Blood donor exposome and impact of common drugs on red blood cell metabolism
Notice bibliographique
Résumé
Abstract Computational models based on recent maps of the red blood cell proteome suggest that mature erythrocytes may harbor targets for common drugs. This prediction is relevant to red blood cell storage in the blood bank, in which the impact of small molecule drugs or other xenometabolites deriving from dietary, iatrogenic or environmental exposures (“exposome”) may alter erythrocyte energy and redox metabolism and, in so doing, affect red cell storage quality and post-transfusion efficacy. To test this prediction, here we provide a comprehensive characterization of the blood donor exposome, including the detection of common prescription and off-the-counter drugs in 250 units donated by healthy volunteers from the REDS-III RBC Omics study. Based on high-throughput drug screenings of 1,366 FDA-approved drugs, we report a significant impact of ∼65% of the tested drugs on erythrocyte metabolism. Machine learning models built using metabolites as predictors were able to accurately predict drugs for several drug classes/targets (bisphosphonates, anticholinergics, calcium channel blockers, adrenergics, proton-pump inhibitors, antimetabolites, selective serotonin reuptake inhibitors, and mTOR) suggesting that these drugs have a direct, conserved, and significant impact on erythrocyte metabolism. We then focused on ranitidine – a common antiacid – as a representative drug with the potential to improve human erythrocyte storage quality and post-transfusion performances in mice. By combining tracing experiments with 1,2,3- 13 C 3 -glucose, proteome integral solubility alteration assays, genetic ablation of S1P synthesis capacity, in silico docking and 1D NMR, we show that ranitidine triggers metabolic mechanisms involving sphingosine 1-phosphate (S1P)-dependent modulation of erythrocyte glycolysis and/or direct binding to hemoglobin. Graphical Abstract RBC exposome from the REDS III study revealed that blood from a subset of donors contains traces of the most common drugs in the United States. RBCs can uptake these drugs, in some cases can metabolize them to their bioactive metabolites and in others the drug can directly impact RBC metabolism during storage. Key points Blood donor exposomes include metabolites of environmental exposure, traces of common prescription or off-the-counter drugs; 65% of 1366 FDA- approved drug significantly affect RBC metabolism. Ranitidine significantly impacts glycolysis and S1P metabolism.
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) | 0,001 | 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 | 0,001 |
| 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 ».