Metabolomic Profiling Reveals That Exercise Lowers Biomarkers of Cardiac Dysfunction in Rats with Type 2 Diabetes
Notice bibliographique
Résumé
The increasing prevalence of type 2 diabetes mellitus (T2DM) leads to significant global health challenges, including cardiac structural and functional deficits, which in severe cases can progress to heart failure that can further strain healthcare resources. Aerobic exercise can ameliorate cardiac dysfunction in individuals with diabetes, although a comprehensive understanding of its underlying mechanisms remains elusive. This study utilizes untargeted metabolomics to reveal aerobic-exercise-activated metabolic biomarkers in the cardiac tissues of Sprague Dawley rats with T2DM. Metabolomics analysis revealed that diabetes altered 1029 myocardial metabolites, while aerobic exercise reversed 208 of these metabolites, of which 112 were upregulated and 96 downregulated. Pathway topology analysis suggested that these metabolites predominantly contributed to purine metabolism and arginine biosynthesis. Furthermore, receiver operating characteristic curve analysis identified 10 potential biomarkers, including xanthine, hypoxanthine, inosine, dGMP, l-glutamic acid, l-arginine, l-tryptophan, (R)-3-hydroxybutyric acid, riboflavin, and glucolepidiin. Finally, data from Pearson correlation analysis indicated that some metabolic biomarkers strongly correlated with cardiac function. Our data suggest that certain metabolic biomarkers play an important role in ameliorating diabetes-related cardiac dysfunction by aerobic exercise.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».