Pharmacogenomics of Nicotine Metabolism: Novel CYP2A6 and CYP2B6 Genetic Variation Patterns in Alaska Native and American Indian Populations
Notice bibliographique
Résumé
INTRODUCTION: Alaska Native and American Indian (AN/AI) populations have higher tobacco use prevalence than other ethnic/racial groups. Pharmacogenetic testing to tailor tobacco cessation treatment may improve cessation rates. This study characterized polymorphic variations among AN/AI people in genes associated with metabolism of nicotine and drugs used for tobacco cessation. METHODS: Recruitment of AN/AI individuals represented six subgroups, five geographic subgroups throughout Alaska and a subgroup comprised of AIs from the lower 48 states living in Alaska. We sequenced the CYP2A6 and CYP2B6 genes to identify known and novel gain, reduced, and loss-of-function alleles, including structural variation (eg, gene deletions, duplications, and hybridizations). RESULTS: Variant allele frequencies differed substantially between AN/AI subgroups. The gene deletion CYP2A6*4 and reduced function CYP2A6*9 alleles were found at high frequency in Northern/Western subgroups and in Lower 48/Interior subgroups, respectively. The reduced function CYP2B6*6 allele was observed in all subgroups and a novel, predicted reduced function CYP2B6 variant was found at relatively high frequency in the Southeastern subgroup. CONCLUSIONS: Diverse CYP2A6 and CYP2B6 variation among the subgroups highlight the need for comprehensive pharmacogenetic testing to guide tobacco cessation therapy for AN/AI populations. IMPLICATIONS: Nicotine metabolism is largely determined by CYP2A6 genotype, and variation in CYP2A6 activity has altered the treatment success in other populations. These findings suggest pharmacogenetic-guided smoking cessation drug treatment could provide benefit to this unique population seeking tobacco cessation therapy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».