Cardiorenal metabolic biomarkers link early life stress to risk of non-communicable diseases and adverse mental health outcomes
Notice bibliographique
Résumé
Abstract Stress is one of the most critical determinants of lifetime health and increases the risk of chronic non-communicable diseases. To gain insight into underlying environment-gene interactions, we analyzed the cardiorenal metabolome of adult mice exposed to multidimensional early-life transportation stress. Using proton nuclear magnetic resonance ( 1 H NMR) spectroscopy, we show that early life stress permanently programs metabolic pathways in somatic organs linked to cardiorenal and mental health disorders in later life. Heart and kidneys of stressed mice revealed robust metabolic markers linked to abnormal energy metabolism, branched-chain amino acid biosynthesis and degradation, methylhistidine metabolism, arginine and proline metabolism, glycine and serine metabolism, and aminoacyl-tRNA biosynthesis. These markers were strongly associated with anxiety-like behaviours. Dysregulation of energy and protein metabolism suggests an increased risk of metabolic diseases like insulin resistance, cardiorenal syndrome, diabetes, and obesity. These findings provide novel insights into the direct effects of early life stress on cardiorenal metabolism and are consistent with prior observations of increased non-communicable disease risk in stressed populations. Thus, stress-associated metabolic signatures in somatic organs may provide early predictors of health risks in later life and reveal new candidates for peripheral biomarker detection with diagnostic value.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».