MétaCan
Menu
Retour à la cohorte
Enregistrement W2774341657 · doi:10.3390/jpm7040018

Variation in CYP2A6 Activity and Personalized Medicine

2017· review· en· W2774341657 sur OpenAlexaff
Julie‐Anne Tanner, Rachel F. Tyndale

Notice bibliographique

RevueJournal of Personalized Medicine · 2017
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésCYP2A6NicotinePharmacologyMedicineCotinineCYP2B6Smoking cessationBiologyMetabolismCYP1A2Cytochrome P450Internal medicine

Résumé

récupéré en direct d'OpenAlex

The cytochrome P450 2A6 (CYP2A6) enzyme metabolizes several clinically relevant substrates, including nicotine—the primary psychoactive component in cigarette smoke. The gene that encodes the CYP2A6 enzyme is highly polymorphic, resulting in extensive interindividual variation in CYP2A6 enzyme activity and the rate of metabolism of nicotine and other CYP2A6 substrates including cotinine, tegafur, letrozole, efavirenz, valproic acid, pilocarpine, artemisinin, artesunate, SM-12502, caffeine, and tyrosol. CYP2A6 expression and activity are also impacted by non-genetic factors, including induction or inhibition by pharmacological, endogenous, and dietary substances, as well as age-related changes, or interactions with other hepatic enzymes, co-enzymes, and co-factors. As variation in CYP2A6 activity is associated with smoking behavior, smoking cessation, tobacco-related lung cancer risk, and with altered metabolism and resulting clinical responses for several therapeutics, CYP2A6 expression and enzyme activity is an important clinical consideration. This review will discuss sources of variation in CYP2A6 enzyme activity, with a focus on the impact of CYP2A6 genetic variation on metabolism of the CYP2A6 substrates.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,380
Tête enseignante GPT0,563
Écart entre enseignants0,184 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations166
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207