Decreased breast cancer risk in systemic lupus erythematosus: the search for a genetic basis continues
Notice bibliographique
Résumé
PURPOSE: Recent work has demonstrated an important decrease in breast cancers for women with systemic lupus erythematosus (SLE). The reason behind this phenomenon is unknown. Our purpose was to explore whether the single nucleotide polymorphisms (SNPs) predisposing to SLE might be protective against breast cancer (in women in the general population). METHODS: We focused on loci relevant to 10 SNPs associated with SLE (with a p value of <10(-9)). We determined whether we could establish a decreased frequency of these SNPs in breast cancer cases versus controls, within the general population. To do this we used a large breast cancer genome-wide association study (GWAS) dataset, involving 3,659 breast cancer cases and 4,897 controls. These subjects were all primarily of European ancestry. RESULTS: The population-based GWAS breast cancer data we examined suggested little evidence for important associations between breast cancer and SLE-related SNPs. Within the general population GWAS data, a cytosine(C) nucleotide substitution at rs9888739 (on chromosome 16p11.2) showed a very weak inverse association with breast cancer. The odds ratio (OR) for the rs9888739-C allele was 0.907551 (p value 0.049899) in the GWAS breast cancer sample, compared to controls. There was a slightly stronger, positive, association with breast cancer for rs6445975-G (Guanine) on chromosome 3p14.3, with a breast cancer OR of 1.0911 (p value 0.0097). CONCLUSIONS: Within this large breast cancer dataset, we did not demonstrate important associations with 10 lupus-associated SNPs. If decreased breast cancer risk in SLE is influenced by genetic profiles, this may be due to complex interactions and/or epigenetic factors.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».