一种前列腺癌风险的评估方法

本发明涉及疾病分析领域，尤其涉及一种前列腺癌风险的评估方法。

背景技术：

1、前列腺癌是全世界男性中第二大最常诊断的癌症、第五大癌症死亡原因，病例人数在2024年预计达14.4万人，2030年达19.9万人，2035年达25万人。尽管既往研究表明年龄、种族、前列腺癌家族史和生活方式是前列腺癌的危险因素，但其病因和发病机理仍有待完全阐明；在过去的几十年中，慢性炎症被认为在前列腺癌的发展中起着关键作用。目前认为是高活性化合物，如单线态氧和超氧化物，通过与多种生物大分子发生氧化作用造成细胞膜系统的损伤，影响肿瘤细胞的表达水平，从而促使前列腺癌的形成。基于潜在的炎症过程可以影响癌症的发病机理和进展的证据，各类血清细胞因子被认为是前列腺癌的重要生物标志物。

2、孟德尔随机化(mendelian randomization，mr)分析是一种有效利用遗传变异作为工具变量来评估特定因素与疾病的潜在因果关系的方法。遗传变异在疾病发生前就被随机分配且不受混杂因素如生活方式和社会经济因素的影响。mr分析将遗传变异作为工具变量，能够克服混杂因素和反向因果所导致的偏倚。对于mr分析有以下三个基本假设：1)工具变量与暴露因素密切相关(p＜5×10-8)；2)工具变量不与混杂因素相关；3)工具变量仅通过暴露途径对结局产生影响。

3、目前已有观察性流行病学研究调查了血清细胞因子对前列腺癌发生风险的影响。例如，几种血清细胞因子的水平，如肝细胞生长因子、白细胞介素-6、白细胞介素-7和白细胞介素-10的水平在前列腺癌患者中高于无癌对照组。此外，在编码白细胞介素-1、白细胞介素-6、白细胞介素-8和肿瘤坏死的基因附近存在遗传多态性因子-α和toll样受体-4也被发现是与前列腺癌风险的改变有关。

4、以上传统的观察性研究容易受潜在偏倚如混杂偏倚、失访偏倚的影响。因此，目前并没有一种更好的因果关系研究方法，血清细胞因子与前列腺癌发生风险的关联也尚不明确。

技术实现思路

1、本技术实施例通过提供一种前列腺癌风险的评估方法，解决了现有技术中观察性研究容易受潜在偏倚如混杂偏倚、失访偏倚的问题，能够避免传统观察性研究中固有的局限性，减少传统观察研究中的混杂因素和反向因果偏差。

2、本技术实施例提供了一种前列腺癌风险的评估方法，包括以下步骤：

3、s1：分别获得与27种血清细胞因子水平相关的全基因组关联研究数据以及与前列腺癌相关的全基因组关联研究数据；

4、s2：筛选出与27种血清细胞因子水平在全基因组范围内呈显著相关的snps，并去除具有高度相关性的snp将其作为工具变量；此外还利用统计方法和生物信息学工具，检测并剔除出具有多效性的工具变量,这些变量除了与暴露因素有关外，还可能与其他生物途径或疾病有关联；同时计算其f值来评估弱工具变量效应是否会影响后续的关联估计；

5、s3：从前列腺癌的全基因组关联数据中提取工具变量的effect allele、otherallele、效应值、标准差、相关性p值等信息；

6、s4：首先通过cochran’s q检验评估工具变量之间的异质性，p＜0.05提示具有显著异质性；反之，则没有相关性；其次，通过逆方差加权法估计27种血清细胞因子和前列腺癌的关联，若异质性检验提示工具变量之间存在显著异质性，则采用随机效应模型估计关联，否则使用固定效应模型估计；

7、s5：最后进行敏感性分析，主要采用加权中值法检验逆方差加权法结果的稳定性。

8、进一步的，所述的提取工具变量，具体为从27种血清细胞因子的全基因组关联研究数据中提取相关数据，筛选得到所述独立的snps；所述相关数据包括rs号、effectallele、other allele、效应值、标准误和p值，并筛选snp作为工具变量。

9、进一步的，所述的snp筛选条件为①每一个snp与血清细胞因子具有全基因组关联(p<5×10-8)；②snp之间不存在连锁不平衡(linkage disequilibrium，ld)，r2<0.1；③从前列腺的全基因组关联数据中根据工具变量的rs号提取effect allele、other allele、效应值、标准误和p值信息，并剔除与前列腺癌具有全基因组关联的snp位点(p<5×10-8)。

10、进一步的，所述的关联具体为先计算f值来反应所选择的工具变量是否会受到弱工具变量偏倚的影响，f≧10表示存在弱工具变量偏倚的可能性较小，工具变量强度可靠，其计算公式(1-1)如下：

11、

12、进一步的，通过ivw计算优势比(odds ratio，or)及95％置信区间(confidenceinterval，ci)来评估27种血清细胞因子和前列腺癌的关联，其中工具变量的f值为：24-799，关联不易受到弱工具变量的影响。

13、进一步的，所述的ivw是使用单个snp的逆方差作为权重，计算效应大小的加权平均值，估计27种血清细胞因子对前列腺癌的关联。

14、进一步的，通过cochran’s q检验评估工具变量之间的异质性，如果p<0.05提示不同工具变量之间有显著异质性，表明ivw的结果易受到此异质性的影响，则在ivw中选择随机效应模型进行关联估计；否则，应选择固定效应模型。cochran’s q检验显示p小于0.05，表明在工具变量之间存在显著的异质性，故基于随机效应模型的ivw方法估计其关联估计；

15、ivw的随机效应模型显示，monocyte chemotactic protein-1(mcp-1)和macrophage inflammatory protein-1β；(mip-1β)水平与前列腺癌风险增加相关(or:1.06，95％ci，1.04-1.09，p＝6.95×10-6；or:1.04，95％ci，1.02-1.06，p＝8.01×10-5)；stem cell growth factor-beta(scgf-β)水平与前列腺癌风险降低相关(or:0.95，95％ci，0.94-0.97，p＝6.27×10-8)。

16、进一步的，所述步骤s2将多效性的工具变量剔除后再次进行孟德尔随机化分析具体为：

17、s21：利用统计方法和生物信息学工具，检测并识别出具有多效性的工具变量,这些变量除了与暴露因素)有关外，还可能与其他生物途径或疾病有关联；

18、s22：从原先筛选出的工具变量列表中，剔除已识别出的具有多效性的工具变量；

19、s23：使用剔除多效性后的工具变量，通过回归分析等方法重新建立与暴露因素之间的关联模型,获取新的暴露因素预测值；

20、s24：利用新的暴露因素预测值，构建与前列腺癌风险之间的关联模型。通过回归分析估计暴露因素对结局变量的影响大小；

21、s25：根据重新分析的结果，解释27种血清细胞因子与前列腺癌之间的关联，并评估剔除多效性工具变量对结果的影响；

22、s26：可以通过比较剔除多效性工具变量前后的结果差异，以及与其他研究结果的一致性来验证结果的稳定性和可靠性。

23、进一步的，步骤s5的敏感性分析，包括加权中值法、mr-egger回归和mr-presso检验旨在评估结果的稳定性和可靠性，以及排除潜在的多效性和离群值对结果的影响。

24、进一步的，s5的敏感性分析具体步骤包括：

25、s51：采用加权中值法进行分析，该方法通过计算工具变量的加权中值来估计关联；

26、s52：利用mr-egger回归来检验潜在的水平多效性；mr-egger回归通过评估所有snps的整体水平多效性来检查是否存在偏倚；

27、s53：采用mr-presso检验进行离群值检测和排除；mr-presso通过迭代删除具有最小多效性p值的工具变量(即离群值)，然后对剩余的snps进行全局检验，直至全局不再具有遗传多效性时进行关联估计。

28、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

29、其一、本发明采用孟德尔随机化分析方法来获得27种血清细胞因子和前列腺癌的关系可以最大限度地减少传统观察研究中的混杂因素和反向因果偏差；使用605个在全基因组意义上与27种血清细胞因子相关的独立snp作为工具变量，计算了相应的f统计值(24-799)，发现mr研究具有足够的统计学功效来评估关联，并且减少受到弱工具偏倚的影响；为了评估潜在多效性对27种血清细胞因子和前列腺癌之间的因果效应的影响，使用gwascatalog检索工具变量是否与其他表型相关，在筛选工具变量时便排除具有潜在的多效性snp。

30、其二、通过cochran’s q检验评估工具变量之间的异质性，并根据异质性检验结果选择适当的模型(随机效应模型或固定效应模型)进行关联估计，可以更有效地处理工具变量之间的异质性，提高了结果的稳定性和可靠性。

31、其三、进行敏感性分析，包括加权中值法、mr-egger回归和mr-presso离群值检验等，可以验证结果的稳定性和可靠性，进一步增强了技术方案的可信度和适用性；使用大规模的全基因组关联研究数据进行分析，提供了充足的数据支持，使得结果更具代表性和说服力。

32、其四、通过识别和剔除具有多效性的工具变量，可以减少水平多效性对关联估计的偏倚；多效性工具变量可能与其他生物途径或疾病有关联，剔除它们可以确保更特异地估计暴露因素(血清细胞因子水平)与结局变量(前列腺癌风险)之间的关联。

33、其五、重新进行孟德尔随机化分析，使用剔除多效性后的工具变量建立关联模型，可以提高估计暴露因素与结局变量之间关联的准确性；通过比较剔除多效性工具变量前后的结果差异，可以验证结果的稳定性；通过与其他研究结果进行比较，可以进一步验证本研究结果的可靠性。

34、其六、通过采用加权中值法、mr-egger回归和mr-presso检验等多种方法进行分析，可以验证血清细胞因子水平与前列腺癌之间关联的稳定性；利用mr-egger回归可以检验潜在的水平多效性，以排除多效性对关联估计的影响；采用mr-presso检验可以识别和排除离群值，以避免异常值对关联估计的干扰；增强结果可信度：通过gwas catalog检索工具变量是否与其他表型相关，并排除具有潜在多效性的snp，可以进一步减少多效性对结果的影响，增强结果的可信度。