Combined Polymorphisms in Oxidative Stress Genes Predict Coronary Artery Disease and Oxidative Stress in Coronary Angiography Patients
Notice bibliographique
Résumé
Oxidative stress has been implicated in all stages of atherosclerosis, but how inherited variations in oxidative stress genes influence the severity of cardiovascular disease is not known. We tested associations between polymorphisms in candidate oxidative stress genes, plasma oxidative stress biomarkers, and cardiovascular mortality in an angiography cohort. Single nucleotide polymorphisms (SNPs) across 15 genes were selected by linkage disequilibrium tagging. Genotyping was performed using customized arrayed primer extension micro-arrays, with automated genotype calling methods. Effects of SNPs and haplotypes on plasma oxidative stress and coronary artery disease (CAD) were estimated using a stochastic estimation maximization algorithm. Proportionate hazards analyses were used to determine effects of single and combined genetic markers on cardiovascular mortality risk, and on the following oxidative stress biomarkers: myeloperoxidase (MPO), nitrotyrosine, oxidized low-density lipoprotein, and antioxidant capacity. Oxidative stress gene SNPs associated with CAD were combined into an oxidative stress risk allele score, which predicted disease presence (1.5-fold risk increase per allele, P < 0.001). Combined risk alleles were also associated with elevated plasma MPO (P < 0.003), an oxidative stress biomarker that predicts cardiovascular mortality. Genetic markers that represent lifetime oxidative stress burden may implicate specific oxidative stress pathways in the pathogenesis of atherosclerosis, and offer therapeutic opportunities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».