Metabolomics strategy for diagnosing urinary tract infections
Notice bibliographique
Résumé
Metabolomics has emerged as a mainstream approach for investigating complex metabolic phenotypes but has yet to be integrated into routine clinical diagnostics. Metabolomics-based diagnosis of urinary tract infections (UTIs) is a logical application of this technology since microbial waste products are concentrated in the bladder and thus could be suitable markers of infection. We conducted an untargeted metabolomics screen of clinical specimens from patients with suspected UTIs and identified two metabolites, agmatine, and N6-methyladenine, that are predictive of culture-positive samples. We developed a 3.2-min LC-MS assay to quantify these metabolites and showed that agmatine and N6-methyladenine correctly identify UTIs caused by 13 Enterobacterales species and 3 non-Enterobacterales species, accounting for over 90% of infections (agmatine AUC > 0.95; N6-methyladenine AUC > 0.89). These markers were robust predictors across two blinded cohorts totaling 1629 patient samples. These findings demonstrate the potential utility of metabolomics in clinical diagnostics for rapidly detecting UTIs. Microbial catabolites in urine provide a rapid method for detecting urinary tract infections (UTIs). Here, the authors describe an LC-MS metabolomics approach for detecting two catabolites collectively produced by 90% of UTI microbes.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».