Genome‐wide interaction study of early‐life smoking exposure on time‐to‐asthma onset in childhood
Notice bibliographique
Résumé
Abstract Background Asthma, a heterogeneous disease with variable age of onset, results from the interplay between genetic and environmental factors. Early‐life tobacco smoke (ELTS) exposure is a major asthma risk factor. Only a few genetic loci have been reported to interact with ELTS exposure in asthma. Objective Our aim was to identify new loci interacting with ELTS exposure on time‐to‐asthma onset (TAO) in childhood. Methods We conducted genome‐wide interaction analyses of ELTS exposure on time‐to‐asthma onset in childhood in five European‐ancestry studies (totalling 8273 subjects) using Cox proportional‐hazard model. The results of all five genome‐wide analyses were meta‐analysed. Results The 13q21 locus showed genome‐wide significant interaction with ELTS exposure ( P = 4.3 × 10 −8 for rs7334050 within KLHL1 with consistent results across the five studies). Suggestive interactions ( P < 5 × 10 −6 ) were found at three other loci: 20p12 (rs13037508 within MACROD2 ; P = 4.9 × 10 −7 ), 14q22 (rs7493885 near NIN ; P = 2.9 × 10 −6 ) and 2p22 (rs232542 near CYP1B1 ; P = 4.1 × 10 −6 ). Functional annotations and the literature showed that the lead SNPs at these four loci influence DNA methylation in the blood and are located nearby CpG sites reported to be associated with exposure to tobacco smoke components, which strongly support our findings. Conclusions and Clinical Relevance We identified novel candidate genes interacting with ELTS exposure on time‐to‐asthma onset in childhood. These genes have plausible biological relevance related to tobacco smoke exposure. Further epigenetic and functional studies are needed to confirm these findings and to shed light on the underlying mechanisms.
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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».