开发和验证一种基于下一代测序的方法,用于计算乳腺癌多基因风险评分PRS313
Flora Ponelle-Chachuat1, Mathis Lepage1, Sandrine Viala1
1Université Clermont Auvergne, INSERM, U1240 Imagerie Moléculaire et Stratégies Théranostiques, Clermont Ferrand, France; Département d'Oncogénétique, Centre Jean Perrin, Clermont-Ferrand, France.
Breast (Edinburgh, Scotland)
|September 20, 2025
概括
针对性下一代测序 (NGS) 准确计算乳腺癌风险的多基因风险评分 (PRS),匹配微阵列的性能. 这验证了NGS的临床用途,使其能够成本有效地集成到瘤遗传学工作流程中.
科学领域:
- 遗传学和基因组学 遗传学和基因组学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 多基因风险评分 (PRS) 整合了许多遗传变异来评估疾病倾向.
- 在像BOADICEA这样的模型和像CanRisk这样的软件中,PRS313对于完善乳腺癌风险预测至关重要.
- 目前使用SNP微阵列的PRS313实现与基于测序的临床工作流不兼容.
研究的目的:
- 直接比较SNP微阵列和针对性下一代测序 (NGS) 以确定PRS313.
- 使用NGS优化PRS313计算,将代理SNP纳入具有低测序覆盖率或复杂度的变体.
- 为了验证NGS衍生的PRS313与微阵列数据相比的准确性和临床实用性.
主要方法:
- 在154名患者中,直接比较SNP微阵列和针对PRS313计算的NGS.
- 整合27个代理SNP,以取代PRS313的SNP,具有低于最佳的测序特性.
- 在NGS和微阵列方法之间进行一致性分析,灵敏度和特异性评估.
主要成果:
- 从NGS衍生的PRS313与微阵列数据具有很高的一致性 (R2 = 0.95).
- 使用NGS确定PRS313的灵敏度和特异性分别达到96%和97%.
- 在比较NGS和微阵列方法时,临床风险类别在97%的病例中保持一致.
结论:
- 目标NGS是计算PRS313.3的可行和准确方法.
- 来自NGS的PRS313与基于微阵列的得分高度一致,保持了临床风险分层.
- 这种方法有助于无整合到瘤遗传工作流程中,为个性化乳腺癌风险预测提供了具有成本效益的解决方案.
