Parallel Metabolomic Profiling of Cerebrospinal Fluid and Serum for Identifying Biomarkers of Injury Severity after Acute Human Spinal Cord Injury
Notice bibliographique
Résumé
Suffering an acute spinal cord injury (SCI) can result in catastrophic physical and emotional loss. Efforts to translate novel therapies in acute clinical trials are impeded by the SCI community's singular dependence upon functional outcome measures. Therefore, a compelling rationale exists to establish neurochemical biomarkers for the objective classification of injury severity. In this study, CSF and serum samples were obtained at 3 time points (~24, 48, and 72 hours post-injury) from 30 acute SCI patients (10 AIS A, 12 AIS B, and 8 AIS C). A differential chemical isotope labeling liquid chromatography mass spectrometry (CIL LC-MS) with a universal metabolome standard (UMS) was applied to the metabolomic profiling of these samples. This method provided enhanced detection of the amine- and phenol-containing submetabolome. Metabolic pathway analysis revealed dysregulations in arginine-proline metabolism following SCI. Six CSF metabolites were identified as potential biomarkers of baseline injury severity, and good classification performance (AUC > 0.869) was achieved by using combinations of these metabolites in pair-wise comparisons of AIS A, B and C patients. Using the UMS strategy, the current data set can be expanded to a larger cohort for biomarker validation, as well as discovering biomarkers for predicting neurologic outcome.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».