MétaCan
Menu
Retour à la cohorte
Enregistrement W2991186116 · doi:10.1016/j.jhep.2019.11.009

Blood metabolomics uncovers inflammation-associated mitochondrial dysfunction as a potential mechanism underlying ACLF

2019· article· en· W2991186116 sur OpenAlexfundno aff
Richard Moreau, Joan Clària, Ferrán Aguilar, François Fenaille, Juan José Lozano, Christophe Junot, Benoît Colsch, Paolo Caraceni, Jonel Trebicka, Marco Pavesi, Carlo Alessandria, Frederik Nevens, Faouzi Saliba, Tania M. Welzel, Agustı́n Albillos, Thierry Gustot, Javier Fernández, Christophe Moreno, Maurizio Baldassarre, Giacomo Zaccherini, Salvatore Piano, Sara Montagnese, Vı́ctor Vargas, Joan Genescà, Elsa Solà, William Bernal, Noémie Butin, Thaïs Hautbergue, Sophie Cholet, Florence Castelli, Christian Jansen, Christian J. Steib, Daniela Campion, Rajeshwar P. Mookerjee, Miguel Ángel Rodríguez-Gandía, Germán Soriano, François Durand, Daniel Benten, Rafael Bañares, Rudolf Stauber, Henning Grønbæk, Minneke J. Coenraad, Pere Ginès, Alexander L. Gerbes, Rajiv Jalan, Mauro Bernardi, Vicente Arroyo, Paolo Angeli

Notice bibliographique

RevueJournal of Hepatology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesGrifolsNovo Nordisk FondenInstitució Catalana de Recerca i Estudis AvançatsMallinckrodt PharmaceuticalsGilead SciencesAgence Nationale de la RechercheFundación CellexAstellas PharmaAstellas Pharma USBristol-Myers Squibb
Mots-clésMechanism (biology)InflammationMetabolomicsMedicineBioinformaticsBiologyImmunologyPhysics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & AIMS: Acute-on-chronic liver failure (ACLF), which develops in patients with cirrhosis, is characterized by intense systemic inflammation and organ failure(s). Because systemic inflammation is energetically expensive, its metabolic costs may result in organ dysfunction/failure. Therefore, we aimed to analyze the blood metabolome in patients with cirrhosis, with and without ACLF. METHODS: We performed untargeted metabolomics using liquid chromatography coupled to high-resolution mass spectrometry in serum from 650 patients with AD (acute decompensation of cirrhosis, without ACLF), 181 with ACLF, 43 with compensated cirrhosis, and 29 healthy individuals. RESULTS: Of the 137 annotated metabolites identified, 100 were increased in patients with ACLF of any grade, relative to those with AD, and 38 comprised a distinctive blood metabolite fingerprint for ACLF. Among patients with ACLF, the intensity of the fingerprint increased across ACLF grades, and was similar in patients with kidney failure and in those without, indicating that the fingerprint reflected not only decreased kidney excretion but also altered cell metabolism. The higher the ACLF-associated fingerprint intensity, the higher the plasma levels of inflammatory markers, tumor necrosis factor α, soluble CD206, and soluble CD163. ACLF was characterized by intense proteolysis and lipolysis; amino acid catabolism; extra-mitochondrial glucose metabolism through glycolysis, pentose phosphate, and D-glucuronate pathways; depressed mitochondrial ATP-producing fatty acid β-oxidation; and extra-mitochondrial amino acid metabolism giving rise to metabotoxins. CONCLUSIONS: In ACLF, intense systemic inflammation is associated with blood metabolite accumulation and profound alterations in major metabolic pathways, in particular inhibition of mitochondrial energy production, which may contribute to the development of organ failures. LAY SUMMARY: Acute-on-chronic liver failure (ACLF), which develops in patients with cirrhosis, is characterized by intense systemic inflammation and organ failure(s). Because systemic inflammation is energetically expensive, its metabolic costs may result in organ dysfunction/failure. We identified a 38-metabolite blood fingerprint specific for ACLF that revealed mitochondrial dysfunction in peripheral organs. This may contribute to organ failures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), 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

Citations352
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of HepatologyMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207