Genetically Predicted Causal Effects of Gut Microbiota and Gut Metabolites on Digestive Tract Cancer: A Two-Sample Mendelian Randomization Analysis
Notice bibliographique
Résumé
Background: Evidence from numerous observational studies and clinical trials has linked gut microbiota and metabolites to digestive tract cancer. However, the causal effect between these factors remains uncertain. Methods: Data for this study were obtained from the MiBioGen, TwinsUK Registry, and FinnGen (version R8). Two-sample Mendelian randomization analysis with inverse variance weighting method was primarily used, and the results were validated by heterogeneity analysis, pleiotropy test, and sensitivity analysis. Results: At P < 5 × 10 -8 , our analysis identified four gut microbiotas as risk factors for digestive tract cancer and six as risk factors for colorectal cancer. Conversely, one gut microbiota exhibited protection against bile duct cancer, and two showed protective effects against stomach cancer. At P < 1 × 10 -5 , our investigation revealed five, six, three, eight, eight, and eight gut microbiotas as risk factors for esophageal, stomach, bile duct, liver, pancreatic, and colorectal cancers, respectively. In contrast, four, two, eight, two, two, and five gut microbiotas exhibited protective effects against these cancers. Additionally, GABA , a metabolite of gut microbiota, displayed a significant protective effect against colorectal cancer. Conclusion: In conclusion, specific gut microbiota and metabolites play roles as risk factors or protective factors for digestive tract cancer, and a causal relationship between them has been established, offering novel insights into gut microbiota-mediated cancer development. World J Oncol. 2023;14(6):558-569 doi: https://doi.org/10.14740/wjon1737
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,011 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».