Combination of 247 Genome-Wide Association Studies Reveals High Cancer Risk as a Result of Evolutionary Adaptation
Notice bibliographique
Résumé
Analysis of GLOBOCAN-2012 data shows clearly here that cancer incidence worldwide is highly related with low average annual temperatures and extreme low temperatures. This applies for all cancers together or separately for many frequent or rare cancer types (all cancers P = 9.49×10-18). Supporting fact is that Inuit people, living at extreme low temperatures, have the highest cancer rates today. Hypothesizing an evolutionary explanation, 240 cancer genome-wide association studies, and seven genome-wide association studies for cold and high-altitude adaptation were combined. A list of 1,377 cancer-associated genes was created to initially investigate whether cold selected genes are enriched with cancer-associated genes. Among Native Americans, Inuit and Eskimos, the highest association was observed for Native Americans (P = 6.7×10-5). An overall or a meta-analysis approach confirmed further this result. Similar approach for three populations living at extreme high altitude, revealed high association for Andeans-Tibetans (P = 1.3×10-11). Overall analysis or a meta-analysis was also significant. A separate analysis showed special selection for tumor suppressor genes. These results can be viewed along with those of previous functional studies that showed that reduced apoptosis potential due to specific p53 variants (the most important tumor suppressor gene) is beneficial in high-altitude and cold environments. In conclusion, this study shows that genetic variants selected for adaptation at extreme environmental conditions can increase cancer risk later on age. This is in accordance with antagonistic pleiotropy hypothesis.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».