Radiotherapy for breast cancer often involves some incidental exposure of the heart to ionizing radiation. The effect of this exposure on the subsequent risk of ischemic heart disease is uncertain.

Using the ImmunoChip custom genotyping array, we analyzed 14,498 subjects with multiple sclerosis and 24,091 healthy controls for 161,311 autosomal variants and identified 135 potentially associated regions (P < 1.0 × 10(-4)). In a replication phase, we combined these data with previous genome-wide association study (GWAS) data from an independent 14,802 subjects with multiple sclerosis and 26,703 healthy controls. In these 80,094 individuals of European ancestry, we identified 48 new susceptibility variants (P < 5.0 × 10(-8)), 3 of which we found after conditioning on previously identified variants. Thus, there are now 110 established multiple sclerosis risk variants at 103 discrete loci outside of the major histocompatibility complex. With high-resolution Bayesian fine mapping, we identified five regions where one variant accounted for more than 50% of the posterior probability of association. This study enhances the catalog of multiple sclerosis risk variants and illustrates the value of fine mapping in the resolution of GWAS signals.

Perturbations of the p53 pathway are associated with more aggressive and therapeutically refractory tumors. However, molecular assessment of p53 status, by using sequence analysis and immunohistochemistry, are incomplete assessors of p53 functional effects. We posited that the transcriptional fingerprint is a more definitive downstream indicator of p53 function. Herein, we analyzed transcript profiles of 251 p53-sequenced primary breast tumors and identified a clinically embedded 32-gene expression signature that distinguishes p53-mutant and wild-type tumors of different histologies and outperforms sequence-based assessments of p53 in predicting prognosis and therapeutic response. Moreover, the p53 signature identified a subset of aggressive tumors absent of sequence mutations in p53 yet exhibiting expression characteristics consistent with p53 deficiency because of attenuated p53 transcript levels. Our results show the primary importance of p53 functional status in predicting clinical breast cancer behavior.

Douglas Easton, Per Hall and colleagues report meta-analyses of genome-wide association studies for breast cancer, including 10,052 cases and 12,575 controls, followed by genotyping using the iCOGS array in an additional 52,675 cases and 49,436 controls from studies within the Breast Cancer Association Consortium (BCAC). They identify 41 loci newly associated with susceptibility to breast cancer. Breast cancer is the most common cancer among women. Common variants at 27 loci have been identified as associated with susceptibility to breast cancer, and these account for ∼9% of the familial risk of the disease. We report here a meta-analysis of 9 genome-wide association studies, including 10,052 breast cancer cases and 12,575 controls of European ancestry, from which we selected 29,807 SNPs for further genotyping. These SNPs were genotyped in 45,290 cases and 41,880 controls of European ancestry from 41 studies in the Breast Cancer Association Consortium (BCAC). The SNPs were genotyped as part of a collaborative genotyping experiment involving four consortia (Collaborative Oncological Gene-environment Study, COGS) and used a custom Illumina iSelect genotyping array, iCOGS, comprising more than 200,000 SNPs. We identified SNPs at 41 new breast cancer susceptibility loci at genome-wide significance (P < 5 × 10−8). Further analyses suggest that more than 1,000 additional loci are involved in breast cancer susceptibility.

Background: Although second primary cancers are a leading cause of death among men with testicular cancer, few studies have quantified risks among long-term survivors. Methods: Within 14 population-based tumor registries in Europe and North America (1943–2001), we identified 40 576 1-year survivors of testicular cancer and ascertained data on any new incident solid tumors among these patients. We used Poisson regression analysis to model relative risks (RRs) and excess absolute risks (EARs) of second solid cancers. All statistical tests were two-sided. Results: A total of 2285 second solid cancers were reported in the cohort. The relative risk and EAR decreased with increasing age at testicular cancer diagnosis ( P <.001); the EAR increased with attained age ( P <.001) but the excess RR decreased. Among 10-year survivors diagnosed with testicular cancer at age 35 years, the risk of developing a second solid tumor was increased (RR = 1.9, 95% confidence interval [CI] = 1.8 to 2.1). Risk remained statistically significantly elevated for 35 years (RR = 1.7, 95% CI = 1.5 to 2.0; P <.001). We observed statistically significantly elevated risks, for the first time, for cancers of the pleura (malignant mesothelioma; RR = 3.4, 95% CI = 1.7 to 5.9) and esophagus (RR = 1.7, 95% CI = 1.0 to 2.6). Cancers of the lung (RR = 1.5, 95% CI = 1.2 to 1.7), colon (RR = 2.0, 95% CI = 1.7 to 2.5), bladder (RR = 2.7, 95% CI = 2.2 to 3.1), pancreas (RR = 3.6, 95% CI = 2.8 to 4.6), and stomach (RR = 4.0, 95% CI = 3.2 to 4.8) accounted for almost 60% of the total excess. Overall patterns were similar for seminoma and nonseminoma patients, with lower risks observed for nonseminoma patients treated after 1975. Statistically significantly increased risks of solid cancers were observed among patients treated with radiotherapy alone (RR = 2.0, 95% CI = 1.9 to 2.2), chemotherapy alone (RR = 1.8, 95% CI = 1.3 to 2.5), and both (RR = 2.9, 95% CI = 1.9 to 4.2). For patients diagnosed with seminomas or nonseminomatous tumors at age 35 years, cumulative risks of solid cancer 40 years later (i.e., to age 75 years) were 36% and 31%, respectively, compared with 23% for the general population. Conclusions : Testicular cancer survivors are at statistically significantly increased risk of solid tumors for at least 35 years after treatment. Young patients may experience high levels of risk as they reach older ages. The statistically significantly increased risk of malignant mesothelioma in testicular cancer survivors has, to our knowledge, not been observed previously in a cohort of patients treated with radiotherapy.

Adjuvant breast cancer therapy significantly improves survival, but overtreatment and undertreatment are major problems. Breast cancer expression profiling has so far mainly been used to identify women with a poor prognosis as candidates for adjuvant therapy but without demonstrated value for therapy prediction. We obtained the gene expression profiles of 159 population-derived breast cancer patients, and used hierarchical clustering to identify the signature associated with prognosis and impact of adjuvant therapies, defined as distant metastasis or death within 5 years. Independent datasets of 76 treated population-derived Swedish patients, 135 untreated population-derived Swedish patients and 78 Dutch patients were used for validation. The inclusion and exclusion criteria for the studies of population-derived Swedish patients were defined. Among the 159 patients, a subset of 64 genes was found to give an optimal separation of patients with good and poor outcomes. Hierarchical clustering revealed three subgroups: patients who did well with therapy, patients who did well without therapy, and patients that failed to benefit from given therapy. The expression profile gave significantly better prognostication (odds ratio, 4.19; P = 0.007) (breast cancer end-points odds ratio, 10.64) compared with the Elston–Ellis histological grading (odds ratio of grade 2 vs 1 and grade 3 vs 1, 2.81 and 3.32 respectively; P = 0.24 and 0.16), tumor stage (odds ratio of stage 2 vs 1 and stage 3 vs 1, 1.11 and 1.28; P = 0.83 and 0.68) and age (odds ratio, 0.11; P = 0.55). The risk groups were consistent and validated in the independent Swedish and Dutch data sets used with 211 and 78 patients, respectively. We have identified discriminatory gene expression signatures working both on untreated and systematically treated primary breast cancer patients with the potential to spare them from adjuvant therapy.

Abstract Histologic grading of breast cancer defines morphologic subtypes informative of metastatic potential, although not without considerable interobserver disagreement and clinical heterogeneity particularly among the moderately differentiated grade 2 (G2) tumors. We posited that a gene expression signature capable of discerning tumors of grade 1 (G1) and grade 3 (G3) histology might provide a more objective measure of grade with prognostic benefit for patients with G2 disease. To this end, we studied the expression profiles of 347 primary invasive breast tumors analyzed on Affymetrix microarrays. Using class prediction algorithms, we identified 264 robust grade-associated markers, six of which could accurately classify G1 and G3 tumors, and separate G2 tumors into two highly discriminant classes (termed G2a and G2b genetic grades) with patient survival outcomes highly similar to those with G1 and G3 histology, respectively. Statistical analysis of conventional clinical variables further distinguished G2a and G2b subtypes from each other, but also from histologic G1 and G3 tumors. In multivariate analyses, genetic grade was consistently found to be an independent prognostic indicator of disease recurrence comparable with that of lymph node status and tumor size. When incorporated into the Nottingham prognostic index, genetic grade enhanced detection of patients with less harmful tumors, likely to benefit little from adjuvant therapy. Our findings show that a genetic grade signature can improve prognosis and therapeutic planning for breast cancer patients, and support the view that low- and high-grade disease, as defined genetically, reflect independent pathobiological entities rather than a continuum of cancer progression. (Cancer Res 2006; 66(21): 10292-301)

Genetic testing for breast cancer susceptibility is widely used, but for many genes, evidence of an association with breast cancer is weak, underlying risk estimates are imprecise, and reliable subtype-specific risk estimates are lacking.

Genetic variations, such as single nucleotide polymorphisms (SNPs) in microRNAs (miRNA) or in the miRNA binding sites may affect the miRNA dependent gene expression regulation, which has been implicated in various cancers, including breast cancer, and may alter individual susceptibility to cancer. We investigated associations between miRNA related SNPs and breast cancer risk. First we evaluated 2,196 SNPs in a case-control study combining nine genome wide association studies (GWAS). Second, we further investigated 42 SNPs with suggestive evidence for association using 41,785 cases and 41,880 controls from 41 studies included in the Breast Cancer Association Consortium (BCAC). Combining the GWAS and BCAC data within a meta-analysis, we estimated main effects on breast cancer risk as well as risks for estrogen receptor (ER) and age defined subgroups. Five miRNA binding site SNPs associated significantly with breast cancer risk: rs1045494 (odds ratio (OR) 0.92; 95% confidence interval (CI): 0.88–0.96), rs1052532 (OR 0.97; 95% CI: 0.95–0.99), rs10719 (OR 0.97; 95% CI: 0.94–0.99), rs4687554 (OR 0.97; 95% CI: 0.95–0.99, and rs3134615 (OR 1.03; 95% CI: 1.01–1.05) located in the 3′ UTR of CASP8, HDDC3, DROSHA, MUSTN1, and MYCL1, respectively. DROSHA belongs to miRNA machinery genes and has a central role in initial miRNA processing. The remaining genes are involved in different molecular functions, including apoptosis and gene expression regulation. Further studies are warranted to elucidate whether the miRNA binding site SNPs are the causative variants for the observed risk effects.