Effect of smoking on the genetic makeup of toll-like receptors 2 and 6
Notice bibliographique
Résumé
Background: Cigarette smoking is a major risk factor for lung cancer, asthma, and oral cancer, and is central to the altered innate immune responsiveness to infection. Many hypotheses have provided evidence that cigarette smoking induces more genetic changes in genes involved in the development of many cigarette-related diseases. This alteration may be from single-nucleotide polymorphisms (SNPs) in innate immunity genes, especially the toll-like receptors (TLRs). Objective: In this study, the genotype frequencies of TLR2 and TLR6 in smoking and nonsmoking population were examined. Methods: Saliva samples were collected from 177 smokers and 126 nonsmokers. The SNPs used were rs3804100 (1350 T/C, Ser450Ser) and rs3804099 (597 T/C, Asn199Asn) for TLR2 and rs3796508 (979 G/A, Val327Met) and rs5743810 (745 T/C, Ser249Pro) for TLR6. Results: Results showed that TLR2 rs3804100 has a significant effect in short-term smokers (OR =2.63; P =0.04), and this effect is not observed in long-term smokers (>5 years of smoking). Therefore, this early mutation may be repaired by the DNA repair system. For TLR2 rs3804099, the variation in genotype frequencies between the smokers and control patients was due to a late mutation, and its protective role appears only in long-term smokers (OR =0.40, P =0.018). In TLR6 rs5743810, the TT genotype is significantly higher in smokers than in nonsmokers (OR =6.90). The effect of this SNP is observed in long-term smokers, regardless of the smoking regime per day. Conclusion: TLR2 (rs3804100 and rs3804099) and TLR6 (rs5743810) can be used as a potential index in the diagnosis and prevention of more diseases caused by smoking. Keywords: polymorphism, toll-like receptor, genotyping, smoking, TLR2, TLR6
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) | 0,000 | 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 ».