MétaCan
Menu
Retour à la cohorte
Enregistrement W3163542892 · doi:10.3390/cancers13102370

Gene-Environment Interactions Relevant to Estrogen and Risk of Breast Cancer: Can Gene-Environment Interactions Be Detected Only among Candidate SNPs from Genome-Wide Association Studies?

2021· article· en· W3163542892 sur OpenAlexafffund
JooYong Park, Ji‐Yeob Choi, Jaesung Choi, Seokang Chung, Nan Song, Sue K. Park, Wonshik Han, Dong‐Young Noh, Sei-Hyun Ahn, Jong Won Lee, Mi Kyung Kim, Sun Ha Jee, Wanqing Wen, Manjeet K. Bolla, Qin Wang, Joe Dennis, Kyriaki Michailidou, Mitul Shah, Don Conroy, Patricia Harrington, Rebecca Mayes, Kamila Czene, Per Hall, Lauren R. Teras, Alpa V. Patel, Fergus J. Couch, Janet E. Olson, Elinor J. Sawyer, Rebecca Roylance, Stig E. Bojesen, Henrik Flyger, Diether Lambrechts, Adinda Baten, Keitaro Matsuo, Hidemi Ito, Pascal Guénel, Thérèse Truong, Renske Keeman, Marjanka K. Schmidt, Anna H. Wu, Chiu-Chen Tseng, Angela Cox, Simon S. Cross, Irene L. Andrulis, John L. Hopper, Melissa C. Southey, Pei‐Ei Wu, Chen‐Yang Shen, Peter A. Fasching, Arif B. Ekici, Kenneth Muir, Artitaya Lophatananon, Hermann Brenner, Volker Arndt, Michael E. Jones, Anthony J Swerdlow, Reiner Hoppe, Yon-Dschun Ko, Mikael Hartman, Jingmei Li, Arto Mannermaa, Jaana M. Hartikainen, Javier Benítez, Anna González‐Neira, Christopher A. Haiman, Thilo Dörk, Natalia Bogdanova, Soo‐Hwang Teo, Nur Aishah Mohd Taib, Olivia Fletcher, Nichola Johnson, Mervi Grip, Robert Winqvist, Carl Blomqvist, Heli Nevanlinna, Annika Lindblom, Camilla Wendt, Vessela N. Kristensen, Rob A.�E.�M. Tollenaar, Bernadette A. M. Heemskerk‐Gerritsen, Paolo Radice, Bernardo Bonanni, Ute Hamann, Mehdi Manoochehri, James V. Lacey, Maria Elena Martinez, Alison M. Dunning, Paul D.P. Pharoah, Douglas F. Easton, Keun-Young Yoo, Daehee Kang

Notice bibliographique

RevueCancers · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesMedical Research and Materiel CommandInstitute of Biomedical Sciences, Academia SinicaUniversitätsklinikum Hamburg-EppendorfBiomedical Research CouncilCancer Council TasmaniaMedical Research CouncilCanadian Institutes of Health ResearchManchester Biomedical Research CentreU.S. ArmyNational Institutes of HealthAgence Nationale de Sécurité Sanitaire de l’Alimentation, de l’Environnement et du TravailNational Health and Medical Research CouncilOulun YliopistoDeutsche KrebshilfeNorges ForskningsrådCenters for Disease Control and PreventionInstitut National Du CancerLeids Universitair Medisch CentrumAssociazione Italiana per la Ricerca sul CancroKWF KankerbestrijdingStockholms Läns LandstingSeoul National University HospitalKarolinska InstitutetInstituto de Salud Carlos IIINational Research Foundation of KoreaMinistry of Education, Science and TechnologyOvarian Cancer Research FundMinistry of Education, Culture, Sports, Science and TechnologyBundesministerium für Bildung und ForschungMinisterio de Economía y CompetitividadNational Breast Cancer FoundationSeoul National UniversityKing's College LondonAcademy of FinlandCancer AustraliaAgence Nationale de la RechercheRobert Bosch StiftungAgency for Science, Technology and ResearchCancer Council South AustraliaAmerican Cancer SocietyFonds Wetenschappelijk OnderzoekCancerfondenNational Cancer InstituteCancer Institute NSWEngineering and Physical Sciences Research CouncilEuropean CommissionDeutsche Gesetzliche UnfallversicherungDeutsche ForschungsgemeinschaftGentofte HospitalKuopion Yliopistollinen SairaalaAcademia SinicaNational Research Foundation SingaporeNational Research FoundationNational Institute for Health and Care ResearchFondation de FranceCalifornia Breast Cancer Research ProgramNIHR Biomedical Research Centre, Royal Marsden NHS Foundation Trust/Institute of Cancer ResearchUniversity of CambridgeGovernment of CanadaNational Medical Research CouncilEberhard Karls Universität TübingenRheinische Friedrich-Wilhelms-Universität BonnBreast Cancer Research TrustWellcome TrustFondation du cancer du sein du QuébecJapan Agency for Medical Research and DevelopmentItä-Suomen YliopistoCenter for Agroforestry, University of MissouriGenome CanadaDeutsches KrebsforschungszentrumUniversity of Southern CaliforniaCancer Research UKKreftforeningenCancer Council NSWSusan G. Komen for the CureTaiwan BiobankSundhed og Sygdom, Det Frie ForskningsrådCancer Council VictoriaCalifornia Department of Public HealthUniversity of CaliforniaUniversity of California, San FranciscoU.S. Department of Health and Human ServicesBreast Cancer Research FoundationYayasan Sime Darby
Mots-clésBreast cancerSingle-nucleotide polymorphismCandidate geneGenome-wide association studyBiologyGeneEstrogenBioinformaticsComputational biologyGeneticsMedicineCancerGenotype

Résumé

récupéré en direct d'OpenAlex

In this study we aim to examine gene–environment interactions (GxEs) between genes involved with estrogen metabolism and environmental factors related to estrogen exposure. GxE analyses were conducted with 1970 Korean breast cancer cases and 2052 controls in the case-control study, the Seoul Breast Cancer Study (SEBCS). A total of 11,555 SNPs from the 137 candidate genes were included in the GxE analyses with eight established environmental factors. A replication test was conducted by using an independent population from the Breast Cancer Association Consortium (BCAC), with 62,485 Europeans and 9047 Asians. The GxE tests were performed by using two-step methods in GxEScan software. Two interactions were found in the SEBCS. The first interaction was shown between rs13035764 of NCOA1 and age at menarche in the GE|2df model (p-2df = 1.2 × 10−3). The age at menarche before 14 years old was associated with the high risk of breast cancer, and the risk was higher when subjects had homozygous minor allele G. The second GxE was shown between rs851998 near ESR1 and height in the GE|2df model (p-2df = 1.1 × 10−4). Height taller than 160 cm was associated with a high risk of breast cancer, and the risk increased when the minor allele was added. The findings were not replicated in the BCAC. These results would suggest specificity in Koreans for breast cancer 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetGenetic Associations and EpidemiologyTravaux en français237 207