MétaCan
Menu
Retour à la cohorte
Enregistrement W2163001643 · doi:10.1158/1055-9965.epi-07-0565

Association of Single Nucleotide Polymorphisms in Glycosylation Genes with Risk of Epithelial Ovarian Cancer

2008· article· en· W2163001643 sur OpenAlexaff
Thomas A. Sellers, Yifan Huang, Julie M. Cunningham, Ellen L. Goode, Rebecca Sutphen, Robert A. Vierkant, Linda E. Kelemen, Zachary S. Fredericksen, Mark Liebow, V. Shane Pankratz, Lynn C. Hartmann, Jeff Myer, Edwin S. Iversen, Joellen M. Schildkraut, Catherine Phelan

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensImmunovaccine (Canada)
Organismes subventionnairesNational Cancer Institute
Mots-clésSingle-nucleotide polymorphismGlycosylationEpithelial ovarian cancerGeneOvarian cancerGeneticsBiologyAssociation (psychology)CancerOncologyMedicineGenotypePsychology

Résumé

récupéré en direct d'OpenAlex

Studies suggest that underglycosylation of the cell membrane mucin MUC1 may be associated with epithelial ovarian cancer. We identified 26 genes involved in glycosylation and examined 93 single nucleotide polymorphisms (SNP) with a minor allele frequency of > or =0.05 in relation to incident ovarian cancer. Cases were ascertained at the Mayo Clinic, Rochester, MN (n = 396) or a 48-county region in North Carolina (Duke University; n = 534). Ovarian cancer-free controls (n = 1,037) were frequency matched to the cases on age, race, and residence. Subjects were interviewed to obtain data on risk factors and a sample of blood for DNA and genotyped using the Illumina GoldenGate assay. We excluded subjects and individual SNPs with genotype call rates of <90%. Data were analyzed using logistic regression, with adjustment for age and residence. We fitted dominant, log additive, and recessive genetic models. Among Caucasians, nine SNPs in eight genes were associated with risk at P < 0.05 under at least one genetic model before adjusting for multiple testing. A SNP in GALNT1 (rs17647532) was the only one that remained statistically significant after Bonferroni adjustment for multiple testing but was not statistically significant in Hardy-Weinberg equilibrium among controls. Haplotype analyses revealed a global association of GALNT1 with risk (P = 0.038, under a recessive genetic model), which largely reflected a decreased risk of one haplotype (0.10 frequency; odds ratio, 0.07; P = 0.01) compared with the most common haplotype (0.39 frequency). These results suggest that genetic polymorphisms in the glycoslyation process may be novel risk factors for ovarian cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,298
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetBRCA gene mutations in cancerTravaux en français237 207