Telomere structure and maintenance gene variants and risk of five cancer types
Notice bibliographique
Résumé
Telomeres cap chromosome ends, protecting them from degradation, double‐strand breaks, and end‐to‐end fusions. Telomeres are maintained by telomerase, a reverse transcriptase encoded by TERT , and an RNA template encoded by TERC . Loci in the TERT and adjoining CLPTM1L region are associated with risk of multiple cancers. We therefore investigated associations between variants in 22 telomere structure and maintenance gene regions and colorectal, breast, prostate, ovarian, and lung cancer risk. We performed subset‐based meta‐analyses of 204,993 directly‐measured and imputed SNPs among 61,851 cancer cases and 74,457 controls of European descent. Independent associations for SNP minor alleles were identified using sequential conditional analysis (with gene‐level p value cutoffs ≤3.08 × 10 −5 ). Of the thirteen independent SNPs observed to be associated with cancer risk, novel findings were observed for seven loci. Across the DCLRE1B region, rs974494 and rs12144215 were inversely associated with prostate and lung cancers, and colorectal, breast, and prostate cancers, respectively. Across the TERC region, rs75316749 was positively associated with colorectal, breast, ovarian, and lung cancers. Across the DCLRE1B region, rs974404 and rs12144215 were inversely associated with prostate and lung cancers, and colorectal, breast, and prostate cancers, respectively. Near POT1 , rs116895242 was inversely associated with colorectal, ovarian, and lung cancers, and RTEL1 rs34978822 was inversely associated with prostate and lung cancers. The complex association patterns in telomere‐related genes across cancer types may provide insight into mechanisms through which telomere dysfunction in different tissues influences cancer risk.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».