<i>HLA</i>and<i>KIR</i>Associations of Cervical Neoplasia
Notice bibliographique
Résumé
Background: Cervical cancer is the fourth most common cancer in women, and we recently reported human leukocyte antigen (HLA) alleles showing strong associations with cervical neoplasia risk and protection. HLA ligands are recognized by killer immunoglobulin-like receptors (KIRs) expressed on a range of immune cell subsets, governing their proinflammatory activity. We hypothesized that the inheritance of particular HLA-KIR combinations would increase cervical neoplasia risk. Methods: Here, we used HLA and KIR dosages imputed from single-nucleotide polymorphism genotype data from 2143 cervical neoplasia cases and 13858 healthy controls of European decent. Results: The following 4 novel HLA alleles were identified in association with cervical neoplasia, owing to their linkage disequilibrium with known cervical neoplasia-associated HLA-DRB1 alleles: HLA-DRB3*9901 (odds ratio [OR], 1.24; P = 2.49 × 10-9), HLA-DRB5*0101 (OR, 1.29; P = 2.26 × 10-8), HLA-DRB5*9901 (OR, 0.77; P = 1.90 × 10-9), and HLA-DRB3*0301 (OR, 0.63; P = 4.06 × 10-5). We also found that homozygosity of HLA-C1 group alleles is a protective factor for human papillomavirus type 16 (HPV16)-related cervical neoplasia (C1/C1; OR, 0.79; P = .005). This protective association was restricted to carriers of either KIR2DL2 (OR, 0.67; P = .00045) or KIR2DS2 (OR, 0.69; P = .0006). Conclusions: Our findings suggest that HLA-C1 group alleles play a role in protecting against HPV16-related cervical neoplasia, mainly through a KIR-mediated mechanism.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,004 | 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 ».