Investigating the effects of lycopene and green tea on the metabolome of men at risk of prostate cancer: The ProDiet randomised controlled trial
Notice bibliographique
Résumé
Lycopene and green tea consumption have been observationally associated with reduced prostate cancer risk, but the underlying mechanisms have not been fully elucidated. We investigated the effect of factorial randomisation to a 6‐month lycopene and green tea dietary advice or supplementation intervention on 159 serum metabolite measures in 128 men with raised PSA levels (but prostate cancer‐free), analysed by intention‐to‐treat. The causal effects of metabolites modified by the intervention on prostate cancer risk were then assessed by Mendelian randomisation, using summary statistics from 44,825 prostate cancer cases and 27,904 controls. The systemic effects of lycopene and green tea supplementation on serum metabolic profile were comparable to the effects of the respective dietary advice interventions ( R 2 = 0.65 and 0.76 for lycopene and green tea respectively). Metabolites which were altered in response to lycopene supplementation were acetate [ β (standard deviation difference vs . placebo): 0.69; 95% CI = 0.24, 1.15; p = 0.003], valine ( β : −0.62; −1.03, −0.02; p = 0.004), pyruvate ( β : −0.56; −0.95, −0.16; p = 0.006) and docosahexaenoic acid ( β : −0.50; −085, −0.14; p = 0.006). Valine and diacylglycerol were lower in the lycopene dietary advice group (β: −0.65; −1.04, −0.26; p = 0.001 and β : −0.59; −1.01, −0.18; p = 0.006). A genetically instrumented SD increase in pyruvate increased the odds of prostate cancer by 1.29 (1.03, 1.62; p = 0.027). An intervention to increase lycopene intake altered the serum metabolome of men at risk of prostate cancer. Lycopene lowered levels of pyruvate, which our Mendelian randomisation analysis suggests may be causally related to reduced prostate cancer risk.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».