A Multi-omics Study of Circulating Phospholipid Markers of Blood Pressure
Notice bibliographique
Résumé
Abstract Background High-throughput techniques allow us to measure a wide-range of phospholipids which can provide insight into the mechanisms of hypertension. We aimed to conduct an in depth multi-omics study of various phospholipids with systolic blood pressure (SBP) and diastolic blood pressure (DBP).Methods The associations of blood pressure and 151 plasma phospholipids measured by electrospray ionization tandem mass spectrometry were performed by linear regression in five European cohorts (n = 2,786 in discovery and n = 1,185 in replication). We further explored the blood pressure-related phospholipids in Erasmus Rucphen Family (ERF) study by associating them with multiple cardiometabolic traits (linear regression) and predicting incident hypertension (Cox regression). Mendelian Randomization (MR) and phenome-wide association study (pheWAS) were also explored to further investigate these association results.Results We identified six phosphatidylethanolamines (PE 38:3, PE 38:4, PE 38:6, PE 40:4, PE 40:5 and PE 40:6) and two phosphatidylcholines (PC 32:1 and PC 40:5) which together predicted incident hypertension with an area under the curve (AUC) of 0.61. The identified eight phospholipids are strongly associated with triglycerides, obesity related traits (e.g. waist, waist hip ratio, total fat percentage, body mass index, lipid-lowering medication, and leptin), diabetes related traits (e.g. glucose, insulin resistance and insulin) and prevalent type 2 diabetes. The genetic determinants of these phospholipids also associated with many lipoproteins, heart rate, pulse rate and blood cell counts. No significant association was identified by bi-directional MR approach.Conclusion We identified eight blood pressure-related circulating phospholipids that have a predictive value for incident hypertension. Our cross-omics analyses show that phospholipid metabolites in the circulation may yield insight into blood pressure regulation and raise a number of testable hypothesis for future research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».