乳房大小和乳腺癌有关系吗:让基因告诉你

简介:

导读:根据 23andMe 2012年的研究报道,7个新的遗传基因位点被确定与乳房大小相关,包括3个与乳腺癌密切相关。


23andMe (一个引领着个人基因检测公司)利用其独特的在线研究平台,确定了与乳房大小相关的七个单核苷酸多态性(SNPS),其中三个SNP位点与乳腺癌相关(基于全基因组相关研究(GWS)数据,结果已发表在BMC医学遗传学)。这一结果第一次从遗传角度揭示出乳房的大小和得乳腺癌风险之间的关系


这些研究结果是由23andMe调查了16175名欧洲血统的女性客户后分析所得结果,调查问卷中包括罩杯大小和胸罩带大小等数据,然后将这些和数百万的SNP遗传数据做关联分析。分析样本中控制了年龄,遗传血统,乳腺手术,母乳喂养和妊娠史等指标。


23andMe CEO兼创始人 Anne Wojcicki 说:“23andMe 研究平台是一个强大的新的基因发现的来源,这项研究表明,重要的科学见解可能来自于一些意想不到的地方。” 她又补充说:“150000多名客户中超过90%参加了我们的在线调查,这让23andMe 比传统的研究模式能更快,更有效的找到研究答案。”


乳房的一些形态因素,如密度,已经证明直接和乳腺癌相关,乳房大小和癌症之间的关系尚不清楚,而乳房的大小是可以遗传的,这项研究首先要找出和乳房的大小相关的基因和遗传位点。


“在这项研究结果表明,正常乳腺发育和乳腺癌有着一些相同的生物途径下,”主要作者Nicholas Eriksson博士解释道:“一些研究发现,如果一个年轻女性的乳房较大,她患乳腺癌的风险则稍高。我们的研究证明,乳房大小与乳腺癌的确是相关的。”


与乳房大小相关的新的基因位点分别是:


邻近ZNF703基因的rs7816345,

INHBB基因两端的rs4849887 和 rs17625845,

邻近ESR1基因的rs12173570,

ZNF365基因的rs7089814,

邻近PTHLH基因的rs12371778,

邻近AREG基因的rs62314947。


其中两个SNP与乳腺癌密切相关的SNP(邻近ESR1 和 PTHLH)有很强的关联性,还有第三个(ZNF365)则靠近另一个乳腺癌SNP。其他三个位点(ZNF703, INHBB, and AREG)在雌激素的调节和乳腺发育中起重要作用。


Eriksson总结道:“这些结果提供了洞察正常乳房发育的一些遗传因素,并表明,其中有些因素与乳腺癌的发生有关。”“虽然这些结果并不能直接支持乳房的大小和癌症之间已知的流行病学关系,但该研究有助于更好地了解乳房形态和患乳腺癌的风险之间微妙的相互作用。”


这些乳房大小/乳腺癌的结果显示,23andMe 通过基于网络问卷收集到的表现型生理数据,与收集唾液样本测出的基因型数据结合分析研究的强大威力。


2010年6月,23andMe 在PLoS Genetics杂志中首次发表了他们概念验证的研究结果,报道了一些新的不寻常的特征的关联位点,如芦笋嗅觉丧失(asparagus anosmia)和透光喷嚏反射(photic sneeze reflex), 以及一些常见遗传病的比较复杂的关联研究结果,在PLoS Genetics发表发现关于帕金森病的两个关联位点的发现,以及在PLoS ONE期刊中报道了超过180个关联位点的重复性研究。在2012年4月,23andMe在PLoS ONE发表的研究结果,报道了关于甲状腺功能减退症相关的5个遗传位点,也是迄今为止规模最大的一次甲状腺功能减退的遗传组相关研究(GWAS)。近期,23andMe 在 PLoS Genetics 公布了与男性斑秃相关的基因位点,其中一些也与帕金森病和前列腺癌有关。


随着时间的推移23andMe的客户会看到他们的网上账户报告不断会加入这些新的结果。


23andMe继续积极参与乳腺癌的研究,它与 Genentech 合作研究的InVite Study项目,旨在了解基因如何影响在转移性乳腺癌治疗上的效果。任何人患了转移性乳腺癌,接受了某种具体的治疗,都可以参加实验


原文发布时间为:2015-04-30

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
7月前
|
机器学习/深度学习 算法 搜索推荐
SPSS大学生网络购物行为研究:因子分析、主成分、聚类、交叉表和卡方检验
SPSS大学生网络购物行为研究:因子分析、主成分、聚类、交叉表和卡方检验
|
7月前
|
机器学习/深度学习 安全 算法
Matlab基于SEIRD模型,NSIR预测模型,AHP层次分析法新冠肺炎预测与评估分析
Matlab基于SEIRD模型,NSIR预测模型,AHP层次分析法新冠肺炎预测与评估分析
|
7月前
|
机器学习/深度学习 传感器 自然语言处理
时间序列预测的零样本学习是未来还是炒作:TimeGPT和TiDE的综合比较
最近时间序列预测预测领域的最新进展受到了各个领域(包括文本、图像和语音)成功开发基础模型的影响,例如文本(如ChatGPT)、文本到图像(如Midjourney)和文本到语音(如Eleven Labs)。这些模型的广泛采用导致了像TimeGPT[1]这样的模型的出现,这些模型利用了类似于它们在文本、图像和语音方面获得成功的方法和架构。
131 1
|
7月前
R语言偏最小二乘回归PLS回归分析制药产品化学制造过程数据、缺失值填充、变量重要性
R语言偏最小二乘回归PLS回归分析制药产品化学制造过程数据、缺失值填充、变量重要性
|
7月前
|
数据可视化 算法 数据挖掘
R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律
R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律
|
数据挖掘 Go 计算机视觉
文献丨群体转录组分析eQTLs调控基因表达
文献丨群体转录组分析eQTLs调控基因表达
|
机器学习/深度学习 语音技术 数据库
文献分享丨GWAS分析菜用大豆可溶性糖含量调控基因
文献分享丨GWAS分析菜用大豆可溶性糖含量调控基因
|
存储 Python
候选基因如何分析?
候选基因如何分析?
|
机器学习/深度学习 自然语言处理 算法
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
125 0
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
|
Shell 数据库 Perl
从NCBI获取物种线粒体基因信息
本分分享了一种从 NCBI获取物种基因组信息页面提取其线粒体基因信息的操作指南,以供参考
954 0
下一篇
DataWorks