PCSK9与乳腺癌生存：一项孟德尔随机化研究

《Cancer Epidemiology, Biomarkers & Prevention》：PCSK9 and Breast Cancer Survival: A Mendelian Randomization Study Open Access

　　

背景：前蛋白转化酶枯草溶菌素/kexin 9型（PCSK9）影响脂质代谢。最近一项研究发现PCSK9基因内的rs562556与乳腺癌生存（BCS）之间存在关联，提示PCSK9抑制可作为预防乳腺癌转移的早期干预策略。研究人员尝试使用全基因组关联研究（GWAS）数据和孟德尔随机化（MR）来复制这些发现。方法：研究人员使用了来自乳腺癌协会联盟（BCAC，N=91,686）的GWAS数据，并在FinnGen研究（N=4,648；加性和隐性模型）中进行了分析。首先，研究人员测试了单个变异rs562556的关联，然后使用多个变异遗传代理PCSK9抑制，最后使用多变量MR调整脂质代谢的间接效应。冠状动脉疾病被选为阳性对照结局。结果：估计值按每1个标准差（SD）更高的PCSK9水平的对数风险比（logHR）进行缩放。研究人员在任何MR方法及任何复制数据中均未发现PCSK9变异与BCS之间存在显著关联：单个变异[BCAC：logHR=2.37，P=0.066；FinnGen加性：logHR=0.58，P=0.91；FinnGen隐性：logHR=-2.75，P=0.87]，多个变异[BCAC：logHR=-0.22，P=0.30；FinnGen：logHR=-0.40，P=0.54]，或多变量[BCAC：logHR=0.42，P=0.65；FinnGen：logHR=1.23，P=0.75]。阳性对照分析始终显著。结论：PCSK9变异与BCS的显著关联仅在使用原始研究的结局数据时才能被复制，而使用独立的、更大规模的GWAS则无法复制。影响：造成结果差异的潜在原因可能是不同的遗传模型、样本选择标准以及风险比（HR）估计的时间变异性。在考虑将PCSK9作为乳腺癌患者治疗靶点之前，应对这些因素进行探讨。

论文解读：

**研究背景与问题**

前蛋白转化酶枯草溶菌素/kexin 9型（PCSK9）主要在肝脏表达，通过与肝细胞表面低密度脂蛋白受体（LDL-R）结合并抑制其循环，导致低密度脂蛋白胆固醇（LDL-C）水平升高。PCSK9抑制剂已被用于治疗高胆固醇血症。他汀类药物通过抑制3-羟基-3-甲基戊二酰辅酶A（HMG-CoA）还原酶（由HMGCR编码）减少胆固醇合成，但其对乳腺癌风险和生存的影响尚存争议。近期，Mei等研究人员在四个乳腺癌队列中发现PCSK9基因的错义突变rs562556（导致V474I氨基酸替换）与乳腺癌生存（BCS）显著相关，并提示PCSK9抑制可能通过降低与低密度脂蛋白受体相关蛋白1（LRP1）的结合来减少转移，从而改善生存。然而，该发现是否适用于更广泛的人群尚未明确。因此，本研究旨在利用更大规模的全基因组关联研究（GWAS）数据和孟德尔随机化（MR）方法，独立复制Mei等人关于PCSK9与BCS关联的结论，并评估其因果效应。论文发表在《Cancer Epidemiology, Biomarkers》。

**主要技术方法**

研究人员采用三种MR方法，使用公开GWAS汇总统计数据进行因果推断。暴露数据来自Pott等人（2022）的PCSK9蛋白水平GWAS（女性n=8,936；性别组合n=20,016）和GTEx v10的PCSK9基因表达数量性状位点（eQTL）数据（来自16个组织）。结局数据来自两个独立复制队列：乳腺癌协会联盟（BCAC，包含91,686例欧洲裔乳腺癌患者，7531例乳腺癌特异性死亡）和FinnGen研究（选取4,648例50岁以上、II/III期乳腺癌女性患者，288例死亡）。阴性对照为乳腺癌风险（来自FinnGen和UK Biobank荟萃分析，共30,593例病例和388,840例对照），阳性对照为冠状动脉疾病（CAD，来自Aragam等人2022年荟萃分析，女性病例181,522例，对照984,168例）。方法包括：（1）单变异MR：仅使用rs562556，通过Wald比率估计因果效应；（2）多变异MR：使用PCSK9基因区域多个独立工具变量（4个蛋白水平SNPs或各组织eQTLs），采用逆方差加权MR（MR-IVW）；（3）多变量MR（MVMR）：同时纳入PCSK9和LDL-C（来自全球脂质遗传学联合会的性别特异性GWAS）的工具变量，估计PCSK9对BCS的独立直接效应。

**研究结果**

**复制1：单变异方法**
研究人员首先对Mei等人原始研究中的四个队列（HMF、Bertucci、Nik-Zainal、TCGA-BRCA）进行固定效应荟萃分析，得到rs562556与BCS的汇总估计（隐性模型，对数风险比logHR=-0.40，P=4.1×10^-5）。然而，在独立复制数据中，该SNP与BCS的关联均未达到统计学意义：BCAC（加性模型，logHR=-0.05，P=0.066）；FinnGen（加性模型logHR=-0.01，P=0.91；隐性模型logHR=0.06，P=0.87）。随后，利用rs562556作为工具变量进行MR比率估计，仅当使用原始研究数据时，PCSK9蛋白水平（女性）对BCS展现出显著正向效应（logHR=18.03，P=4.1×10^-5），但该估计值因赢者诅咒而虚高。在BCAC中，logHR=2.37（P=0.066）；在FinnGen中，加性模型logHR=0.58（P=0.91），隐性模型logHR=-2.75（P=0.87）。使用PCSK9基因表达或LDL-C作为暴露时得到一致结果。

**复制2：多变异方法**
利用PCSK9蛋白水平的四个独立SNPs（rs11591147、rs693668、rs11583680、rs2495491）进行MR-IVW分析，结果未发现PCSK9水平与BCS的显著关联（BCAC：logHR=-0.22，P=0.30；FinnGen：logHR=-0.40，P=0.54）。对PCSK9基因表达（8个组织）的分析同样不显著，且效应方向不一。针对LDL-C，使用全基因组LDL-C工具变量也未发现显著效应（BCAC女性logHR=0.0054，P=0.88）；但使用HMGCR基因区域的工具变量时，在BCAC中观察到LDL-C对BCS的显著负效应（logHR=-0.51，P=4.9×10^-3），而在FinnGen中不显著（logHR=-0.11，P=0.94）。

**复制3：多变量方法**
利用MVMR-IVW分析PCSK9直接效应（调整LDL-C），结果仍不显著：BCAC中PCSK9的logHR=0.42（P=0.65），LDL-C的logHR=-0.50（P=0.48）；FinnGen中PCSK9的logHR=1.23（P=0.75），LDL-C的logHR=-1.24（P=0.67）。由于PCSK9与LDL-C遗传效应高度相关，条件F统计量较低（约9.2），统计效力有限。敏感性分析加入HMGCR工具变量后，结果类似但效应方向在BCAC（正向）和FinnGen（负向）间不一致。

**阴性对照与阳性对照**
乳腺癌风险作为阴性对照，所有方法均未发现PCSK9或LDL-C的显著效应，符合预期。CAD作为阳性对照，在性别组合数据中几乎所有MR分析均显示PCSK9的显著正向效应（如多变量方法中logOR=0.30，P=0.013），但在女性单独数据中部分结果不显著，可能与样本量减小有关。

**总结与讨论**
本研究通过三种MR方法在独立、大规模GWAS中未能复制Mei等人关于PCSK9（rs562556）与BCS显著关联的发现。该关联仅在原始研究的小样本队列中显著，而在BCAC（91,686例）和FinnGen（4,648例）中均不成立。讨论指出，可能原因包括：（1）遗传模型差异（Mei使用隐性模型，BCAC使用加性模型）；（2）样本选择标准不同（Mei仅纳入50岁以上、II/III期高危患者且生存期10年或2年，而BCAC纳入所有年龄段和分期且生存期15年）；（3）风险比（HR）估计的时间变异性，不同随访期可能影响效应大小；（4）PCSK9效应可能依赖于LDL-C，但MVMR因工具变量相关性高而效力不足；（5）原始研究可能为假阳性（赢者诅咒）。阳性对照（CAD）结果稳健，证明工具变量有效。研究人员建议，在考虑将PCSK9作为乳腺癌患者治疗靶点前，需进一步探索这些混杂因素，并考虑雌激素受体状态等分层分析。

**研究结论翻译**
结论：PCSK9变异与BCS的显著关联仅在使用与原始研究相同的结局数据集时才能被复制，而在使用独立、更大规模的GWAS（来自BCAC或FinnGen）时则无法复制。尽管PCSK9可能对高危乳腺癌患者是一个有潜力的治疗靶点，但我们的数据不支持将其推广至其他患者群体，需要进一步探索。