MétaCan
Menu
Retour à la cohorte
Enregistrement W2885032805 · doi:10.1158/1538-7445.am2018-5268

Abstract 5268: Interactions between genetic predictors of gene expression and dietary factors associated with risk of colorectal cancer

2018· article· en· W2885032805 sur OpenAlexaff
Paneen S. Petersen, Yu‐Ru Su, Sonja I. Berndt, Stephanie A. Bien, Hermann Brenner, Graham Casey, Andrew T. Chan, Jenny Chang‐Claude, Jane C. Figueiredo, Steven Gallinger, Robert W. Haile, Tabitha A. Harrison, Michael Hoffmeister, Mark A. Jenkins, Amit D. Joshi, Sébastien Küry, Loı̈c Le Marchand, Yi Lin, Noralane M. Lindor, Polly A. Newcomb, John D. Potter, Robert E. Schoen, Martha L. Slattery, Stephen N. Thibodeau, Emily White, Li Hsu, Ulrike Peters

Notice bibliographique

RevueCancer Research · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésSingle-nucleotide polymorphismColorectal cancerGenome-wide association studyHeritabilityBiologyGeneticsRed meatGenetic associationCancerSNPFalse discovery rateTranscriptomeComputational biologyGeneBioinformaticsGene expressionGenotypeFood science

Résumé

récupéré en direct d'OpenAlex

Abstract Genome-wide association studies of colorectal cancer (CRC) have identified over 50 susceptibility loci. These variants represent only a small fraction of total heritability for CRC. Gene-environment (GxE) interaction studies may help identify novel loci and biological interactions that give insight to the pathogenesis of CRC. Previous genome-wide GxE studies with dietary factors have identified interactions between loci and processed meat consumption and alcohol; however, limited statistical power remains a primary concern. Set-based SNP testing has the potential to increase statistical power to detect GxE interactions by aggregating functionally relevant SNPs. In this large pooled analysis using 14 case-control and nested case-control studies, we incorporated functional information from the transcriptome prediction tool, PrediXcan, into a novel set-based approach for testing GxE interactions. We used variant weights from the PrediXcan models of tissue-specific gene expression in the transverse colon as a priori variant information for a set-based GxE approach. We restricted our analysis to variants in the PrediXcan transverse colon gene models (n = 4,842). This discovery phase included 10,360 CRC and advanced adenoma cases, and 11,183 controls of European ancestry from the Genetics and Epidemiology of Colorectal Cancer Consortium (GECCO) and the Colon Cancer Family Registry. All 14 studies were analyzed together in a pooled data set using the Mixed Effects Score Tests for interactions. We tested for gene interactions with sex- and study- specific quartiles of dietary intake of red meat (servings/day), processed meat (servings/day), vegetables (servings/day), fruits (servings/day), and fiber (g/day). We detected two genes with suggestive interactions (false discovery rate (FDR) < 0.2) with intake of red meat and risk of CRC: Superoxide Dismutase 2 (SOD2) and Ubiquitin Conjugating Enzyme E2 H (UBE2H). No interactions at FDR < 0.2 were observed for processed meat, vegetables, fruits, or fiber. The SOD2 gene, which encodes an enzyme important in apoptotic signaling and clearing of reactive oxygen species, may regulate response to colonic exposure to heme iron or increased bile acid from high-fat content in red meat. UBE2H is part of the ubiquitin-proteasome system that has a role in Wnt signaling, which can be mediated by heme iron in red meat and is commonly found dysregulated in cancer. These findings highlight the efficacy of integrating functional information and set-based testing for novel discovery of genes interacting with known dietary risk factors of CRC. We plan to replicate these findings in additional studies. Citation Format: Paneen S. Petersen, Yu-Ru Su, Sonja I. Berndt, Stephanie A. Bien, Hermann Brenner, Graham Casey, Andrew T. Chan, Jenny Chang-Claude, Jane C. Figueiredo, Steven J. Gallinger, Robert W. Haile, Tabitha A. Harrison, Michael Hoffmeister, Mark A. Jenkins, Amit D. Joshi, Sébastien Küry, Loic Le Marchand, Yi Lin, Noralane M. Lindor, Polly A. Newcomb, John D. Potter, Robert Schoen, Martha L. Slattery, Stephen N. Thibodeau, Emily White, Li Hsu, Ulrike Peters, CCFR, GECCO. Interactions between genetic predictors of gene expression and dietary factors associated with risk of colorectal cancer [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2018; 2018 Apr 14-18; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2018;78(13 Suppl):Abstract nr 5268.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,046
Tête enseignante GPT0,360
Écart entre enseignants0,313 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207