Polymorphisms in FFAR4 (GPR120) Gene Modulate Insulin Levels and Sensitivity after Fish Oil Supplementation
Notice bibliographique
Résumé
The objective was to test whether FFAR4 single nucleotide polymorphisms (SNPs) are associated with glycemic control-related traits in humans following fish oil supplementation. A total of 210 participants were given 3 g/day of omega-3 (n-3) fatty acids (FA) (1.9–2.2 g of eicosapentaenoic acid (EPA) and 1.1 g of docosahexaenoic acid (DHA)) during six weeks. Biochemical parameters were taken before and after the supplementation. Using the HapMap database and the tagger procedure in Haploview, 12 tagging SNPs in FFAR4 were selected and then genotyped using TaqMan technology. Transcript expression levels were measured for 30 participants in peripheral mononuclear blood cells. DNA methylation levels were measured for 35 participants in leukocytes. In silico analyses were also performed. Four gene–diet interactions on fasting insulin levels and homeostatic model assessment of insulin resistance (HOMA-IR) index values were found. rs17108973 explained a significant proportion of the variance of insulin levels (3.0%) and HOMA-IR (2.03%) index values. Splice site prediction was different depending on the allele for rs11187527. rs17108973 and rs17484310 had different affinity for transcription factors depending on the allele. n-3 FAs effectively improve insulin-related traits for major allele homozygotes of four FFAR4 SNPs as opposed to carriers of the minor alleles.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».