Associations of Biomarkers of Inflammation and Breast Cancer in the Breast Adipose Tissue of Women with Combined Measures of Adiposity
Notice bibliographique
Résumé
Background. Mechanisms underlying the obesity-breast cancer link involve inflammation but need to be elucidated. Determining obesity by combining body mass index (BMI) with the waist circumference (WC) may clarify the role of inflammatory and hormonally related markers in breast cancer. We examined the effect of combining adiposity indices (BMI/WC) with the gene expression of several biomarkers involved in breast cancer. Methods. Expression of cytochrome P450 family 19 subfamily A member 1 (CYP19A1), estrogen receptor-alpha (ER-α), allograft inflammatory factor 1 (AIF1), cyclooxygenase-2 (COX2), interleukin-6 (IL-6), tumor necrosis factor-alpha (TNF-α), and leptin (LEP) in 141 adipose breast tissues was quantified using qPCR method. BMI and WC were measured by a trained nurse and categorized using the median split, BMILOWCLO, BMILOWCHI, BMIHIWCLO, and BMIHIWCHI. Results. Gene expression of IL-6 (3-fold), TNF-α (2-fold), and LEP (2-fold) was higher in the breast adipose tissue of women with high WC regardless of BMI, that is, BMILOWCHI and BMIHIWCHI women (all <a:math xmlns:a="http://www.w3.org/1998/Math/MathML" id="M1"> <a:mi>P</a:mi> </a:math> < 0.01). Compared to BMILOWCLO women, gene expression of CYP19A1, COX2, and AIF1 was increased by two-fold in breast adipose tissue of BMIHIWCHI women ( <c:math xmlns:c="http://www.w3.org/1998/Math/MathML" id="M2"> <c:mi>P</c:mi> </c:math> < 0.10). ER-α was not different across adiposity categories. Conclusions. The expression of some biomarkers, particularly those related to inflammation, is elevated in breast adipose tissue of women with a high WC independent of BMI. Obesity monitoring should also include women with normal or low BMI, but with central adiposity.
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 | 0,001 | 0,000 |
| 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 ».