Modification of the association between lead exposure and amyotrophic lateral sclerosis by iron and oxidative stress related gene polymorphisms
Notice bibliographique
Résumé
Our objective was to examine whether functional polymorphisms in hemochromatosis (HFE; H63D and C282Y), transferrin (TfC2), and glutathione-s-transferase Pi1 (GSTP1; Ile105Val) genes modify any lead-ALS association. We measured blood lead using atomic absorption spectroscopy and bone lead - a biomarker of cumulative lead exposure - using K-shell-X-ray fluorescence in 100 neurologist-confirmed ALS cases and 194 controls, the latter recruited as part of two separate studies; all subjects lived in New England. Participants were considered variant carriers or wild-type for each polymorphism. To assess effect modification, we included cross-product terms between lead biomarkers and each polymorphism in separate adjusted polytomous logistic regression models. Compared with wild-type, the odds ratio (OR) per 15.6 μg/g patella lead (interquartile range; IQR) was 8.24 (95% CI 0.94-72.19) times greater among C282Y variant carriers, and 0.34 (95% CI 0.15-0.78) times smaller among H63D variant carriers. Results were weaker for tibia lead. Compared with wild-type the OR per 2 μg/dl blood lead (IQR) was 0.36 (95% CI 0.19-0.68) times smaller among H63D variant carriers, and 1.96 (95% CI 0.98-3.92) times greater among GSTP1 variant carriers. In conclusion, we found that HFE and GSTP1 genotypes modified the association between lead biomarkers and ALS. Contrasting modification by the HFE polymorphisms H63D and C282Y may suggest that the modification is not simply the result of increased iron.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».