Lung cancer and DNA repair genes: multilevel association analysis from the International Lung Cancer Consortium
Notice bibliographique
Résumé
Lung cancer (LC) is the leading cause of cancer-related death worldwide and tobacco smoking is the major associated risk factor. DNA repair is an important process, maintaining genome integrity and polymorphisms in DNA repair genes may contribute to susceptibility to LC. To explore the role of DNA repair genes in LC, we conducted a multilevel association study with 1655 single nucleotide polymorphisms (SNPs) in 211 DNA repair genes using 6911 individuals pooled from four genome-wide case-control studies. Single SNP association corroborates previous reports of association with rs3131379, located on the gene MSH5 (P = 3.57 × 10-5) and returns a similar risk estimate. The effect of this SNP is modulated by histological subtype. On the log-additive scale, the odds ratio per allele is 1.04 (0.84-1.30) for adenocarcinomas, 1.52 (1.28-1.80) for squamous cell carcinomas and 1.31 (1.09-1.57) for other histologies (heterogeneity test: P = 9.1 × 10(-)(3)). Gene-based association analysis identifies three repair genes associated with LC (P < 0.01): UBE2N, structural maintenance of chromosomes 1L2 and POLB. Two additional genes (RAD52 and POLN) are borderline significant. Pathway-based association analysis identifies five repair pathways associated with LC (P < 0.01): chromatin structure, DNA polymerases, homologous recombination, genes involved in human diseases with sensitivity to DNA-damaging agents and Rad6 pathway and ubiquitination. This first international pooled analysis of a large dataset unravels the role of specific DNA repair pathways in LC and highlights the importance of accounting for gene and pathway effects when studying LC.
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 ».