Gas Chromatography/Mass Spectrometry Metabolomics of Urine and Serum from Nonhuman Primates Exposed to Ionizing Radiation: Impacts on the Tricarboxylic Acid Cycle and Protein Metabolism
Notice bibliographique
Résumé
Ionizing radiation (IR) directly damages cells and tissues or indirectly damages them through reactive free radicals that may lead to longer term adverse sequelae such as cancers, persistent inflammation, or possible death. Potential exposures include nuclear reactor accidents, improper disposal of equipment containing radioactive materials or medical errors, and terrorist attacks. Metabolomics (comprehensive analysis of compounds <1 kDa) by mass spectrometry (MS) has been proposed as a tool for high-throughput biodosimetry and rapid assessment of exposed dose and triage needed. While multiple studies have been dedicated to radiation biomarker discovery, many have utilized liquid chromatography (LC) MS platforms that may not detect particular compounds (e.g., small carboxylic acids or isomers) that complementary analytical tools, such as gas chromatography (GC) time-of-flight (TOF) MS, are ideal for. The current study uses global GC-TOF-MS metabolomics to complement previous LC-MS analyses on nonhuman primate biofluids (urine and serum) 7 days after exposure to 2, 4, 6, 7, and 10 Gy IR. Multivariate data analysis was used to visualize differences between control and IR exposed groups. Univariate analysis was used to determine a combined 26 biomarkers in urine and serum that significantly changed after exposure to IR. We found several metabolites involved in tricarboxylic acid cycle function, amino acid metabolism, and host microbiota that were not previously detected by global and targeted LC-MS studies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».