Dissecting the genetic overlap of smoking behaviors, lung cancer, and chronic obstructive pulmonary disease: A focus on nicotinic receptors and nicotine metabolizing enzyme
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
Abstract Smoking is a major contributor to lung cancer and chronic obstructive pulmonary disease (COPD). Two of the strongest genetic associations of smoking‐related phenotypes are the chromosomal regions 15q25.1, encompassing the nicotinic acetylcholine receptor subunit genes CHRNA5‐CHRNA3‐CHRNB4 , and 19q13.2, encompassing the nicotine metabolizing gene CYP2A6 . In this study, we examined genetic relations between cigarettes smoked per day, smoking cessation, lung cancer, and COPD. Data consisted of genome‐wide association study summary results. Genetic correlations were estimated using linkage disequilibrium score regression software. For each pair of outcomes, z‐score‐z‐score (ZZ) plots were generated. Overall, heavier smoking and decreased smoking cessation showed positive genetic associations with increased lung cancer and COPD risk. The chromosomal region 19q13.2, however, showed a different correlational pattern. For example, the effect allele‐C of the sentinel SNP (rs56113850) within CYP2A6 was associated with an increased risk of heavier smoking ( z ‐score = 19.2; p = 1.10 × 10 −81 ), lung cancer ( z ‐score = 8.91; p = 5.02 × 10 −19 ), and COPD ( z ‐score = 4.04; p = 5.40 × 10 −5 ). Surprisingly, this allele‐C (rs56113850) was associated with increased smoking cessation ( z ‐score = −8.17; p = 2.52 × 10 −26 ). This inverse relationship highlights the need for additional investigation to determine how CYP2A6 variation could increase smoking cessation while also increasing the risk of lung cancer and COPD likely through increased cigarettes smoked per day.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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