Multiplexed separations for biomarker discovery in metabolomics: Elucidating adaptive responses to exercise training
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
High efficiency separations are needed to enhance selectivity, mass spectral quality, and quantitative performance in metabolomic studies. However, low sample throughput and complicated data preprocessing remain major bottlenecks to biomarker discovery. We introduce an accelerated data workflow to identify plasma metabolite signatures of exercise responsiveness when using multisegment injection-capillary electrophoresis-mass spectrometry (MSI-CE-MS). This multiplexed separation platform takes advantage of customizable serial injections to enhance sample throughput and data fidelity based on temporally resolved ion signals derived from seven different sample segments analyzed within a single run. MSI-CE-MS was applied to explore the adaptive metabolic responses of a cohort of overweight/obese women (BMI > 25, n = 9) performing a 6-wk high-intensity interval training intervention using a repeated measures/cross-over study design. Venous blood samples were collected from each subject at three time intervals (baseline, postexercise, recovery) in their naïve and trained states while completing standardized cycling trials at the same absolute workload. Complementary statistical methods were used to classify dynamic changes in plasma metabolism associated with strenuous exercise and training status. Positive adaptations to exercise were associated with training-induced upregulation in plasma l-carnitine at rest due to improved muscle oxidative capacity, and greater antioxidant capacity as reflected by lower circulating glutathionyl-l-cysteine mixed disulfide. Attenuation in plasma hypoxanthine and higher O-acetyl-l-carnitine levels postexercise also indicated lower energetic stress for trained women.
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 | 0,001 | 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) | 0,000 | 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 découle