MétaCan
Menu
Retour à la cohorte
Enregistrement W3121158654 · doi:10.20944/preprints201908.0149.v1

Metabolic Trajectories Following Contrasting Prudent and Western Diets from Food Provisions: Robust Biomarkers of Short-Term Changes in Habitual Diet

2019· preprint· en· W3121158654 sur OpenAlexaff
Nadine Wellington, Meera Shanmuganathan, Russell J. de Souza, Michael A. Zulyniak, Sandi M. Azab, Jonathon Bloomfield, Alicia Mell, Ritchie Ly, Dipika Desai, Sonia S. Anand, Philip Britz‐McKibbin

Notice bibliographique

RevuePreprints.org · 2019
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensPopulation Health Research InstituteMcMaster University
Organismes subventionnairesAgilent Technologies
Mots-clésMetaboliteCreatinineFood groupMedicineUrineInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

A large body of evidence has linked unhealthy eating with an alarming increase in obesity and chronic disease worldwide. However, existing methods of assessing dietary intake rely on food frequency questionnaires or dietary records that are prone to bias and selective reporting. Herein, metabolic phenotyping was performed on 42 healthy participants from the Diet and Gene Intervention (DIGEST) pilot study, a parallel two-arm randomized clinical trial that provided complete diets to all participants. Matching urine and plasma specimens were collected at baseline and following 2 weeks of provision of either a Prudent or Western diet with a weight-maintaining menu plan designed by a dietician. Targeted and nontargeted metabolite profiling was conducted using three complementary analytical platforms, where 80 serum metabolites and 84 creatinine-normalized urinary metabolites were reliably measured (CV < 30%) in the majority of participants (> 75%) after implementing a rigorous data workflow for metabolite authentication with stringent quality control. We classified a panel of metabolites with distinctive trajectories following 2 weeks of food provisions when using complementary univariate and multivariate statistical models. Unknown metabolites associated with contrasting dietary patterns were identified with high resolution MS/MS and/or co-elution after spiking with authentic standards. Overall, 3-methylhistidine and proline betaine concentrations increased consistently when participants were assigned a Prudent diet (q < 0.05) in both plasma and urine samples with a decrease in the Western diet group. Similarly, creatinine-normalized urinary imidazole propionate, hydroxypipecolic acid, dihydroxybenzoic acid, and enterolactone glucuronide, as well as plasma ketoleucine and ketovaline increased with a Prudent diet (p < 0.05) after adjustments for age, sex and BMI. In contrast, plasma myristic acid, linoelaidic acid, linoleic acid, α-linoleic acid, pentadecanoic acid, alanine, proline, carnitine and deoxycarnitine, as well as urinary acesulfame K increased among participants following a Western diet. Most metabolites were also correlated (r > ± 0.30, p < 0.05) to changes in average intake of specific nutrients from self-reported diet records reflecting good adherence to food provisions. This study revealed robust biomarkers sensitive to short-term changes in habitual diet that can be used to reliably monitor healthy eating patterns for new advances in nutritional epidemiology, as well as the design of evidence-based public health policies for chronic disease prevention.

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)0,001
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: Observationnel
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,069
Tête enseignante GPT0,313
Écart entre enseignants0,244 · 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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207