Quantitative metabolic profiling of urinary eicosanoids for clinical phenotyping
Notice bibliographique
Résumé
The eicosanoids are a family of lipid mediators of pain and inflammation involved in multiple pathologies, including asthma, hypertension, cancer, atherosclerosis, and neurodegenerative diseases. These signaling mediators act locally, but are rapidly metabolized and transported to the systemic circulation as a mixture of primary and secondary metabolites. Accordingly, urine has become a useful readily accessible biofluid for monitoring the endogenous synthesis of these molecules. Herein, we present the validation of a rapid, repeatable, and precise method for the extraction and quantification of 32 eicosanoid urinary metabolites by LC-MS/MS. For 12 out of 17 deconjugated glucuronide eicosanoids, there was no improvement in recovered signal. These metabolites cover the major synthetic pathways, including prostaglandins, leukotrienes, and isoprostanes. The method linearity was >0.99 for all metabolites analyzed, the limit of detection ranged from 0.05–5 ng/ml, and the average extraction recoveries were >90%. All analytes were stable for at least three freeze/thaw cycles. The method was formatted for large-scale analysis of clinical cohorts, and the long-term repeatability was demonstrated over 15 months of acquisition, evidencing high precision (CV <15%, except for tetranorPGEM and 2,3-dinor-11α-PGF 2α , which were <30%). The presented method is suitable for focused mechanistic studies as well as large-scale clinical and epidemiological studies that require repeatable methods capable of producing data that can be concatenated across multiple cohorts.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».