Metabolic dysfunction in pregnancy: Fingerprinting the maternal metabolome using proton nuclear magnetic resonance spectroscopy
Notice bibliographique
Résumé
Aims: Maternal metabolic disorders place the mother at risk for negative pregnancy outcomes with potentially long-term health impacts for the child. Metabolic syndrome, a cluster of features associated with increased risk of metabolic disorders, such as cardiovascular disease, diabetes and stroke, affects roughly one in five Canadians. Metabolomics is a relatively new technique that may be a useful tool to identify women at risk of metabolic disorders. This study set out to characterize urinary metabolic biomarkers of pregnant women with obesity and of pregnant women who later developed gestational diabetes mellitus (pre-GDM), compared to controls. Methods and Materials: H nuclear magnetic resonance (NMR) spectroscopy. Multivariate analysis was used to examine group differences, and machine learning feature selection tools identified the metabolites contributing to separation. Results: Obesity and pre-GDM metabolomes were distinct from controls and from each other. In each comparison, the glycine, serine and threonine pathways were the most impacted. Pantothenate, formic acid and glycine were downregulated by obesity, while formic acid, dimethylamine and galactose were downregulated in pre-GDM. The three most impacted metabolites for the comparison of obesity versus pre-GDM groups were upregulated creatine/caffeine, downregulated sarcosine/dimethylamine and upregulated maltose/sucrose in individuals who later developed GDM. Conclusion: These findings suggest a role for urinary metabolomics in the prediction of GDM and metabolic marker identification for potential diagnostics and prognostics in women at risk.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».