Untargeted Metabolomics Identifies a Novel Panel of Markers for Autologous Blood Transfusion
Notice bibliographique
Résumé
Untargeted metabolomics was used to analyze serum and urine samples for biomarkers of autologous blood transfusion (ABT). Red blood cell concentrates from donated blood were stored for 35−36 days prior to reinfusion into the donors. Participants were sampled at different time points post-donation and up to 7 days post-transfusion. Metabolomic profiling was performed using ACQUITY ultra performance liquid chromatography (UPLC), Q-Exactive high resolution/accurate mass spectrometer interfaced with a heated electrospray ionization (HESI-II) source and Orbitrap mass analyzer operated at 35,000 mass resolution. The markers of ABT were determined by principal component analysis and metabolites that had p < 0.05 and met ≥ 2-fold change from baseline were selected. A total of 11 serum and eight urinary metabolites, including two urinary plasticizer metabolites, were altered during the study. By the seventh day post-transfusion, the plasticizers had returned to baseline, while changes in nine other metabolites (seven serum and two urinary) remained. Five of these metabolites (serum inosine, guanosine and sphinganine and urinary isocitrate and erythronate) were upregulated, while serum glycourdeoxycholate, S-allylcysteine, 17-alphahydroxypregnenalone 3 and Glutamine conjugate of C6H10O2 (2)* were downregulated. This is the first study to identify a panel of metabolites, from serum and urine, as markers of ABT. Once independently validated, it could be universally adopted to detect ABT.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».