Améliorer la détection précoce du cancer grâce à des tests sanguins
La recherche vise à trouver des marqueurs sanguins fiables pour la détection précoce du cancer.
Lisa M Hobson, R. M. Martin, K. Smith-Byrne, G. Davey Smith, G. Hemani, J. H. Gilbody, J. Yarmolinksy, S. E. Bailey, L. J. Goudswaard, P. C. Haycock
― 8 min lire
Table des matières
- Défis de la Détection Précoce
- Trouver de Nouveaux Marqueurs
- Comprendre les Relations Protéiques
- Méthodologie de Recherche
- Analyser les Mesures Protéiques
- Gérer des Relations Complexes
- Temps et Diagnostic
- Validation des Résultats
- Implication des Patients
- Considérations Éthiques
- Source originale
- Liens de référence
Détecter le cancer à un stade précoce est super important parce que les gens diagnostiqués tôt ont de meilleures chances d'être traités avec succès et de vivre plus longtemps. Le cancer est une des premières causes de mort dans le monde. Par exemple, les taux de survie pour certains Cancers chutent énormément quand ils sont découverts à un stade avancé. Plus de 90 % des personnes atteintes de cancer colorectal survivent au moins cinq ans si c'est détecté tôt, mais ça tombe à seulement 10 % quand c'est diagnostiqué tard. Pour le cancer du poumon, le taux de survie à cinq ans passe d'environ 60 % à moins de 10 % entre un Diagnostic précoce et tardif.
Le NHS a un plan pour améliorer les taux de détection du cancer, avec l’objectif de repérer trois-quarts des cancers tôt d'ici 2028. Actuellement, seulement environ la moitié des cancers en Angleterre sont détectés à un stade précoce. Pour atteindre cet objectif, plusieurs défis doivent être relevés, comme trouver des moyens efficaces d'estimer le Risque de cancer et identifier des marqueurs fiables qui aident à la détection précoce.
Défis de la Détection Précoce
Un des principaux défis pour détecter le cancer tôt, c'est de trouver des marqueurs spécifiques pour différents types de cancer. Ces marqueurs devraient être simples à mesurer avec des méthodes peu coûteuses et faisables dans les hôpitaux ou cliniques. Une approche prometteuse est de mesurer le niveau de Protéines dans les échantillons de sang. Les Tests sanguins sont déjà largement utilisés dans la santé, donc cette méthode est envisageable. Les protéines dans le sang peuvent aider à identifier les personnes à haut risque de cancer, détecter le cancer tôt, diagnostiquer la maladie et surveiller le fonctionnement du corps.
Mesurer les protéines dans le sang a plusieurs avantages par rapport à d'autres méthodes, comme l'utilisation d'ADN tumoral circulant (ctDNA). Par exemple, il ne faut qu'une petite quantité de sang (6 microlitres) pour mesurer les protéines, alors que les méthodes ctDNA nécessitent des échantillons beaucoup plus grands (4-5 millilitres). En plus, les tests de protéines sont plus abordables.
Trouver de Nouveaux Marqueurs
Une méthode commune pour trouver de nouveaux marqueurs de cancer consiste à faire des études qui suivent de grands groupes de personnes au fil du temps pour voir qui développe un cancer. Ces études prennent du temps et peuvent coûter cher. Une méthode alternative s'appelle la randomisation mendélienne, qui peut aider à identifier le lien entre les protéines et le risque de cancer sans avoir besoin d'études longues.
Cette recherche va examiner comment les changements dans les niveaux de protéines dans le sang des gens pourraient être liés à leur risque génétique de développer certains cancers. Savoir quand le cancer commence est compliqué, mais pour cette étude, les chercheurs vont utiliser la date de diagnostic pour faire la différence entre les cas existants et ceux nouvellement développés.
Comprendre les Relations Protéiques
Les protéines liées au risque génétique peuvent montrer différentes relations avec le cancer. Dans certains cas, la protéine peut contribuer au développement du cancer, tandis que dans d'autres, les niveaux de protéine peuvent changer à mesure que le cancer progresse. Les protéines qui mènent au développement du cancer peuvent rester stables dans le temps, tandis que celles qui changent à cause de la progression du cancer peuvent montrer plus de variation.
Un score de risque de cancer basé sur la génétique aidera à identifier les protéines étroitement associées au cancer. L'efficacité de cette approche dépend de la fréquence de la maladie dans la population étudiée. Généralement, dans les populations avec des taux de maladie plus élevés, on s'attend à plus d'associations entre les protéines et le risque de cancer.
Méthodologie de Recherche
Cette recherche va calculer des scores de risque pour les participants d'une grande base de données basée sur des informations génétiques. En combinant les infos de nombreux gènes, les chercheurs vont créer un score de risque personnalisé pour chaque personne, reflétant leur probabilité individuelle de développer un cancer.
Les participants seront sélectionnés en fonction de leurs données génétiques et des mesures de protéines. Ceux qui ont des caractéristiques sexuelles mixtes ou qui ne sont pas liés à l'étude seront exclus. Des méthodes spécifiques seront utilisées pour calculer les scores de risque pour différents types de cancer, utilisant des bases de données établies qui suivent les associations génétiques.
Analyser les Mesures Protéiques
Les chercheurs vont mesurer les protéines en utilisant une méthode de test spécifique sur des échantillons de sang de nombreux participants. L'objectif est de trouver des connexions entre les scores de risque et les protéines mesurées dans le sang. Cela impliquera une analyse statistique pour déterminer quelles protéines montrent une association significative avec le risque de cancer.
Les tests prendront en compte des facteurs comme l'âge, le sexe, et combien de temps les échantillons de sang ont été stockés, car cela peut influencer les niveaux de protéines. Si une protéine est liée à un risque accru de cancer, cela pourrait indiquer une cible potentielle pour la détection précoce ou des traitements futurs.
Gérer des Relations Complexes
En examinant les relations entre les protéines et le cancer, les chercheurs doivent considérer que certaines découvertes pourraient être trompeuses à cause de divers facteurs. Par exemple, une protéine pourrait être réellement liée au risque de cancer, ou l'association pourrait être due à des facteurs génétiques non liés.
Pour mieux comprendre ces relations, les chercheurs vont mener des analyses supplémentaires. Ils vont explorer si les associations suggèrent que les protéines contribuent au risque de cancer ou si les changements dans les niveaux de protéines sont une réponse au cancer. Ils vont aussi évaluer différentes méthodes pour garantir des résultats solides.
Temps et Diagnostic
En plus d'évaluer les protéines et leur relation avec le cancer, les chercheurs vont voir comment le timing des tests sanguins affecte ces associations. En comparant les niveaux de protéines pris avant et après un diagnostic de cancer, ils peuvent voir si certaines protéines indiquent un risque de cancer.
Si les niveaux de protéines augmentent avant qu'une personne ne montre des symptômes de cancer, ces protéines pourraient être de bons marqueurs pour la détection précoce. Comprendre le timing peut aider à identifier quelles protéines sont les mieux adaptées pour le dépistage.
Validation des Résultats
Pour confirmer les résultats de cette étude, les chercheurs vont aussi vérifier les résultats avec d'autres grands groupes d'individus issus d'études différentes. Cela va aider à garantir la fiabilité des protéines identifiées et leurs liens avec le risque de cancer.
Implication des Patients
L'équipe de recherche a consulté un groupe de patients et de membres de la communauté, dont beaucoup ont des expériences personnelles avec le cancer. Ils ont partagé que les découvertes de la recherche pourraient être vitales pour améliorer les méthodes de détection précoce, surtout pour les cancers qui manquent actuellement de tests spécifiques.
Des mises à jour sur cette recherche seront partagées avec le groupe pour les tenir informés des progrès.
Considérations Éthiques
La recherche a reçu les approvals nécessaires des comités d'éthique, garantissant que tous les participants ont donné leur consentement pour que leurs informations et échantillons soient utilisés dans l'étude.
Dans l'ensemble, l'objectif de cette recherche est de trouver des indicateurs fiables pour la détection précoce du cancer à l'aide de tests sanguins, ce qui peut finalement aider à améliorer les taux de survie et les options de traitement pour les patients.
Les chercheurs partageront les résultats par divers canaux, y compris des publications académiques et des présentations, pour sensibiliser à leurs découvertes et à l'importance des efforts de détection précoce du cancer.
Titre: A protocol for using human genetic data to identify circulating protein level changes that are the causal consequence of cancer processes.
Résumé: IntroductionCancer is a leading cause of death worldwide. Early detection of cancer improves treatment options and patient survival but detecting cancer at the earliest stage presents challenges. Identification of circulating protein biomarkers for cancer risk stratification and early detection is an attractive avenue for potentially minimally invasive screening and early detection methods. We hypothesise that protein level changes resulting from cancer development can be identified via an individuals polygenic risk score (PRS) for the disease, representing their genetic liability to developing that cancer. Methods and analysisPRS will be calculated using the PRS continuous shrinkage approach (PRS-CS and PRS-CSx) for colorectal and lung cancer risk. This methodology utilises effect sizes from summary statistics from genome-wide association studies (GWAS) available for the cancers of interest to generate weights via the continuous shrinkage approach which incorporates the strengths of the GWAS associations into the shrinkage applied (1). This methodology both improves upon previous PRS methods in accuracy as well as improving cross-ancestry application in the PRS-CSx approach. GWAS summary statistics will be from the Genetics and Epidemiology of Colorectal Cancer Consortium (GECCO) and the International Lung Cancer Consortium (ILCCO). The association between the polygenic risk scores and 2923 proteins measured by the Olink platform in UK Biobank (UKB) participants with protein measures available will be assessed using linear regression under the assumption of linearity in the proteomic data. The proteins identified could represent several different scenarios of association such as forward causation (protein causes cancer), reverse causation (cancer genetic liability causes protein level change), or horizontal pleiotropy bias (no causal relationship exists between the protein and cancer). Forward and reverse Mendelian randomization sensitivity analyses, as well as colocalization analysis, will be performed in efforts to distinguish between these three scenarios. Protein changes identified as causally downstream of genetic liability to cancer could reflect processes occurring prior to, or after, disease onset. Due to individuals in the UKB having proteins measures at only one timepoint, and because UKB contains a mix of incident and prevalent cases, some protein measures will have been made prior to a cancer diagnosis while others will have been made after a cancer diagnosis. We will explore the strength of association in relation to the time between protein measurement and prevalent or incident cancer diagnosis. Ethics and DisseminationsNo additional ethical approval is required for Genome Wide Association (GWAS) data used in this analysis as all data from GWAS has undergone individual ethical approval prior to this study. UK Biobank protein measure data will be obtained under application ID: 15825/81499. Results produced from these analyses will be submitted as an open-access manuscript to journals for review and all code will be made publicly available using GitHub. The PRS we generate and the results of the PRS-protein associations will be returned to the UK Biobank. Strengths and limitations of this study- A strength of the proposed PRS method in this study is the use of all available SNPs from a GWAS, which may increase power to identify proteins in comparison with conventional Mendelian Randomisation (MR) methods that use only those SNPs that are genome-wide significant. - Limitations of the study: O_LILack of protein data for diverse population groups within available datasets; therefore, results may not be generalisable to ancestries outside of the European population for whom sufficient protein data was available for this study. C_LIO_LIUKB participants reflect a subset of the population from a higher socioeconomic position than average. C_LIO_LIPrevalent cancer cases will reflect a specific subset of the general population with cancer, individuals who have survived cancer and were able to volunteer for the study; potentially introducing survivorship bias. C_LIO_LIIt cannot be ruled out that proteins may reflect effects of processes beyond cancer liability to protein pathways. C_LIO_LILack of staging information for cancer cases within the UKB limiting our ability to distinguish early versus more advanced cancers. C_LIO_LIThe proteomic technology currently used measures protein binding as opposed to protein levels C_LI
Auteurs: Lisa M Hobson, R. M. Martin, K. Smith-Byrne, G. Davey Smith, G. Hemani, J. H. Gilbody, J. Yarmolinksy, S. E. Bailey, L. J. Goudswaard, P. C. Haycock
Dernière mise à jour: 2024-10-18 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.10.18.24315725
Source PDF: https://www.medrxiv.org/content/10.1101/2024.10.18.24315725.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://www.bristol.ac.uk/acrc/
- https://github.com/getian107/PRScs
- https://github.com/getian107/PRScsx
- https://github.com/MRCIEU/metaboprep
- https://github.com/MRCIEU/TwoSampleMR
- https://cran.r-project.org/web/packages/MendelianRandomization/index.html
- https://cran.r-project.org/web/packages/RNOmni/index.html