对膀癌风险遗传相互作用的全基因组探索
Evan Yi-Wen Yu1,2,3, Qiu-Yi Tang4, Ya-Ting Chen1,2
1Key Laboratory of Environmental Medicine and Engineering of Ministry of Education, School of Public Health, Southeast University, Nanjing, China.
International journal of cancer
|August 28, 2023
概括
这项研究使用机器学习方法确定了影响膀癌 (BC) 风险的显著遗传相互作用. 综合交互授权的多基因风险评分 (iPRS) 模型通过识别高风险个体来增强BC查.
科学领域:
- 遗传学 遗传学 是一个
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 全基因组关联研究 (GWAS) 已经探索了膀癌 (BC) 的遗传变异,但对影响BC风险的基因-基因相互作用的理解有限.
- 研究SNP-SNP相互作用对于全面了解膀瘤发生至关重要.
研究的目的:
- 使用机器学习方法对BC风险进行全基因组SNP-SNP相互作用调查.
- 开发一个集成的交互授权多基因风险评分 (iPRS) 模型,用于增强BC查.
主要方法:
- 利用大规模的英国生物库数据用于发现和验证队列 (高加索和非高加索).
- 采用GenEpi机器学习方法进行全基因组SNP-SNP相互作用分析.
- 使用考克斯的比例危险模型构建了一个iPRS模型,并通过邦费罗尼校正确定了显著的相互作用.
主要成果:
- 确定了10种与BC风险相关的统计学上显著的SNP-SNP相互作用对.
- 在白人中,有四种相互作用是正相关的 (ORs 1.57-2.03) 和六种相互作用是负相关的 (ORs 0.54-0.65).
- 在非白种人中一致发现了四种相互作用;与PRS (AUC 0.86) 相比,iPRS模型显示出更高的预测性能 (AUC 0.91).
结论:
- 确定了关键的SNP-SNP相互作用,这些相互作用显著影响膀癌症风险.
- 开发并验证了一种用于改进BC查的iPRS模型,有助于早期识别高风险个体.
- 这些发现为个性化风险评估和膀癌早期检测策略提供了基础.
