Modeling Gene-Environment Interaction for the Risk of Non-hodgkin Lymphoma
Notice bibliographique
Résumé
Background Non-Hodgkin lymphoma (NHL) is one of the most common and deadly cancers. There is limited analysis of gene-environment interactions for the risk of NHL. This study intends to explore the interactions between genetic variants and environmental factors, and how they contribute to NHL risk. Methods A case-control study was performed in Shanghai, China. The cases were diagnosed between 2003 and 2008 with patients aged 18 years or older. Samples and SNPs which did not satisfy quality control were excluded from the analysis. Weighted and unweighted genetic risk scores (GRS) and environmental risk scores were generated using clustering analysis algorithm. Univariate and multivariable logistic regression analyses were conducted. Moreover, genetics and environment interactions (G x E) were tested on the NHL cases and controls. Results After quality control, there are 22 SNPs, 11 environmental variables and 5 demographical variables to be explored. For logistic regression analyses, 5 SNPs (rs1800893, rs4251961, rs1800630, rs13306698, rs1799931) and environmental tobacco smoking showed statistically significant associations with the risk of NHL. Odds ratio (OR) and 95% confidence interval (CI) was 10.82 (4.34-28.88) for rs13306698, 2.84 (1.66- 4.95) for rs1800893, and 2.54 (1.43- 4.58) for rs4251961. For G x E analysis, the interaction between smoking and dichotomized weighted GRS showed statistically significant association with NHL (OR= 0.23, 95% CI= (0.09, 0.61)). Conclusions Several genetic and environmental risk factors and their interactions associated with the risk of NHL have been identified. Replication in other cohorts is needed to validate the results.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».