Integrated liver-secreted and plasma proteomics identify a predictive model that stratifies MASH
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».