Consortium analysis of gene and gene–folate interactions in purine and pyrimidine metabolism pathways with ovarian carcinoma risk
Notice bibliographique
Résumé
SCOPE: We reevaluated previously reported associations between variants in pathways of one-carbon (1-C) (folate) transfer genes and ovarian carcinoma (OC) risk, and in related pathways of purine and pyrimidine metabolism, and assessed interactions with folate intake. METHODS AND RESULTS: Odds ratios (OR) for 446 genetic variants were estimated among 13,410 OC cases and 22,635 controls, and among 2281 cases and 3444 controls with folate information. Following multiple testing correction, the most significant main effect associations were for dihydropyrimidine dehydrogenase (DPYD) variants rs11587873 (OR = 0.92; p = 6 × 10⁻⁵) and rs828054 (OR = 1.06; p = 1 × 10⁻⁴). Thirteen variants in the pyrimidine metabolism genes, DPYD, DPYS, PPAT, and TYMS, also interacted significantly with folate in a multivariant analysis (corrected p = 9.9 × 10⁻⁶) but collectively explained only 0.2% of OC risk. Although no other associations were significant after multiple testing correction, variants in SHMT1 in 1-C transfer, previously reported with OC, suggested lower risk at higher folate (p(interaction) = 0.03-0.006). CONCLUSION: Variation in pyrimidine metabolism genes, particularly DPYD, which was previously reported to be associated with OC, may influence risk; however, stratification by folate intake is unlikely to modify disease risk appreciably in these women. SHMT1 SNP-by-folate interactions are plausible but require further validation. Polymorphisms in selected genes in purine metabolism were not associated with OC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».