Frequência alélica e potencial regulatório de polimorfismos no gene NELL1 em uma população da Bahia – Brasil
Bibliographic record
Abstract
Introdução: o gene NELL1 codifica a proteína semelhante ao fator de crescimento epidérmico (do inglês Epidermal Growth factor (EGF)-like). GWASs e estudos de associação com genes candidatos têm sido utilizados para estabelecer a conexão entre polimorfismos de nucleotídeo único (SNP) no NELL1 e diversas doenças. Objetivo: descrever a frequência alélica e o potencial regulador dos polimorfismos do gene NELL1, estudados em uma população de Salvador (Bahia, Brasil) e descrever a frequência desses polimorfismos e a associação com diversas doenças, em populações africana, ameríndia, asiática e europeia. Metodologia: 1094 participantes foram recrutados através do Programa de Controle da Asma e da Rinite Alérgica no Estado da Bahia (ProAR). Os indivíduos tiveram o DNA genômico extraído e genotipado, utilizando-se a plataforma Illumina. Os SNP foram consultados através da plataforma SeattleSec Annotation. As bases de dados NCBI, RegulomeDB e Haploview 4.2 foram utilizadas para as análises. Resultados: foram analisados 346 SNPs do gene NELL1. Desses, 53 SNPs tiveram o MAF variando entre 50% e 40% e função intrônica. Os SNPs rs10833465 (alelo A), rs908944 (alelo C), rs1516766 (alelo A), rs10766739 (alelo G) e rs11025878 (alelo G) apresentam uma pontuação de 3, de acordo com o banco do RegulomeDB. O SNP rs7117671, com pontuação 2b, pode ter impacto regulatório e funcional. 101 SNPs apresentaram o MAF entre 39% e 20%. Dos polimorfismos menos frequentes nessa população, 192 apresentaram um MAF entre 19% e 2%. Discussão: alguns SNPs, com diferentes frequências, apresentaram alta probabilidade de impacto funcional. Foram encontrados, na literatura, estudos de associação dos SNPs e osteoporose, doenças metabólicas, condições inflamatórias, doenças neuropsiquiátricas e tumores malignos. Conclusão: os polimorfismos do gene NELL1 estudados apresentaram diferentes frequências na população desse estudo e tiveram seus alelos associados a doenças em diferentes populações. Sugere-se que sejam realizados mais estudos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".