Prediagnostic Plasma Nutrimetabolomics and Prostate Cancer Risk: A Nested Case–Control Analysis Within the EPIC Study
Notice bibliographique
Résumé
Background and Objective: Nutrimetabolomics may reveal novel insights into early metabolic alterations and the role of dietary exposures on prostate cancer (PCa) risk. We aimed to prospectively investigate the associations between plasma metabolite concentrations and PCa risk, including clinically relevant tumor subtypes. Methods: We used a targeted and large-scale metabolomics approach to analyze plasma samples of 851 matched PCa case–control pairs from the European Prospective Investigation into Cancer and Nutrition (EPIC) cohort. Associations between metabolite concentrations and PCa risk were estimated by multivariate conditional logistic regression analysis. False discovery rate (FDR) was used to control for multiple testing correction. Results: Thirty-one metabolites (predominately derivatives of food intake and microbial metabolism) were associated with overall PCa risk and its clinical subtypes (p < 0.05), but none of the associations exceeded the FDR threshold. The strongest positive and negative associations were for dimethylglycine (OR = 2.13; 95% CI 1.16–3.91) with advanced PCa risk (n = 157) and indole-3-lactic acid (OR = 0.28; 95% CI 0.09–0.87) with fatal PCa risk (n = 57), respectively; however, these associations did not survive correction for multiple testing. Conclusions: The results from the current nutrimetabolomics study suggest that apart from early metabolic deregulations, some biomarkers of food intake might be related to PCa risk, especially advanced and fatal PCa. Further independent and larger studies are needed to validate our results.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».