Cross-Sectional Blood Metabolite Markers of Hypertension: A Multicohort Analysis of 44,306 Individuals from the COnsortium of METabolomics Studies
Notice bibliographique
Résumé
Hypertension is the main modifiable risk factor for cardiovascular morbidity and mortality but discovering molecular mechanisms for targeted treatment has been challenging. Here we investigate associations of blood metabolite markers with hypertension by integrating data from nine intercontinental cohorts from the COnsortium of METabolomics Studies. We included 44,306 individuals with circulating metabolites (up to 813). Metabolites were aligned and inverse normalised to allow intra-platform comparison. Logistic models adjusting for covariates were performed in each cohort and results were combined using random-effect inverse-variance meta-analyses adjusting for multiple testing. We further conducted canonical pathway analysis to investigate the pathways underlying the hypertension-associated metabolites. In 12,479 hypertensive cases and 31,827 controls without renal impairment, we identified 38 metabolites, associated with hypertension after adjusting for age, sex, body mass index, ethnicity, and multiple testing. Of these, 32 metabolite associations, predominantly lipid (steroids and fatty acyls) and organic acids (amino-, hydroxy-, and keto-acids) remained after further adjusting for comorbidities and dietary intake. Among the identified metabolites, 5 were novel, including 2 bile acids, 2 glycerophospholipids, and ketoleucine. Pathway analysis further implicates the role of the amino-acids, serine/glycine, and bile acids in hypertension regulation. In the largest cross-sectional hypertension-metabolomics study to date, we identify 32 circulating metabolites (of which 5 novel and 27 confirmed) that are potentially actionable targets for intervention. Further in-vivo studies are needed to identify their specific role in the aetiology or progression of hypertension.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».