Complexity of mechanisms among human proprotein convertase subtilisin–kexin type 9 variants
Notice bibliographique
Résumé
PURPOSE OF REVIEW: There are many reports of human variants in proprotein convertase subtilisin-kexin type 9 (PCSK9) that are either gain-of-function (GOF) or loss-of-function (LOF), with downstream effects on LDL cholesterol and cardiovascular disease (CVD) risk. However, data on particular mechanisms have only been minimally curated. RECENT FINDINGS: GOF variants are individually ultrarare, affect all domains of the protein, act to reduce LDL receptor expression through several mechanisms, are a minor cause of familial hypercholesterolemia, have been reported mainly within families, have variable LDL cholesterol-raising effects, and are associated with increased CVD risk mainly through observational studies in families and small cohorts. In contrast, LOF variants can be either ultrarare mutations or relatively more common polymorphisms seen in populations, affect all domains of the protein, act to increase LDL receptor expression through several mechanisms, have variable LDL cholesterol-lowering effects, and have been associated with decreased CVD risk mainly through Mendelian randomization studies in epidemiologic populations. SUMMARY: There is considerable complexity underlying the clinical concept of both LOF and GOF variants of PCSK9. But despite the underlying mechanistic heterogeneity, altered PCSK9 secretion or function is ultimately correlated with plasma LDL cholesterol level, which is also the driver of CVD outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».