A quantitative metabolomics profiling approach for the noninvasive assessment of liver histology in patients with chronic hepatitis C
Notice bibliographique
Résumé
BACKGROUND: High-throughput technologies have the potential to identify non-invasive biomarkers of liver pathology and improve our understanding of basic mechanisms of liver injury and repair. A metabolite profiling approach was employed to determine associations between alterations in serum metabolites and liver histology in patients with chronic hepatitis C virus (HCV) infection. METHODS: Sera from 45 non-diabetic patients with chronic HCV were quantitatively analyzed using (1)H-NMR spectroscopy. A metabolite profile of advanced fibrosis (METAVIR F3-4) was established using orthogonal partial least squares discriminant analysis modeling and validated using seven-fold cross-validation and permutation testing. Bioprofiles of moderate to severe steatosis (≥33 %) and necroinflammation (METAVIR A2-3) were also derived. The classification accuracy of these profiles was determined using areas under the receiver operator curves (AUROCSs) measuring against liver biopsy as the gold standard. RESULTS: In total 63 spectral features were profiled, of which a highly significant subset of 21 metabolites were associated with advanced fibrosis (variable importance score >1 in multivariate modeling; R(2) = 0.673 and Q(2) = 0.285). For the identification of F3-4 fibrosis, the metabolite bioprofile had an AUROC of 0.86 (95 % CI 0.74-0.97). The AUROCs for the bioprofiles for moderate to severe steatosis were 0.87 (95 % CI 0.76-0.97) and for grade A2-3 inflammation were 0.73 (0.57-0.89). CONCLUSION: This proof-of-principle study demonstrates the utility of a metabolomics profiling approach to non-invasively identify biomarkers of liver fibrosis, steatosis and inflammation in patients with chronic HCV. Future cohorts are necessary to validate these findings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».