Analysis of non-targeted serum metabolomics in patients with chronic kidney disease and hyperuricemia
Notice bibliographique
Résumé
Hyperuricemia (HUA) is a common complication of chronic kidney disease (CKD). Conversely, HUA can promote the disease progression of CKD. However, the molecular mechanism of HUA in CKD development remains unclear. In the present study, we applied ultra-performance liquid chromatography-tandem mass spectrometry (UPLC-MS/MS) to analyze the serum metabolite profiling of 47 HUA patients, 41 non-hyperuricemic CKD (NUA-CKD) patients, and 51 CKD and HUA (HUA-CKD) patients, and then subjected to multivariate statistical analysis, metabolic pathway analysis and diagnostic performance evaluation. Metabolic profiling of serums showed that 40 differential metabolites (fold-change threshold (FC) > 1.5 or<2/3, variable importance in projection (VIP) > 1, and p < 0.05) were screened in HUA-CKD and HUA patients, and 24 differential metabolites (FC > 1.2 or<0.83, VIP>1, and p < 0.05) were screened in HUA-CKD and NUA-CKD patients. According to the analysis of metabolic pathways, significant changes existed in three metabolic pathways (compared with the HUA group) and two metabolic pathways (compared with the HUA-CKD group) in HUA-CKD patients. Glycerophospholipid metabolism was a significant pathway in HUA-CKD. Our findings show that the metabolic disorder in HUA-CKD patients was more serious than that in NUA-CKD or HUA patients. A theoretical basis is provided for HUA to accelerate CKD progress.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».