MétaCan
Menu
Retour à la cohorte
Enregistrement W4372349495 · doi:10.1101/2023.05.03.23289456

The plasma metabolome of long COVID-19 patients two years after infection

2023· preprint· en· W4372349495 sur OpenAlexaff
Yamilé López‐Hernández, Joel Monárrez Aquino, David Alejandro García López, Jiamin Zheng, Juan Carlos Borrego, Claudia Torres-Calzada, José Pedro Elizalde-Díaz, Rupasri Mandal, Mark Berjanskii, Eduardo Martínez‐Martínez, Jesús Adrián López, David S. Wishart

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensThe Metabolomics Innovation CentreUniversity of Alberta
Organismes subventionnairesInstituto Nacional de Medicina GenómicaConsejo Nacional de Ciencia y Tecnología
Mots-clésMetabolomeCoronavirus disease 2019 (COVID-19)MedicineMetabolomicsLactic acidMetaboliteSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)ArginineInternal medicineChemistryGastroenterologyPharmacologyBiologyDiseaseBiochemistryAmino acidChromatography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background One of the major challenges currently faced by global health systems is the prolonged COVID-19 syndrome (also known as “long COVID”) which has emerged as a consequence of the SARS-CoV-2 epidemic. The World Health Organization (WHO) recognized long COVID as a distinct clinical entity in 2021. It is estimated that at least 30% of patients who have had COVID-19 will develop long COVID. This has put a tremendous strain on still-overstretched healthcare systems around the world. Methods In this study, our goal was to assess the plasma metabolome in a total of 108 samples collected from healthy controls, COVID-19 patients, and long COVID patients recruited in Mexico between 2020 and 2022. A targeted metabolomics approach using a combination of LC-MS/MS and FIA MS/MS was performed to quantify 108 metabolites. IL-17 and leptin concentrations were measured in long COVID patients by immunoenzymatic assay. Results The comparison of paired COVID-19/post-COVID-19 samples revealed 53 metabolites that were statistically different (FDR < 0.05). Compared to controls, 29 metabolites remained dysregulated even after two years. Notably, glucose, kynurenine, and certain acylcarnitines continued to exhibit altered concentrations similar to the COVID-19 phase, while sphingomyelins and long saturated and monounsaturated LysoPCs, phenylalanine, butyric acid, and propionic acid levels normalized. Post-COVID-19 patients displayed a heterogeneous metabolic profile, with some showing no symptoms while others exhibiting a variable number of symptoms. Lactic acid, lactate/pyruvate ratio, ornithine/citrulline ratio, sarcosine, and arginine were identified as the most relevant metabolites for distinguishing patients with more complicated long COVID evolution. Additionally, IL-17 levels were significantly increased in these patients. Conclusions Mitochondrial dysfunction, redox state imbalance, impaired energy metabolism, and chronic immune dysregulation are likely to be the main hallmarks of long COVID even two years after acute COVID-19 infection.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,325
Écart entre enseignants0,302 · 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.

Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetLong-Term Effects of COVID-19Travaux en français237 207