MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410345661 · doi:10.21203/rs.3.rs-6551278/v1

Bidirectional Mendelian Randomization identifies plasma proteins associated with Cervical Cancer risk

2025· preprint· en· W4410345661 sur OpenAlexaff
Yanhong Zhao, Qianqian Ruan, Jinghua Ning, Xin Zhang, Rongjun Qu, Jing Zou, Yi Liang, Chenggui Zhang, Yuzhe Zhang

Notice bibliographique

RevueResearch Square · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensUniversity Health Network
Organismes subventionnairesDali University
Mots-clésMendelian randomizationCervical cancerRandomizationMedicineOncologyInternal medicineCancerComputational biologyBioinformaticsBiologyGeneticsGeneRandomized controlled trialGenetic variantsGenotype

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cervical cancer continues to pose a considerable challenge to global health, necessitating innovative approaches for improved diagnostics and personalized treatment strategies. Prior investigations have suggested that plasma proteins may play a role in the pathogenesis of cervical cancer; however, these studies do not confirm a causal relationship. To address this gap, conducted a large-scale Mendelian randomization (MR) study of the plasma proteome. METHODS: We performed a two-sample bidirectional Mendelian randomization analysis involving 4,907 plasma proteins, utilizing publicly accessible genome-wide association study (GWAS) summary statistics, to examine the causal association between the plasma proteome and the risk of cervical cancer. Analytical methods included inverse variance weighting (IVW), weighted median, MR-Egger regression, and simple and weighted models. Additionally, we performed sensitivity analyses to evaluate heterogeneity and horizontal pleiotropy through Cochran's Q test, MR-Egger intercept, MR-PRESSO test, and leave-one-out analysis. We also applied false discovery rate (FDR) correction to the results of all IVW methods to identify the plasma proteins most strongly associated with cervical cancer. Finally, we enriched the most relevant plasma protein genes using the Kyoto Encyclopedia of Genes and Genomes (KEGG) and Gene Ontology (GO) analyses and GeneMANIA to identify disease-related pathways. RESULTS: According to the IVW method, seven plasma proteins are significantly associated with cervical cancer risk (P < 0.05). Specifically, six proteins demonstrated protective factors: DEFB135 (OR = 0.201, 95% CI = 0.082-0.492, P < 0.001), FGL2 (OR = 0.104, 95% CI = 0.032-0.338, P < 0.001), FTMT (OR = 0.612, 95% CI = 0.465-0.804, P < 0.001), PDIA4 (OR = 0.088, 95% CI = 0.026-0.295, P < 0.001), SPHK2 (OR = 0.102, 95% CI = 0.030-0.350, P < 0.001), and TMED2 (OR = 0.045, 95% CI = 0.008-0.246, P < 0.001). In contrast, RACGAP1 (OR = 1.755, 95% CI = 1.286-2.395, P < 0.001) was identified as a risk factor. Reverse MR analysis revealed no significant evidence of reverse causation (P > 0.05) between cervical cancer and these plasma proteins. Functional enrichment analysis identified several biologically relevant pathways potentially involved in cervical cancer pathogenesis, including the establishment of organelle localization, regulation of oxidoreductase activity, Ferroptosis, and Porphyrin metabolism. CONCLUSION: These findings suggest that DEFB135, FGL2, FTMT, PDIA4, SPHK2, and TMED2 may protect against cervical cancer, while RACGAP1 may represent a potential risk factor. The identified tumor markers provide mechanistic insights into the molecular basis of cervical cancer and warrant further investigation in functional studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,365
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueResearch Square→Même sujetGenetic Associations and Epidemiology→Travaux en français237 207→