MétaCan
Menu
Retour à la cohorte
Enregistrement W2968529790 · doi:10.3390/nu11102407

Metabolic Trajectories Following Contrasting Prudent and Western Diets from Food Provisions: Identifying Robust Biomarkers of Short-Term Changes in Habitual Diet

2019· article· en· W2968529790 sur OpenAlexafffund
Nadine Wellington, Meera Shanmuganathan, Russell J. de Souza, Michael A. Zulyniak, Sandi M. Azab, Jonathon Bloomfield, Alicia Mell, Ritchie Ly, Dipika Desai, Sonia S. Anand, Philip Britz‐McKibbin

Notice bibliographique

RevueNutrients · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensImpactPopulation Health Research InstituteMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGenome Canada
Mots-clésMetaboliteNutritional epidemiologyMedicineFood groupCreatinineInternal medicinePhysiologyEnvironmental healthEpidemiology

Résumé

récupéré en direct d'OpenAlex

A large body of evidence has linked unhealthy eating patterns with an alarming increase in obesity and chronic disease worldwide. However, existing methods of assessing dietary intake in nutritional epidemiology rely on food frequency questionnaires or dietary records that are prone to bias and selective reporting. Herein, metabolic phenotyping was performed on 42 healthy participants from the Diet and Gene Intervention (DIGEST) pilot study, a parallel two-arm randomized clinical trial that provided complete diets to all participants. Matching single-spot urine and fasting plasma specimens were collected at baseline, and then following two weeks of either a Prudent or Western diet with a weight-maintaining menu plan designed by a dietician. Targeted and nontargeted metabolite profiling was conducted using three complementary analytical platforms, where 80 plasma metabolites and 84 creatinine-normalized urinary metabolites were reliably measured (CV < 30%) in the majority of participants (>75%) after implementing a rigorous data workflow for metabolite authentication with stringent quality control. We classified a panel of metabolites with distinctive trajectories following two weeks of food provisions when using complementary univariate and multivariate statistical models. Unknown metabolites associated with contrasting dietary patterns were identified with high-resolution MS/MS, as well as co-elution after spiking with authentic standards if available. Overall, 3-methylhistidine and proline betaine concentrations increased in both plasma and urine samples after participants were assigned a Prudent diet (q < 0.05) with a corresponding decrease in the Western diet group. Similarly, creatinine-normalized urinary imidazole propionate, hydroxypipecolic acid, dihydroxybenzoic acid, and enterolactone glucuronide, as well as plasma ketoleucine and ketovaline increased with a Prudent diet (p < 0.05) after adjustments for age, sex, and BMI. In contrast, plasma myristic acid, linoelaidic acid, linoleic acid, α-linoleic acid, pentadecanoic acid, alanine, proline, carnitine, and deoxycarnitine, as well as urinary acesulfame K increased among participants following a Western diet. Most metabolites were also correlated (r > ± 0.30, p < 0.05) to changes in the average intake of specific nutrients from self-reported diet records reflecting good adherence to assigned food provisions. Our study revealed robust biomarkers sensitive to short-term changes in habitual diet, which is needed for accurate monitoring of healthy eating patterns in free-living populations, and evidence-based public health policies for chronic disease prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,262
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207