MétaCan
Menu
Retour à la cohorte
Enregistrement W88478584 · doi:10.1096/fasebj.23.1_supplement.101.2

TAS2R50 genotype and dietary preferences

2009· article· en· W88478584 sur OpenAlexafffund
Christine Asik, Karen Eny, Sarah Herd, Hyeon Joo Lee, Ahmed El‐Sohemy

Notice bibliographique

RevueThe FASEB Journal · 2009
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAdvanced Foods and Materials Network
Mots-clésGenotypeGrapefruit juiceTasteFood sciencePopulationAlleleCruciferous vegetablesBiologyMedicineGeneticsGeneBioinformatics

Résumé

récupéré en direct d'OpenAlex

The TAS2R50 gene belongs to the TAS2R taste receptor family, which mediate bitter taste perception. The objective of this study was to determine if genetic variation in TAS2R50 is associated with differences in dietary preferences. Individuals (n=967) between the ages of 20 and 29 years completed a food preference checklist to rank their liking/disliking of 24 bitter foods and beverages on a 9‐point scale. Subjects who reported the lowest 3 points were classified as disliking. DNA was isolated from blood samples and genotyped for a polymorphism in TAS2R50 (rs2900554, G>T). In this population, the frequency of the G and T alleles were 36.8% and 63.2%, respectively. The TAS2R50 genotype was strongly associated with different preferences for grapefruit and grapefruit juice. Individuals with the GG genotype were most likely to report disliking grapefruit followed by individuals with the GT and TT genotypes (30.0%, 15.8%, 7.8%; p<0.0001). Similar effects were observed for grapefruit juice (33.3%, 18.7%, 14.9%; p<0.0001). TAS2R50 genotypes were also associated with differences in preference for kale (p=0.008), spinach (p=0.01), turnip (p=0.03) and bitter sweet chocolate (p=0.05). These results indicate that common variations in the TAS2R50 gene are associated with differences in preference for grapefruit and other bitter tasting foods and may explain inter‐individual differences in the consumption of these foods. Grant Funding Source The Advanced Foods and Materials Network

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,263
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207