MétaCan
Menu
Retour à la cohorte
Enregistrement W4299789816 · doi:10.17615/f06s-ay68

Genome-Wide Meta-Analysis Identifies Regions on 7p21 (AHR) and 15q24 (CYP1A2) As Determinants of Habitual Caffeine Consumption

2020· article· en· W4299789816 sur OpenAlexfundno aff
Rob M. van Dam, Jennifer A. Nettleton, David Couper, Maria Teresa Landi, Debra T. Silverman, Gary C. Curhan, Marilyn C. Cornelis, Rachael Z. Stolzenberg‐Solomon, Stephen J. Chanock, Preetha Rajaraman, Kevin B. Jacobs, Gerardo Heiss, Peter Kraft, Sonja I. Berndt, David J. Hunter, Nina P. Paynter, Kai Yu, Neil E. Caporaso, Keri L. Monda, Eric B. Rimm, Elizabeth M. Azzato, Nathaniel Rothman, Nilanjan Chatterjee, Frank B. Hu, Eric Boerwinkle, Majken K. Jensen, Meredith Yeager, Mark P. Purdue, Siiri Bennett, Daniel I. Chasman, Amy F. Subar, Lynda M. Rose

Notice bibliographique

RevueUNC Libraries · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchNational Institute on Drug AbuseNational Cancer InstituteNational Institute on Alcohol Abuse and AlcoholismCanadian Institutes of Health ResearchDivision of Cancer Prevention, National Cancer InstituteFondation LeducqBroad InstituteNational Institute of Diabetes and Digestive and Kidney DiseasesJohns Hopkins UniversityAmgenDonald W. Reynolds FoundationNational Heart, Lung, and Blood InstituteNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésCYP1A2Consumption (sociology)Meta-analysisCaffeineGenomeGeneticsEconomicsBiologyEconometricsGeneInternal medicineMedicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

We report the first genome-wide association study of habitual caffeine intake. We included 47,341 individuals of European descent based on five population-based studies within the United States. In a meta-analysis adjusted for age, sex, smoking, and eigenvectors of population variation, two loci achieved genome-wide significance: 7p21 (P = 2.4×10−19), near AHR, and 15q24 (P = 5.2×10−14), between CYP1A1 and CYP1A2. Both the AHR and CYP1A2 genes are biologically plausible candidates as CYP1A2 metabolizes caffeine and AHR regulates CYP1A2.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,153
Tête enseignante GPT0,337
Écart entre enseignants0,183 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetCoffee research and impactsTravaux en français237 207