Alcohol consumption, <scp>DNA</scp> methylation and colorectal cancer risk: Results from pooled cohort studies and Mendelian randomization analysis
Notice bibliographique
Résumé
Abstract Alcohol consumption is thought to be one of the modifiable risk factors for colorectal cancer (CRC). However, the causality and mechanisms by which alcohol exerts its carcinogenic effect are unclear. We evaluated the association between alcohol consumption and CRC risk by analyzing data from 32 cohort studies and conducted two‐sample Mendelian randomization (MR) analysis to examine for casual relationship. To explore the effect of alcohol related DNA methylation on CRC risk, we performed an epigenetic MR analysis with data from an epigenome‐wide association study (EWAS). We additionally performed gene‐alcohol interaction analysis nested in the UK Biobank to assess effect modification between alcohol consumption and susceptibility genes. We discovered distinct effects of alcohol on CRC incidence and mortality from the meta‐analyses, and genetic predisposition to alcohol drinking was causally associated with an increased CRC risk (OR = 1.79, 95% CI: 1.23‐2.61) using two‐sample MR approaches. In epigenetic MR analysis, two alcohol‐related CpG sites (cg05593667 and cg10045354 mapped to COLCA1/COLCA2 gene) were identified causally associated with an increased CRC risk ( P < 8.20 × 10 −4 ). Gene‐alcohol interaction analysis revealed that carriage of the risk allele of the eQTL (rs3087967) and mQTL (rs11213823) polymorphism of COLCA1 / COLCA2 would interact with alcohol consumption to increase CRC risk ( P Interaction = .027 and P Interaction = .016). Our study provides comprehensive evidence to elucidate the role of alcohol in CRC and highlights that the pathogenic effect of alcohol on CRC could be partly attributed to DNA methylation by regulating the expression of COLCA1 / COLCA2 gene.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».