Predicting Triple-Negative Breast Cancer Subtype Using Multiple Single Nucleotide Polymorphisms for Breast Cancer Risk and Several Variable Selection Methods
| العنوان: | Predicting Triple-Negative Breast Cancer Subtype Using Multiple Single Nucleotide Polymorphisms for Breast Cancer Risk and Several Variable Selection Methods |
|---|---|
| المؤلفون: | Arif B. Ekici, Wing-Yee Lo, Marius Wunderle, Rüdiger Schulz-Wendtland, Matthias Rübner, Alexander Hein, Paul Gass, Matthias W. Beckmann, Michael Schneider, Peter A. Fasching, Arndt Hartmann, Hiltrud Brauch, Werner Schroth, Lothar Häberle |
| المصدر: | Geburtshilfe und Frauenheilkunde. 77:667-678 |
| بيانات النشر: | Georg Thieme Verlag KG, 2017. |
| سنة النشر: | 2017 |
| مصطلحات موضوعية: | 0301 basic medicine, Gynecology, Univariate analysis, medicine.medical_specialty, business.industry, Obstetrics and Gynecology, Single-nucleotide polymorphism, medicine.disease, University hospital, 03 medical and health sciences, 030104 developmental biology, 0302 clinical medicine, Breast cancer, 030220 oncology & carcinogenesis, Maternity and Midwifery, Genotype, Immunology, Medicine, SNP, business, Genotyping, Triple-negative breast cancer |
| الوصف: | Introduction Studies of triple-negative breast cancer have recently been extending the inclusion criteria and incorporating additional molecular markers into the selection criteria, opening up scope for targeted therapies. The screening phases required for studies of this type are often prolonged, since the process of determining the molecular subtype and carrying out additional biomarker assessment is time-consuming. Parameters such as germline genotypes capable of predicting the molecular subtype before it becomes available from pathology might be helpful for treatment planning and optimizing the timing and cost of screening phases. This appears to be feasible, as rapid and low-cost genotyping methods are becoming increasingly available. The aim of this study was to identify single nucleotide polymorphisms (SNPs) for breast cancer risk capable of predicting triple negativity, in addition to clinical predictors, in breast cancer patients. Methods This cross-sectional observational study included 1271 women with invasive breast cancer who were treated at a university hospital. A total of 76 validated breast cancer risk SNPs were successfully genotyped. Univariate associations between each SNP and triple negativity were explored using logistic regression analyses. Several variable selection and regression techniques were applied to identify a set of SNPs that together improve the prediction of triple negativity in addition to the clinical predictors of age at diagnosis and body mass index (BMI). The most accurate prediction method was determined by cross-validation. Results The SNP rs10069690 (TERT, CLPTM1L) was the only significant SNP (corrected p = 0.02) after correction of p values for multiple testing in the univariate analyses. This SNP and three additional SNPs from the genes RAD51B, CCND1, and FGFR2 were selected for prediction of triple negativity. The addition of these SNPs to clinical predictors increased the cross-validated area under the curve (AUC) from 0.618 to 0.625. Age at diagnosis was the strongest predictor, stronger than any genetic characteristics. Conclusion Prediction of triple-negative breast cancer can be improved if SNPs associated with breast cancer risk are added to a prediction rule based on age at diagnosis and BMI. This finding could be used for prescreening purposes in complex molecular therapy studies for triple-negative breast cancer. Einleitung Studien bei triple-negativem Brustkrebs haben die Einschlusskriterien durch die Aufnahme zusatzlicher molekularer Marker erweitert. Im Rahmen des Screenings fur diese Therapiestudien wird sowohl fur die Bestimmung des molekularen Subtyps als als auch fur zusatzliche Biomarker-Untersuchungen ein langerer Zeitraum beansprucht, was die Behandlung verzogert. Keimbahn-Genotypen konnten bei der Vorhersage des molekularen Subtyps helfen, zumal schnelle und gunstige Genotypisierungsmethoden zunehmend zur Verfugung stehen. Ziel dieser Studie war es deswegen, zu prufen, ob Einzelnukleotid-Polymorphismen (SNPs) der Keimbahn dabei helfen konnen, Brustkrebspatientinnen mit triple-negativem Mammakarzinom zu identifizieren. Methoden In dieser Querschnittsstudie wurden 1271 Patientinnen mit invasivem Mammakarzinom eingeschlossen. Insgesamt wurden 76 validierte Brustkrebsrisiko-SNPs erfolgreich genotypisiert. Univariate Assoziationen zwischen jedem SNP und Triple-Negativitat wurden mittels logistischer Regression gepruft. Verschiedene Variablenselektions- und Regressionsmethoden wurden angewandt, um eine Gruppe von SNPs zu identifizieren, die zusammen mit den klinischen Pradiktoren Alter bei Diagnose und BMI die Pradiktion der Triple-Negativitat verbessern. Mittels Kreuzvalidierung wurde die Methode mit der hochsten Genauigkeit bestimmt. Ergebnisse Der SNP rs10069690 (TERT, CLPTM1L) war der einzige einzelne SNP, der nach p-Wert-Korrektur fur multiples Testen signifikant mit Triple-Negativitat assoziiert war (p = 0,02). Dieser SNP und 3 weitere in den Genen RAD51B, CCND1 und FGFR2 wurden ausgewahlt, um gemeinsam in einem Pradiktionsmodell Triple-Negativitat vorherzusagen. Die Hinzunahme dieser 4 SNPs erhohte die kreuzvalidierte AUC von 0,618 auf 0,625. Alter bei Diagnose war bei Weitem der starkste Pradiktor. Schlussfolgerung Die Vorhersage von triple-negativem Mammakarzinom kann verbessert werden, wenn sie nicht nur auf den klinischen Pradiktoren Alter bei Diagnose und BMI basiert, sondern auch auf Brustkrebsrisiko-SNPs. Das Pradiktionsmodell konnte bei der Rekrutierung von Patientinnen fur aufwendige molekulare Therapiestudien eingesetzt werden. |
| تدمد: | 1438-8804 0016-5751 1006-9690 |
| الوصول الحر: | https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5c9381363374deae8d1b5e322cff6825Test https://doi.org/10.1055/s-0043-111602Test |
| حقوق: | OPEN |
| رقم الانضمام: | edsair.doi.dedup.....5c9381363374deae8d1b5e322cff6825 |
| قاعدة البيانات: | OpenAIRE |
| تدمد: | 14388804 00165751 10069690 |
|---|