Quantitative Metabolomic Profiling of Serum and Urine in DSS-Induced Ulcerative Colitis of Mice by <sup>1</sup>H NMR Spectroscopy
Notice bibliographique
Résumé
Quantitative profiling of a large number of metabolic compounds is a promising method to detect biomarkers in inflammatory bowel diseases (IBD), such as ulcerative colitis (UC). We induced an experimental form of UC in mice by treatment with dextran sulfate sodium (DSS) and characterized 53 serum and 69 urine metabolites by use of (1)H NMR spectroscopy and quantitative ("targeted") analysis to distinguish between diseased and healthy animals. Hierarchical multivariate orthogonal partial least-squares (OPLS) models were developed to detect and predict separation of control and DSS-treated mice. DSS treatment resulted in weight loss, colonic inflammation, and increase in myeloperoxidase activity. Metabolomic patterns generated from the OPLS data clearly separated DSS-treated from control mice with a slightly higher predictive power (Q(2)) for serum (0.73) than urine (0.71). During DSS colitis, creatine, carnitine, and methylamines increased in urine while in serum, maximal increases were observed for ketone bodies, hypoxanthine, and tryptophan. Antioxidant metabolites decreased in urine whereas in serum, glucose and Krebs cycle intermediates decreased strongly. Quantitative metabolic profiling of serum and urine thus discriminates between healthy and DSS-treated mice. Analysis of serum or urine seems to be equally powerful for detecting experimental colitis, and a combined analysis offers only a minor improvement.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».