JK
Juyeon Kim
Author with expertise in Genomic Studies and Association Analyses
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
2
(50% Open Access)
Cited by:
0
h-index:
0
/
i10-index:
0
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
3

Predicting Lung Cancer in Korean Never-Smokers with Polygenic Risk Scores

Juyeon Kim et al.Nov 25, 2022
+12
Y
Y
J
ABSTRACT In the last few decades, genome-wide association studies (GWAS) with more than 10,000 subjects have identified several loci associated with lung cancer. Hence, recently, genetic data have been used to develop novel risk prediction tools for cancer. The present study aimed to establish a lung cancer prediction model for Korean never-smokers using polygenic risk scores (PRSs). PRSs were calculated using a thresholding-pruning-based approach based on 11 genome-wide significant single nucleotide polymorphisms (SNPs). Overall, the odds ratios tended to increase as PRSs were larger, with the odds ratio of the top 5% PRSs being 1.71 (95% confidence interval: 1.31−2.23), and the area under the curve (AUC) of the prediction model being of 0.76 (95% confidence interval: 0.747−0.774). The receiver operating characteristic (ROC) curves of the prediction model with and without PRSs as covariates were compared using DeLong’s test, and a significant difference was observed. Our results suggest that PRSs can be valuable tools for predicting the risk of lung cancer.
0

Predicting Lung Cancer in Korean Never‐Smokers With Polygenic Risk Scores

Juyeon Kim et al.Sep 23, 2024
+8
J
Y
J
In the last few decades, genome-wide association studies (GWAS) with more than 10,000 subjects have identified several loci associated with lung cancer and these loci have been used to develop novel risk prediction tools for cancer. The present study aimed to establish a lung cancer prediction model for Korean never-smokers using polygenic risk scores (PRSs); PRSs were calculated using a pruning-thresholding-based approach based on 11 genome-wide significant single nucleotide polymorphisms (SNPs). Overall, the odds ratios tended to increase as PRSs were larger, with the odds ratio of the top 5% PRSs being 1.71 (95% confidence interval: 1.31-2.23) using the 40%-60% percentile group as the reference, and the area under the curve (AUC) of the prediction model being of 0.76 (95% confidence interval: 0.747-0.774). The receiver operating characteristic (ROC) curves of the prediction model with and without PRSs as covariates were compared using DeLong's test, and a significant difference was observed. Our results suggest that PRSs can be valuable tools for predicting the risk of lung cancer.