Multiomics Data Analysis Identified CpG Sites That Mediate the Impact of Smoking on Cardiometabolic Traits
Notice bibliographique
Résumé
Understanding the epigenome paths through which smoking contributes to cardiometabolic traits is important for downstream applications. In this study, an SNP-based analytical pipeline was used to integrate several publicly available datasets in order to identify CpG sites that mediate the impact of smoking on cardiometabolic traits and to investigate the underlying molecular mechanisms. After applying stringent statistical criteria, 11 CpG sites were detected that showed significant association (p < 5 × 10−8) with cardiometabolic traits at both the discovery and replication stages. By integrating eQTL data, I found genes behind a number of these associations. cg05228408 was hypomethylated in smokers and contributed to higher blood pressure by lowering the expression of the CLCN6 gene. cg08639339 was hypermethylated in smokers and lowered the metabolic rate by increasing the expression of RAB29; furthermore, I noted TMEM120A mediated the impact of smoking-cg17325771 on LDL, and LTBP3 mediated the smoking-cg07029024 effect on heart rate. The pathway analysis identified processes through which the identified genes impact their traits. This study provides a list of CpG sites that mediates the impact of smoking on cardiometabolic traits and a framework to investigate the underlying molecular paths using publicly available data.
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 | 0,001 |
| 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 ».