An integrated metabolomics approach for the research of new cerebrospinal fluid biomarkers of multiple sclerosis
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
Multiple Sclerosis (MuS) is a disease caused due to an autoimmune attack against myelin components in which non proteic mediators may play a role. Recent research in metabolomics and lipidomics has been driven by rapid advances in technologies such as mass spectrometry and computational methods. They can be used to study multifactorial disorders like MuS, highlighting the effects of disease on metabolic profiling, regardless of the multiple trigger factors. We coupled MALDI-TOF-MS untargeted lipidomics and targeted LC-MS/MS analysis of acylcarnitines and aminoacids to compare cerebrospinal fluid metabolites in 13 MuS subjects and in 12 patients with Other Neurological Diseases (OND). After data processing and statistical evaluation, we found 10 metabolites that significantly (p < 0.05) segregate the two clinical groups. The most relevant result was the alteration of phospholipids levels in MuS and the correlation between some of them with clinical data. In particular lysophosphatidylcholines (m/z = 522.3 Da, 524.3 Da) and an unidentified peak at m/z = 523.0 Da correlated to the Link index, lysophosphatidylinositol (m/z = 573.3 Da) correlated to EDSS and phosphatidylinositol (m/z = 969.6 Da) correlated to disease duration. We also found high levels of glutamate in MuS. In conclusion, our integrated mass spectrometry approach showed high potentiality to find metabolic alteration in cerebrospinal fluid. These data, if confirmed in a wider clinical study, could open the door for the discovery of novel candidate biomarkers of MuS.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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