MétaCan
Menu
Retour à la cohorte
Enregistrement W2604769440 · doi:10.1158/1055-9965.epi-16-0838

Genetic Determinants of 1,3-Butadiene Metabolism and Detoxification in Three Populations of Smokers with Different Risks of Lung Cancer

2017· article· en· W2604769440 sur OpenAlexfundno aff
Emily J. Boldry, Yesha Patel, Srikanth Kotapati, Amanda Esades, Sungshim L. Park, Maarit Tiirikainen, Daniel O. Stram, Loı̈c Le Marchand, Natalia Tretyakova

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics, phytochemicals, and oxidative stress
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Institutes of HealthMountain Equipment Co-operativeNational Cancer InstituteUSC Norris Comprehensive Cancer Center
Mots-clésCarcinogenUrineTobacco smokeUrinary systemSingle-nucleotide polymorphismLung cancerMetabolismBiologyCancerInternal medicineEndocrinologyPhysiologyGeneticsMedicineGeneGenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Background: 1,3-Butadiene (BD) is an important carcinogen in tobacco smoke that undergoes metabolic activation to DNA-reactive epoxides. These species can be detoxified via glutathione conjugation and excreted in urine as the corresponding N-acetylcysteine conjugates. We hypothesize that single nucleotide polymorphisms (SNPs) in BD-metabolizing genes may change the balance of BD bioactivation and detoxification in White, Japanese American, and African American smokers, potentially contributing to ethnic differences in lung cancer risk. Methods: We measured the levels of BD metabolites, 1- and 2-(N-acetyl-L-cysteine-S-yl)-1-hydroxybut-3-ene (MHBMA) and N-acetyl-S-(3,4-dihydroxybutyl)-L-cysteine (DHBMA), in urine samples from a total of 1,072 White, Japanese American, and African American smokers and adjusted these values for body mass index, age, batch, and total nicotine equivalents. We also conducted a genome-wide association study to identify genetic determinants of BD metabolism. Results: We found that mean urinary MHBMA concentrations differed significantly by ethnicity (P = 4.0 × 10−25). African Americans excreted the highest levels of MHBMA followed by Whites and Japanese Americans. MHBMA levels were affected by GSTT1 gene copy number (P < 0.0001); conditional on GSTT1, no other polymorphisms showed a significant association. Urinary DHBMA levels also differed between ethnic groups (P = 3.3 × 10−4), but were not affected by GSTT1 copy number (P = 0.226). Conclusions: GSTT1 gene deletion has a strong effect on urinary MHBMA levels, and therefore BD metabolism, in smokers. Impact: Our results show that the order of MHBMA levels among ethnic groups is consistent with their respective lung cancer risk and can be partially explained by GSTT1 genotype. Cancer Epidemiol Biomarkers Prev; 26(7); 1034–42. ©2017 AACR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,405
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetGenomics, phytochemicals, and oxidative stressTravaux en français237 207