MétaCan
Menu
Retour à la cohorte
Enregistrement W4386725724 · doi:10.1093/cvr/cvad147

Predictive metabolites for incident myocardial infarction: a two-step meta-analysis of individual patient data from six cohorts comprising 7897 individuals from the COnsortium of METabolomics Studies

2023· review· en· W4386725724 sur OpenAlexafffund
Ana Nogal, Taryn Alkis, Yura Lee, Domagoj Kifer, Jie Hu, Rachel A. Murphy, Zhe Huang, Rui Wang‐Sattler, Gabi Kastenmüler, Birgit Linkohr, Clara Barrios, Marta Crespo, Christian Gieger, Annette Peters, Jackie F. Price, Kathryn M. Rexrode, Bing Yu, Cristina Menni

Notice bibliographique

RevueCardiovascular Research · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institute on AgingGuy's and St Thomas' NHS Foundation TrustInstituto de Salud Carlos IIIMedical Research CouncilEuropean CommissionNational Institute of Nursing ResearchNational Institute for Health and Care ResearchKing's College LondonUK Research and InnovationMichael Smith Health Research BCHorizon 2020 Framework ProgrammeChronic Disease Research FoundationDepartment of Health and Human Services, State Government of VictoriaBritish Heart FoundationNational Center for Advancing Translational SciencesNational Human Genome Research InstituteWellcome TrustNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésHazard ratioMetabolomicsMedicineMyocardial infarctionInternal medicineConfidence intervalMeta-analysisMetabolomeProportional hazards modelGlutamineMetaboliteBioinformaticsBiologyAmino acidBiochemistry

Résumé

récupéré en direct d'OpenAlex

AIMS: Myocardial infarction (MI) is a major cause of death and disability worldwide. Most metabolomics studies investigating metabolites predicting MI are limited by the participant number and/or the demographic diversity. We sought to identify biomarkers of incident MI in the COnsortium of METabolomics Studies. METHODS AND RESULTS: We included 7897 individuals aged on average 66 years from six intercontinental cohorts with blood metabolomic profiling (n = 1428 metabolites, of which 168 were present in at least three cohorts with over 80% prevalence) and MI information (1373 cases). We performed a two-stage individual patient data meta-analysis. We first assessed the associations between circulating metabolites and incident MI for each cohort adjusting for traditional risk factors and then performed a fixed effect inverse variance meta-analysis to pull the results together. Finally, we conducted a pathway enrichment analysis to identify potential pathways linked to MI. On meta-analysis, 56 metabolites including 21 lipids and 17 amino acids were associated with incident MI after adjusting for multiple testing (false discovery rate < 0.05), and 10 were novel. The largest increased risk was observed for the carbohydrate mannitol/sorbitol {hazard ratio [HR] [95% confidence interval (CI)] = 1.40 [1.26-1.56], P < 0.001}, whereas the largest decrease in risk was found for glutamine [HR (95% CI) = 0.74 (0.67-0.82), P < 0.001]. Moreover, the identified metabolites were significantly enriched (corrected P < 0.05) in pathways previously linked with cardiovascular diseases, including aminoacyl-tRNA biosynthesis. CONCLUSIONS: In the most comprehensive metabolomic study of incident MI to date, 10 novel metabolites were associated with MI. Metabolite profiles might help to identify high-risk individuals before disease onset. Further research is needed to fully understand the mechanisms of action and elaborate pathway findings.

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)0,011
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: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,006
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 Opus0,371
Tête enseignante GPT0,452
Écart entre enseignants0,081 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCardiovascular ResearchMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207