MétaCan
Menu
← Retour à la cohorte
Enregistrement W2307541972 · doi:10.1096/fasebj.27.1_supplement.112.6

Identifying markers of insulin resistance in the plasma proteome

2013· article· en· W2307541972 sur OpenAlexaffabout
Joseph Jamnik, Bibiana García‐Bailo, Christoph H. Borchers, Ahmed El‐Sohemy

Notice bibliographique

RevueThe FASEB Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensGenome British ColumbiaUniversity of VictoriaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInsulin resistanceAdiponectinVitronectinInternal medicinePopulationEndocrinologyMedicineSerum amyloid ABlood proteinsHaptoglobinType 2 diabetesHemopexinBiologyDiabetes mellitusInsulinInflammationReceptorBiochemistry

Résumé

récupéré en direct d'OpenAlex

Type 2 diabetes (T2D) represents a significant global health problem. The plasma proteome comprises numerous high‐abundance proteins that may be associated with the development of T2D. The objective was to determine the association between HOMA‐IR, a common measure of insulin resistance, and 54 plasma proteins belonging to disease‐associated pathways in a population of healthy young adults (n=488) from the Toronto Nutrigenomics and Health Study. Protein concentrations were measured by a multiple reaction monitoring HPLC‐MS/MS assay. General linear models were used to assess the association between plasma proteins and HOMA‐IR. Analyses were adjusted for age, sex, ethnicity, waist circumference, physical activity, and contraceptive use among women. Hemopexin, complement factor H, heparin cofactor II, afamin, α 1 ‐anti‐trypsin, α 2 ‐HS‐glycoprotein, apolipoprotein L1, complement C3, serum amyloid P‐component, vitronectin, and transthyretin were significantly ( p <0.0009) positively correlated with HOMA‐IR. Adiponectin, an anti‐inflammatory protein, was inversely correlated with HOMA‐IR. These results suggest that a number of plasma proteins may be useful biomarkers of insulin resistance and T2D risk. Research support from 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 enseignants0,002
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,262
Écart entre enseignants0,242 · 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
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetAdipokines, Inflammation, and Metabolic Diseases→Travaux en français237 207→