An association of CYP2A6 genotype and smoking topography
Notice bibliographique
Résumé
Nicotine is metabolized into biologically inactive cotinine primarily by the cytochrome P450 enzyme CYP2A6. CYP2A6 genetic variations have been phenotypically grouped as slow, intermediate, and normal metabolizers. Slow metabolizers smoke fewer cigarettes daily and weekly, and have lower carbon monoxide (CO) and plasma nicotine levels, suggesting a reduced smoking rate compared with normal metabolizers. CYP2A6 also is involved in the metabolic activation of tobacco-specific procarcinogenic nitrosamines, such as 4-(methyl-nitrosamino)-1-(3-pyridyl)-1-butanone (NNK) and 4-(methyl-nitrosamino)-1-(3-pyridyl)-1-butanol (NNAL). NNK is one of the most abundant and potent procarcinogens in cigarette smoke. The present study investigated the association of CYP2A6 genotype with smoking topography, a quantifiable measure of smoking behavior, in a sample of treatment-seeking smokers prior to treatment. Smoking topography measures indicative of quantity of smoke exposure--number of puffs, mean puff volume, and total puff volume--were the outcome variables. Covariates associated with smoking topography were included in the analyses. Results indicated that CYP2A6 genotype group had a significant effect on mean puff volume and total puff volume, but not number of puffs, such that slow metabolizers exhibited reduced puffing compared with others. Smokers having CYP2A6 variants resulting in low activity metabolize nicotine more slowly, and convert procarcinogen nitrosamines to carcinogens more slowly, than do normal metabolizers. The results from this study also suggest a behavioral mechanism that may account for reduced cancer risk in slow metabolizers.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».