一种更准确预测乳腺癌风险的策略

　　一个国际小组近日在《美国国家癌症研究所杂志》（JNCI）上发表文章，表明一种77个SNP的多基因风险预测方法能够对妇女的乳腺癌风险进行分层管理。无论是否有家族病史，这种方法都适用。

　　这项研究由剑桥大学和英国癌症研究院的研究人员领导，利用约33,500个乳腺癌病例和33,500个对照来开发和测试一种风险预测评分策略，它融合了之前的GWAS研究鉴定出的77个乳腺癌相关SNP。

　　这些多态性中的单独一个并不能作为乳腺癌风险的预测指标，但是当研究人员将它们综合成一个多基因的评分策略，他们发现患者的得分与乳腺癌风险存在显著的相关性。举个例子，若一名妇女的得分在前20%，那么她们罹患乳腺癌的风险比普通妇女高1.8倍。若得分在前1%，则患病风险比普通妇女高3倍以上。

　　这篇文章的主要作者之一，英国癌症研究院流行病学教授Montserrat Garcia-Closas表示：“这种类型的检测将配合其他标准的风险预测，如家族病史和体重指数BMI，让那些最有可能受益的妇女享受到最好的预防和治疗建议。”

　　以全球而言，乳腺癌是女性癌症中最常见的。在2012年，全球有168万例乳腺癌被诊断出，而52万人因乳腺癌死亡。通过内分泌药物治疗和乳腺癌筛查等策略可减轻疾病负担，但也有缺点，包括副作用、过度诊断以及成本增加。根据罹患乳腺癌的风险对妇女进行分层管理，能够针对那些最有可能受益的人群，从而改善筛查策略。

　　遗传和生活方式都与乳腺癌的发病相关联。对于那些直系亲属曾患乳腺癌的妇女而言，她们患病的风险大约是没有家族史妇女的两倍。而罕见的高风险突变，特别是BRCA1和BRCA2基因，也解释了不到20%的两倍家族相对风险。之前，美国影星安吉丽娜•茱丽正是因为BRCA基因突变，而做了双侧乳腺切除手术。

　　为了开发他们的多基因评分方法，研究小组利用定制的Illumina iSelect芯片（iCOGS）对总共41项独立研究的近9万名妇女进行基因分型，以评估77个SNP的存在与否。然后，他们把队列分成不同的百分比，并分析这些子集之间的风险分层。

　　据研究人员介绍，他们观察到的优势比与他们的预期是一致的。那些分布在后1%的妇女，风险大约是中间五分之一妇女的三分之一。而那些分布在前1%的妇女，风险超过中间组的三倍。

　　研究小组还查看了ER（雌激素受体）阳性和ER阴性患者的多基因评分的预测程度差异。他们发现，与总体相比，这种策略对ER阳性的妇女更有预测性。

　　最后，研究人员还利用单独的患者队列来验证他们的成果，这些样本未用于最初77个SNP的发现研究。他们发现这些新患者的优势比分层结果类似，除了60-80%和90-95%的类别，这些类别的比例略高于最初的队列。

　　作者认为，77个SNP的评分系统在确定风险上明显优于之前那些标记较少的集合，比如JAMA之前报道的牛津大学研究人员开发的10个SNP评分系统。更重要的是，无论妇女是否有家族病史，这个风险评分系统都能预测乳腺癌的风险，这表明如果它应用于临床，将改善目前风险预测方法的准确性。

　　文章的另一位主要作者，剑桥大学的癌症遗传流行病学中心的主任Douglas Easton认为：“我们还需要做更多的工作，以确定这种检测如何与其他风险因素互补，如年龄、生活方式和家族病史，但现在已经是朝着正确的方向迈出了重要一步，有望在未来几年看到遗传风险预测逐渐成为乳腺癌筛查的一部分。”

　　在另一项发表于JNCI的研究中，由梅约诊所（Mayo Clinic）的研究人员领导的团队评估了多基因风险评分是否是除了其他临床变量之外的独立风险因素。他们使用了三项研究，包括1,643例患者和2,397例对照。

　　这项研究对研究对象进行了五年风险预测。他们将临床风险因素模型（包括乳腺密度、家族病史以及年龄和种族等因素）与在同一模型上加入76个SNP的方法进行了比较。据作者介绍，遗传学的增加明显改善了性能。

　　文章的通讯作者，梅约诊所的流行病学家Celine Vachon表示：“这种遗传风险因素增加了有价值的信息。我们正在开发基于这些结果的检测，尽管它还不适合临床使用，但我认为在未来几年，我们将利用这种方法来实现更好的个性化筛查和预防策略。”