Assessing the Potential of Untargeted SWATH Mass Spectrometry-Based Metabolomics to Differentiate Closely Related Exposures in Observational Studies
Notice bibliographique
Résumé
Mass spectrometry (MS) is increasingly used in clinical studies to obtain molecular evidence of chemical exposures, such as tobacco smoke, alcohol, and drugs. This evidence can help verify clinical data retrieved through anamnesis or questionnaires and may provide insights into unreported exposures, for example those classified as the same despite small but possibly relevant chemical differences or due to contaminants in reported exposure compounds. Here, we aimed to explore the potential of untargeted SWATH metabolomics to differentiate such closely related exposures. This data-independent acquisition MS-based profiling technique was applied to urine samples of 316 liver and 570 kidney transplant recipients from the TransplantLines Biobank and Cohort Study (NCT03272841), where we focused on the immunosuppressive drug mycophenolate, which is either supplied as a morpholino-ester prodrug or as an enteric-coated product, the illicit drug cocaine, which is usually supplied as an adulterated product, and the proton pump inhibitors omeprazole and esomeprazole. Based on these examples, we found that untargeted SWATH metabolomics has considerable potential to identify different (unreported) exposure or co-exposure metabolites and may determine variations in their abundances. We also found that these signals alone may sometimes be unable to distinguish closely related exposures, and enhancement of differentiation, for example by integration with pharmacogenomics data, is needed.
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 | 0,001 |
| 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 ».