评估乳腺密度多基因风险评分在预测对侧乳腺癌风险中的价值

《Scientific Reports》：Evaluating mammographic density polygenic risk score for contralateral breast cancer risk prediction

本研究探讨了乳腺X线密度(MD)多基因风险评分(PRSMD)能否改善对侧乳腺癌(CBC)的风险预测。研究者利用WECARE研究数据，分析了乳腺癌幸存者中PRSMD、MD与CBC风险的关联。结果表明，MD是CBC的稳健独立预测因子，而当前的PRSMD仅解释了MD的一小部分方差，未能显著提升CBC风险预测效能。研究强调了阐明MD遗传基础对理解CBC易感性的重要性。

　　

在成功战胜单侧乳腺癌的阴霾之后，幸存者们并未能完全脱离危险。她们面临着另一种被称为对侧乳腺癌（CBC）的严重风险，即另一侧乳房也发生癌症。这种风险远高于普通人群，因此，如何精准预测谁将面临CBC的威胁，从而进行更密切的监测和可能的预防干预，成为了临床和科研领域亟待解决的关键问题。目前，已知的因素中，乳腺X线密度（MD）是一个重要的影像学指标，高密度乳腺组织与更高的乳腺癌风险相关。然而，MD本身受到遗传和环境因素的双重影响。近年来，随着基因组学的发展，多基因风险评分（PRS）成为了量化个体遗传易感性的有力工具。那么，一个自然而然的问题是：如果我们能构建一个基于MD相关遗传变异的PRS，它是否能帮助我们更好地理解MD的遗传构成，并进一步优化针对乳腺癌幸存者的CBC风险预测模型呢？为了回答这个问题，一组研究人员开展了一项深入的探索。

本研究发表在《Scientific Reports》上。研究人员采用了多种技术方法，核心包括：利用WECARE（Women's Environmental Cancer and Radiation Epidemiology）研究这一基于人群的国际性病例对照研究队列，该队列包含399名欧洲血统的乳腺癌幸存者样本；通过全基因组基因分型技术获取遗传数据；使用CUMULUS软件对乳腺X线片进行数字化分析，测量了三种不同强度阈值的乳腺密度（Cumulus, Altocumulus, Cirrocumulus）；基于已报道的64个与MD相关的全基因组显著单核苷酸多态性（SNP），构建了加权的MD多基因风险评分（PRS_MD）；最后，运用线性和逻辑回归模型进行统计分析，评估PRS_MD、MD测量值与CBC风险之间的关联。

研究结果

PRS_MD与乳腺X线密度的关联

研究人员首先验证了所构建的PRS_MD是否与实际的MD测量值相关。分析结果显示，PRS_MD与两种密度测量值（Cumulus和Altocumulus）存在显著关联。这意味着该PRS_MD确实能够在一定程度上捕获个体对MD的遗传易感性。然而，对于第三种密度测量值Cirrocumulus，PRS_MD并未显示出显著关联。

PRS_MD在预测模型中的表现

接下来，研究团队评估了将PRS_MD纳入预测模型后带来的改进。在多变量调整的预测模型中，加入PRS_MD后，对于Cumulus和Altocumulus密度的预测模型，调整后的R平方值有所提升（Cumulus从20.6%提升至22.8%，Altocumulus从22.7%提升至24.7%），这表明PRS_MD提供了额外的解释力。然而，对于Cirrocumulus密度，PRS_MD并非CBC风险的显著预测因子，其效应估计值为0.27（95%置信区间：-0.9 到 1.4；P = 0.69）。

PRS_MD与CBC风险的直接关联及预测效能

核心问题在于PRS_MD本身是否能预测CBC风险。分析表明，PRS_MD与CBC风险之间没有独立的显著关联。当把PRS_MD加入已有的、包含MD的CBC风险预测模型时，仅带来了微小且不显著的受试者工作特征曲线下面积（AUC）增益。这意味着，在当前模型的基础上，加入这个遗传评分并未显著提高模型区分未来会患CBC和不会患CBC的个体的能力。

交互作用分析

为了探索更复杂的关系，研究人员进行了探索性的交互作用分析，检验PRS_MD是否会改变（修饰）MD与CBC风险之间的关联。分析结果并未显示存在这种修饰效应，即PRS_MD的遗传背景并未改变MD作为CBC风险因素的作用强度。

研究结论与讨论

本研究的核心结论是明确而谨慎的。首先，乳腺X线密度（MD）再次被证实是对侧乳腺癌（CBC）的一个强大且独立的预测因子，这强化了其在乳腺癌幸存者风险管理中的临床价值。其次，尽管研究所构建的乳腺密度多基因风险评分（PRS_MD）能够捕捉到MD的遗传易感性，并与部分MD测量值相关，但它对CBC风险既无独立的预测价值，也未能显著提升基于已测量MD的现有预测模型的效能。

这一结果揭示了当前研究的局限性与未来方向。最重要的发现或许是，当前这个由64个SNP构成的PRS_MD仅能解释MD表型中很小一部分的遗传方差。MD是一个复杂的数量性状，其遗传架构可能涉及成千上万个效应微小的遗传变异，以及基因与环境之间复杂的相互作用。本研究采用的PRS可能尚未完全捕捉到MD的完整遗传背景，特别是那些对CBC风险有特异影响的遗传成分。因此，PRS_MD未能超越直接测量的MD表型本身也就不足为奇了——它就像一个尚未绘制完全的地图，无法指引我们发现地图本身已经清晰标出的地点。

这项研究的意义在于它清晰地界定了一个科学探索的阶段性边界。它证实了“遗传影响MD，而MD影响CBC风险”这一通路的存在，但同时指出，基于当前对MD遗传基础的认识所构建的工具，在临床风险预测的实用层面尚未准备好取代或显著增强直接的影像学指标。这并非研究的失败，而是对科学现状的一次诚实评估。它强烈提示，未来需要更大规模的研究、更全面的基因组数据（如全基因组测序）以及更先进的统计方法来阐明MD的遗传基础，特别是那些与乳腺癌发生和进展共享的遗传通路。只有更深入地理解MD的遗传本质，才有可能开发出能够真正优化CBC风险分层、实现个体化预防的遗传工具。对于数百万乳腺癌幸存者而言，这项研究推动着科学向更精准、更个性化的风险管理又迈进了一步。