Extending Investigations of <scp>miR</scp>‐126‐5p on the Regulation of <scp>CYP2A6</scp>, the Major Nicotine‐Inactivating Enzyme
Notice bibliographique
Résumé
ABSTRACT CYP2A6 is the hepatic enzyme responsible for the metabolic inactivation of nicotine. Variation in CYP2A6 alters nicotine clearance, affecting numerous smoking behaviors and tobacco‐related diseases, making investigating sources of variation important. A published molecular study of microRNA‐126‐5p, the microRNA‐126 functional arm, showed it decreased CYP2A6 expression post‐transcriptionally; it also showed that higher CYP2A7 mRNA competed for microRNA‐126‐5p binding, mitigating the CYP2A6 reduction. To extend these observations, we investigated relationships between microRNA‐126‐5p and CYP2A6 protein and activity using a large human liver bank ( n = 282). MicroRNA‐126‐5p was not inversely correlated with CYP2A6 protein ( r s = 0.04, p > 0.05), nor was it significant in an unadjusted regression model ( p > 0.05) or in an adjusted model (with genotype, age, and sex) ( p > 0.05). Although CYP2A7 mRNA was positively correlated with CYP2A6 protein ( r s = 0.48, p < 0.001), adding CYP2A7 mRNA to the adjusted model did not alter the relationship between microRNA‐126‐5p and CYP2A6 protein ( p > 0.05), nor did CYP2A7 mRNA interact with microRNA‐126‐5p on CYP2A6 ( p > 0.05). Similar results were found in modeling CYP2A6 activity. MicroRNA‐21 was used as a positive control (inversely correlated with CYP2A6 protein, r s = −0.33, p < 0.001) and microRNA‐152 as a negative control (not correlated with CYP2A6 protein, r s = −0.06, p > 0.05). These data do not support a role for microRNA‐126‐5p in downregulating CYP2A6 protein or activity, or for CYP2A7 mRNA in playing a decoy role, even when other predictors (genotype, age, and sex) were included in the model.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».