MétaCan
Menu
Retour à la cohorte
Enregistrement W3112932318 · doi:10.3389/fmolb.2020.609806

Distinctive Metabolomics Patterns Associated With Insulin Resistance and Type 2 Diabetes Mellitus

2020· article· en· W3112932318 sur OpenAlexafffund
Xinyun Gu, Mohammed Al Dubayee, Awad Alshahrani, Afshan Masood, Hicham Benabdelkamel, Mahmoud Zahra, Liang Li, Anas M. Abdel Rahman, Ahmad Aljada

Notice bibliographique

RevueFrontiers in Molecular Biosciences · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensMemorial University of NewfoundlandUniversity of Alberta
Organismes subventionnairesAlfaisal UniversityKing Faisal Specialist Hospital and Research CentreGenome Canada
Mots-clésMetabolomicsMetaboliteInsulin resistanceType 2 Diabetes MellitusType 2 diabetesMetabolomeAmino acidInternal medicineChemistryDiabetes mellitusEndocrinologyBiochemistryMedicineChromatography

Résumé

récupéré en direct d'OpenAlex

Obesity is associated with an increased risk of insulin resistance (IR) and type 2 diabetes mellitus (T2DM) which is a multi-factorial disease associated with a dysregulated metabolism and can be prevented in pre-diabetic individuals with impaired glucose tolerance. A metabolomic approach emphasizing metabolic pathways is critical to our understanding of this heterogeneous disease. This study aimed to characterize the serum metabolomic fingerprint and multi-metabolite signatures associated with IR and T2DM. Here, we have used untargeted high-performance chemical isotope labeling (CIL) liquid chromatography-mass spectrometry (LC-MS) to identify candidate biomarkers of IR and T2DM in sera from 30 adults of normal weight, 26 obese adults, and 16 adults newly diagnosed with T2DM. Among the 3633 peak pairs detected, 62% were either identified or matched. A group of 78 metabolites were up-regulated and 111 metabolites were down-regulated comparing obese to lean group while 459 metabolites were up-regulated and 166 metabolites were down-regulated comparing T2DM to obese groups. Several metabolites were identified as IR potential biomarkers, including amino acids (Asn, Gln, and His), methionine (Met) sulfoxide, 2-methyl-3-hydroxy-5-formylpyridine-4-carboxylate, serotonin, L-2-amino-3-oxobutanoic acid, and 4,6-dihydroxyquinoline. T2DM was associated with dysregulation of 42 metabolites, including amino acids, amino acids metabolites, and dipeptides. In conclusion, these pilot data have identified IR and T2DM metabolomics panels as potential novel biomarkers of IR and identified metabolites associated with T2DM, with possible diagnostic and therapeutic applications. Further studies to confirm these associations in prospective cohorts are warranted.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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

Citations76
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Molecular BiosciencesMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207