Notice bibliographique
Résumé
Smoking continues to be the leading preventable contributor to death worldwide. Twin studies have suggested a significant genetic contribution underlying most smoking behaviors (40-70% heritability estimates). Candidate gene studies of smoking phenotypes have identified several pharmacogenes implicated in nicotine's pharmacokinetics (CYP2A6, CYP2B6, CYP2A13, FMOs, UGTs, and OCT2), and nicotine's pharmacodynamic response in the central nervous system (nicotinic acetylcholine receptors, as well as through the dopaminergic and serotonergic systems). Subsequent genome-wide association studies (GWAS) have confirmed the role of certain pharmacogenes through hypothesis-free approaches. Furthermore, pharmacogenes that alter the efficacy of smoking cessation pharmacotherapies, including nicotine replacement therapies, bupropion, and varenicline, may also impact quitting success. In this brief review we highlight the role of pharmacogenes in smoking behaviors, such as smoking status, consumption, nicotine dependence, spontaneous quitting, and altered abstinence to pharmacotherapies; We provide examples from initial candidate gene associations and subsequent GWAS. The genes CYP2A6 and the CHRNA5-A3-B4 confer the most replicated sources of genetic variation in smoking behaviors, likely due to their importance in nicotine's pharmacology. We will also provide examples of genetic scoring approaches, and the role of rare variants in explaining a portion of the missing heritability in smoking behaviors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».