Integrated liver-secreted and plasma proteomics identify a predictive model that stratifies MASH
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Obesity is a major risk factor for metabolic-associated steatotic liver disease (MASLD), which can progress to metabolic-associated steatohepatitis (MASH). There are no validated non-invasive tests to stratify persons with obesity with a greater risk for MASH. Herein, we assess plasma and liver from 266 obese individuals spanning the MASLD spectrum. Ninety-six human livers were precision-cut, and mass spectrometry-based proteomics identifies 3,333 proteins in the liver-secretion medium, of which 107 are differentially secreted in MASH compared with no pathology. The plasma proteome is markedly remodeled in MASH but is not different between patients with steatosis and no pathology. The APASHA model, comprising plasma apolipoprotein F (APOF), proprotein convertase subtilisin/kexin type 9 (PCSK9), afamin (AFM), S100 calcium-binding protein A6 (S100A6), HbA1c, and zinc-alpha-2-glycoprotein (AZGP1), stratifies MASH (area under receiver operating characteristic [AUROC] = 0.88). Our investigations detail the evolution of liver-secreted and plasma proteins with MASLD progression, providing a rich resource defining human liver-secreted proteins and creating a predictive model to stratify patients with obesity at risk of MASH. • Catalog of liver-secreted and plasma proteins with MASLD progression in humans • Mass spectrometry analysis identifies remodeling of plasma proteins in human MASH • Protein secretion from the liver is altered in human MASH • The APASHA model effectively stratifies patients with obesity at risk of MASH De Nardo et al. profile the plasma and liver-secreted proteome from obese individuals spanning the spectrum of MASLD. They identify biomarkers for MASH in persons with obesity and develop and validate a biologically plausible non-invasive risk prediction model to predict or exclude MASH.
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.
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) | 0,001 | 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 découle