Proteomic Diversity of High-Density Lipoprotein Explains its Association with Clinical Outcome in Patients with Heart Failure
Notice bibliographique
Résumé
Abstract Aims Previously, low high-density lipoprotein (HDL) cholesterol was found to be one of the strongest predictors of mortality and/or heart failure (HF) hospitalisation in patients with HF. We therefore performed in-depth investigation of the multifunctional HDL proteome to reveal underlying pathophysiological mechanisms explaining the association between HDL and clinical outcome. Methods and results We selected a cohort of 90 HF patients with 1:1 cardiovascular death/survivor ratio from BIOSTAT-CHF. A novel optimised protocol for selective enrichment of lipoproteins was used to prepare plasma. Enriched lipoprotein content of samples was analysed using high resolution nanoscale liquid chromatography-mass spectrometry-based proteomics, utilising a label free approach. Within the HDL proteome, 49 proteins significantly differed between deaths and survivors. An optimised model of 12 proteins predicted death with 76% accuracy (Nagelkerke R2=0.37, P < 0.001). The strongest contributors to this model were filamin-A (related to crosslinking of actin filaments) [odds ratio (OR) 0.31, 95% confidence interval (CI) 0.15–0.61, P = 0.001] and pulmonary surfactant-associated protein B (related to alveolar capillary membrane function) (OR 2.50, 95% CI 1.57–3.98, P < 0.001). The model predicted mortality with an area under the curve of 0.82 (95% CI 0.77–0.87, P < 0.001). Internal cross validation resulted in 73.3 ± 7.2% accuracy. Conclusion This study shows marked differences in composition of the HDL proteome between HF survivors and deaths. The strongest differences were seen in proteins reflecting crosslinking of actin filaments and alveolar capillary membrane function, posing potential pathophysiological mechanisms underlying the association between HDL and clinical outcome in HF.
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 | 0,000 |
| 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 ».