Notice bibliographique
Résumé
Abstract Low levels of physical activity and being overweight or obese are associated with an increased risk of several types of cancer, particularly colorectal and postmenopausal breast cancer. The proposed biological mechanisms underlying these associations include inflammatory factors, steroid hormones, insulin-like growth factors or insulin resistance. Adipose tissue may play a key role in the association between energy balance and proposed biomarkers of cancer risk, via increased production of inflammatory factors, steroid hormones, and altered adipokines. Therefore, the impact of weight loss and physical activity interventions on adipose tissue gene expression may provide insights into pathways linking obesity/physical activity with cancer risk in human models. Our group previously established the feasibility and acceptability of obtaining subcutaneous abdominal adipose tissue samples in women who were screened to participate in a breast cancer prevention study. We then conducted an ancillary study within a randomized trial of diet, exercise, or combined diet+exercise vs. control among inactive, overweight/obese postmenopausal women. Subcutaneous adipose tissue biopsies were performed at baseline and after 6 months. Changes in adipose tissue gene expression were determined by microarray. The analytical approach had an emphasis on pre-specified candidate genes and candidate pathways, but also included a gene discovery approach. Furthermore, we examined the correlation of gene expression with serum blood markers. Analysis was conducted both by intervention group and also by degree of weight loss. A change in expression of sex hormone-related genes and LEP were noted with weight change, and the unsupervised clustering of >37,000 transcripts revealed new signaling pathways that require further follow-up. Citation Format: Kristin L. Campbell. Adipose tissue as a rich information source. [abstract]. In: Proceedings of the AACR Special Conference on Post-GWAS Horizons in Molecular Epidemiology: Digging Deeper into the Environment; 2012 Nov 11-14; Hollywood, FL. Philadelphia (PA): AACR; Cancer Epidemiol Biomarkers Prev 2012;21(11 Suppl):Abstract nr IA14.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,326 | 0,168 |
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 ».