MétaCan
Menu
Retour à la cohorte
Enregistrement W4280634764 · doi:10.3389/fimmu.2022.827603

N6-Acetyl-L-Lysine and p-Cresol as Key Metabolites in the Pathogenesis of COVID-19 in Obese Patients

2022· article· en· W4280634764 sur OpenAlexaff
Nour Jalaleddine, Mahmood Yaseen Hachim, Hamza M. Al‐Hroub, Narjes Saheb Sharif‐Askari, Abiola Senok, Adel B. Elmoselhi, Bassam Mahboub, Nimmi Moni Samuel Kurien, Richard K. Kandasamy, Mohammad H. Semreen, Rabih Halwani, Nelson C. Soares, Saba Al Heialy

Notice bibliographique

RevueFrontiers in Immunology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesMohammed Bin Rashid University of Medicine and Health SciencesKing Saud UniversityUniversity of SharjahAl Jalila Foundation
Mots-clésMetabolic syndromeObesityMedicinePopulationCoronavirus disease 2019 (COVID-19)Internal medicineCohortPathogenesisEndocrinologyDiseaseInfectious disease (medical specialty)Environmental health

Résumé

récupéré en direct d'OpenAlex

Despite the growing number of the vaccinated population, COVID-19, caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), remains a global health burden. Obesity, a metabolic syndrome affecting one-third of the population, has proven to be a major risk factor for COVID-19 severe complications. Several studies have identified metabolic signatures and disrupted metabolic pathways associated with COVID-19, however there are no reports evaluating the role of obesity in the COVID-19 metabolic regulation. In this study we highlight the involvement of obesity metabolically in affecting SARS-CoV-2 infection and the consequent health complications, mainly cardiovascular disease. We measured one hundred and forty-four (144) metabolites using ultra high-performance liquid chromatography-quadrupole time of flight mass spectrometry (UHPLC-QTOF-MS) to identify metabolic changes in response to SARS-CoV-2 infection, in lean and obese COVID-19 positive (n=82) and COVID-19 negative (n=24) patients. The identified metabolites are found to be mainly correlating with glucose, energy and steroid metabolisms. Further data analysis indicated twelve (12) significantly yet differentially abundant metabolites associated with viral infection and health complications, in COVID-19 obese patients. Two of the detected metabolites, n6-acetyl-l-lysine and p-cresol, are detected only among the COVID-19 cohort, exhibiting significantly higher levels in COVID-19 obese patients when compared to COVID-19 lean patients. These metabolites have important roles in viral entry and could explain the increased susceptibility of obese patients. On the same note, a set of six metabolites associated with antiviral and anti-inflammatory functions displayed significantly lower abundance in COVID-19 obese patients. In conclusion, this report highlights the plasma metabolome of COVID-19 obese patients as a metabolic feature and signature to help improve clinical outcomes. We propose n6-acetyl-l-lysine and p-cresol as potential metabolic markers which warrant further investigations to better understand their involvement in different metabolic pathways in COVID-19.

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)0,000
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,232
Écart entre enseignants0,226 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207