Causal plasma metabolites for breast cancer risk: a two-sample Mendelian randomization study with colocalization evidence
Notice bibliographique
Résumé
BACKGROUND: Breast cancer pathogenesis involves complex metabolic dysregulation, yet causal biomarkers remain elusive. This study aimed to assess causal effects of 1,400 human plasma metabolites on breast cancer (BC) risk using a two-sample Mendelian randomization (MR) framework. METHODS: We employed a rigorous two-sample Mendelian randomization framework with tiered quality control (Bonferroni correction, sensitivity analyses, meta-analyses) to investigate causal metabolite-BC associations. Colocalization (PPH4 > 0.80) and phenome-wide MR (2,099 FinnGen phenotypes) validated mechanistic specificity and clinical safety profiles. RESULTS: Five genetically determined plasma metabolites were identified as the potential causal biomarkers for BC risk: 3,5-dichloro-2,6-dihydroxybenzoic acid (odds ratio [OR]: 0.90; 95% confidence interval [CI] 0.87-0.94; p < 0.001), carnitine C14 (OR: 0.72; 95% CI 0.64-0.83; p < 0.001) and epiandrosterone sulfate (OR: 1.04; 95% CI 1.01-1.06; p < 0.001), Glyco-beta-muricholate (OR: 0.95; 95% CI 0.93-0.97; p < 0.001), N4-acetylcytidine (OR: 0.93; 95% CI 0.91-0.96; p < 0.001). Colocalization analysis showed strong evidence for Glyco - beta - muricholate and Epiandrosterone sulfate with BC risk (PPH4 = 1). PheWAS-MR revealed metabolite-specific safety profiles, with carnitine C14 showing broadest phenotypic associations (96 outcomes). CONCLUSIONS: This study establishes carnitine C14 as a novel protective biomarker and epiandrosterone sulfate as a risk biomarker for breast cancer, with colocalization evidence supporting their therapeutic targeting. The metabolic risk profile provides a foundation for precision prevention strategies.
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 | 0,001 | 0,001 |
| 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 ».