CRY1 polymorphism may influence the association of low carbohydrate diet (LCD) score on glucose homeostasis in overweight and obese women
Notice bibliographique
Résumé
Background and aims: We sought to examine the interaction between CRY1 genotypes and low carbohydrate diet (LCD) score and the effect on insulin resistance, insulin sensitivity, homeostasis model assessment of insulin resistance (HOMA- IR) and quantitative insulin sensitivity check index (ISQUKI). Methods: This cross-sectional study was conducted with a total of 228 overweight and obese women. The data related to anthropometric and biochemical measures were collected and a food frequency questionnaire (FFQ), with 147 items, was used to assess dietary intake. Based on the FFQ, we calculated an LCD score for each study participant, ranging from 0 to 70. Biochemical assessments, including TC, HDL, LDL, TG, FBS, insulin and HOMA-IR, were performed. Deoxyribonucleic acid (DNA) samples were assessed to be genotyped for the rs2287161, which was genotyped by the restriction fragment length polymorphism (PCR-RFLP) method. A generalised linear model was performed for interaction analysis. Results: The results of the study demonstrated that, after controlling for several confounders, increased adherence to an LCD (T3 vs. T1) in the interaction with one risk allele genotype (CG) increases ISQUKI level (β: 0.001, CI: 0.00, 0.002, p=0.041). Also, there was a marginally negative interaction between higher adherence to LCD and two risk alleles genotype (CC) on insulin level (β: -0.012, CI: 0-0.024, 0.001, p=0.054). Conclusions: This study revealed a negative interaction of CRY1 genotypes with two risk allele and higher LCD adherence on insulin level, and a positive interaction on ISQUKI. However, the mechanism of interaction between LCDs and CRY1 genotypes remains unclear.
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 | 0,000 | 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 ».