Serum metabonomics reveal the effectiveness of human placental mesenchymal stem cell therapy for primary sclerosing cholangitis
Notice bibliographique
Résumé
BACKGROUND: The metabolic patterns of human placental-derived mesenchymal stem cell (hP-MSC) treatment for primary sclerosing cholangitis (PSC) remain unclear, and therapeutic effects significantly vary due to individual differences. Therefore, it is crucial to investigate the serological response to hP-MSC transplantation through small molecular metabolites and identify easily detectable markers for efficacy evaluation. METHODS: C-dansylation and DmPA labeling LC-MS analysis to investigate changes in metabolic pathways after hP-MSC treatment. Key metabolites and regulatory enzymes were validated by qRT-PCR and Western blotting. Potential biomarkers of hP-MSC efficacy were identified through correlation analysis and machine learning. RESULTS: Collectively, the results of the liver histology, serum liver enzyme levels, and inflammatory factors supported the therapeutic efficacy of hP-MSC treatment. Based on significant differences, 41 differentially expressed metabolites were initially identified; these were enriched in bile acid, lipid, and hydroxyproline metabolism. After treatment, bile acid transport was accelerated, whereas bile acid production was reduced; unsaturated fatty acid synthesis was upregulated overall, with increased FADS2 and elongase expression and enhanced fatty acid β-oxidation; hepatic proline 4-hydroxylase expression was decreased, leading to reduced hydroxyproline production. Correlation analysis of liver enzymes and metabolites, combined with time trends, identified eight potential biomarkers: 2-aminomuconate semialdehyde, L-1-pyrroline-3-hydroxy-5-carboxylic acid, L-isoglutamine, and maleamic acid were more abundant in model mice but decreased after hP-MSC treatment. Conversely, 15-methylpalmitic, eicosenoic, nonadecanoic, and octadecanoic acids were less abundant in model mice but increased after hP-MSC treatment. CONCLUSIONS: This study revealed metabolic regulatory changes in PSC model mice after hP-MSC treatment and identified eight promising biomarkers, providing preclinical evidence to support therapeutic applications of hP-MSC.
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 | 0,004 | 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 | 0,001 |
| 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 ».