基于血液的DNA甲基化标记模型用于短期和长期肺癌风险预测

《BMC Medicine》：Blood-based DNA methylation marker model for short-term and long-term lung cancer risk prediction

　　

摘要

背景

研究表明，对重度吸烟者进行低剂量计算机断层扫描（LDCT）筛查可以降低肺癌（LC）的死亡率。然而，确定最能从中受益的具体高风险人群仍然是实施有效且成本效益高的筛查措施的关键挑战。

方法

我们开发并验证了一种基于血液的DNA甲基化标记模型（BBDMM），适用于所有参与者，包括曾经吸烟者和从未吸烟者，该模型使用了来自全基因组关联研究（EWAS）的与肺癌风险相关的CpG位点。该模型在德国的ESTHER队列中的2,459名参与者中进行了开发并内部验证。随后，BBDMM在挪威的HUNT2和HUNT3队列中的233名参与者中进行了外部验证，这些参与者分别进行了长期和短期的随访，病例在肺癌诊断前18年和6.7年被识别出来。

结果

在衍生数据集中，BBDMM预测肺癌发病率的曲线下面积（AUC）为0.84 [95%置信区间（95% CI），范围为0.80-0.87]。在独立的外部验证数据集中，HUNT2和HUNT3的AUC分别为0.85（95% CI，0.80-0.90）和0.85（95% CI，0.80-0.90）。

结论

BBDMM能够识别出未来可能患肺癌的个体，并且该模型在不同时间点的识别能力具有高度稳定性。这些标记物可能有助于开发出基于血液的肺癌风险预测测试。

图形摘要

此图像的替代文本可能是由AI生成的。

利用来自德国和挪威的大型基于人群的队列参与者的诊断前血液样本，我们识别、评估并验证了一种基于血液的DNA甲基化标记模型，该模型对长期和短期肺癌风险的预测效果同样良好。

背景

研究表明，对重度吸烟者进行低剂量计算机断层扫描（LDCT）筛查可以降低肺癌（LC）的死亡率。然而，确定最能从中受益的具体高风险人群仍然是实施有效且成本效益高的筛查措施的关键挑战。

方法

我们开发并验证了一种基于血液的DNA甲基化标记模型（BBDMM），适用于所有参与者，包括曾经吸烟者和从未吸烟者，该模型使用了来自全基因组关联研究（EWAS）的与肺癌风险相关的CpG位点。该模型在德国的ESTHER队列中的2,459名参与者中进行了开发并内部验证。随后，BBDMM在挪威的HUNT2和HUNT3队列中的233名参与者中进行了外部验证，这些参与者分别进行了长期和短期的随访，病例在肺癌诊断前18年和6.7年被识别出来。

结果

在衍生数据集中，BBDMM预测肺癌发病率的曲线下面积（AUC）为0.84 [95%置信区间（95% CI），范围为0.80-0.87]。在独立的外部验证数据集中，HUNT2和HUNT3的AUC分别为0.85（95% CI，0.80-0.90）和0.85（95% CI，0.80-0.90）。

结论

BBDMM能够识别出未来可能患肺癌的个体，并且该模型在不同时间点的识别能力具有高度稳定性。这些标记物可能有助于开发出基于血液的肺癌风险预测测试。

图形摘要

此图像的替代文本可能是由AI生成的。

利用来自德国和挪威的大型基于人群的队列参与者的诊断前血液样本，我们识别、评估并验证了一种基于血液的DNA甲基化标记模型，该模型对长期和短期肺癌风险的预测效果同样良好。