MétaCan
Menu
Retour à la cohorte
Enregistrement W4402305624 · doi:10.1101/2024.09.04.24313002

Metabolomic and Lipidomic Analysis of Manganese-Associated Parkinsonism: a Case-Control Study in Brescia, Italy

2024· preprint· en· W4402305624 sur OpenAlexaff
Freeman Lewis, Daniel Shoieb, Somaiyeh Azmoun, Elena Colicino, Yan Jin, Jinhua Chi, Haiwei Gu, Donatella Placidi, Alessandro Padovani, Andrea Pilotto, Fulvio Pepe, Marinella Turla, Patrizia Crippa, Xuexia Wang, Roberto G. Lucchini

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensSurgical Specialties (Canada)
Organismes subventionnairesnon disponible
Mots-clésParkinsonismMetabolomicsDiseaseMedicineManganeseInternal medicineChemistryBiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Background and Objectives: Excessive Manganese (Mn) exposure is neurotoxic and can cause Mn-Induced Parkinsonism (MnIP), marked by cognitive and motor dysfunction. Although metabolomic and lipidomic research in Parkinsonism (PD) patients exists, it remains limited. This study hypothesizes distinct metabolomic and lipidomic profiles based on exposure status, disease diagnosis, and their interaction. Methods: We used a case-control design with a 2×2 factorial framework to investigate the metabolomic and lipidomic alterations associated with Mn exposure and their link to PD. The study population of 97 individuals was divided into four groups: non-exposed controls (n=23), exposed controls (n=25), non-exposed with PD (n=26) and exposed with PD (n=23). Cases, defined by at least two cardinal PD features (excluding vascular, iatrogenic, and traumatic origins), were recruited from movement disorder clinics in four hospitals in Brescia, Northern Italy. Controls, free from neurological or psychiatric conditions, were selected from the same hospitals. Exposed subjects resided in metallurgic regions (Val Camonica and Bagnolo Mella) for at least 8 continuous years, while non-exposed subjects lived in low-exposure areas around Lake Garda and Brescia city. We conducted untargeted analyses of metabolites and lipids in whole blood samples using ultra-high-performance liquid chromatography (UHPLC) and mass spectrometry (MS), followed by statistical analyses including Principal Component Analysis (PCA), Partial Least Squares-Discriminant Analysis (PLS-DA), and Two-Way Analysis of Covariance (ANCOVA). Results: Metabolomic analysis revealed modulation of alanine, aspartate, and glutamate metabolism (Impact=0.05, p=0.001) associated with disease effect; butanoate metabolism (Impact=0.03, p=0.004) with the exposure effect; and vitamin B6 metabolism (Impact=0.08, p=0.03) with the interaction effect. Differential relative abundances in 3-sulfoxy-L-Tyrosine (β=1.12, FDR p<0.001), glycocholic acid (β=0.48, FDR p=0.03), and palmitelaidic acid (β=0.30, FDR p<0.001) were linked to disease, exposure, and interaction effects, respectively. In the lipidome, ferroptosis (Pathway Lipids=11, FDR p=0.03) associated with the disease effect and sphingolipid signaling (Pathway Lipids=9, FDR p=0.04) associated with the interaction effect were significantly altered. Lipid classes triacylglycerols, ceramides, and phosphatidylethanolamines showed differential relative abundances associated with disease, exposure, and interaction effects, respectively. Discussion: These findings suggest that PD and Mn exposure induce unique metabolomic and lipidomic changes, potentially serving as biomarkers for MnIP and warranting further study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,260
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207