Cardiometabolic risk factors are influenced by <i><scp>S</scp>tearoyl‐<scp>C</scp>o<scp>A D</scp>esaturase</i> (<i><scp>SCD</scp></i>) −<i>1</i> gene polymorphisms and <i>n</i>‐3 polyunsaturated fatty acid supplementation
Notice bibliographique
Résumé
SCOPE: To determine if single nucleotide polymorphisms (SNPs) in stearoyl-CoA desaturase (SCD)-1 gene that encodes a key enzyme for fatty acid metabolism are associated with the response of cardiometabolic risk factors to n-3 PUFA supplementation. METHODS AND RESULTS: Two hundred and ten subjects completed a 2-week run-in period followed by 6-week supplementation with 5 g of fish oil (1.9-2.2 g eicosapentaenoic acid and 1.1 g docosahexaenoic acid). Risk factors were measured pre and post n-3 supplementation. Fatty acid composition of plasma phospholipids was analyzed by GC and the desaturase indices SCD16 (16:1n-7/16:0) and SCD18 (18:1n-9/18:0) were calculated. Genotyping of eight SNPs of the SCD1 gene was performed. N-3 PUFA supplementation decreased plasma triglycerides, as well as SCD16 and SCD18 indices, but increased fasting plasma glucose concentrations. SNPs in SCD1-modified cardiometabolic risk factors pre and post n-3 PUFA supplementation: triglyceride (rs508384, p = 0.0086), IL6 (rs3071, p = 0.0485), C-reactive protein (rs3829160, p = 0.0489), and SCD18 indices (rs2234970, p = 0.0337). A significant interaction effect between the SNP and n-3 PUFA supplementation was also observed for fasting plasma glucose levels (rs508384, p = 0.0262). CONCLUSION: These results suggest that cardiometabolic risk factors are modulated by genetic variations in the SCD1 gene alone or in combination with n-3 PUFA supplementation.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».