Gene–gene interaction of AhRwith and within the Wntcascade affects susceptibility to lung cancer
Notice bibliographique
Résumé
BACKGROUND: Aberrant Wnt signalling, regulating cell development and stemness, influences the development of many cancer types. The Aryl hydrocarbon receptor (AhR) mediates tumorigenesis of environmental pollutants. Complex interaction patterns of genes assigned to AhR/Wnt-signalling were recently associated with lung cancer susceptibility. AIM: To assess the association and predictive ability of AhR/Wnt-genes with lung cancer in cases and controls of European descent. METHODS: Odds ratios (OR) were estimated for genomic variants assigned to the Wnt agonist and the antagonistic genes DKK2, DKK3, DKK4, FRZB, SFRP4 and Axin2. Logistic regression models with variable selection were trained, validated and tested to predict lung cancer, at which other previously identified SNPs that have been robustly associated with lung cancer risk could also enter the model. Furthermore, decision trees were created to investigate variant × variant interaction. All analyses were performed for overall lung cancer and for subgroups. RESULTS: ). Although predictability is poor, AhR/Wnt-variants are unexpectedly overrepresented in optimized prediction scores for overall lung cancer and for small cell lung cancer. Remarkably, the score for never-smokers contained solely two AhR/Wnt-variants. The optimal decision tree for never smokers consists of 7 AhR/Wnt-variants and only two lung cancer variants. CONCLUSIONS: The role of variants belonging to Wnt/AhR-pathways in lung cancer susceptibility may be underrated in main-effects association analysis. Complex interaction patterns in individuals of European descent have moderate predictive capacity for lung cancer or subgroups thereof, especially in never smokers.
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 | 0,020 | 0,002 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».