Untargeted Mass Spectrometry Lipidomics identifies correlation between serum sphingomyelins and plasma cholesterol
Notice bibliographique
Résumé
BACKGROUND: Lipoproteins are major players in the development and progression of atherosclerotic plaques leading to coronary stenosis and myocardial infarction. Epidemiological, genetic and experimental observations have implicated the association of sphingolipids and intermediates of sphingolipid synthesis in atherosclerosis. We aimed to investigate relationships between quantitative changes in serum sphingolipids, the regulation of the metabolism of lipoproteins (LDL, HDL), and endophenotypes of coronary artery disease (CAD). METHODS: We carried out untargeted liquid chromatography - mass spectrometry (UPLC-MS) lipidomics of serum samples of subjects belonging to a cross-sectional study and recruited on the basis of absence or presence of angiographically-defined CAD, and extensively characterized for clinical and biochemical phenotypes. RESULTS: Among the 2998 spectral features detected in the serum samples, 1328 metabolic features were significantly correlated with at least one of the clinical or biochemical phenotypes measured in the cohort. We found evidence of significant associations between 34 metabolite signals, corresponding to a set of sphingomyelins, and serum HDL cholesterol. Many of these metabolite associations were also observed with serum LDL and total cholesterol levels but not as much with serum triglycerides. CONCLUSION: Among patients with CAD, sphingolipids in the form of sphingomyelins are directly correlated with serum levels of lipoproteins and total cholesterol. Results from this study support the fundamental role of sphingolipids in modulating lipid serum levels, highlighting the importance to identify novel targets in the sphingolipid metabolic pathway for anti-atherogenic therapies.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».