解析肿瘤代谢网络并提升癌症风险预测能力：一项大规模队列研究和全基因组多效性分析 开放获取（Open Access）

《Cancer Research Communications》：Profiling the onco-metabolic nexus and improving cancer risk prediction performance: a large-scale cohort and genome-wide pleiotropic analysis Open Access

　　

摘要

早期筛查和有针对性的干预可以有效降低癌症负担。然而，大多数研究采用多基因评分（PRS）来进行风险预测和人群风险分层。我们研究了癌症与代谢特征之间的因果关系和共同遗传因素，以绘制肿瘤-代谢关联图谱。通过多变量Cox模型，我们评估了240种代谢特征与癌症之间的关联。基因组分析包括全基因组范围内的遗传相关性分析以及基因组结构方程建模（gSEM），以识别将代谢特征与癌症联系起来的途径。随后，我们使用DBSLMM基于gSEM构建了单一和综合的PRS模型，并比较了它们的预测性能。大多数代谢特征都是癌症的风险因素，例如腰臀比（WHR）与结直肠癌（HR = 1.34，95%置信区间[CI]：1.23-1.46，P = 1.59×10-11）。在遗传相关性分析中，我们发现了41对具有肿瘤-代谢关联性的显著基因对和405个显著的基因组区域。MR分析揭示了17对显著的因果关系。结合gSEM的综合PRS模型提高了预测能力，在肾癌病例中解释了13.95%的变异。该研究强调了癌症与代谢特征之间错综复杂的遗传和临床关系，有助于改进癌症筛查和干预措施。