Genetic markers of inflammation may not contribute to metabolic traits in Mexican children
Notice bibliographique
Résumé
BACKGROUND: Low-grade chronic inflammation is a common feature of obesity and its cardio-metabolic complications. However, little is known about a possible causal role of inflammation in metabolic disorders. Mexico is among the countries with the highest obesity rates in the world and the admixed Mexican population is a relevant sample due to high levels of genetic diversity. METHODS: Here, we studied 1,462 Mexican children recruited from Mexico City. Six genetic variants in five inflammation-related genes were genotyped: rs1137101 (leptin receptor (LEPR)), rs7305618 (hepatocyte nuclear factor 1 alpha (HNF1A)), rs1800629 (tumor necrosis factor alpha (TNFA)), rs1800896, rs1800871 (interleukin-10 (IL-10)), rs1862513 (resistin (RETN)). Ten continuous and eight binary traits were assessed. Linear and logistic regression models were used adjusting for age, sex, and recruitment centre. RESULTS: We found that one SNP displayed a nominal evidence of association with a continuous trait: rs1800871 (IL-10) with LDL (beta = -0.068 ± 1.006, P = 0.01). Subsequently, we found one nominal association with a binary trait: rs7305618 (HNF1A) with family history of hypertension (odds-ratio = 1.389 [1.054-1.829], P = 0.02). However, no P-value passed the Bonferroni correction for multiple testing. DISCUSSION: Our data in a Mexican children population are consistent with previous reports in European adults in failing to demonstrate an association between inflammation-associated single nucleotide polymorphisms (SNPs) and metabolic traits.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».