浙大学者结合血浆蛋白质组学等，开发结直肠癌发病预测模型，发文Nature子刊，来看看过程与统计方法

• 首先基于病例对照研究和前瞻性人群队列的 两阶段策略 来识别和验证与CRC相关的蛋白质组学特征， 以构建蛋白质风险评分（ProS）。

• 构建了 QCancer-15风险评分、多基因风险评分（PRS） ，并结合关键的蛋白质生物标志物 开发CRC发病预测模型。

• 最后， 评估 联合模型的预测性能和潜在的临床效用，包括净收益、风险分层和 CRC 个性化初始筛查年龄。

• 高PRS组的受试者应在41岁开始筛查，而低PRS组的筛查起始年龄为60岁以上；

• 高ProS组的受试者应在46岁开始筛查，而低ProS组的筛查起始年龄为57岁；

• ComS显示，高风险组的受试者建议在40岁之前开始筛查，而低风险组则可推迟至60岁以后再进行筛查。

• 使用主成分分析和Pearson相关系数矩阵来识别异常样本（补充方法）

• 在去除异常样本后，基于‘ limma ’ package29进行蛋白质组级差异表达分析

• 采用FDR进行多重检验校正，以FDR < 0.05为显著性水平。

• 对于处于发现阶段的显著蛋白（FDR < 0.05），我们进一步采用 Cox 比例风险（CPH）模型 评估其与验证队列中CRC发病率的关系。

• 通过 LASSO-Cox回归 ，在通过两阶段测试的蛋白质中进一步选择了CRC相关蛋白质特征，总共保留15个蛋白质。

• 使用` caret `包，以 7:3的比例 将UKBB参与者随机分为训练和验证组。

• 基于QCancer-S、QCancer-S（包括地理区域）、2 prs或ProS分别建立结直肠癌风险预测模型，使用CPH模型在培训队列中进行五倍交叉验证。

• 接下来，将表现最佳的QCancer-S、ProS和PRS组合， 构建预测结直肠癌发病风险的联合模型。

• 这些模型还通过性别分层、肿瘤部位（结肠或直肠）、肠癌筛查（是否）和CRC家族史（是否）进行评估。

• 在训练队列中，采用 c统计量 （95%置信区间，CI）进行五倍交叉验证，并在验证队列中进一步评估这些模型的判别性。

• 采用自举法，采用500个分层自举重复，比较不同模型的性能差异。

• 使用“riskRegression”软件包绘制 校准曲线 ，以直观地描述基于CPH模型的观测事件率与预测风险之间的一致性。

• 建立QCancer-S、PRS和ProS的 列线图 ，用于预测5年、10年和15年无结直肠癌的预后。

• 为了评估预测模型对推荐的CRC干预措施（如筛查）的潜在临床效用，使用“ggDCA”包进行 决策曲线分析

4. 风险比估计及风险分层分析 ：

• HRs 首先通过CPH回归得出QCancer-S、PRS和ProS每SD增加的总体、性别特异性和部位特异性CRC风险。

• 然后，根据QCancer-S、PRS、ProS和ComS（补充方法）在当前UKBB人群中的分布，分别分为q1最低、Q2、Q3和q4最高的四分位数。

• 由于10年累积风险曲线 趋势相似 ，进一步将风险评分分为低、中、高3组（补充图9）。

• 具体而言，以普通人群10年累积风险为参照，将Q3中风险与普通人群相似的参与者划分为中风险组，将Q1和Q2中风险低于普通人群的参与者划分为低风险组。Q4的参与者被划分为高危组。

• 以中剂量组为参照，估计分类变量的hr （95% ci）。

• 采用 Kaplan-Meier曲线和log-rank检验 评估风险评分的风险分层值。