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
|
SQL Java 数据库连接
MyBatis映射体系
映射工具MetaObject 所谓映射是指结果集中的列填充至JAVA Bean属性。这就必须用到反射,而Bean的属性多种多样的有普通属性、对象、集合、Map都有可能。为了更加方便的操作Bean的属性,MyBatis提供了MetaObject 工具类,用于操作数据库中表的字段映射成 Java 对象的属性。它提供了一些方法来获取、设置、判断 Java 对象的属性。 基本功能 其具体功能如下: 查找属性:勿略大小写,支持驼峰、支持子属性 如:“blog.comment.user_name” 获取属性 基于.获取子属性 “user.name” 基于索引获取列表值 “users[1].id”
273 0
|
机器学习/深度学习 人工智能 算法
一文了解人工智能中常用的优化算法
优化算法包含很多种,如果按梯度类型进行划分,可以分为有梯度优化算法和无梯度优化算法,在大多数人工智能技术中常用有梯度优化算法,当然也会有些场景也会用到无梯度优化算法,比如在强化学习中会用到黑盒优化算法cma-es、贝叶斯优化等,有些时候也会用到遗传算法和粒子群优化算法。本文主要讲解机器学习\深度学习中一些常用的优化算法,梯度下降法、动量法momentum、Adagrad、RMSProp、Adadelta、Adam,介绍不同算法之间的关联和优缺点,后续会继续分享其他的算法,
一文了解人工智能中常用的优化算法
|
10月前
|
Java
我们来说一说 ThreadLocal 内存泄漏
我是小假 期待与你的下一次相遇 ~
611 5
|
存储 NoSQL
MongoDB无法启动,如何恢复数据?
近日有 MongoDB 用户遇到一个问题,使用 Wiredtiger 存储引擎的 MongoDB 无法启动,咨询我数据能否恢复回来,能恢复多少是多少 ... 问题出现的场景据用户描述是「mongod磁盘写满了,导致进程 crash」,尝试重新启动,结果 wiredtiger 报错,错误信息类似如下,类似的问题 mongodb jira 上也有人提过,可以参考 SERVER-26924,说明此时 MongoDB 数据文件已经损坏。
|
SQL 存储 关系型数据库
【MySQL核心】MySQL 数据恢复-ibd2sql
【MySQL核心】MySQL 数据恢复-ibd2sql
|
10月前
|
存储 缓存 固态存储
阿里云服务器2核8G、4核16G、8核32G价格:按量、包年包月收费标准及活动价格参考
2核8G、8核32G、4核16G配置的阿里云服务器处理器与内存比为1:4,这种配比的云服务器一般适用于中小型数据库系统、缓存、搜索集群和企业办公类应用等通用型场景。目前2核8G配置按量收费最低收费标准为0.3375元/小时,4核16G配置的按量收费标准最低为0.675元/小时,8核32G配置的按量收费标准最低为1.35元/小时,云服务器实例规格和配置不同,收费标准与活动价格也不同,本文将为您介绍这三大配置的最新的收费标准、活动价格及选型策略,以供选择参考。
|
9月前
|
PyTorch 算法框架/工具 异构计算
75_TPU集成:Google Cloud加速
在大型语言模型(LLM)训练和推理的竞赛中,计算硬件的选择直接决定了研发效率和成本。Google的Tensor Processing Unit(TPU)作为专为AI计算设计的专用芯片,正逐渐成为大规模LLM开发的首选平台之一。随着2025年第七代TPU架构Ironwood的发布,Google在AI计算领域再次确立了技术领先地位。
1770 0
|
数据采集 监控 数据挖掘
Python自动化脚本:高效办公新助手###
本文将带你走进Python自动化脚本的奇妙世界,探索其在提升办公效率中的强大潜力。随着信息技术的飞速发展,重复性工作逐渐被自动化工具取代。Python作为一门简洁而强大的编程语言,凭借其丰富的库支持和易学易用的特点,成为编写自动化脚本的首选。无论是数据处理、文件管理还是网页爬虫,Python都能游刃有余地完成任务,极大地减轻了人工操作的负担。接下来,让我们一起领略Python自动化脚本的魅力,开启高效办公的新篇章。 ###
|
网络协议 Ubuntu Linux
在Linux中,如何配置网络?
在Linux中,如何配置网络?
|
机器学习/深度学习 存储 人工智能
【AI系统】计算图与自动微分
自动求导利用链式法则计算雅可比矩阵,从结果节点逆向追溯计算路径,适用于神经网络训练中损失值对网络参数的梯度计算。AI框架中,自动微分与反向传播紧密相连,通过构建计算图实现高效梯度计算,支持动态和静态计算图两种模式。动态图如PyTorch,适合灵活调试;静态图如TensorFlow,利于性能优化。
639 6
【AI系统】计算图与自动微分