In Black South Africans from Rural and Urban Communities, the 4G/5G PAI-1 Polymorphism Influences PAI-1 Activity, but Not Plasma Clot Lysis Time
Notice bibliographique
Résumé
Data on genetic and environmental factors influencing PAI-1 levels and their consequent effect on clot lysis in black African populations are limited. We identified polymorphisms in the promoter area of the PAI-1 gene and determined their influence on PAI-1act levels and plasma clot lysis time (CLT). We also describe gene-environment interactions and the effect of urbanisation. Data from 2010 apparently healthy urban and rural black participants from the South African arm of the PURE study were cross-sectionally analysed. The 5G allele frequency of the 4G/5G polymorphism was 0.85. PAI-1act increased across genotypes in the urban subgroup (p = 0.009) but not significantly in the rural subgroup, while CLT did not differ across genotypes. Significant interaction terms were found between the 4G/5G polymorphism and BMI, waist circumference and triglycerides in determining PAI-1act, and between the 4G/5G polymorphism and fibrinogen and fibrinogen gamma prime in determining CLT. The C428T and G429A polymorphisms did not show direct relationships with PAI-1act or CLT but they did influence the association of other environmental factors with PAI-1act and CLT. Several of these interactions differed significantly between rural and urban subgroups, particularly in individuals harbouring the mutant alleles. In conclusion, although the 4G/5G polymorphism significantly affected PAI-1act, it contributed less than 1% to the PAI-1act variance. (Central) obesity was the biggest contributor to PAI-1act variance (12.5%). Urbanisation significantly influenced the effect of the 4G/5G polymorphism on PAI-1act as well as gene-environment interactions for the C428T and G429A genotypes in determining PAI-1act and CLT.
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) | 0,001 | 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 ».