Metabolomic and lipidomic landscape of porcine kidney associated with kidney perfusion in heart beating donors and donors after cardiac death
Notice bibliographique
Résumé
Abstract With the ever-increasing shortage of kidney donors, transplant centers are faced with the challenge of finding ways to maximize their use of all available organ resources and extend the donor pool, including the use of expanded criteria donors. To address the need for a new analytical solution for graft quality assessments, we present a novel biochemical analysis method based on solid-phase microextraction (SPME) – a chemical biopsy. In this study, renal autotransplantation was performed in porcine models to simulate two types of donor scenarios: heart beating donors (HBD) and donors after cardiac death (DCD). All renal grafts were perfused using continuous normothermic ex vivo kidney perfusion. The small diameter of SPME probes enables minimally invasive and repeated sampling of the same tissue, thus allowing changes occurring in the organ to be tracked throughout the entire transplantation procedure. Samples were subjected to metabolomic and lipidomic profiling using high-performance liquid chromatography coupled with a mass spectrometer. As a result, we observed differences in the profiles of HBD and DCD kidneys. The most pronounced alterations were reflected in the levels of essential amino acids, purine nucleosides, lysophosphocholines, phosphoethanolamines, and triacylglycerols. Our findings demonstrate the potential of chemical biopsy in donor graft quality assessment and monitoring kidney function during perfusion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».