Blood donor exposome and impact of common drugs on red blood cell metabolism
Notice bibliographique
Résumé
Computational models based on recent maps of the RBC proteome suggest that mature erythrocytes may harbor targets for common drugs. This prediction is relevant to RBC 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 posttransfusion efficacy. To test this prediction, here we provide a comprehensive characterization of the blood donor exposome, including the detection of common prescription and over-the-counter drugs in blood units donated by 250 healthy volunteers in the Recipient Epidemiology and Donor Evaluation Study III Red Blood Cell-Omics (REDS-III RBC-Omics) Study. Based on high-throughput drug screenings of 1366 FDA-approved drugs, we report that approximately 65% of the tested drugs had an impact 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 substantial impact on erythrocyte metabolism. As a proof of principle, here we show that the antacid ranitidine - though rarely detected in the blood donor population - has a strong effect on RBC markers of storage quality in vitro. We thus show that supplementation of blood units stored in bags with ranitidine could - through mechanisms involving sphingosine 1-phosphate-dependent modulation of erythrocyte glycolysis and/or direct binding to hemoglobin - improve erythrocyte metabolism and storage quality.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».