Circulating markers of cellular immune activation in prediagnostic blood sample and lung cancer risk in the Lung Cancer Cohort Consortium (LC3)
Notice bibliographique
Résumé
Cell‐mediated immune suppression may play an important role in lung carcinogenesis. We investigated the associations for circulating levels of tryptophan, kynurenine, kynurenine:tryptophan ratio (KTR), quinolinic acid (QA) and neopterin as markers of immune regulation and inflammation with lung cancer risk in 5,364 smoking‐matched case–control pairs from 20 prospective cohorts included in the international Lung Cancer Cohort Consortium. All biomarkers were quantified by mass spectrometry‐based methods in serum/plasma samples collected on average 6 years before lung cancer diagnosis. Odds ratios (ORs) and 95% confidence intervals (CIs) for lung cancer associated with individual biomarkers were calculated using conditional logistic regression with adjustment for circulating cotinine. Compared to the lowest quintile, the highest quintiles of kynurenine, KTR, QA and neopterin were associated with a 20–30% higher risk, and tryptophan with a 15% lower risk of lung cancer (all p trend < 0.05). The strongest associations were seen for current smokers, where the adjusted ORs (95% CIs) of lung cancer for the highest quintile of KTR, QA and neopterin were 1.42 (1.15–1.75), 1.42 (1.14–1.76) and 1.45 (1.13–1.86), respectively. A stronger association was also seen for KTR and QA with risk of lung squamous cell carcinoma followed by adenocarcinoma, and for lung cancer diagnosed within the first 2 years after blood draw. This study demonstrated that components of the tryptophan–kynurenine pathway with immunomodulatory effects are associated with risk of lung cancer overall, especially for current smokers. Further research is needed to evaluate the role of these biomarkers in lung carcinogenesis and progression.
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 | 0,001 |
| 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) | 0,000 | 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 ».