MétaCan
Menu
Retour à la cohorte
Enregistrement W4387261769 · doi:10.1016/j.lfs.2023.122137

Metabolomics and mitochondrial dysfunction in cardiometabolic disease

2023· review· en· W4387261769 sur OpenAlexafffund
Abhishek Shastry, Kimberly J. Dunham‐Snary

Notice bibliographique

RevueLife Sciences · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensQueen's University
Organismes subventionnairesFaculdade de Ciências da Saúde, Universidade de MacauDepartment of Medicine, Georgetown UniversityCanadian Institutes of Health ResearchMitacsQueen's UniversityCanada Research ChairsCanada Foundation for InnovationBanting Research Foundation
Mots-clésMetabolomicsMetaboliteBiologyMitochondrionPathogenesisMetabolomeDiseaseMetabolic pathwayBioinformaticsComputational biologyMetabolismBiochemistryMedicineInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

Circulating metabolites are indicators of systemic metabolic dysfunction and can be detected through contemporary techniques in metabolomics. These metabolites are involved in numerous mitochondrial metabolic processes including glycolysis, fatty acid β-oxidation, and amino acid catabolism, and changes in the abundance of these metabolites is implicated in the pathogenesis of cardiometabolic diseases (CMDs). Epigenetic regulation and direct metabolite-protein interactions modulate metabolism, both within cells and in the circulation. Dysfunction of multiple mitochondrial components stemming from mitochondrial DNA mutations are implicated in disease pathogenesis. This review will summarize the current state of knowledge regarding: i) the interactions between metabolites found within the mitochondrial environment during CMDs, ii) various metabolites' effects on cellular and systemic function, iii) how harnessing the power of metabolomic analyses represents the next frontier of precision medicine, and iv) how these concepts integrate to expand the clinical potential for translational cardiometabolic 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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,054
Tête enseignante GPT0,333
Écart entre enseignants0,279 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations15
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLife SciencesMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207