Deciphering DMET genetic data: comprehensive assessment of Northwestern Han, Tibetan, Uyghur populations and their comparison to eleven 1000 genome populations
Notice bibliographique
Résumé
We investigated the allele frequencies of drug absorption, distribution, metabolism and elimination (ADME)-related drug-metabolizing enzymes and transporters (DMET) genes in the Northwestern Han, Tibetan and Uyghur populations and compared the related genes in these three populations with those in eleven 1000 Genome populations. We examined 1936 single nucleotide polymorphisms of 225 DMET genes involved in ADME processes and found 732, 679 and 804 sites were polymorphic in Han, Tibetan and Uyghur. Tibetan differed from Han in only four sites (p < .05), whereas Uyghur differed from Han and Tibetan in 24 and 21 sites, respectively (p < .05). The distributions of 1058 genotyping data of 245 individuals from Han, Tibetan and Uyghur were compared with 1207 other individuals from the eleven 1000 Genomes populations. The top four populations in Han that exhibited the smallest pairwise Fst values were CHB, Tibetan, CHD and JPT; those in Tibetan were Han, CHB, Uyghur and CHD; and those in Uyghur were Han, Tibetan, GIH and CEU. MEGA results revealed that CHB, CHD, JPT, Han, Tibetan and Uyghur were grouped in cluster 1. GIH, MEX, CEU and TSI were grouped in cluster 2. MKK, ASW, LWK and YRI were grouped in cluster 3.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».