您好,欢迎您

2026 WCLC 中国之声丨基于整合证据优先筛选用于肺癌风险分层的循环蛋白

08月20日

编译:肿瘤资讯
来源:2026 WCLC

Session Type

Oral 

Session Title

OA11 Circulating and AI-Driven Biomarkers in Lung Cancer

摘要号

OA11.02

英文标题

Prioritizing Circulating Proteins for Lung Cancer Risk Stratification Through Integrated Evidence

中文标题

基于整合证据优先筛选用于肺癌风险分层的循环蛋白

讲者

吕章艳

讲者机构

天津医科大学肿瘤医院

引言

循环蛋白是反映肺癌易感性的潜在中间表型。然而,目前仅有少数研究综合观察性证据、遗传学证据和中介分析证据,对相关蛋白进行系统优先级排序,并进一步评估其在风险分层中的转化价值。本研究旨在识别整体肺癌及主要组织学亚型的高优先级循环蛋白,并评估将这些蛋白纳入传统风险模型后,能否进一步提高肺癌风险预测能力。

方法

本研究纳入英国生物样本库(UK Biobank,UKB)中49,370例无癌症参与者,其中随访期间发生444例新发肺癌。基线血浆蛋白质组学数据采用Olink平台进行检测。采用多变量Cox回归分析循环蛋白与新发肺癌、肺鳞状细胞癌(LUSC)、肺腺癌(LUAD)及小细胞肺癌(SCLC)之间的关联。遗传学支持证据通过基于顺式蛋白数量性状位点(cis-pQTL)的双样本孟德尔随机化(MR)进行评估,整合UKB-PPP和deCODE的蛋白质组学全基因组关联研究(GWAS)数据,以及FinnGen和TRICL的肺癌GWAS数据。中介证据分别来源于UKB中的观察性中介分析,以及针对已确立肺癌危险因素开展的两步MR分析。随后,根据关联方向的一致性及中介证据强度,将蛋白分为Tier 1至Tier 5五个层级,其中Tier 1和Tier 2蛋白定义为优先蛋白。在转化价值评估中,将优先蛋白纳入基于Cox回归的肺癌风险预测模型,并在内部训练集和验证集中,通过受试者工作特征(ROC)曲线及曲线下面积(AUC)比较,评估其对模型区分度的增量效应。

结果

整合多维证据后,共识别出10种优先蛋白(Tier 1至Tier 2)。其中,整体肺癌相关蛋白包括CTBS、IL19、RNASET2、STX4、TNFRSF4和LXN;肺鳞状细胞癌相关蛋白包括AGER和ST13;肺腺癌相关蛋白为TREM2;小细胞肺癌相关蛋白为ANXA5。
Tier 1蛋白同时表现出与肺癌风险一致的观察性关联和遗传学关联,并具有中介分析证据;Tier 2蛋白则表现出一致的关联证据,但尚未获得确证的中介证据。部分优先蛋白还介导了肥胖相关因素及生活方式相关暴露因素对不同组织学亚型肺癌风险的影响,进一步支持其在相关疾病通路中的生物学意义。在风险预测分析中,在最佳传统肺癌风险模型的基础上加入6种肺癌优先蛋白后,AUC由0.830提高至0.837。将TREM2加入最佳肺腺癌风险模型后,AUC由0.831提高至0.846。在内部验证集中,优化后的肺癌风险模型AUC为0.831,优化后的肺腺癌风险模型AUC为0.811。相比之下,优先蛋白对肺鳞状细胞癌风险预测能力的提升较为有限,而在小细胞肺癌中未观察到明确的预测增益。

结论

本研究整合观察性关联、遗传学推断和中介分析证据,建立了一个具有生物学依据的肺癌循环蛋白优先筛选框架。该方法筛选出一组相较于仅基于关联分析所获得的候选蛋白具有更强病因学可信度的蛋白,并显示其可在一定程度上提高整体肺癌和肺腺癌的风险预测能力。这些优先蛋白可作为候选生物标志物开展进一步验证,并有望为构建基于生物学机制的肺癌风险分层策略提供支持。


版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明"转自:良医汇-肿瘤医生APP"。

评论
08月20日
韩宪春
山西省中西医结合医院 | 肿瘤内科
认真学习新知识