Metabolomics of infectious diseases in the era of personalized medicine
Notice bibliographique
Résumé
Infectious diseases continue to be a major cause of morbidity and mortality worldwide. Diseases cause perturbation of the host’s immune system provoking a response that involves genes, proteins and metabolites. While genes are regulated by epigenetic or other host factors, proteins can undergo post-translational modification to enable/modify function. As a result, it is difficult to correlate the disease phenotype based solely on genetic and proteomic information only. Metabolites, however, can provide direct information on the biochemical activity during diseased state. Therefore, metabolites may, potentially, represent a phenotypic signature of a diseased state. Measuring and assessing metabolites in large scale falls under the omics technology known as “metabolomics”. Comprehensive and/or specific metabolic profiling in biological fluids can be used as biomarkers of disease diagnosis. In addition, metabolomics together with genomics can be used to differentiate patients with differential treatment response and development of host targeted therapy instead of pathogen targeted therapy where pathogens are more prone to mutation and lead to antimicrobial resistance. Thus, metabolomics can be used for patient stratification, personalized drug formulation and disease control and management. Currently, several therapeutics and in vitro diagnostics kits have been approved by US Food and Drug Administration (FDA) for personalized treatment and diagnosis of infectious diseases. However, the actual number of therapeutics or diagnostics kits required for tailored treatment is limited as metabolomics and personalized medicine require the involvement of personnel from multidisciplinary fields ranging from technological development, bioscience, bioinformatics, biostatistics, clinicians, and biotechnology companies. Given the significance of metabolomics, in this review, we discussed different aspects of metabolomics particularly potentials of metabolomics as diagnostic biomarkers and use of small molecules for host targeted treatment for infectious diseases, and their scopes and challenges in personalized medicine.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».