Metabolic Profile of Ex Vivo Lung Perfusate Yields Biomarkers for Lung Transplant Outcomes
Notice bibliographique
Résumé
OBJECTIVE: To identify potential biomarkers during ex vivo lung perfusion (EVLP) using metabolomics approach. SUMMARY BACKGROUND DATA: EVLP increases the number of usable donor lungs for lung transplantation (LTx) by physiologic assessment of explanted marginal lungs. The underlying paradigm of EVLP is the normothermic perfusion of cadaveric lungs previously flushed and stored in hypothermic preservation fluid, which allows the resumption of active cellular metabolism and respiratory function. Metabolomics of EVLP perfusate may identify metabolic profiles of donor lungs associated with early LTx outcomes. METHODS: EVLP perfusate taken at 1and 4 hperfusion were collected from 50 clinical EVLP cases, and submitted to untargeted metabolic profiling with mass spectrometry. The findings were correlated with early LTx outcomes. RESULTS: Following EVLP, 7 cases were declined for LTx. In the remaining transplanted cases, 9 cases developed primary graft dysfunction (PGD) 3. For the metabolic profile at EVLP-1h, a logistic regression model based on palmitoyl-sphingomyelin, 5-aminovalerate, and decanoylcarnitine yielded a receiver operating characteristic (ROC) curve with an area under the curve (AUC) of 0.987 in differentiating PGD 3 from Non-PGD 3 outcomes. For the metabolic profile at EVLP-4h, a logistic regression model based on N2-methylguanosine, 5-aminovalerate, oleamide, and decanoylcarnitine yielded a ROC curve with AUC 0.985 in differentiating PGD 3 from non-PGD 3 outcomes. CONCLUSIONS: Metabolomics of EVLP perfusate revealed a small panel of metabolites highly correlated with early LTx outcomes, and may be potential biomarkers that can improve selection of marginal lungs on EVLP. Further validation studies are needed to confirm 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».