Functional informed genome‐wide interaction analysis of body mass index, diabetes and colorectal cancer risk
Notice bibliographique
Résumé
Abstract Background Body mass index (BMI) and diabetes are established risk factors for colorectal cancer (CRC), likely through perturbations in metabolic traits (e.g. insulin resistance and glucose homeostasis). Identification of interactions between variation in genes and these metabolic risk factors may identify novel biologic insights into CRC etiology. Methods To improve statistical power and interpretation for gene‐environment interaction (G × E) testing, we tested genetic variants that regulate expression of a gene together for interaction with BMI (kg/m 2 ) and diabetes on CRC risk among 26 017 cases and 20 692 controls. Each variant was weighted based on PrediXcan analysis of gene expression data from colon tissue generated in the Genotype‐Tissue Expression Project for all genes with heritability ≥1%. We used a mixed‐effects model to jointly measure the G × E interaction in a gene by partitioning the interactions into the predicted gene expression levels (fixed effects), and residual G × E effects (random effects). G × BMI analyses were stratified by sex as BMI‐CRC associations differ by sex. We used false discovery rates to account for multiple comparisons and reported all results with FDR <0.2. Results Among 4839 genes tested, genetically predicted expressions of FOXA1 ( P = 3.15 × 10 −5 ), PSMC5 ( P = 4.51 × 10 −4 ) and CD33 ( P = 2.71 × 10 −4 ) modified the association of BMI on CRC risk for men; KIAA0753 ( P = 2.29 × 10 −5 ) and SCN1B ( P = 2.76 × 10 −4 ) modified the association of BMI on CRC risk for women; and PTPN2 modified the association between diabetes and CRC risk in both sexes ( P = 2.31 × 10 −5 ). Conclusions Aggregating G × E interactions and incorporating functional information, we discovered novel genes that may interact with BMI and diabetes on CRC risk.
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 ».