Lack of Association of Ghrelin Precursor Gene Variants and Percentage Body Fat or Serum Lipid Profiles
Notice bibliographique
Résumé
Ghrelin has been recognized for its involvement in food intake, control of energy homeostasis, and lipid metabolism. However, the roles of genetic variations in the ghrelin precursor gene (GHRL) on body compositions and serum lipids are not clear in humans. Our study investigated five single-nucleotide polymorphisms (SNPs) within GHRL to determine their relationship with body fat percentage (BF), trunk fat percentage (TF), lower body (legs) fat percentage (LF), and serum lipids in 1,464 subjects, which were recruited from the genetically homogeneous population of Newfoundland and Labrador (NL), Canada. Serum glucose, insulin, total cholesterol, high-density lipoprotein-cholesterol, low-density lipoprotein-cholesterol, and triglycerides were determined. Five SNPs are rs35684 (A/G: a transition substitution in exon 1), rs4684677 (A/T: a missense mutation), rs2075356 (C/T: intron), rs26802 (G/T: intron), and rs26311 (A/G: near the 3' untranslated region) of GHRL were genotyped using TaqMan validated or functionally tested SNP genotyping assays. Our study found no significant evidence of an allele or genotype association between any of the variant sites and body compositions or serum lipids. Furthermore, haplotype frequencies were not found to be significantly different between lean and obese subjects. In summary, the results of our study do not support a significant role for genetic variations in GHRL in the differences of body fat and serum lipid profiles in the NL population.
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 ».