Interactions between C-Reactive Protein Genotypes with Markers of Nutritional Status in Relation to Inflammation
Notice bibliographique
Résumé
Inflammation, as indicated by C-reactive protein concentrations (CRP), is a risk factor for chronic diseases. Both genetic and environmental factors affect susceptibility to inflammation. As dietary interventions can influence inflammatory status, we hypothesized that dietary effects could be influenced by interactions with single nucleotide polymorphisms (SNPs) in the CRP gene. We determined 12 CRP SNPs, as well as various nutrition status markers in 2010 black South Africans and analyzed their effect on CRP. Interactions were observed for several genotypes with obesity in determining CRP. Lipid intake modulated the pro-inflammatory effects of some SNPs, i.e., an increase in both saturated fatty acid and monounsaturated fatty acid intake in those homozygous for the polymorphic allele at rs2808630 was associated with a larger increase in CRP. Those harboring the minor alleles at rs3093058 and rs3093062 presented with significantly higher CRP in the presence of increased triglyceride or cholesterol intake. When harboring the minor allele of these SNPs, a high omega-6 to -3 ratio was, however, found to be anti-inflammatory. Carbohydrate intake also modulated CRP SNPs, as HbA1C and fasting glucose levels interacted with some SNPs to influence the CRP. This investigation highlights the impact that nutritional status can have on reducing the inherent genetic susceptibility to a heightened systemic inflammatory state.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».