Urinary Metabolic Profiles of Inflammatory Bowel Disease in Interleukin-10 Gene-Deficient Mice
Notice bibliographique
Résumé
Inflammatory bowel disease (IBD) is a chronic debilitating disorder that is thought to have both genetic and environmental contributors. Commensal microflora have been shown to play a key part in the disease process. Metabolomics, the study of large numbers of small molecule metabolites, has demonstrated that disease and/or changes in gut microbial composition modulate mammalian urine metabolite fingerprints. The aim of this project was to associate the development of IBD with specific changes in a mouse urinary metabolic fingerprint. Interleukin-10 (IL-10) gene-deficient mice were raised alongside age-matched 129/SvEv controls in conventional housing. Urine samples (22 h) were collected at ages 4, 6, 8, 12, 16, and 20 weeks. Metabolite concentrations were derived from analysis of nuclear magnetic resonance spectra, and both multivariate and two-way analysis of variance (ANOVA) statistical techniques were applied to the resulting data. Principal component analysis and partial least-squares-discriminant analysis of urine derived from the control and IL-10 gene-deficient mice revealed that while both groups initially had similar metabolic profiles, they diverged substantially with the onset of IBD as assessed through external phenotypic changes. Several metabolites, including trimethylamine (TMA) and fucose, changed dramatically in the IL-10 gene-deficient mice following 8 weeks of age, concomitant with the known timeline for development of severe histological injury. This study illustrates that metabolomics is effective at distinguishing IBD using urinary metabolite profiles.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».