4601
APRELIKOVA_BRCA1_TARGETS Supresores tumorales 45 0,5008 0,0000 0,0161 7075
TANG_SENESCENCE_TP53_TARGETS_DN Supresores tumorales 48 0,4756 0,0031 0,0235 4957
285
Tablas Anexas

PUJANA_BRCA_CENTERED_NETWORK Supresores tumorales 108 0,4689 0,0000 0,0033 4165
MARKEY_RB1_ACUTE_LOF_DN Supresores tumorales 200 0,4641 0,0000 0,0007 5105
CHICAS_RB1_TARGETS_GROWING Supresores tumorales 203 0,4365 0,0000 0,0029 4697
WELCSH_BRCA1_TARGETS_DN Supresores tumorales 120 0,4243 0,0000 0,0139 6946
HEDENFALK_BREAST_CANCER_BRCA1_VS_BRCA2 Supresores tumorales 145 0,4241 0,0000 0,0083 5652
MARKEY_RB1_CHRONIC_LOF_DN Supresores tumorales 97 0,4237 0,0000 0,0177 4752
PUJANA_BRCA2_PCC_NETWORK Supresores tumorales 361 0,4007 0,0000 0,0034 4447
WELCSH_BRCA1_TARGETS_UP Supresores tumorales 185 0,3920 0,0000 0,0160 6907
CHICAS_RB1_TARGETS_SENESCENT Supresores tumorales 491 0,3914 0,0000 0,0033 4715
MARKEY_RB1_ACUTE_LOF_UP Supresores tumorales 184 0,3693 0,0000 0,0365 3592
CHICAS_RB1_TARGETS_CONFLUENT Supresores tumorales 478 0,3608 0,0000 0,0131 4907
CHANDRAN_METASTASIS_TOP50_UP Invasión y metástasis 36 0,5389 0,0000 0,0108 4399
AIGNER_ZEB1_TARGETS Invasión y metástasis 32 0,5343 0,0066 0,0150 6349
PEDERSEN_METASTASIS_BY_ERBB2_ISOFORM_1 Invasión y metástasis 38 0,4895 0,0051 0,0266 2804
ALONSO_METASTASIS_UP Invasión y metástasis 169 0,4775 0,0000 0,0007 5250
GRADE_METASTASIS_DN Invasión y metástasis 39 0,4758 0,0048 0,0374 5765
JECHLINGER_EPITHELIAL_TO_MESENCHYMAL_TRANSITION_UP Invasión y metástasis 64 0,4463 0,0000 0,0280 4237
ANASTASSIOU_CANCER_MESENCHYMAL_TRANSITION_SIGNATURE Invasión y metástasis 56 0,4412 0,0066 0,0366 5250
SARRIO_EPITHELIAL_MESENCHYMAL_TRANSITION_UP Invasión y metástasis 150 0,4238 0,0000 0,0077 5589
WANG_TUMOR_INVASIVENESS_UP Invasión y metástasis 332 0,4197 0,0000 0,0019 6767
ONDER_CDH1_TARGETS_1_DN Invasión y metástasis 146 0,4191 0,0000 0,0093 5908
PEDERSEN_METASTASIS_BY_ERBB2_ISOFORM_4 Invasión y metástasis 93 0,4186 0,0000 0,0235 3368
PROVENZANI_METASTASIS_UP Invasión y metástasis 175 0,4013 0,0000 0,0111 5733
GOTZMANN_EPITHELIAL_TO_MESENCHYMAL_TRANSITION_DN Invasión y metástasis 186 0,3748 0,0000 0,0261 6789
CHANDRAN_METASTASIS_UP Invasión y metástasis 187 0,3737 0,0000 0,0273 6995
ROZANOV_MMP14_TARGETS_UP Invasión y metástasis 217 0,3438 0,0000 0,0476 4755
286
Tablas Anexas

SCHOEN_NFKB_SIGNALING Inflamación 32 0,5170 0,0018 0,0274 2552
REACTOME_ACTIVATION_OF_NF_KAPPAB_IN_B_CELLS Inflamación 59 0,4590 0,0050 0,0229 5579
ZHOU_TNF_SIGNALING_30MIN Inflamación 50 0,4519 0,0016 0,0342 7334
MARZEC_IL2_SIGNALING_UP Inflamación 96 0,4368 0,0000 0,0158 3796
HINATA_NFKB_TARGETS_FIBROBLAST_UP Inflamación 67 0,4336 0,0083 0,0311 5623
BOSCO_INTERFERON_INDUCED_ANTIVIRAL_MODULE Inflamación 65 0,4320 0,0016 0,0317 5632
REACTOME_ACTIVATED_TLR4_SIGNALLING Inflamación 80 0,4284 0,0000 0,0213 6722
REACTOME_NFKB_AND_MAP_KINASES_ACTIVATION_MEDIATED_BY_TLR4 Inflamación 63 0,4224 0,0082 0,0461 6722
_SIGNALING_REPERTOIRE
SANA_TNF_SIGNALING_DN Inflamación 76 0,4170 0,0064 0,0390 5458
PHONG_TNF_RESPONSE_VIA_P38_COMPLETE Inflamación 201 0,4164 0,0000 0,0050 5985
HINATA_NFKB_TARGETS_KERATINOCYTE_UP Inflamación 81 0,4111 0,0031 0,0400 5458
THEILGAARD_NEUTROPHIL_AT_SKIN_WOUND_DN Inflamación 205 0,3786 0,0000 0,0192 6872
PHONG_TNF_RESPONSE_VIA_P38_PARTIAL Inflamación 137 0,3660 0,0016 0,0497 3878
BURTON_ADIPOGENESIS_PEAK_AT_16HR Metabolismo lipídico 36 0,6194 0,0000 0,0009 4413
BURTON_ADIPOGENESIS_3 Metabolismo lipídico 87 0,4981 0,0000 0,0024 5105
GERHOLD_ADIPOGENESIS_DN Metabolismo lipídico 58 0,4804 0,0000 0,0116 4460
PELLICCIOTTA_HDAC_IN_ANTIGEN_PRESENTATION_DN Procesamiento antigénico 47 0,5167 0,0000 0,0080 5579
REACTOME_ANTIGEN_PROCESSING_CROSS_PRESENTATION Procesamiento antigénico 67 0,5005 0,0000 0,0045 5579
REACTOME_CROSS_PRESENTATION_OF_SOLUBLE_EXOGENOUS_ANTIGEN
S_ENDOSOMES Procesamiento antigénico 43 0,4942 0,0017 0,0182 5579
LENAOUR_DENDRITIC_CELL_MATURATION_DN Procesamiento antigénico 116 0,4836 0 0,0014 5840
GOLDRATH_ANTIGEN_RESPONSE Procesamiento antigénico 308 0,4199 0,0000 0,0024 6476
287
Tablas Anexas

REACTOME_CLASS_I_MHC_MEDIATED_ANTIGEN_PROCESSING_ Procesamiento antigénico 205 0,3996 0,0000 0,0102 5579
PRESENTATION
LINDSTEDT_DENDRITIC_CELL_MATURATION_C Procesamiento antigénico 63 0,4453 0,0000 0,0245 5360
REACTOME_REGULATION_OF_APOPTOSIS Apoptosis 52 0,5811 0,0000 0,0007 5579
WU_APOPTOSIS_BY_CDKN1A_VIA_TP53 Apoptosis 47 0,5501 0,0000 0,0039 4506
REACTOME_APOPTOSIS Apoptosis 131 0,4581 0,0000 0,0024 6079
ALCALA_APOPTOSIS Apoptosis 79 0,4443 0,0000 0,0169 5851
HOLLMANN_APOPTOSIS_VIA_CD40_UP Apoptosis 185 0,3939 0,0000 0,0146 4113
HOLLMANN_APOPTOSIS_VIA_CD40_DN Apoptosis 238 0,3911 0,0000 0,0119 6213
HU_ANGIOGENESIS_DN Angiogénesis 34 0,6137 0,0000 0,0014 4892
BIOCARTA_VEGF_PATHWAY Angiogénesis 27 0,5851 0,0000 0,0076 4437
LU_TUMOR_ANGIOGENESIS_UP Angiogénesis 21 0,5636 0,0018 0,0345 3855
WESTON_VEGFA_TARGETS Angiogénesis 92 0,4347 0,0000 0,0174 4529
WESTON_VEGFA_TARGETS_3HR Angiogénesis 65 0,4332 0,0016 0,0318 4529
REACTOME_RESPIRATORY_ELECTRON_TRANSPORT Fosforilación oxidativa 59 0,5169 0,0000 0,0034 8038
REACTOME_RESPIRATORY_ELECTRON_TRANSPORT_ATP_SYNTHESIS_BY_C Fosforilación oxidativa 74 0,5112 0,0000 0,0021 7589
HEMIOSMOTIC_COUPLING_AND_HEAT_PRODUCTION_BY_UNCOUPLING_P
KEGG_OXIDATIVE_PHOSPHORYLATION Fosforilación oxidativa 99 0,4762 0,0000 0,0034 7229
ROTEINS_ Fosforilación oxidativa
REACTOME_TCA_CYCLE_AND_RESPIRATORY_ELECTRON_TRANSPORT 109 0,4733 0,0000 0,0031 7589
WONG_MITOCHONDRIA_GENE_MODULE Fosforilación oxidativa 194 0,4298 0,0000 0,0031 6035
PID_INTEGRIN5_PATHWAY Adhesión celular 16 0,6307 0,0034 0,0177 3850
PID_INTEGRIN_A4B1_PATHWAY Adhesión celular 30 0,5289 0,0084 0,0243 4395
PID_INTEGRIN1_PATHWAY Adhesión celular 62 0,4237 0,0097 0,0447 4241
ST_INTEGRIN_SIGNALING_PATHWAY Adhesión celular 77 0,3982 0,0064 0,0477 6779
BIOCARTA_PROTEASOME_PATHWAY Degradación vía proteasoma 26 0,6350 0,0000 0,0027 5541
KEGG_PROTEASOME Degradación vía proteasoma 41 0,5924 0,0000 0,0014 5579
REACTOME_AUTODEGRADATION_OF_THE_E3_UBIQUITIN_LIGASE_COP1 Degradación vía proteasoma 44 0,5908 0,0000 0,0009 5579
REACTOME_ANTIGEN_PROCESSING_UBIQUITINATION_PROTEASOME_DEG Degradación vía proteasoma 171 0,4013 0,0000 0,0133 5910
RADATION
288
Tablas Anexas

SARTIPY_NORMAL_AT_INSULIN_RESISTANCE_UP Genes regulados por insulina 28 0,6462 0,0000 0,0008 2898
SARTIPY_BLUNTED_BY_INSULIN_RESISTANCE_DN Genes regulados por insulina 17 0,6163 0,0051 0,0212 6069
ROME_INSULIN_TARGETS_IN_MUSCLE_UP Genes regulados por insulina 390 0,4170 0,0000 0,0020 6051
LUI_THYROID_CANCER_CLUSTER_3 Cáncer de tiroides 25 0,5206 0,0097 0,0336 7129
LUI_THYROID_CANCER_PAX8_PPARG_DN Cáncer de tiroides 40 0,5084 0,0016 0,0175 7129
DELYS_THYROID_CANCER_UP Cáncer de tiroides 390 0,3706 0,0000 0,0111 5461
ZHOU_CELL_CYCLE_GENES_IN_IR_RESPONSE_24HR Respuesta a daño genómico 104 0,4289 0,0000 0,0135 3976
ZHOU_CELL_CYCLE_GENES_IN_IR_RESPONSE_6HR Respuesta a daño genómico 72 0,4235 0,0033 0,0319 3429
REACTOME_P53_INDEPENDENT_G1_S_DNA_DAMAGE_CHECKPOINT Respuesta a daño genómico 45 0,5871 0,0000 0,0009 5579
REACTOME_ER_PHAGOSOME_PATHWAY Endocitosis o Fagocitosis 54 0,5722 0,0000 0,0007 5579
KEGG_LYSOSOME Endocitosis o Fagocitosis 113 0,4036 0,0000 0,0218 7368
WANG_ESOPHAGUS_CANCER_VS_NORMAL_UP Cáncer de esófago 103 0,4286 0,0000 0,0152 5578
WANG_ESOPHAGUS_CANCER_VS_NORMAL_DN Cáncer de esófago 89 0,4136 0,0016 0,0320 4198
REACTOME_UNFOLDED_PROTEIN_RESPONSE Unfolded protein response 66 0,4667 0,0000 0,0122 4318
REACTOME_NONSENSE_MEDIATED_DECAY_ENHANCED_BY_THE_EXON_J Degradación de ARNm NMD 88 0,4549 0,0000 0,0090 7378
UNCTION_COMPLEX
VECCHI_GASTRIC_CANCER_EARLY_UP Cáncer gástrico 357 0,3929 0,0000 0,0049 5155
a b
Mecanismo molecular, proceso fisiológico normal o patológico asignado subjetivamente al conjunto génico basado en su nombre. Número de genes que componen
la vía. c Las vías de señalización están ordenadas de mayor a menor valor de Enrichment Score (ES). d p-valor asociado a cada vía sin ajustar por comparaciones
múltiples. e p-valor asociado a cada vía resultante de la corrección para comparaciones múltiples mediante FDR (tasa de falsos positivos). f Posición en la lista de los
genes en la cual se obtiene el mayor valor de ES.
289
Tablas Anexas
Tabla Anexa 4. Conjuntos génicos sobre-expresados resultado del GSEA catálogo c2All.v.5 para la comparación MI-No CG vs Sanos.
a p-valor q-valor Rank at
Nombre Procesos funcionales Nb ES c
KEGG_STARCH_AND_SUCROSE_METABOLISM Efecto Warburg no tumoral 33 0,724 0,002 0,127 1852
REACTOME_AMINO_ACID_TRANSPORT_ACROSS_THE_PLASMA_MEMB Efecto Warburg no tumoral 28 0,666 0,000 0,125 1480
RANE
MOOTHA_GLUCONEOGENESIS Efecto Warburg no tumoral 29 0,651 0,000 0,168 527
REACTOME_GLYCOLYSIS Efecto Warburg no tumoral 24 0,640 0,002 0,124 3435
REACTOME_AMINO_ACID_AND_OLIGOPEPTIDE_SLC_TRANSPORTERS Efecto Warburg no tumoral 44 0,618 0,000 0,142 1480
KEGG_ARGININE_AND_PROLINE_METABOLISM Efecto Warburg no tumoral 48 0,605 0,004 0,153 1415
REACTOME_GLUCOSE_METABOLISM Efecto Warburg no tumoral 56 0,593 0,006 0,126 3503
KEGG_ALANINE_ASPARTATE_AND_GLUTAMATE_METABOLISM Efecto Warburg no tumoral 25 0,563 0,018 0,242 2144
REACTOME_GLUCONEOGENESIS Efecto Warburg no tumoral 28 0,553 0,037 0,245 3118
KEGG_GALACTOSE_METABOLISM Efecto Warburg no tumoral 23 0,546 0,030 0,222 1852
REACTOME_PURINE_METABOLISM Efecto Warburg no tumoral 31 0,538 0,039 0,239 1793
KEGG_GLYCOLYSIS_GLUCONEOGENESIS Efecto Warburg no tumoral 55 0,511 0,016 0,201 1249
PID_HIF1_TFPATHWAY Efecto Warburg no tumoral 62 0,510 0,006 0,168 1741
REACTOME_TRANSPORT_OF_INORGANIC_CATIONS_ANIONS_AND_AM Efecto Warburg no tumoral 82 0,509 0,000 0,130 1480
INO_ACIDS_OLIGOPEPTIDES
REACTOME_TRANSPORT_OF_GLUCOSE_AND_OTHER_SUGARS_BILE_SA Efecto Warburg no tumoral 80 0,492 0,002 0,158 1446
LTS_AND_ORGANIC_ACIDS_METAL_IONS_AND_AMINE_COMPOUNDS
MOOTHA_GLYCOGEN_METABOLISM Efecto Warburg no tumoral 19 0,473 0,039 0,244 3304
REACTOME_TRANSPORT_OF_VITAMINS_NUCLEOSIDES_AND_RELATED Efecto Warburg no tumoral 23 0,435 0,029 0,241 3282
_MOLECULES
REACTOME_METABOLISM_OF_AMINO_ACIDS_AND_DERIVATIVES Efecto Warburg no tumoral 165 0,418 0,016 0,239 3285
GROSS_HYPOXIA_VIA_ELK3_AND_HIF1A_UP Efecto Warburg no tumoral 129 0,407 0,026 0,241 3796
REACTOME_METABOLISM_OF_CARBOHYDRATES Efecto Warburg no tumoral 200 0,379 0,002 0,234 3526
REACTOME_CHYLOMICRON_MEDIATED_LIPID_TRANSPORT Metabolismo lipídico 15 0,843 0,000 0,157 86
REACTOME_LIPOPROTEIN_METABOLISM Metabolismo lipídico 24 0,748 0,000 0,123 86
REACTOME_PEROXISOMAL_LIPID_METABOLISM Metabolismo lipídico 19 0,737 0,002 0,162 2643
REACTOME_ABCA_TRANSPORTERS_IN_LIPID_HOMEOSTASIS Metabolismo lipídico 16 0,683 0,009 0,202 167
290
Tablas Anexas

REACTOME_LIPID_DIGESTION_MOBILIZATION_AND_TRANSPORT Metabolismo lipídico 38 0,665 0,000 0,157 396
KEGG_BIOSYNTHESIS_OF_UNSATURATED_FATTY_ACIDS Metabolismo lipídico 16 0,630 0,019 0,200 4792
REACTOME_TRIGLYCERIDE_BIOSYNTHESIS Metabolismo lipídico 35 0,620 0,002 0,141 3623
KEGG_PPAR_SIGNALING_PATHWAY Metabolismo lipídico 57 0,605 0,010 0,165 1723
KEGG_GLYCEROLIPID_METABOLISM Metabolismo lipídico 43 0,543 0,008 0,171 1926
KEGG_ETHER_LIPID_METABOLISM Metabolismo lipídico 24 0,532 0,029 0,246 1240
KEGG_GLYCEROPHOSPHOLIPID_METABOLISM Metabolismo lipídico 62 0,517 0,004 0,167 2590
REACTOME_GLYCEROPHOSPHOLIPID_BIOSYNTHESIS Metabolismo lipídico 74 0,499 0,004 0,128 4070
REACTOME_METABOLISM_OF_LIPIDS_AND_LIPOPROTEINS Metabolismo lipídico 407 0,458 0,000 0,133 3048
REACTOME_FATTY_ACID_TRIACYLGLYCEROL_AND_KETONE_BODY_ME Metabolismo lipídico 154 0,439 0,022 0,238 3735
TABOLISM
REACTOME_PHOSPHOLIPID_METABOLISM Metabolismo lipídico 173 0,425 0,002 0,161 4273
REACTOME_AMINO_ACID_TRANSPORT_ACROSS_THE_PLASMA_MEMB Proliferación celular 28 0,666 0,000 0,125 1480
RANE
REACTOME_AMINO_ACID_AND_OLIGOPEPTIDE_SLC_TRANSPORTERS Proliferación celular 44 0,618 0,000 0,142 1480
KEGG_ARGININE_AND_PROLINE_METABOLISM Proliferación celular 48 0,605 0,004 0,153 1415
MARZEC_IL2_SIGNALING_DN Proliferación celular 33 0,565 0,016 0,228 2984
KEGG_ALANINE_ASPARTATE_AND_GLUTAMATE_METABOLISM Proliferación celular 25 0,563 0,018 0,242 2144
REACTOME_PURINE_METABOLISM Proliferación celular 31 0,538 0,039 0,239 1793
REACTOME_TRANSPORT_OF_INORGANIC_CATIONS_ANIONS_AND_AM Proliferación celular 82 0,509 0,000 0,130 1480
INO_ACIDS_OLIGOPEPTIDES
PLASARI_TGFB1_SIGNALING_VIA_NFIC_10HR_UP Proliferación celular 46 0,487 0,004 0,243 1414
LABBE_TARGETS_OF_TGFB1_AND_WNT3A_DN Proliferación celular 94 0,450 0,006 0,191 2919
KEGG_PHOSPHATIDYLINOSITOL_SIGNALING_SYSTEM Proliferación celular 66 0,439 0,038 0,245 2682
REACTOME_TRANSPORT_OF_VITAMINS_NUCLEOSIDES_AND_RELATED Proliferación celular 23 0,435 0,029 0,241 3282
_MOLECULES
AMIT_EGF_RESPONSE_120_HELA Proliferación celular 61 0,425 0,023 0,241 4300
REACTOME_METABOLISM_OF_AMINO_ACIDS_AND_DERIVATIVES Proliferación celular 165 0,418 0,016 0,239 3285
PLASARI_TGFB1_TARGETS_10HR_UP Proliferación celular 167 0,392 0,002 0,215 3994
291
Tablas Anexas

PID_IL8CXCR1_PATHWAY Inflamación 25 0,662 0,000 0,140 860
HINATA_NFKB_TARGETS_KERATINOCYTE_DN Inflamación 18 0,631 0,014 0,239 1523
WUNDER_INFLAMMATORY_RESPONSE_AND_CHOLESTEROL_UP Inflamación 49 0,623 0,014 0,165 3370
REACTOME_RIP_MEDIATED_NFKB_ACTIVATION_VIA_DAI Inflamación 16 0,621 0,032 0,242 4586
PID_IL8CXCR2_PATHWAY Inflamación 31 0,582 0,014 0,171 3139
REACTOME_TRAF6_MEDIATED_NFKB_ACTIVATION Inflamación 18 0,569 0,016 0,241 4586
REACTOME_TRAF6_MEDIATED_IRF7_ACTIVATION Inflamación 16 0,543 0,009 0,203 6196
PID_IL4_2PATHWAY Inflamación 50 0,520 0,010 0,140 4062
NEMETH_INFLAMMATORY_RESPONSE_LPS_UP Inflamación 82 0,513 0,032 0,204 4873
PID_AMB2_NEUTROPHILS_PATHWAY Inflamación 36 0,498 0,014 0,241 1044
PID_IL12_2PATHWAY Inflamación 49 0,479 0,036 0,239 5464
BROWN_MYELOID_CELL_DEVELOPMENT_UP Inflamación 137 0,422 0,014 0,240 4270
KEGG_CHEMOKINE_SIGNALING_PATHWAY Inflamación 149 0,389 0,027 0,241 3524
WANG_BARRETTS_ESOPHAGUS_UP Diferenciación intestinal 47 0,744 0,000 0,144 829
LIU_CDX2_TARGETS_UP Diferenciación intestinal 29 0,738 0,000 0,193 385
SUMI_HNF4A_TARGETS Diferenciación intestinal 29 0,655 0,004 0,169 1467
OHGUCHI_LIVER_HNF4A_TARGETS_DN Diferenciación intestinal 117 0,605 0,000 0,129 1356
LUCAS_HNF4A_TARGETS_UP Diferenciación intestinal 49 0,601 0,031 0,241 1688
SERVITJA_ISLET_HNF1A_TARGETS_DN Diferenciación intestinal 93 0,515 0,002 0,153 1707
PID_HNF3BPATHWAY Diferenciación intestinal 39 0,494 0,036 0,226 1550
SERVITJA_LIVER_HNF1A_TARGETS_DN Diferenciación intestinal 127 0,454 0,004 0,207 2032
PID_HNF3APATHWAY Diferenciación intestinal 40 0,421 0,019 0,241 1890
BAUS_TFF2_TARGETS_UP Procesamiento antigénico 27 0,789 0,000 0,167 952
SHAFFER_IRF4_MULTIPLE_MYELOMA_PROGRAM Procesamiento antigénico 33 0,625 0,000 0,155 1758
SHAFFER_IRF4_TARGETS_IN_ACTIVATED_DENDRITIC_CELL Procesamiento antigénico 50 0,579 0,004 0,172 1793
SHAFFER_IRF4_TARGETS_IN_PLASMA_CELL_VS_MATURE_B_LYMPHOC Procesamiento antigénico 54 0,572 0,017 0,170 3680
YTE
292
Tablas Anexas

SHAFFER_IRF4_TARGETS_IN_MYELOMA_VS_MATURE_B_LYMPHOCYTE Procesamiento antigénico 88 0,537 0,002 0,167 3401
KEGG_B_CELL_RECEPTOR_SIGNALING_PATHWAY Procesamiento antigénico 67 0,515 0,004 0,169 4873
SHAFFER_IRF4_TARGETS_IN_ACTIVATED_B_LYMPHOCYTE Procesamiento antigénico 68 0,508 0,025 0,240 3401
KEGG_T_CELL_RECEPTOR_SIGNALING_PATHWAY Procesamiento antigénico 95 0,436 0,004 0,159 5026
BIOCARTA_CASPASE_PATHWAY Apoptosis 21 0,718 0,008 0,189 3416
BIOCARTA_MITOCHONDRIA_PATHWAY Apoptosis 20 0,682 0,002 0,167 4809
SA_CASPASE_CASCADE Apoptosis 18 0,630 0,013 0,240 3416
REACTOME_INTRINSIC_PATHWAY_FOR_APOPTOSIS Apoptosis 29 0,613 0,006 0,172 5120
PID_CASPASE_PATHWAY Apoptosis 47 0,566 0,006 0,169 3416
ALCALA_APOPTOSIS Apoptosis 79 0,524 0,002 0,138 3103
KEGG_APOPTOSIS Apoptosis 81 0,492 0,000 0,138 4882
CROONQUIST_NRAS_SIGNALING_UP Oncogenes 35 0,588 0,010 0,242 3054
WANG_NEOPLASTIC_TRANSFORMATION_BY_CCND1_MYC Oncogenes 20 0,570 0,002 0,191 284
DANG_MYC_TARGETS_DN Oncogenes 28 0,519 0,019 0,204 7011
SWEET_KRAS_ONCOGENIC_SIGNATURE Oncogenes 78 0,489 0,013 0,187 2171
PID_RAS_PATHWAY Oncogenes 28 0,430 0,028 0,239 2515
ACOSTA_PROLIFERATION_INDEPENDENT_MYC_TARGETS_DN Oncogenes 95 0,395 0,020 0,199 5253
BILD_HRAS_ONCOGENIC_SIGNATURE Oncogenes 224 0,393 0,032 0,242 2504
MARZEC_IL2_SIGNALING_DN Proliferación celular 33 0,565 0,016 0,228 2984
PLASARI_TGFB1_SIGNALING_VIA_NFIC_10HR_UP Proliferación celular 46 0,487 0,004 0,243 1414
LABBE_TARGETS_OF_TGFB1_AND_WNT3A_DN Proliferación celular 94 0,450 0,006 0,191 2919
KEGG_PHOSPHATIDYLINOSITOL_SIGNALING_SYSTEM Proliferación celular 66 0,439 0,038 0,245 2682
AMIT_EGF_RESPONSE_120_HELA Proliferación celular 61 0,425 0,023 0,241 4300
PLASARI_TGFB1_TARGETS_10HR_UP Proliferación celular 167 0,392 0,002 0,215 3994
GENTILE_UV_LOW_DOSE_UP Respuesta a daño genómico 20 0,682 0,000 0,138 4283
DAZARD_UV_RESPONSE_CLUSTER_G24 Respuesta a daño genómico 23 0,671 0,000 0,152 312
293
Tablas Anexas

GENTILE_UV_HIGH_DOSE_UP Respuesta a daño genómico 17 0,605 0,021 0,170 661
DAZARD_UV_RESPONSE_CLUSTER_G2 Respuesta a daño genómico 25 0,520 0,021 0,239 1286
WOTTON_RUNX_TARGETS_DN Supresores tumorales 26 0,624 0,008 0,201 437
MCMURRAY_TP53_HRAS_COOPERATION_RESPONSE_UP Supresores tumorales 22 0,533 0,022 0,241 633
KANNAN_TP53_TARGETS_UP Supresores tumorales 48 0,439 0,019 0,242 1165
PID_P53DOWNSTREAMPATHWAY Supresores tumorales 125 0,429 0,004 0,158 4936
CHEN_PDGF_TARGETS Angiogénesis 15 0,585 0,013 0,175 1382
KEGG_VEGF_SIGNALING_PATHWAY Angiogénesis 63 0,432 0,012 0,171 3718
PID_PDGFRBPATHWAY Angiogénesis 121 0,418 0,030 0,235 5748
VECCHI_GASTRIC_CANCER_ADVANCED_VS_EARLY_DN Cáncer Gástrico 129 0,614 0,004 0,171 2735
AUNG_GASTRIC_CANCER Cáncer Gástrico 42 0,566 0,000 0,147 2619
VECCHI_GASTRIC_CANCER_EARLY_UP Cáncer Gástrico 357 0,509 0,033 0,208 4205
PEDERSEN_METASTASIS_BY_ERBB2_ISOFORM_1 Invasión y metastasis 38 0,518 0,033 0,241 2276
ZUCCHI_METASTASIS_DN Invasión y metastasis 39 0,505 0,039 0,236 4466
RICKMAN_METASTASIS_DN Invasión y metastasis 227 0,379 0,021 0,169 3992
KEGG_DRUG_METABOLISM_OTHER_ENZYMES Metabolismo de xenobióticos 30 0,673 0,007 0,162 1348
REACTOME_PHASE_II_CONJUGATION Metabolismo de xenobióticos 45 0,647 0,015 0,202 2050
REACTOME_PHASE1_FUNCTIONALIZATION_OF_COMPOUNDS Metabolismo de xenobióticos 53 0,515 0,012 0,237 3035
REACTOME_TERMINATION_OF_O_GLYCAN_BIOSYNTHESIS Glicosilación aberrante 19 0,716 0,002 0,144 210
REACTOME_O_LINKED_GLYCOSYLATION_OF_MUCINS Glicosilación aberrante 48 0,566 0,002 0,168 2594
REACTOME_SYNTHESIS_OF_BILE_ACIDS_AND_BILE_SALTS Reflujo gastroesofágico 15 0,641 0,032 0,238 2114
REACTOME_BILE_ACID_AND_BILE_SALT_METABOLISM Reflujo gastroesofágico 21 0,582 0,024 0,236 2296
MURATA_VIRULENCE_OF_H_PILORI H.pylori 22 0,669 0,002 0,137 1081
GARGALOVIC_RESPONSE_TO_OXIDIZED_PHOSPHOLIPIDS_YELLOW_UP Unfolded protein response 26 0,667 0,002 0,158 3074
REACTOME_PYRUVATE_METABOLISM Fosforilación oxidativa 18 0,591 0,018 0,241 2867
a b
Mecanismo molecular, proceso fisiológico normal o patológico asignado subjetivamente al conjunto génico basado en su nombre. Número de genes que componen
la vía. c Las vías de señalización están ordenadas de mayor a menor valor de Enrichment Score (ES). d p-valor asociado a cada vía sin corregir por comparaciones
múltiples. e p-valor asociado a cada vía resultante de la corrección para comparaciones múltiples FDR (tasa de falsos positivos). f Posición en la lista ranqueada en la
cual se obtiene el mayor valor de ES, los conjuntos génicos más interesantes poseen Rank at max muy pequeño o muy grande.
294
Publicación
PUBLICACIÓN
En este apéndice se incluye la publicación obtenida como consecuencia directa del

trabajo realizado en esta tesis:
“Polymorphisms of Helicobacter pylori signaling pathway genes and gastric cancer

risk in the European Prospective Investigation into Cancer-Eurgast cohort”. Int. J.
Cancer. 2014 Jan 1; 134(1):92-101. doi: 10.1002/ijc.28357.
Autores: Osmel Companioni, Catalina Bonet, Xavier Muñoz, Elisabete Weiderpass,

Salvatore Panico, Rosario Tumino, Domenico Palli, Claudia Agnoli, Paolo Vineis,
Marie-Christine Boutron-Ruault, Antoine Racine, Francoise Clavel-Chapelon, Ruth C.
Travis, Kay-Tee Khaw, Elio Riboli, Neil Murphy, Anne-Claire Vergnaud, Antonia
Trichopoulou, Vassiliki Benetou, Dimitrios Trichopoulos, Eiliv Lund, Dorthe
Johansen, Bjorn Lindkvist, Mattias Johansson, Malin Sund, Eva Ardanaz, Emilio
Sánchez-Cantalejo, Jose M. Huerta, Miren Dorronsoro, José Ramón Quiros, Anne
Tjonneland, Lotte Maxild Mortensen, Kim Overvad, Jenny Chang-Claude, Cosmeri
Rizzato, Heiner Boeing, Bueno-de-Mesquita H. Bas, Peter Siersema, Petra H.M.
Peeters, Mattijs E. Numans, Fatima Carneiro, Idlir Licaj, Heinz Freisling, Nuria Sala,
Carlos A. González.
295
Publicación
296
Publicación
297
Publicación
298
Publicación
299
Publicación
300
Publicación
301
Publicación
302
Publicación
303
Publicación
304
Publicación
305

Ocn Tesis

Cargado por

Copyright:

Formatos disponibles

Ocn Tesis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ocn Tesis

Cargado por

Copyright:

Formatos disponibles

Susceptibilidad genética al cáncer gástrico y lesiones

precursoras, y mecanismos moleculares que

Aquesta tesi doctoral està subjecta a la llicència Reconeixement- NoComercial –

Esta tesis doctoral está sujeta a la licencia Reconocimiento - NoComercial – SinObraDerivada

This doctoral thesis is licensed under the Creative Commons Attribution-NonCommercial-

SUSCEPTIBILIDAD GENÉTICA AL CÁNCER GÁSTRICO Y

Este trabajo se ha realizado bajo la dirección de los Doctores Carlos Alberto

Autor: Osmel Companioni Nápoles

Directores: Dr. Carlos Alberto González Dra. Núria Sala Serra

A Carlos Alberto González y Nuria Sala Serra por la dirección y el apoyo en la

A Miguel Sanz Anquela y Marisa Pardo por la búsqueda y caracterización histológica

A Juanita Merchant (Molecular and Integrative Physiology Department de la

A Catalina Bonet por los análisis y asesoramiento estadístico de los estudios de

A Lara Nonell y Eulalia Puigdecanet por el procesamiento de las muestras y análisis

A mi madre que tanto contribuyó a mi educación y alentó el espíritu de

ABREVIATURAS Y SÍMBOLOS ......................................................................................................... 5

1. CÁNCER GÁSTRICO. DESCRIPCIÓN GENERAL Y EPIDEMIOLOGÍA ......................................................................... 15

9.3. Estudios de asociación de genoma completo en cáncer gástrico ......................................... 50

4.4. Infección por Helicobacter pylori ......................................................................................... 113

RESULTADOS ............................................................................................................................. 119

CONCLUSIONES ......................................................................................................................... 239

REFERENCIAS BIBLIOGRÁFICAS .................................................................................................. 243

AINES: Antinflamatorios no esteroideos.

ANOVA: Análisis de varianza.

ARN: Ácido ribonucleico.

ARNm: Ácido ribonucleico mensajero.

AUC: Area under curve.

CEGEN: Centro Nacional de Genotipado.

CG: Cáncer gástrico.

EPIC: European Prospective Investigation on Cancer.

FDR: False discovery rate.

GEO: Gene expression omnibus.

GO: Gene ontology.

HapMap: Proyecto de mapeo de bloques de haplotipos humanos.

ICO: Instituto Catalán de Oncología.

IDIBELL: Instituto de Investigación Biomédica de Bellvitge.

IMIM: Instituto Hospital del Mar de Invesigaciones Médicas.

IPA: Ingenuity pathway analysis.

LRT1: Laboratorio de Investigación Traslacional 1.

MAF: Minor allele frequency.

MI-No CG: Metaplasia intestinal que no progresa a cáncer gástrico

MIC: Metaplasia intestinal completa.

MIC-CG: Metaplasia intestinal completa que progresa a cáncer gástrico.

MII-CG: Metaplasia intestinal incompleta que progresa a cáncer.

NK: Natural killers.

NLR: Nod like receptors.

NMD: Nonsense mediated mRNA decay.

OR: Odds ratio.

SPEM: Spasmolytic polypeptide expressing metaplasia.

STA: Specific target amplification.

UNAC: Unidad de Nutrición, Ambiente y Cáncer.

El cáncer gástrico (CG) es la consecuencia de múltiples cambios histológicos en la

Esta tesis consta de cuatro estudios similares en cuanto a que exploran la

1. Cáncer gástrico. Descripción general y epidemiología

En España la mortalidad por CG en las últimas décadas ha disminuido en casi todas

Figura 1. Distribución mundial de la incidencia de cáncer gástrico estandarizada por

2. Anatomía e histología del estómago

Figura 2. Estructura anatómica del estómago. Tomado de Hall et al., 2010 8.

Histológicamente, la pared del estómago está formada por capas, nombrándose a