Serum Lipidomic Screen Identifies Key Metabolites, Pathways, and Disease Classifiers in Crohn’s Disease
Notice bibliographique
Résumé
BACKGROUND: There is an unmet medical need for biomarkers that capture host and environmental contributions in inflammatory bowel diseases (IBDs). This study aimed at testing the potential of circulating lipids as disease classifiers given their major roles in inflammation. METHODS: We applied a previously validated comprehensive high-resolution liquid chromatography-mass spectrometry-based untargeted lipidomic workflow covering 25 lipid subclasses to serum samples from 100 Crohn's disease (CD) patients and 100 matched control subjects. Findings were replicated and expanded in another 200 CD patients and 200 control subjects. Key metabolites were tested for associations with disease behavior and location, and classification models were built and validated. Their association with disease activity was tested using an independent cohort of 42 CD patients. RESULTS: We identified >70 metabolites with strong association (P < 1 × 10-4, q < 5 × 10-4) to CD. Highly performing classification models (area under the curve > 0.84-0.97) could be built with as few as 5 to 9 different metabolites, representing 6 major correlated lipid clusters. These classifiers included a phosphatidylethanolamine ether (O-16:0/20:4), a sphingomyelin (d18:1/21:0) and a cholesterol ester (14:1), a very long-chain dicarboxylic acid [28:1(OH)] and sitosterol sulfate. These classifiers and correlated lipids indicate a dysregulated metabolism in host cells, notably in peroxisomes, as well as dysbiosis, oxidative stress, compromised inflammation resolution, or intestinal membrane integrity. A subset of these were associated with disease behavior or location. CONCLUSIONS: Untargeted lipidomic analyses uncovered perturbations in the circulating human CD lipidome, likely resulting from multiple pathogenic mechanisms. Models using as few as 5 biomarkers had strong disease classifier characteristics, supporting their potential use in diagnosis or prognosis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».