Associations of genetically determined circulating proteins with breast cancer risk or survival
Notice bibliographique
Résumé
Abstract Background There are few large-scale studies that focus on the associations between circulating proteins and breast cancer (BC) risk or survival. This study aimed to evaluate the potential circulating proteins associated with BC risk or survival using the Mendelian randomization (MR) method. Methods We collected the protein quantitative trait locus (pQTL) data of 4,907 circulating proteins from the DeCODE study (n = 35,559) as exposures. We gathered the genome wide association study (GWAS) data of BC from BCAC (OncoArray, n = 138,508) and BCAC (iCOGS, n = 76,167). The FinnGen study (n = 224,737) as the outcomes. The BC survival data was obtained from BCAC (OncoArray, n = 91,686). We used two sample MR framework to assess the associations between genetically predictive proteins and BC risk. Besides strict quality control, sensitivity tests and false discovery rate (FDR) or bonferroni correction, we further performed meta-analysis to ensure the robustness of the results. Results Four proteins—SIA4B (OR = 0.58, 95% CI (confidence interval): 0.51–0.64), CDH1 (OR = 0.83, 95% CI: 0.77–0.89), ALPI (OR = 0.91, 95% CI: 0.90–0.93) and CCDC134 (OR = 0.84, 95% CI: 0.80–0.88) are associated with reduced BC risk. 57 circulating proteins passed the sensitivity test and causally associated with BC survival. Conclusions Genetically predicted four circulating proteins (SIA4B, CDH1, ALPI and, CCDC134) are associated with reduced BC risk. 57 proteins are associated with BC survival. Our analyses from genetics and MR provide insights into the causes of BC and add evidence for reducing the risk of BC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».