DNA methylation and type 2 diabetes: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Objective DNA methylation influences gene expression and function in the pathophysiology of type 2 diabetes mellitus (T2DM). Mapping of T2DM-associated DNA methylation could aid early detection and/or therapeutic treatment options for diabetics. Design A systematic literature search for associations between T2DM and DNA methylation was performed. Prospero registration ID: CRD42020140436. Methods PubMed and ScienceDirect databases were searched (till October 19, 2023). Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and New Castle Ottawa scale were used for reporting the selection and quality of the studies, respectively. Result Thirty-two articles were selected. Four of 130 differentially methylated genes in blood, adipose, liver or pancreatic islets (TXNIP, ABCG1, PPARGC1A, PTPRN2) were reported in > 1 study. TXNIP was hypomethylated in diabetic blood across ethnicities. Gene enrichment analysis of the differentially methylated genes highlighted relevant disease pathways (T2DM, type 1 diabetes and adipocytokine signaling). Three prospective studies reported association of methylation in IGFBP2, MSI2, FTO, TXNIP, SREBF1, PHOSPHO1, SOCS3 and ABCG1 in blood at baseline with incident T2DM/hyperglycemia. Sex-specific differential methylation was reported only for HOOK2 in visceral adipose tissue (female diabetics: hypermethylated, male diabetics: hypomethylated). Gene expression was inversely associated with methylation status in 8 studies, in genes including ABCG1 (blood), S100A4 (adipose tissue), PER2 (pancreatic islets), PDGFA (liver) and PPARGC1A (skeletal muscle). Conclusion This review summarizes available evidence for using DNA methylation patterns to unravel T2DM pathophysiology. Further validation studies in diverse populations will set the stage for utilizing this knowledge for identifying early diagnostic markers and novel druggable pathways.
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.
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 | 0,001 |
| 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) | 0,677 | 0,106 |
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 découle