Diversity of KIR Genes and Their Association with Human Papillomavirus (HPV) Infection in West Africa
Notice bibliographique
Résumé
Background: Cervix cancer is the leading cause of cancer death in women in many developing countries, and most commonly the result of human papillomavirus (HPV) infection. Most often, this infection does not lead to injury or cancer - there is viral clearance. We therefore proposed to study the polymorphism of certain genes such as KIR, which seems to have a strong association with HPV infection. We aimed to contribute to the fight against HPV virus infection, through better knowledge of circulating high risk-HPV (HR-HPV) genotype, and the involvement of KIR genes in the progression to cervical cancer. Methods: A total of 1419 samples, taken from the endocervix, were collected. The women came from 6 countries in West Africa (Burkina Faso, Benin, Côte d’Ivoire, Niger, Nigeria, and Togo). These samples were analyzed by multiplex real-time PCR to search for fourteen HR-HPV genotypes, and the KIR genes were characterized using the SSP-PCR method. Results: The results showed that 35.94% (510/1419) of women were infected with HR-HPV. KIR genes were significantly more common in HPV-infected subjects than in controls. The inhibitory KIR genes were, KIR 2DL3 [OR = 2.24, CI (95%) (1.48 - 3.39) p KIR 2DL4 [OR = 3.82, CI (95%) (1.77 - 8.23) p KIR 2DL5A [OR = 1.50, CI (95%) (1.05 - 2.15) p = 0.02], KIR 2DL5B [OR = 1.52, CI (95%) (1.07 - 2.17) p = 0.02], KIR 3DL2 [OR = 3.30, CI (95%) (1.29 - 8.47) p = 0.01] and the pseudogene KIR 2DP1 [OR = 1.97, CI (95%) (1.36 - 2.85) p Conclusion: This study showed that the KIR genes 3DL3, 2DL4, 2DL5, 3DL2 and 2DP1 seems to be associated with the risk of developing HPV infection.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».