Candidate SNP analyses integrated with mRNA expression and hormone levels reveal influence on mammographic density and breast cancer risk
Notice bibliographique
Résumé
Background: Mammographic density (MD) is a well-known risk factor for breast cancer. Genetic factors may account for as much as 30-60% of variation in MD, but the specific genes responsible for MD remain largely unknown. In the current study, we use a candidate gene approach to identify genes with a putative effect on MD. Genotypic profiles of single nucleotide polymorphisms (SNPs) within these genes were obtained and tested for association with MD. In addition expression profiles and hormone data were used to further investigate these associations. Methods: We have analyzed 257 SNPs in 165 genes in two sample materials (n=454) using a discovery and verification approach in order to identify SNP markers of MD. Hormone and, when available, gene expression levels obtained from biopsies taken from breasts with varying density were also included in the analyses in order to investigate the functional role of the identified genetic factors in MD. Results: We identified 28 SNPs associated with MD in both datasets, ten of which have a p-value ≤ 0.05. Of these ten, seven are associated in cis (p≤ 0.05) with mRNA expression levels measured from breast biopsies of which four are directly involved in the signalling, metabolism and regulation of estradiol. Conclusion: SNPs residing in genes belonging to the estradiol-signaling pathway were found associated with MD in two cohorts of Norwegian postmenopausal women. Coupled with gene expression, these results aid in the understanding of the molecular signature in mammographically dense breasts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».