Lipidomics of Bioactive Lipids in Acute Coronary Syndromes
Notice bibliographique
Résumé
Acute coronary syndrome (ACS) refers to ischemic conditions that occur as a result of atherosclerotic plaque rupture and thrombus formation. It has been shown that lipid peroxidation may cause plaque instability by inducing inflammation, apoptosis, and neovascularization. There is some evidence showing that these oxidized lipids may have a prognostic value in ACS. For instance, higher levels of oxidized phospholipids on apo B-100 lipoproteins (OxPL/apoB) predicted cardiovascular events independent of traditional risk factors, C-reactive protein (hsCRP), and the Framingham Risk Score (FRS). A recent cross-sectional study showed that levels of oxylipins, namely 8,9-DiHETrE and 16-HETE, were significantly associated with cardiovascular and cerebrovascular events, respectively. They found that with every 1 nmol/L increase in the concentrations of 8,9-DiHETrE, the odds of ACS increased by 454-fold. As lipid peroxidation makes heterogonous pools of secondary products, therefore, rapid multi-analyte quantification methods are needed for their assessment. Conventional lipid assessment methods such as chemical reagents or immunoassays lack specificity and sensitivity. Lipidomics may provide another layer of a detailed molecular level to lipid assessment, which may eventually lead to exploring novel biomarkers and/or new treatment options. Here, we will briefly review the lipidomics of bioactive lipids in ACS.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».