Genetic Determinants of High-density Lipoprotein Cholesterol Efflux Capacity: Insights from Paraoxonase 1 Polymorphisms
Notice bibliographique
Résumé
In recent years, it has been recognized that the quality, not just the quantity, of high-density lipoprotein (HDL) is important.Numerous studies have shown that the cholesterol efflux capacity (CEC) of HDL is a negative risk factor for cardiovascular disease independent of HDL cholesterol (HDL-C) levels 1,2) .Under conditions such as insulin resistance, oxidative stress, and chronic inflammation, changes in the composition of HDL components and posttranslational modifications of constituent proteins can impair HDL's anti-atherosclerotic effects 3) .However, according to a large-scale family-based population study, CEC is estimated to be 13% heritable and independent of HDL-C 4) .A genomewide association study (GWAS) conducted on 5,293 French-Canadian individuals identified significant genetic signals associated with CEC in 5 loci related to lipid biology, including CETP, LIPC, LPL, APOA1/C3/A4/A5, and APOE/C1/C2/C4, as well as near PPP1CB/PLB1 and RBFOX3/ENPP7.After adjusting for HDL-C and triglyceride levels, the remaining significant association was observed with genetic variants at the APOE/C1/C2/C4 locus 5) .In a GWAS involving 607 patients with coronary artery disease, the CDKAL1 locus was independently associated with CEC, distinct from HDL-C 6) .In addition, a GWAS of 4,981 patients with chronic kidney disease revealed associations between CEC and KLKB1 and CLSTN2 genes 7) .In contrast, endothelial lipase (EL), which preferentially hydrolyzes phospholipids in HDL, is encoded by the LIPG gene, and loss-of-function mutations in the LIPG gene have been shown to improve CEC alongside elevated HDL-C levels 8) .However, recent reports have identified pathogenic LIPG variants that impair the HDL function 9, 10) .
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».