田劍波繆小平林東昕
(1 華中科技大學(xué)同濟醫(yī)學(xué)院公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系,武漢 430030;2 中國醫(yī)學(xué)科學(xué)院中國協(xié)和醫(yī)科大學(xué)腫瘤醫(yī)院腫瘤研究所病因及癌變研究室,癌發(fā)生及預(yù)防分子機理北京市重點實驗室,北京 100730)
中國人群常見惡性腫瘤遺傳風(fēng)險預(yù)測模型研究進展
田劍波1繆小平1林東昕2
(1 華中科技大學(xué)同濟醫(yī)學(xué)院公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系,武漢 430030;2 中國醫(yī)學(xué)科學(xué)院中國協(xié)和醫(yī)科大學(xué)腫瘤醫(yī)院腫瘤研究所病因及癌變研究室,癌發(fā)生及預(yù)防分子機理北京市重點實驗室,北京 100730)
田劍波,碩士,研究方向為流行病與衛(wèi)生統(tǒng)計。
E-mail:tianjianbo1992@126.com
腫瘤的發(fā)生發(fā)展是一個涉及多基因、多階段、多步驟的過程。由于腫瘤表型的高度異質(zhì)性以及腫瘤病因的復(fù)雜性,其風(fēng)險預(yù)測模型構(gòu)建一直是研究的熱點和難點之一。全基因組關(guān)聯(lián)研究(genome wide association studies, GWAS)是分子流行病學(xué)研究的重要策略,迄今發(fā)現(xiàn)了大量與腫瘤風(fēng)險相關(guān)的易感基因與遺傳位點。在傳統(tǒng)腫瘤風(fēng)險預(yù)測模型基礎(chǔ)上納入遺傳信息,對腫瘤高危人群早期識別、精準(zhǔn)預(yù)防以及個體化干預(yù)具有重大的公共衛(wèi)生轉(zhuǎn)化意義。文章主要介紹中國人群常見惡性腫瘤遺傳風(fēng)險預(yù)測模型的研究現(xiàn)狀,以及所面臨的機遇和挑戰(zhàn)。
WELTER D, MACARTHUR J, MORALES J, et al. The NHGRI GWAS Catalog, a curated resource of SNP-trait associations. Nucleic Acids Research, 2014, 42(Database issue):D1001-1006.
HE J, HU N, ZUO X B, et al. Genomewide association study identifies common variants in SLC39A6 associated with length of survival in esophageal squamous-cell carcinoma. Nature Genetics, 2013, 45(6):632-638.
WEI Q, YU D, LIU M, et al. Genome-wide association study identifies three susceptibility loci for laryngeal squamous cell carcinoma in the Chinese population. Nature Genetics, 2014, 46(10): 1110-1114.
隨著人類基因組計劃、人類單倍型計劃、千人基因組計劃的相繼完成,以及全基因組關(guān)聯(lián)研究方法和高通量測序技術(shù)的日益成熟,人類已經(jīng)發(fā)現(xiàn)了多個與疾病相關(guān)的易感基因和遺傳位點。據(jù)美國國家人類基因組研究所(National Human Genome Research Institute, NHGRI)統(tǒng)計,目前GWAS已經(jīng)應(yīng)用于200余種疾病和400余類性狀研究,鑒定了1.5萬余個與疾病或性狀相關(guān)的遺傳易1。在腫瘤GWAS研究領(lǐng)域,我國科學(xué)家也獨立開展了許多具有開創(chuàng)性的工作,并取得了豐碩的原創(chuàng)性成果。中國醫(yī)學(xué)科學(xué)院腫瘤研究所林東昕教授課題組在中國人群食管鱗癌、胰腺癌、淋巴瘤和喉癌等常見腫瘤中開展多項GWAS研究,發(fā)現(xiàn)多個與腫瘤風(fēng)險 及預(yù)后相關(guān)的易感基因和區(qū)域感位點7;南京醫(yī)科大學(xué)沈洪兵教授課題組在肺癌、肝癌和胃癌的研究中發(fā)現(xiàn)多個易感區(qū)域2~10;同時,中國科研工作者還在鼻咽癌、宮頸癌以及前列腺癌等常見腫瘤中開展了GWAS研究,并取得了重要發(fā)現(xiàn)8~11~14。
在歐美國家/地區(qū),已聯(lián)合利用遺傳信息和傳統(tǒng)環(huán)境危險因素在多種疾病中構(gòu)建了風(fēng)險預(yù)測模型,如冠心病、前列腺癌、膀胱癌,乳腺癌、結(jié)直腸癌等,并取得了一定的效果15。中國科研工作者也利用GWAS發(fā)現(xiàn)的易感位點在腫瘤學(xué)領(lǐng)域開展了一系列的腫瘤風(fēng)險預(yù)測研究,為腫瘤的早期篩選和預(yù)防提供了策略和依據(jù)(表1)。
2.1 消化系統(tǒng)腫瘤
食管癌是常見的消化道惡性腫瘤之一,發(fā)病率居我國惡性腫瘤第3位,死亡率居第4位。食管癌起病隱匿,早期無明顯癥狀,確診時多數(shù)病人已屬中晚期,5年生存率僅為15%~25%16。食管鱗癌是具中國特色及地域特征的惡性腫瘤之一,也是目前我國G WAS研究較多的消化系統(tǒng)腫瘤之一。利用GWAS發(fā)現(xiàn)的遺傳易感位點結(jié)合傳統(tǒng)的危險因素嘗試構(gòu)建腫瘤風(fēng)險預(yù)測模型,對食管癌的早期預(yù)防具有重要意義。筆者課題組在中國人群中利用食管鱗癌GWAS發(fā)現(xiàn)的25個易感位點聯(lián)合年齡、性別、吸煙及飲酒狀態(tài)4個傳統(tǒng)風(fēng)險因素構(gòu)建了食管癌風(fēng)險預(yù)測模型,用遺傳風(fēng)險評分(genetic risk score,GRS)的方法計算遺傳易感位點聯(lián)合作用17。結(jié)果發(fā)現(xiàn)納入易感位點后預(yù)測模型受試者工作特征曲線下面積(評價模型預(yù)測能力指標(biāo))達到0.709,顯著優(yōu)于僅使用傳統(tǒng)風(fēng)險因素建立的預(yù)測模型(AUC=0.639),其AUC水平提高了近7個百分點,顯著提高了對食管癌發(fā)病風(fēng)險的預(yù)測能力。同時,筆者課題組還利用其中8個與飲酒有交互作用的易感位點單獨與傳統(tǒng)風(fēng)險因素聯(lián)合來預(yù)測食管癌發(fā)病風(fēng)險,盡管與傳統(tǒng)的預(yù)測模型相比,AUC水平僅提高1.2%,但通過加入基因-飲酒的交互作用,依舊可以對模型的靈敏度和特異度有所改善17。此外,筆者課題組又進一步采用了一種新的評估方法,即凈再分類改善率來評價納入GWAS發(fā)現(xiàn)的易感位點對食管癌風(fēng)險預(yù)測的作用,發(fā)現(xiàn)食管癌風(fēng)險預(yù)測模型由遺傳因素、非遺傳因素以及基因飲酒交互作用構(gòu)成的風(fēng)險預(yù)測模型顯著優(yōu)于只包含非遺傳因素的預(yù)測模型,其凈再分類改善率達到了0.086(95% CI: 0.077~0.096)17。
表1 中國常見惡性腫瘤遺傳標(biāo)志物風(fēng)險預(yù)測模型的研究結(jié)果腫瘤類型 第一預(yù)測模型AUC作者 研究類型 樣本量/(病例/對照)非遺傳標(biāo)志物遺傳標(biāo)志物 構(gòu)建方法 評價指標(biāo)p值非遺傳 遺傳 合并食管鱗癌 常江 病例對照 9085/10 493 年齡、性別、吸煙、飲酒 25個SNP 遺傳風(fēng)險評分、再分類表法 AUC、NRI0.6390.632 0.698 —消化系統(tǒng)結(jié)直腸癌 李嬌元 病例對照 1066/3880 年齡、性別、吸煙、飲酒 7個SNP 遺傳風(fēng)險評分 AUC 0.567 — 0.592 —肝癌 文娟 病例對照 1507/1560 —2個SNP、HBV基因型以及突變回歸模型AUC、特異度、靈敏度— 0.84 — —訓(xùn)練集(1473/1962)0.65 0.6 0.690<0.001吸煙 14個SNP 遺傳風(fēng)險評分、再分類表法肺癌 朱猛 病例對照測試集(858/1115)AUC、NRI、IDI 0.61 0.61 0.650<0.001呼吸系統(tǒng)肺癌 程陽 病例對照 2331/3077 吸煙 38個SNP 遺傳風(fēng)險評分 AUC 0.610 — 0.697<0.001肺癌 李歡 病例對照 2283/2785 吸煙 4個SNP 遺傳風(fēng)險評分 AUC 0.6190.551 0.637<0.001訓(xùn)練集(1473/1962)——測試集(858/1115)0.989肺癌 段巍巍 病例對照AUC ——570 373個SNP逐步加權(quán)遺傳得分聯(lián)合混合效應(yīng)模型*0.735
注:AUC(area under the receiver operating characteristic curve,受試者工作特征曲線下面積);SNP(single nucleotide polymorphism,單核苷酸多態(tài)性);NRI(net reclassification improvement,凈再分類改善率);IDI(integrated discrimination improvement,綜合判別優(yōu)值); AR(absolute risk,絕對危險度);OR(odds ratio,比值比);HBV(hepatitis B virus,乙型肝炎病毒);*代表數(shù)據(jù)集或者方法之一。
WU C, KRAFT P, ZHAI K, et al. Genomewide association analyses of esophageal squamous cell carcinoma in Chinese identify multiple susceptibility loci and gene-environment interactions. Nature Genetics, 2012, 44(10):1090-1097.
WU C, MIAO X, HUANG L, et al. Genomewide association study identifies five loci associated with susceptibility to pancreatic cancer in Chinese populations. Nature Genetics, 2012, 44(1):62-66.
WU C, WANG Z, SONG X, et al. Joint analysis of three genome-wide association studies of esophageal squamous cell carcinoma in Chinese populations. Nat Genet, 2014, 46(9):1001-1006.
WU C, XU B, YUAN P, et al. Genome-wide interrogation identifies YAP1 variants associated with survival of small-cell lung cancer patients. Cancer Research, 2010, 70(23):9721-9729.
JIN G, MA H, WU C, et al. Genetic variants at 6p21.1 and 7p15.3 are associated with risk of multiple cancers in Han Chinese. American Journal of Human Genetics, 2012, 91(5):928-934.
在其他消化道腫瘤,如結(jié)直腸癌、肝癌等,我國科學(xué)家也嘗試?yán)眠z傳易感位點建立相應(yīng)的腫瘤風(fēng)險預(yù)測模型。筆者課題組在中國人群中運用7個與中國人群結(jié)直腸癌相關(guān)的易感位點聯(lián)合年齡、性別、吸煙、飲酒等傳統(tǒng)危險因素構(gòu)建結(jié)直腸癌風(fēng)險預(yù)測模型,結(jié)果發(fā)現(xiàn)納入易感位點可顯著提高模型對結(jié)直腸癌的風(fēng)險預(yù)測能力(AUC=0.592),優(yōu)于由單一的傳統(tǒng)風(fēng)險因素構(gòu)建的預(yù)測模型(AUC=0.567),提示在腫瘤風(fēng)險預(yù)測模型中納入遺傳標(biāo)志物對結(jié)直腸癌發(fā)病風(fēng)險評估有較大的改善18。此外,南京醫(yī)科大學(xué)胡志斌教授課題組利用HLA區(qū)域上的遺傳變異(rs9272105、rs92753)慢性乙型肝炎病毒的基因型及突變對肝細(xì)胞癌發(fā)病進行風(fēng)險評估,達到較好的預(yù)測效果(AUC=0.840)19。
2.2 呼吸系統(tǒng)腫瘤
肺癌是我國發(fā)病率和死亡率最高的惡性腫瘤之一,由于早期診斷率低,5年生存率不到10%。早期發(fā)現(xiàn)與早期治療是提高肺癌診治效果、降低死亡率、提高生存率的有效途徑。構(gòu)建肺癌發(fā)病風(fēng)險預(yù)測模型,實現(xiàn)肺癌的早期預(yù)防和干預(yù)成為一個亟待解決的醫(yī)學(xué)挑戰(zhàn)。自2008年以來,國內(nèi)外已開展了多項肺癌GWAS研究21,鑒別出了20多個易感區(qū)域和40多個易感位點,為肺癌遺傳風(fēng)險預(yù)測模型的構(gòu)建提供了有利條件2023。在我國,南京醫(yī)科大學(xué)沈洪兵教授課題組利用兩個獨立的研究人群分別作為訓(xùn)練集和驗證集,前者進行參數(shù)的估計和模型的構(gòu)建,后者對模型進行評估,結(jié)果表明聯(lián)合14個易感位點可以將吸煙預(yù)測肺癌風(fēng)險的效能(評價指標(biāo)為AUC)從0.60提高到0.65,同時另兩個評價風(fēng)險預(yù)測能力的指標(biāo),凈分類指數(shù)和整體鑒別指數(shù)也有一定程度的提高,較單純依據(jù)吸煙量因素顯著提高肺癌預(yù)測能力2224。李歡、程陽等也分別在中國人群中利用遺傳風(fēng)險評分的方法評價遺傳易感位點對肺癌發(fā)病風(fēng)險的預(yù)測能力,結(jié)果發(fā)現(xiàn),相比傳統(tǒng)肺癌風(fēng)險預(yù)測模型,納入易感位點均可不同程度提高模型的AUC值,提高模型的預(yù)測效能26。此外,針對因GWAS易感位點篩選統(tǒng)計檢驗標(biāo)準(zhǔn)過嚴(yán),導(dǎo)致一些低效應(yīng)易感位點未被充分挖掘,南京醫(yī)科大學(xué)陳峰教授課題組對肺癌易感位點進行深度處理,形成一個多階段的風(fēng)險預(yù)測分析策略,在兩個獨立人群中25比較了6種新的模型構(gòu)建方法,其中發(fā)現(xiàn)逐步加權(quán)遺傳得分(stepwise weighted GRS, sGRS)和混合效應(yīng)模型(linear mixed models, LMMs)效果最為明顯,sGRS-LMMs聯(lián)合的方法可將肺癌風(fēng)險預(yù)測模型曲線下面積在訓(xùn)練集提高到0.989,在驗證集中也達到了0.735,大幅度提高了肺癌的預(yù)測能力和準(zhǔn)確度27。這幾項研究都提示聯(lián)合遺傳易感位點可在不同程度上提高、改善肺癌風(fēng)險預(yù)測模型的預(yù)測效能。
2.3 其他常見惡性腫瘤
SHI Y, HU Z, WU C, et al. A genome-wide association study identifies new susceptibility loci for non-cardia gastric cancer at 3q13.31 and 5p13.1. Nature Genetics, 2011, 43(12):1215-1218.
10 參考文獻
HU Z, WU C, SHI Y, et al. A genome-wide association study identifies two new lung cancer susceptibility loci at 13q12.12 and 22q12.2 in Han Chinese. Nature Genetics, 2011, 43(8):792-796.
11 參考文獻
ZHANG H, ZHAI Y, HU Z, et al. Genomewide association study identifies 1p36.22 as a new susceptibility locus for hepatocellular carcinoma in chronic hepatitis B virus carriers. Nature Genetics, 2010, 42(9):755-758.
12 參考文獻
BEI J X, LI Y, JIA W H, et al. A genome-wide association study of nasopharyngeal carcinoma identifies three new susceptibility loci. Nature Genetics, 2010, 42(7):599-603.
13 參考文獻
SHI Y, LI L, HU Z, et al. A genome-wide association study identifies two new cervical cancer susceptibility loci at 4q12 and 17q12. Nature Genetics, 2013, 45(8):918-922.
14 參考文獻
XU J, MO Z, YE D, et al. Genome-wide association study in Chinese men identifies two new prostate cancer risk loci at 9q31.2 and 19q13.4. Nature Genetics, 2012, 44(11):1231-1235.
15 參考文獻
CHATTERJEE N, SHI J, GARCIA-CLOSAS M. Developing and evaluating polygenic risk prediction models for stratified disease prevention. Nature Reviews Genetics, 2016, 17(7):392-406.
16 參考文獻
CHEN W, ZHENG R, BAADE P D, et al. Cancer statistics in China, 2015. CA: A Cancer Journal for Clinicians, 2016, 66(2):115-132.
17 參考文獻
CHANG J, HUANG Y, WEI L, et al. Risk prediction of esophageal squamous-cell carcinoma with common genetic variants and lifestyle factors in Chinese population. Carcinogenesis, 2013, 34(8):1782-1786.
18 參考文獻
李嬌元, 繆小平, 林東昕. 中國常見腫瘤的全基因組關(guān)聯(lián)研究進展. 自然雜志, 2015, 37(1):1-7.
中國科學(xué)家還在其他惡性腫瘤中嘗試應(yīng)用GWAS發(fā)現(xiàn)的易感位點構(gòu)建遺傳風(fēng)險預(yù)測模型。乳腺癌是女性最常見的惡性腫瘤之一,其發(fā)病率呈快速增長趨勢。Zheng等28在中國人群中利用易感位點預(yù)測乳腺癌的發(fā)病風(fēng)險,該研究包括3039例乳腺癌病例和3082例對照,結(jié)果顯示,單純利用初潮年齡、首胎活產(chǎn)年齡、腰臀比、乳腺癌腫瘤家族史和乳腺良性疾病史等傳統(tǒng)因素構(gòu)建模型,其對乳腺癌發(fā)病風(fēng)險的預(yù)測能力為0.618(AUC),在增加了8個遺傳易感位點的信息后,預(yù)測能力提高至0.630(AUC)。戴俊程等29利用與中國人群乳腺癌風(fēng)險相關(guān)的5個GWAS易感位點,聯(lián)合乳腺癌傳統(tǒng)危險因素(初潮年齡、首次活產(chǎn)年齡)構(gòu)建并評價風(fēng)險預(yù)測模型,結(jié)果同樣發(fā)現(xiàn)在模型中納入易感位點能夠改善傳統(tǒng)風(fēng)險預(yù)測模型30介紹了在我國人群中進行乳腺癌遺傳風(fēng)險評價的研究思路、實施流程以及研究現(xiàn)狀。同時,復(fù)旦大學(xué)徐劍鋒教授課題組的預(yù)測能力。黃育北等31在膀胱癌中構(gòu)建了遺傳風(fēng)險預(yù)測模型,結(jié)果發(fā)現(xiàn)納入GWAS易感位點能顯著改善模型對膀胱癌的預(yù)測能力??傮w而言,目前利用易感位點來輔助傳統(tǒng)危險因素預(yù)測乳腺癌或者膀胱癌等惡性腫瘤發(fā)病風(fēng)險,盡管有一定的提升,但效果不明顯,還有很大的上升空間。
19 參考文獻
WEN J, SONG C, JIANG D, et al. Hepatitis B virus genotype, mutations, human leukocyte antigen polymorphisms and their interactions in hepatocellular carcinoma: a multi-centre casecontrol study. Scientific Reports, 2015, 5:16489.
20 參考文獻
SHIRAISHI K, KUNITOH H, DAIGO Y, et al. A genome-wide association study identifies two new susceptibility loci for lung adenocarcinoma in the Japanese population. Nature Genetics, 2012, 44(8):900-903.
21 參考文獻
DONG J, HU Z, WU C, et al. Association analyses identify multiple new lung cancer susceptibility loci and their interactions with smoking in the Chinese population. Nature Genetics, 2012, 44(8):895-899.
22 參考文獻
WEISSFELD J L, LIN Y, LIN H M, et al. Lung cancer risk prediction using common SNPs located in GWAS dentified susceptibility regions. 2015, 10(11):1538-1545.
23 參考文獻
HOGGART C, BRENNAN P, TJONNELAND A, et al. A risk model for lung cancer incidence. Cancer Prev Res (Phila), 2012, 5(6):834-846.
24 參考文獻
ZHU M, CHENG Y, DAI J, et al. Genomewide association study based risk prediction model in predicting lung cancer risk in Chinese. Zhonghua Liu Xing Bing Xue Za Zhi, 2015, 36(10):1047-1052.
25 參考文獻
LI H, YANG L, ZHAO X, et al. Prediction of lung cancer risk in a Chinese population using a multifactorial genetic model. BMC Medical Genetics, 2012, 13:118.
26 參考文獻
CHENG Y, JIANG T, ZHU M, et al. Risk assessment models for genetic risk predictors of lung cancer using two-stage replication for Asian and European populations. Oncotarget, 2016.
27 參考文獻
段巍巍, 趙楊, 張麗偉, 等. 使用肺癌GWAS數(shù)據(jù)進行遺傳風(fēng)險預(yù)測的方法和策略研究. 中國衛(wèi)生統(tǒng)計, 2015, 32(4):554-557.
28 參考文獻
ZHENG W, WEN W, GAO Y T, et al. Genetic and clinical predictors for breast cancer risk assessment and stratification among Chinese women. Journal of the National Cancer Institute, 2010, 102(13):972-981.
此外,上海復(fù)旦大學(xué)盧大儒教授課題組32利用與中國人群神經(jīng)膠質(zhì)瘤相關(guān)的GWAS易感位點,聯(lián)合家族史等傳統(tǒng)危險因素構(gòu)建了膠質(zhì)瘤風(fēng)險預(yù)測模型。采用了3種不同的方法,即計數(shù)遺傳風(fēng)險評分、權(quán)重遺傳風(fēng)險評分以及l(fā)ogistic回歸風(fēng)險評分來計算易感位點的聯(lián)合作用,結(jié)果發(fā)現(xiàn)利用logistic回歸風(fēng)險評分方法聯(lián)合易感位點和膠質(zhì)瘤家族史構(gòu)建的預(yù)測模型對膠質(zhì)瘤的風(fēng)險預(yù)測能力最強,AUC值達到0.646,研究結(jié)果對神經(jīng)膠質(zhì)瘤患者的早期識別具有一定的意義。
綜合現(xiàn)有的研究成果,在原有傳統(tǒng)風(fēng)險預(yù)測模型的基礎(chǔ)上加入遺傳易感因素,確實可以提高某些腫瘤風(fēng)險模型的預(yù)測能力,但提高的幅度仍十分有限。這一方面是由于腫瘤的遺傳易感因素尚未徹底闡明,納入的疾病易感位點不夠系統(tǒng)全面,另一方面也與模型的構(gòu)建、評價方法不夠優(yōu)化、系統(tǒng)有關(guān)。此外,人群的異質(zhì)性,以及目前的模型構(gòu)建主要是基于病例對照研究,這些都可能在一定程度上存在流行病學(xué)偏倚,從而造成遺傳預(yù)測效果的不可重復(fù)性和失真。同時,目前的遺傳風(fēng)險預(yù)測模型尚未充分考慮基因-基因以及基因-環(huán)境之間的交互作用。我國常見惡性腫瘤遺傳風(fēng)險預(yù)測模型的研究仍存在以下機遇與挑戰(zhàn)。
3.1 遺傳易感位點的系統(tǒng)深度挖掘
GWAS是基于常見疾病常見變異(common disease-common variant, CDCV)假設(shè)的研究方法,所涉及的遺傳變異的MAF一般大于5%,尚未充分發(fā)現(xiàn)一些與疾病相關(guān)的低頻變異或者罕見變異,這可能會造成疾病的遺傳度部分丟失33。對全基因組或者全外顯子組深度測序以及對某些有潛在功能的特定區(qū)域的重測序和精細(xì)定位分析可能是GWAS下一階段的重要任務(wù)3435。此外,目前GWAS研究策略通常選用較為嚴(yán)格的標(biāo)準(zhǔn)(p≤10-7)去篩選出具有統(tǒng)計學(xué)差異的SNP進行第二階段的驗證。這在降低第一階段篩選假陽性的同時,也可能會丟失一批遺傳易感位點。適當(dāng)放寬SNP的篩選標(biāo)準(zhǔn),擴大驗證范圍,可能會發(fā)現(xiàn)更多疾病易感位點。
3.2 基因-環(huán)境交互作用
腫瘤等復(fù)雜疾病大多不是單純由遺傳因素或者環(huán)境因素決定的,基因-基因以及基因-環(huán)境之間的交互作用在腫瘤發(fā)生、發(fā)展中起著重要作用。筆者課題組曾結(jié)合飲酒數(shù)據(jù)在中國漢族人群中進行了食管鱗狀細(xì)胞癌的全基因組基因-環(huán)境交互效應(yīng)分析,結(jié)果發(fā)現(xiàn)相比于不攜帶變異基因型的飲酒者,同時攜帶ADH1B和ALDH2基因特定位點變異的飲酒者,其罹患食管鱗癌的風(fēng)險增加了4倍5。因此,對交互作用的研究探討有助于認(rèn)識復(fù)雜疾病或性狀的遺傳機制,對建立有效的風(fēng)險預(yù)測模型有著重大的意義。但目前在大部分腫瘤風(fēng)險預(yù)測模型中并沒有考慮基因-基因和基因-環(huán)境之間的交互作用,這部分效應(yīng)的缺失在很大程度上會影響模型的預(yù)測效能和準(zhǔn)確性,所以在構(gòu)建風(fēng)險預(yù)測模型時這是尤其需要注意以及提高的一個方向。
3.3 前瞻性隊列人群驗證
目前腫瘤風(fēng)險預(yù)測模型大部分基于病例對照研究。根據(jù)疾病結(jié)局來構(gòu)建的模型并不是嚴(yán)格意義上的預(yù)測模型,同時病例對照研究有一定的局限性,如危險因素和疾病結(jié)局無法確定因果,選擇研究對象時可能存在選擇偏倚,在疾病影響因素的收集過程可能存在回憶偏倚等。這些局限均可能在一定程度上影響預(yù)測模型的準(zhǔn)確性和可靠性。因此,在大規(guī)模多中心的前瞻性隊列研究中對風(fēng)險預(yù)測模型進行驗證,或者直接在隊列研究中構(gòu)建風(fēng)險預(yù)測模型才能更準(zhǔn)確地獲知模型的實際預(yù)測效果,也是今后的研究方向。
雖然目前腫瘤遺傳風(fēng)險預(yù)測模型發(fā)展還不夠成熟,但其也成功應(yīng)用于對某些腫瘤高危人群的篩選,能夠在發(fā)病前對不同風(fēng)險人群采取差異化的干預(yù)策略。如Kader等36在對前列腺癌的癌前篩選時,依據(jù)遺傳風(fēng)險評分把對象劃分為不同的風(fēng)險等級,確定是否需要前列腺穿刺。結(jié)果發(fā)現(xiàn)依據(jù)風(fēng)險評分來判斷是否需要前列腺穿刺與單純依據(jù)傳統(tǒng)臨床因素相比,降低了15%的過度穿刺,避免了醫(yī)療資源的浪費,這在一定程度上反映了遺傳風(fēng)險預(yù)測模型在腫瘤防治領(lǐng)域的轉(zhuǎn)化醫(yī)學(xué)意義。
總之,以中國人群為對象的常見惡性腫瘤GWAS研究取得了豐碩的成果,不僅有利于更全面地解讀腫瘤遺傳病因和致病機制,同時也為構(gòu)建更有效的腫瘤遺傳風(fēng)險預(yù)測模型提供了新的線索和依據(jù)。但是,中國人群的腫瘤遺傳易感因素尚未徹底闡明,基因-環(huán)境交互作用有待進一步挖掘,構(gòu)建具有轉(zhuǎn)化意義的常見惡性腫瘤遺傳風(fēng)險預(yù)測模型仍需要中國科學(xué)家持續(xù)不斷的努力和創(chuàng)新。
[本研究獲得國家自然科學(xué)基金(81222038)、霍英東青年教師基金(131038)、國家重點研發(fā)計劃(2016YFC1302702)資助。]
29 參考文獻
DAI J, HU Z, JIANG Y, et al. Breast cancer risk assessment with five independent genetic variants and two risk factors in Chinese women. Breast Cancer Research, 2012, 14(1):R17.
30 參考文獻
HUANG Y, SONG F, CHEN K. Current status of genome-wide association studies (GWAS) on breast cancer and application values of single nucleotide polymorphisms identified from GWAS. Zhonghua Liu Xing Bing Xue Za Zhi, 2015, 36(10):1058-1061.
31 參考文獻
王萍. 膀胱癌遺傳分?jǐn)?shù)的計算及發(fā)病風(fēng)險預(yù)測模型的構(gòu)建. 上海: 復(fù)旦大學(xué), 2013. www. cnki.net/KCMS/detail/detail.aspx?QueryID=0&Cu rRec=2&recid=&filename=1015419704.nah&dbn ame=CMFD201601&dbcode=CMFD&pr=&urlid= &yx=&v=MDk5MDhGOWJNcTVFYlBJUjhlWDF MdXhZUzdEaDFUM3FUcldNMUZyQ1VSTHllW nVSckZ5L25VNy9NVkYyNkc3ZTU=.
32 參考文獻
ZHAO Y, CHEN G, YU H, et al. Development of risk prediction models for glioma based on genome-wide association study findings and comprehensive evaluation of predictive performances. Oncotarget, 2016.
33 參考文獻
SHI J, YANG X R, BALLEW B, et al. Rare missense variants in POT1 predispose to familial cutaneous malignant melanoma. Nature Genetics, 2014, 46(5):482-486.
34 參考文獻
PARK H, KIM J I, JU Y S, et al. Discovery of common Asian copy number variants using integrated high-resolution array CGH and massively parallel DNA sequencing. Nature Genetics, 2010, 42(5):400-405.
35 參考文獻
CIRULLI E T, GOLDSTEIN D B. Uncovering the roles of rare variants in common disease through whole-genome sequencing. Nature Reviews Genetics, 2010, 11(6):415-425.
36 參考文獻
KADER A K, SUN J, RECK B H, et al. Potential impact of adding genetic markers to clinical parameters in predicting prostate biopsy outcomes in men following an initial negative biopsy: findings from the REDUCE trial. European Urology, 2012, 62(6):953-961.
10.3969/j.issn.1674-0319.2016.06.002