Polygenic inheritance and its interplay with smoking history in predicting lung cancer diagnosis: a French-Canadian case-control cohort
Notice bibliographique
Résumé
BACKGROUND: The most near-term clinical application of genome-wide association studies in lung cancer is a polygenic risk score (PRS). METHODS: A case-control dataset was generated consisting of 4002 lung cancer cases from the LORD project and 20,010 ethnically matched controls from CARTaGENE. A genome-wide PRS including >1.1 million genetic variants was derived and validated in UK Biobank (n = 5419 lung cancer cases). The predictive ability and diagnostic discrimination performance of the PRS was tested in LORD/CARTaGENE and benchmarked against previous PRSs from the literature. Stratified analyses were performed by smoking status and genetic risk groups defined as low (<20th percentile), intermediate (20-80th percentile) and high (>80th percentile) PRS. FINDINGS: The phenotypic variance explained and the effect size of the genome-wide PRS numerically outperformed previous PRSs. Individuals with high genetic risk had a 2-fold odds of lung cancer compared to low genetic risk. The PRS was an independent predictor of lung cancer beyond conventional clinical risk factors, but its diagnostic discrimination performance was incremental in an integrated risk model. Smoking increased the odds of lung cancer by 7.7-fold in low genetic risk and by 11.3-fold in high genetic risk. Smoking with high genetic risk was associated with a 17-fold increase in the odds of lung cancer compared to individuals who never smoked and with low genetic risk. INTERPRETATION: Individuals at low genetic risk are not protected against the smoking-related risk of lung cancer. The joint multiplicative effect of PRS and smoking increases the odds of lung cancer by nearly 20-fold. FUNDING: This work was supported by the CQDM and the IUCPQ Foundation owing to a generous donation from Mr. Normand Lord.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».