Assessing the influence of plasma metabolites on chronic skin ulcer risk: a two-sample Mendelian randomization study
Notice bibliographique
Résumé
Chronic skin ulcers, although rare, pose severe and debilitating challenges. The identification of causal metabolite biomarkers presents an opportunity to refine effective risk assessment strategies for this condition. In this study, we conducted a comprehensive Two-Sample Mendelian Randomization (TSMR) investigation to delineate the potential causal effects of plasma metabolites on chronic skin ulcer risk. Exposure data comprised 14,296 participants with 913 metabolites from INTERVAL/EPIC-Norfolk, and 8,299 participants with 1,091 metabolites and 309 ratios from the Canadian Longitudinal Study on Aging (CLSA). Outcome data came from the finngen_R9_L12_CHRONICULCEROFSKIN (1,840 cases, 353,088 controls) and UK Biobank Chronic ulcer of skin (495 cases, 455,853 controls) cohorts. Leveraging the inverse-variance weighted (IVW) method, alongside MR-Egger and MR-PRESSO sensitivity analyses, we evaluated metabolite associations with chronic skin ulcer risk. Further assessment involved a phenome-wide MR (Phe-MR) analysis to explore potential repercussions of targeting identified metabolites for intervention. Our study identified 12 distinct metabolites significantly associated with chronic skin ulcers, demonstrating consistent and replicable results. Notably, X-19,141 exhibited the highest reproducibility. These findings highlight novel plasma metabolites relevant to chronic skin ulcers, offering theoretical underpinnings for mechanistic research and clinical strategies in prevention and treatment.
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 | 0,028 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».