Genetic Polymorphisms And Hair, Blood And Urine Mercury Levels: A Gene Environment Study Of Mercury In The American Dental Association (ADA) Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background/Aims: Mercury (Hg) is a potent toxicant of concern to the general public. Recent studies suggest that several genes that mediate mercury metabolism are polymorphic. We hypothesize that single nucleotide polymorphisms (SNPs) in such genes may underline inter-individual differences in exposure biomarkers. Methods: Dental professionals (n =908) were recruited during the American Dental Association (ADA) 2012 Annual Meeting. Samples of hair, blood, and urine were collected for inorganic/organic mercury levels and genotyping (119 SNPs). Questionnaires were administrated for demographics and fish consumption. ANOVA and linear regressions were used for statistical analysis. Results: Mean (geometric) mercury levels in hair (hHg), blood (bHg), urine (uHg) and the average mercury intake from fish were 0.62µg/g, 3.75µg/L, 1.32µg/L, and 0.12µg/kg/d, respectively. Out of 119 SNPs genotyped, 89 SNPs were eligible for further analysis after screening. Hg biomarker levels differed by genotype for 14 SNPs. Five SNPs, mostly in transporter genes, showed specific group differences for hHg and bHg ratio. When the associations between Hg contributors (base model) and biomarkers were analyzed with respect to SNPs, many main and gene-environment interactions were significant. Out of 89 SNPs evaluated, 21, 24, and 5 SNPs showed significant main effects for hHg, bHg and uHg level, respectively. Similarly, 20, 10, and 4 gene-environment interactions showed significant interaction effects for hHg, bHg and uHg level, respectively. Conclusion: The findings suggest that polymorphisms in environmentally-responsive genes can influence Hg biomarker levels. Hence, consideration of such gene-environment factors may improve our ability to assess the health risks of Hg more precisely.
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.
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 | 0,000 |
| 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 découle