MétaCan
Menu
Retour à la cohorte
Enregistrement W3034447588 · doi:10.2337/db20-531-p

531-P: Metabolomics Identifies Novel Plasma Metabolomic Signatures Associated with Diabetic Neuropathy in a Cohort with Screen-Tested Type 2 Diabetes: ADDITION-Denmark

2020· article· en· W3034447588 sur OpenAlexaboutno aff
Amy E. Rumora, Fadhl Alakwaa, Signe T. Andersen, Marit E. Jørgensen, Morten Charles, Brian C. Callaghan, Troels S. Jensen, Eva L. Feldman

Notice bibliographique

RevueDiabetes · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetabolomicsType 2 diabetesInternal medicineMedicineDiabetes mellitusEndocrinologySphingolipidCohortBioinformaticsBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Peripheral neuropathy (PN) is a common complication of diabetes that develops in up to 50% of people with diabetes. Obesity and the metabolic syndrome are risk factors for PN in patients with type 2 diabetes (T2D). However, the lipid metabolites associated with PN development are unknown. We compared the metabolomic profile of plasma from T2D patients with and without PN compared to lean control patients to identify metabolic changes that underlie PN associated with T2D. PN was evaluated in a cohort of T2D patients from the Danish portion of the Anglo-Danish-Dutch study of Intensive Treatment of Diabetes in Primary Care (ADDITION). The Toronto criteria was used to assess PN based on symptoms of neuropathy and abnormal nerve conduction studies. To identify metabolomic signatures that associate with PN, plasma samples from 9 lean control, 49 T2D, and 48 T2D patients with PN were submitted to Metabolon® for a global metabolomics analysis. We used least absolute shrinkage and selection operator (LASSO) and Welch’s two-sample t-test to identify metabolites that differed between PN and non-PN subjects. Metabolomics identified plasma lipid metabolites that were dysregulated in T2D including cholesterol, sphingolipids, and acylcarnitines. Cholesterol and three classes of sphingolipid metabolites (dihydrosphingomyelin, glucosylceramide, and sphingomyelin) were significantly lower in plasma from T2D patients irrespective of PN compared to lean controls. Interestingly, long-chain and very long-chain acylcarnitines were also reduced in T2D patients while short-chain acylcarnitines were unchanged. Only a small number of metabolites were uniquely regulated by PN; of these, two very long-chain acylcarnitine species (C26:1 and C24) were significantly diminished in T2D patients with PN compared to those without. These results suggest an association with lipid markers of impaired mitochondrial β-oxidation and PN in T2D. Disclosure A.E. Rumora: None. F. Alakwaa: None. S.T. Andersen: None. M.E. Jørgensen: Research Support; Self; Amgen, AstraZeneca, Boehringer Ingelheim Pharmaceuticals, Inc., Sanofi-Aventis. Stock/Shareholder; Self; Novo Nordisk A/S. M. Charles: Other Relationship; Self; Novo Nordisk A/S. B.C. Callaghan: None. T.S. Jensen: None. E.L. Feldman: Consultant; Self; Novartis Pharmaceuticals Corporation. Funding American Diabetes Association (7-12-BS-045 to E.L.F.); Novo Nordisk Foundation (NNF14OC0011633); National Institutes of Health (1R24082841, 1DP3DK094292); National Institute of Diabetes and Digestive and Kidney Diseases (T32DK101357, F32DK112642, K99DK119366); NeuroNetwork for Emerging Therapies; A. Alfred Taubman Medical Research Institute

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)0,001
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207