Polymorphism of Genes Encoding Selenoproteins in the Indigenous Population of Siberia: Adaptive Variant rs1133238-A of the SEPHS2 Gene
Notice bibliographique
Résumé
Abstract In the present study, we analyzed the distribution of polymorphism variants of 25 genes encoding selenoproteins in indigenous Siberian populations on the basis of data on the variability of exons and adjacent noncoding DNA sequences. The study showed that there are virtually no polymorphism variants in the indigenous population of Siberia that differ greatly in frequency from those in the East Asian population, which could indicate the effect of selection on genes encoding selenoproteins. Nevertheless, we have proposed a set of loci in exons (rs3732532 of TXNRD3 gene, rs1050450 of GPX1 gene, rs6748996 of SELENOI gene, rs225014 of DIO2 gene) and noncoding region of genes (rs2291250 of SELENOS gene, rs201938903 of SELENOW gene, rs11258324 of SEPHS1 gene); further study of their polymorphism in different ethnic groups of Siberia is quite reasonable. The most promising locus is rs1133238 of the SEPHS2 gene. The frequency of the rs1133238-A variant was found to exceed 30% in Northeastern Siberia, although its frequency is significantly lower (~12%) in other regions of Siberia. Considering the association between the rs1133238-A variant and blood mercury levels in Canadian Eskimos, it is suggested that the increased frequency of the rs1133238-A variant in populations of the coastal regions of Northeastern Siberia (Koryaks, Chukchi, Eskimos) may be due to the protective role of this allele against the effects of mercury compounds on the body.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».