Metabolic profiling of adherence to diet, physical activity and body size recommendations for cancer prevention
Notice bibliographique
Résumé
Abstract Maintaining a healthy body weight, eating well and being physically active lowers cancer risk by 30%. However, the biology underlying these relationships is not well understood. We examined cross-sectional associations between metabolites and cancer preventive behaviors as well as the relevance to cancer-related pathways among 120 participants (50% men, mean BMI 26.6 kg/m 2 , mean age 54 years) with no history of smoking or cancer. Participants completed questionnaires, physical measurements and provided blood samples. Non-targeted nuclear magnetic resonance captured 223 metabolite measures. Factor analysis was performed separately for amino acid, fatty acid and lipoprotein groups. Multivariable-adjusted linear regression was used to evaluate associations between cancer preventive recommendations and metabolite-containing factors (p-value < 0.05, false discovery rate <0.20). An inflammation-related metabolite (glycoprotein acetylation) loaded strongly on a factor that was associated with excess adiposity (body fat ≥25% (men) or ≥30% (women) ß (SE) = 0.74 (0.18)) and not meeting physical activity recommendations (ß (SE) = 0.40 (0.20)). Insulin sensitivity-related metabolites including monounsaturated and polyunsaturated fats were lower among participants not meeting recommendations for adiposity, fruits and vegetables and physical activity while branched chain amino acids were higher. Cancer preventive behaviors were associated with complex metabolic signatures, including alterations in pathways known to be involved in cancer pathogenesis.
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 | 0,000 |
| 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) | 0,001 | 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 ».