MétaCan
Menu
Retour à la cohorte
Enregistrement W4295210979 · doi:10.3390/diagnostics12092184

A Comprehensive 2D-LC/MS/MS Profile of the Normal Human Urinary Metabolome

2022· article· en· W4295210979 sur OpenAlexaff
Jiyu Xu, Shuxin Zheng, Mimi Li, Xiaoyan Liu, Haidan Sun, Zhengguang Guo, Jing Wei, Lulu Jia, Wei Sun

Notice bibliographique

RevueDiagnostics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensCanada Research Chairs
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMetabolomeUrineUrinary systemMetabolismMetabolomicsMetaboliteMetabolic pathwayChemistryBiochemistryChromatographyBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Profiling bodily fluids is crucial for monitoring and discovering metabolic markers of disease. In this study, a comprehensive analysis approach based on 1D-LC-MS/MS and 2D-LC-MS/MS was applied to profile normal human urine metabolites from 348 children and 315 adults. A total of 2357 metabolites were identified, including 1831 endogenous metabolites and 526 exogenous ones. In total, 1005 metabolites were identified in urine for the first time. The urinary metabolites were mainly involved in amino acid metabolism, small molecule biochemistry, lipid metabolism and cellular compromise. The comparison of adult's and children's urine metabolomes showed adults urine had more metabolites involved in immune response than children's, but the function of binding of melatonin, which belongs to the endocrine system, showed a higher expression in children. The urine metabolites detected by the 1D-LC-MS/MS method were mainly related to amino acid metabolism and lipid metabolism, and the 2D-LC-MS/MS method not only explored metabolites from 1D-LC-MS/MS but also metabolites related to cell signaling, cell function and maintenance, etc. Our analysis comprehensively profiled and functionally annotated the metabolome of normal human urine, which would benefit the application of urinary metabolome to clinical research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiagnosticsMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207