Adiposity distribution and risks of twelve obesity-related cancers: a Mendelian randomization analysis
Notice bibliographique
Résumé
Abstract Background There is convincing evidence that overall adiposity (as measured by body mass index) increases the risks of several cancers. Whether there are similar relationships between these cancers and the distribution of adiposity is unclear. Methods In the absence of well-powered individual studies we utilised two-sample Mendelian randomization (MR) to examine causal relationships of five adiposity distribution traits (abdominal subcutaneous adipose tissue; ASAT, visceral adipose tissue; VAT and gluteofemoral adipose tissue; GFAT, liver fat, and pancreas fat) with the risks of 12 obesity-related cancers (endometrial, ovarian, breast, colorectal, pancreas, multiple myeloma, liver, kidney (renal cell), thyroid, gallbladder, oesophageal adenocarcinoma, and meningioma) and cancer subtypes/subsites. We then used multivariable MR to investigate whether plausible molecular intermediates could potentially be mediating the relationships identified. We used the largest available GWAS from European populations for all traits (sample size across all GWAS ranged from 8,407 to 728,896 (median: 57,249); cancer GWAS ranged from 279 to 133,384 cases (median: 4,532) and 3,456 to 727,247 controls (median: 68,802)). Results We found evidence that higher genetically predicted ASAT increased risks of endometrial cancer (inverse variance-weighted (IVW) odds ratio (IVW OR) per standard deviation (SD) higher genetically predicted ASAT = 1.79, 95% confidence interval (CI) = 1.18 to 2.71), liver cancer (IVW OR per SD higher genetically predicted ASAT = 3.83, 95% CI = 1.39 to 10.53) and oesophageal adenocarcinoma (IVW OR per SD higher genetically predicted ASAT = 2.34, 95% CI = 1.15 to 4.78). Conversely, we found evidence that higher genetically predicted GFAT decreased risks of breast cancer (IVW OR per SD higher genetically predicted GFAT= 0.77, 95% CI = 0.62 to 0.97) and meningioma (IVW OR per SD higher genetically predicted GFAT = 0.53, 95% CI = 0.32 to 0.90). We also found evidence for an effect of higher genetically predicted VAT and liver fat on increased liver cancer risk (IVW ORs per SD higher genetically predicted adiposity trait = 4.29 and 4.09, 95% CIs = 1.41 to 13.07 and 2.29 to 7.28, respectively). Multivariable MR analyses suggested that traits related to insulin signalling, sex hormones, and inflammation may play important roles in mediating the effects of adiposity distribution on obesity-related cancers. Conclusions Our analyses provide novel insights into the variability of the effect of adiposity distribution on cancer risk, with respect to both adiposity trait and cancer type, which would not be possible in a conventional observational analysis given the lack of available samples with all required traits measured. These findings demonstrate that adipose tissue at different anatomical locations may have differential effects on adiposity-related molecular traits. These insights enhance our understanding of the complex relationship between adiposity and cancer risk and highlight the importance of adipose tissue distribution alongside maintaining a healthy weight overall for cancer prevention.
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 | 0,027 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».