Theory and Applications of NMR-Based Metabolomics in Human Disease Diagnosis
Notice bibliographique
Résumé
Metabolomics is a dynamic and emerging research field, joining proteomics, transcriptomics and genomics in affording a comprehensive understanding of biological systems and how these systems are affected by environmental stimuli and/or genetic modification. Metabolomics is particularly helpful for identifying biomarkers of disease processes such as the effects of a high fat diet on cardiovascular disease, providing insight into the interaction between genes and diet. Nuclear Magnetic Resonance (NMR) and Mass spectrometry (MS) are the most common analytical tools in metabolomics research. The high reproducibility of NMR-based techniques makes it superior to other analytical techniques especially in terms of searching for new and novel biomarkers in human diseases. Recently, NMR-based metabolomics approaches have been proposed as a promising and powerful technique for diagnosis of several human diseases. They have been used to investigate a wide range of diseases, through the examination of different kinds of human samples, including urine, blood plasma/serum, blister fluid, saliva, as well as intact tissue biopsies and tissue extracts. However, several factors can influence the metabolic balance within the human body and therefore in samples drawn from the body, including gender, age, fasting, diet, emotional stress, drug administration, physical activity and life style, thus complicating the use of NMR-based metabolomics approaches in diagnosing specific human disease. This chapter highlights the potential applications of NMR-based metabolomics approaches as a promising technique for diagnosis of human diseases.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,014 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».