Genome-based benchmarking of 177 different breast cancer polygenic risk scores

技術要約：177種類の乳がんポリジェニック・リスク・スコアのゲノムに基づくベンチマーク

問題提起
170種類以上の公開されている乳がんポリジェニック・リスク・スコア（PRS）が存在するにもかかわらず、特定のスコアを選択して臨床実装するための体系的なエビデンスは存在しない。この「スコア選択の障壁」は、遺伝性乳癌・卵巣癌（HBOC）診断において特に深刻である。単一遺伝子検査は、患者の一部における病原性変異を特定できるが、臨床的なHBOC基準を満たす患者の大部分は、「非情報的（non-informative）」（確立された遺伝子における病原性変тиを持たない）であり、リスク層別化のための実用的な手段を欠いている。さらに、既存のPRSの多くはSNPアレイデータとインピュテーション（補完）を用いて開発・検証されており、単一遺伝子検査の標準となりつつある臨床グレードのショートリード・ゲノムシーケンシング（GS）データに適用した場合の性能については不確実性が残っている。

方法論
著者らは、現実世界の臨床シーケンシング条件下でのPRS性能をベンチマークするため、テュービンゲン大学において遡及的な単一施設ケースコントロール研究を実施した。

• コホート: 本研究には、775名の欧州系女性乳がん患者と、1,313名の癌のない女性コントロールが含まれる。すべての参加者は、臨床グレードのショートリード・ゲノムシーケンシング（GS）を受けた。
• 層別化: ケースは「テストの情報量（informativeness）」によって層別化された（病原性変異を持つ情報的なケース95名、および13のHBOC遺伝子に病原性変異を持たない非情報的なケース680名）。
• PRSの選択: 著者らはPGS Catalogから177種類の異なる乳がんPRSを取得し、BRIDGES PRS（NGS用に最適化された306個のSNPを含むスコア）を含めた。非加法的なスコアリングモデルを持つ2つのスコアは除外された。
• パイプライン: GSのバリアントコール形式（VCF）ファイルからスコアを算出するために、標準化されたPythonパイプラインを使用した。このパイプラインでは、ターゲットまたは全ゲノムシーケンシングにおいて全てのSNPがカバーされていない場合（VCFに存在しない変異）に備え、「ホモ接合型リファレンス仮定（homozygous reference assumption）」を用いた。スコアは、コントロール群の分布に基づきzスコアに正規化された。
• 検証: カスタムパイプラインは、PGS Catalogの公式な pgsc_calc ワークフローに対してクロスバリデーションが行われ、完全な一致（$r=1.000$）を示した。
• 指標: パフォーマンスは、受信者動作特性曲線の下端面積（AUC）、コーヘンの$d$、および標準偏差（SD）あたりおよび五分位数あたりのオッズ比（OR）を用いて評価された。分析は、年齢、分子サブタイプ、乳腺密度、および単一遺伝子状態によって層別化された。

主な結果

• 全体的なパフォーマンス: 最も優れた性能を示したPRS（アンサンブルスコアであるPGS004153）は、非情報的なケースにおいて0.656（95% CI 0.631–0.681; Cohen's $d$ = 0.576）のAUCを達成した。これは、同コホートにおける以前にベンチマークされたBRIDGES PRS（AUC 0.621）よりも有意な改善である。
• パフォーマンスのプラトー（停滞）: 上位20種類のPRSは、サイズ（3,820個から370万個のSNPまで）や構築方法が大きく異なるにもかかわらず、狭いパフォーマンスのプラトー（AUC 0.643–0.656）を形成した。これは、現在の手法が、欧州系集団における共通変異を用いた識別能力の天井に達していることを示唆している。
• リスク層別化: 非情報的なケースにおいて、患者の40.1%がトップのPRS五分位群に属したのに対し、コントロールでは20%であった。トップの五分位群と最下位の五分位群のオッズ比は5.57（95% CI 3.93–7.90）であった。この勾配は、一次近親者に罹患者がいない非情報的なケースのサブグループにおいても有意であった。
• サブタイプ特異性: パフォーマンスは分子サブタイプによって異なった。スコアはホルモン受容体陽性腫瘍（例：Luminal B様HER2陽性：AUC 0.689）で最も強く、トリプルネガティブ乳がん（AUC 0.568）では著しく低下した。
• ゲノムの収束: SNPの重複分析により、上位のパフォーマンスを示すスコアは、共有されたGWASリソースに由来する非常に類似した変異の大きなクラスターによって支配されていることが明らかになった。しかし、コンパクトなスコア（例：3,820個のSNP）や統合的スコア（例：PRSmix）は、主に異なる変異セットを用いながらも同等のAUCを達成しており、半独立的なポリジェニック信号の存在を示唆している。
• 年齢と密度: コントロールが年齢をマッチさせている場合、PRSの識別能は年齢層に関わらず安定していた。特筆すべきは、乳腺密度が高い女性（ACR D：AUC 0.710）において精度が最も高かったことである。

意義と主張
本論文は、上位のスコア間には高い冗長性と同等の性能があるため、特定の高性能なPRSを選択すること自体よりも、PRSベースの層別化を実施するかどうかの決定の方が重要であると主張している。

• 診断のギャップを埋める: すでに単一遺伝子HBOC検査のために臨床GSを行っている検査室にとって、PRSを計算するための追加コストは無視できる程度である。PRSは、家族歴や単一遺伝子検査が機能しない「非情報的」な患者を、5倍以上のオッズの差でリスクグループに効果的に分類できる。
• 臨床への準備: 本研究は、専用のSNPアレイを必要とせずに、臨床グレードのGSデータからPRSを堅牢に算出できることを示している。著者らは、「スコア選択の障壁」は実在するというよりは、認識されているものに過ぎないと主張している。なぜなら、独立して開発された多くのスコアが、同様の生物学的信号とパフォーマンス指標に収束しているからである。
• 限界: 著者らは、識別能（AUC）は確立されているものの、較正（絶対的なリスク予測）には前向きな集団ベースの縦断的コホートが必要であり、本研究にはそれが含まれていないことを謙虚に述べている。また、現在の知見は欧州系の家系に限定されており、トリプルネガティブ乳がんにおける性能は最適ではない。

結論として、本研究はPRSを臨床ワークフローに統合するためのエビデンスに基づいた枠組みを提供しており、既存のシーケンシングデータを用いて非情報的なHBOC陰性患者の大量の集団をリスク層別化することが可能であることを示し、リスク適応型のスクリーニング戦略への移行を支持している。