American Journal of Respiratory and Critical Care Medicine
基于跨组学分析的吸烟-基因交互作用揭示肺癌风险修饰机制
小赛推荐：
该研究通过整合多组学数据与大规模基因型信息，系统解析了吸烟与遗传因素在肺癌发生中的交互作用，为肺癌精准预防策略提供了可量化的分子评分工具，对疾病建模和高危人群筛查具有直接指导意义。
文献概述
本文《A trans-omics gene–smoking interaction study of lung cancer based on consortium data》，发表于《American Journal of Respiratory and Critical Care Medicine》杂志，系统探讨了基于国际联盟数据的跨组学框架（xWAS）在肺癌基因–吸烟（G × S）交互作用研究中的应用。研究整合了来自ILCCO-OncoArray、TRICL、PLCO和UKB的近50万个体基因型数据与多层分子QTL数据，系统识别了可修饰吸烟效应的关键生物标志物，并构建了分子修饰评分（MMS），为个体化肺癌风险分层提供了新工具。背景知识
肺癌是全球癌症死亡的主要原因，尽管吸烟是公认的主要环境风险因素，但仅有约10%的长期吸烟者最终发展为肺癌，提示个体间存在显著的遗传易感性差异。这一现象可能源于CHRNA5、IREB2等基因与吸烟之间的交互作用，即G × S效应。目前，传统GWAS虽已识别多个肺癌风险位点，但多数未能解释吸烟行为与遗传背景的动态交互，导致“缺失的遗传力”问题持续存在。此外，单一层组学数据（如DNA甲基化或基因表达）难以全面揭示从基因变异到疾病表型的生物学通路。因此，亟需一种系统性框架，整合多组学信息以捕捉跨分子层级的调控路径。本研究的切入点在于应用xWAS框架，利用遗传工具变量推断分子性状，规避混杂因素影响，从而精准识别与吸烟协同作用的NELFE、RDM1等修饰因子，为理解肺癌异质性提供了新视角。
研究方法与核心实验
研究采用两阶段分析策略：在ILCCO-OncoArray中进行发现，随后在TRICL、PLCO和UKB中进行独立验证。作者整合了来自GoDMC、eQTLGen、Ferkingstad等联盟的甲基化（meQTL）、表达（eQTL）、蛋白（pQTL）和代谢（metabQTL）数据，通过LDpred2构建预测模型，推断个体的分子性状。随后在逻辑回归模型中测试这些预测性状与吸烟包年（pack-years）的交互项，评估其对肺癌风险的影响。为增强稳健性，所有结果均通过固定效应meta分析整合。该方法有效规避了直接测量多组学数据的高成本与样本匹配难题，同时控制了潜在混杂。关键结论与观点
研究意义与展望
该研究构建的分子修饰评分（MMS）为临床提供了一个可操作的风险分层工具，尤其适用于长期吸烟者的精准筛查。结合年龄、性别和吸烟史，MMS可识别出高遗传-环境交互风险个体，从而优化低剂量CT筛查资源分配。
从药物开发角度看，识别出的CHRNA5、RDM1等基因及其调控网络可能代表新的预防性干预靶点，尤其是在化学预防或免疫监测策略中。
此外，研究发布的开放平台LungCancer-xWAS-GxE为全球研究者提供了交互信号查询资源，极大促进了肺癌机制研究的可及性与可重复性，推动从关联发现向因果验证的转化。
结语
本研究标志着首个基于跨组学框架的肺癌基因–吸烟交互作用系统性解析，不仅揭示了CHRNA5、IREB2、RDM1和NELFE等关键分子在吸烟相关致癌过程中的修饰作用，更创新性地构建了分子修饰评分（MMS），实现了对吸烟人群肺癌风险的精细化分层。该成果为肺癌精准预防提供了可量化的生物标志物组合与评分系统，填补了传统风险模型在基因-环境交互方面的空白。未来，MMS有望整合进临床风险评估路径，指导高危个体的早期筛查与行为干预。同时，研究识别的RP11-326C3.14、NELFE等候选基因，为后续在基因敲除小鼠或类器官模型中验证其功能提供了优先目标，推动从遗传关联向机制解析的转化。整体而言，该研究为肺癌的个体化防控体系奠定了重要基石，彰显了多组学整合在复杂疾病预防中的巨大潜力。
