‘Our biology is listening’: biomarkers as molecular vestiges of early life and the production of positive childhood experiences in behavioral epigenetics
Notice bibliographique
Résumé
Abstract The sciences of environmental epigenetics and the Developmental Origins of Health and Disease have become central in efforts to understand how early life experiences impact health across the life course. This paper draws on interviews with epigenetic scientists and laboratory observations in the United States and Canada to show how scientists conceptualize epigenetic biomarkers as molecular vestiges of early life and the consequences this has for postgenomic approaches to health, risk, and intervention. We argue that this process demarcates early life as the optimal time to study and intervene in health and positions biomarkers as conceptual and methodological tools that scientists mobilize to reimagine early life environments. These environments include Positive Childhood Experiences (PCEs), which reflect an emergent and increasingly prominent epistemic object in behavioral epigenetics. Though distinct from widespread research on Early Life Adversity, we show how PCEs continue to essentialize experience in gendered and individualized ways. Further, this paper suggests that focusing on biomarkers as molecular vestiges of early life allows scientists to create stability despite ongoing epistemological and biological unknowns in epigenetics and DOHaD. Our findings contribute new perspectives to social studies of epigenetics, biomarkers, and the production of novel epistemic objects in postgenomic knowledge practices.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,037 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».