Mitochondrial metabolites predict adverse cardiovascular events in individuals with diabetes
Notice bibliographique
Résumé
Metabolic mechanisms underlying the heterogeneity of major adverse cardiovascular (CV) event (MACE) risk in individuals with type 2 diabetes mellitus (T2D) remain unclear. We hypothesized that circulating metabolites reflecting mitochondrial dysfunction predict incident MACE in T2D. Targeted mass-spectrometry profiling of 60 metabolites was performed on baseline plasma samples from the Trial Evaluating Cardiovascular Outcomes with Sitagliptin (TECOS; discovery cohort) and Exenatide Study of Cardiovascular Event Lowering (EXSCEL; validation cohort) biomarker substudy cohorts. A principal components analysis metabolite factor comprising medium-chain acylcarnitines (MCACs) was associated with MACE in TECOS and validated in EXSCEL, with higher levels associated with higher MACE risk. Meta-analysis showed that long-chain acylcarnitines (LCACs) and dicarboxylacylcarnitines were also associated with MACE. Metabolites remained associated with MACE in multivariate models and favorably changed with exenatide therapy. A third cohort (Cardiac Catheterization Genetics [CATHGEN]) with T2D was assessed to determine whether these metabolites improved discriminative capability of multivariate models for MACE. Nine metabolites (MCACs and LCACs and 1 dicarboxylacylcarnitine) were associated with time to MACE in the CATHGEN cohort. Addition of these metabolites to clinical models minimally improved the discriminative capability for MACE but did significantly down reclassify risk. Thus, metabolites reporting on dysregulated mitochondrial fatty acid oxidation are present in higher levels in individuals with T2D who experience subsequent MACE. These biomarkers may improve CV risk prediction models, be therapy responsive, and highlight emerging risk mechanisms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».