Linking the Endocannabinoidome with Specific Metabolic Parameters in an Overweight and Insulin-Resistant Population: From Multivariate Exploratory Analysis to Univariate Analysis and Construction of Predictive Models
Notice bibliographique
Résumé
The global obesity epidemic continues to rise worldwide. In this context, unraveling new interconnections between biological systems involved in obesity etiology is highly relevant. Dysregulation of the endocannabinoidome (eCBome) is associated with metabolic complications in obesity. This study aims at deciphering new associations between circulating endogenous bioactive lipids belonging to the eCBome and metabolic parameters in a population of overweight or obese individuals with metabolic syndrome. To this aim, we combined different multivariate exploratory analysis methods: canonical correlation analysis and principal component analysis, revealed associations between eCBome subsets, and metabolic parameters such as leptin, lipopolysaccharide-binding protein, and non-esterified fatty acids (NEFA). Subsequent construction of predictive regression models according to the linear combination of selected endocannabinoids demonstrates good prediction performance for NEFA. Descriptive approaches reveal the importance of specific circulating endocannabinoids and key related congeners to explain variance in the metabolic parameters in our cohort. Analysis of quartiles confirmed that these bioactive lipids were significantly higher in individuals characterized by important levels for aforementioned metabolic variables. In conclusion, by proposing a methodology for the exploration of large-scale data, our study offers additional evidence of the existence of an interplay between eCBome related-entities and metabolic parameters known to be altered in obesity.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».