MétaCan
Menu
Retour à la cohorte
Enregistrement W2248147108 · doi:10.1139/y2012-105

Nutritional aspects of epigenetic inheritance

2012· review· en· W2248147108 sur OpenAlexvenueno aff
Shaan E. Alam, Ram B. Singh, Siddharth Gupta, Parinita Dherange, Fabien De Meester, Agnieszka Wilczyńska, Suniti M. Dharwadkar, Douglas W. Wilson, Pali Hungin

Notice bibliographique

RevueCanadian Journal of Physiology and Pharmacology · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpigeneticsBiologyFADS2Transcription factorGenePolyunsaturated fatty acidGeneticsBiochemistryFatty acidDocosahexaenoic acid

Résumé

récupéré en direct d'OpenAlex

The impact of diet and environmental factors on genes concerned with epigenetic inheritance and the mechanism of evolution has grown significantly beyond the Modern Synthesis period. Epigenetic inheritance is the passing of phenotypic change to subsequent generations in ways that are outside the genetic code of DNA. Recently, polymorphisms of the human Delta-5 (fatty acid desaturase, FADS1) and Delta-6 (FADS2) desaturase genes have been described as being associated with the level of several long-chain n-3 and n-6 polyunsaturated fatty acids (PUFAs) in serum phospholipids. Increased consumption of refined starches and sugar increases the generation of superoxide anion in the tissues and free fatty acids (FFA) in the blood. There is an increased amount and activity of nuclear factor-κB (NF-κB), a transcriptional factor regulating the activity of at least 125 genes, most of which are pro-inflammatory. The consumption of glucose may be associated with an increase in 2 other pro-inflammatory transcription factors: activating protein-1 (AP-1), and early growth response protein-1 (Egr-1). AP-1 regulates the transcription of matrix metallo-proteinases and Egr-1 modulates the transcription of tissue factor and plasminogen activator inhibitor-1. It is possible that a complex set of factors, including nutritional factors, come into play during epigenetic inheritance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,363
Écart entre enseignants0,295 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Physiology and PharmacologyMême sujetBirth, Development, and HealthTravaux en français237 207