Genetic susceptibility to adverse arsenic-related cardiometabolic outcomes: a systematic review
Notice bibliographique
Résumé
Abstract Millions of people worldwide are chronically exposed to environmental arsenic through drinking water, increasing their risk of various adverse cardiometabolic outcomes. To understand the inter-individual variation in arsenic susceptibility, this systematic review explores all epidemiological evidence on interactions between single nucleotide polymorphisms (SNPs) and arsenic exposure in relation to cardiometabolic health. Five electronic databases were searched until April 2023. From 42,202 retrieved publications, 18 candidate gene-environment (cGxE) studies were included, and no genome-wide association studies were found. Of 676 SNPs in 148 genes tested, 40 SNPs in 24 genes, 4 haplotypes and combined SNPs in MCP-1/APOE , were reported to statistically significantly interact with arsenic exposure. These genes were involved in arsenic metabolism , oxidative stress or defence, DNA damage repair, endothelial (dys) function, inflammation or immune function, tumour suppressor activity, or were previously implicated in cardiometabolic disease pathways. Most studies did not explore the same SNPs (or strong proxies), and none of the identified SNP-arsenic interactions were replicated for the same arsenic species and cardiometabolic outcome. Whilst some SNPs are suggestive of influencing susceptibility to arsenic for various cardiometabolic outcomes, further research is needed to understand the interplay between arsenic and genetic variants, identify at-risk populations, and improve risk assessment.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».