Metabolites Associated with Polygenic Risk of Breast Cancer
Notice bibliographique
Résumé
While hundreds of germline genetic variants have been associated with breast cancer risk, the mechanisms underlying the impacts of most of these variants on breast cancer remain uncertain. Metabolomics may offer valuable insights into the mechanisms underlying genetic risks of breast cancer. Among 143 cancer-free female participants, we used linear regression analyses to explore associations between the genetic risk of breast cancer, as determined by a previously developed polygenic risk score (PRS) that included 266 single-nucleotide polymorphisms (SNPs), and 223 measures of metabolites obtained from blood samples using nuclear magnetic resonance (NMR). A false discovery rate of 10% was applied to account for multiple comparisons. PRS was statistically significantly associated with 45 metabolite measures. These were primarily measures of very low-density lipoproteins (VLDLs) and high-density lipoproteins (HDLs), including triglycerides, cholesterol, and phospholipids. For example, the strongest effect was observed with the percent ratio of medium VLDL triglycerides to total lipids (0.53 unit increase in mean-standardized ln-transformed percent ratio per unit increase in PRS; q = 0.1). While larger-scale studies are needed to confirm these results, this exploratory study presents biologically plausible findings that are consistent with previously reported associations between lipids and breast cancer risk. If confirmed, these lipids could be targeted for lifestyle and pharmaceutical interventions among women at increased genetic risk of breast cancer.
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 ».