Effects of Peroxisome Proliferator-Activated Receptors, Dietary Fat Intakes and Gene–Diet Interactions on Peak Particle Diameters of Low-Density Lipoproteins
Notice bibliographique
Résumé
UNLABELLED: The risk of cardiovascular diseases (CVDs) is modulated by gene-diet interactions. The objective of this study was to examine whether gene-diet interactions affect peak particle diameters (PPD) of low-density lipoprotein (LDL). METHODS: The study included 674 participants. A food frequency questionnaire was administered to obtain dietary information. LDL-PPD was determined by non-denaturing 2-16% polyacrylamide gradient gel electrophoresis. Peroxisome proliferator-activated receptor (PPAR) gene polymorphisms PPARα L162V (rs1800206), PPARγ P12A (rs1801282) and PPARδ -87T→C (rs2016520) were determined by PCR-RFLP. RESULTS: Among carriers of thePPARα L162V polymorphism, gene-diet interaction effects on LDL-PPD were observed with saturated fat (p=0.0005) and total dietary fat (p=0.006). Among PPARα V162 carriers, subjects with higher saturated fat intakes had smaller LDL-PPD than those with lower intakes (254.23±2.74 vs. 256.21±2.61 Å, respectively, p=0.007). Among subjects homozygous for the PPARα L162 allele, those with higher saturated fat intakes had larger LDL-PPD than those with lower saturated fat intakes (255.86±2.66 vs. 255.05±2.65 Å, respectively, p=0.01). Gene-diet interactions were also found for PPARγ P12A polymorphism with saturated fat intake (p=0.04) and for PPARδ -87T→C with the polyunsaturated/saturated fat ratio (p=0.0013). CONCLUSIONS: These results stress that dietary factors should be included in studies determining the effect of different polymorphisms on CVD risk 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».