Sexual Dimorphism of the Mouse Plasma Metabolome Is Associated with Phenotypes of 30 Gene Knockout Lines
Notice bibliographique
Résumé
Although metabolic alterations are observed in many monogenic and complex genetic disorders, the impact of most mammalian genes on cellular metabolism remains unknown. Understanding the effect of mouse gene dysfunction on metabolism can inform the functions of their human orthologues. We investigated the effect of loss-of-function mutations in 30 unique gene knockout (KO) lines on plasma metabolites, including genes coding for structural proteins (11 of 30), metabolic pathway enzymes (12 of 30) and protein kinases (7 of 30). Steroids, bile acids, oxylipins, primary metabolites, biogenic amines and complex lipids were analyzed with dedicated mass spectrometry platforms, yielding 827 identified metabolites in male and female KO mice and wildtype (WT) controls. Twenty-two percent of 23,698 KO versus WT comparison tests showed significant genotype effects on plasma metabolites. Fifty-six percent of identified metabolites were significantly different between the sexes in WT mice. Many of these metabolites were also found to have sexually dimorphic changes in KO lines. We used plasma metabolites to complement phenotype information exemplified for Dhfr, Idh1, Mfap4, Nek2, Npc2, Phyh and Sra1. The association of plasma metabolites with IMPC phenotypes showed dramatic sexual dimorphism in wildtype mice. We demonstrate how to link metabolomics to genotypes and (disease) phenotypes. Sex must be considered as critical factor in the biological interpretation of gene functions.
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) | 0,000 | 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 ».