Pilot Study of CYP2B6 Genetic Variation to Explore the Contribution of Nitrosamine Activation to Lung Carcinogenesis
Notice bibliographique
Résumé
We explored the contribution of nitrosamine metabolism to lung cancer in a pilot investigation of genetic variation in CYP2B6, a high-affinity enzymatic activator of tobacco-specific nitrosamines with a negligible role in nicotine metabolism. Previously we found that variation in CYP2A6 and CHRNA5-CHRNA3-CHRNB4 combined to increase lung cancer risk in a case-control study in European American ever-smokers (n = 860). However, these genes are involved in the pharmacology of both nicotine, through which they alter smoking behaviours, and carcinogenic nitrosamines. Herein, we separated participants by CYP2B6 genotype into a high- vs. low-risk group (*1/*1 + *1/*6 vs. *6/*6). Odds ratios estimated through logistic regression modeling were 1.25 (95% CI 0.68-2.30), 1.27 (95% CI 0.89-1.79) and 1.56 (95% CI 1.04-2.31) for CYP2B6, CYP2A6 and CHRNA5-CHRNA3-CHRNB4, respectively, with negligible differences when all genes were evaluated concurrently. Modeling the combined impact of high-risk genotypes yielded odds ratios that rose from 2.05 (95% CI 0.39-10.9) to 2.43 (95% CI 0.47-12.7) to 3.94 (95% CI 0.72-21.5) for those with 1, 2 and 3 vs. 0 high-risk genotypes, respectively. Findings from this pilot point to genetic variation in CYP2B6 as a lung cancer risk factor supporting a role for nitrosamine metabolic activation in the molecular mechanism of lung carcinogenesis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».