Investigating Causal Links between Metabolite Profiles and Ulcerative Colitis: A Bidirectional Mendelian Randomization Study
Notice bibliographique
Résumé
Abstract Background: While metabolic biomarkers are known to play a significant role in the development of ulcerative colitis (UC), the exact causal relationships between them remain uncertain and warrant further investigations. Here we report a bidirectional two-sample Mendelian randomization (MR) study to evaluate causal relationships between 503 blood metabolites and UC. Methods: We used genome-wide association study (GWAS) data on blood metabolite levels from two separate studies on European individuals ( n = 8299 and 24,925). In addition, for UC, we utilized GWAS data from the same ancestry, including 417,932 participants, comprising 5371 UC cases and 412,561 controls. We employed the inverse variance weighted method for our discovery stage of MR analyses. Then, we used other methods, including MR-Egger, weighted median, weighted mode, simple mode, MR-pleiotropy residual sum and outlier, heterogeneity, and pleiotropy tests for sensitivity analyses to further validate our findings and assess the robustness of our results. Results: Our study suggests that total lipids in small high-density lipoprotein levels (S.HDL.L) are marginal significant positive associated with the development of UC (odds ratio = 1.167, 95% confidence interval: 0.998–1.364, P = 0.051). In addition, UC did not have a statistically significant effect on the metabolites. Conclusions: Total lipids in S.HDL.L may offer a potential trend as valuable circulating metabolic biomarkers for the screening and prevention of UC in clinical practice. In addition, they could serve as potential candidate molecules for elucidating the mechanisms underlying UC and for identifying suitable drug targets.
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 | 0,002 | 0,002 |
| 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 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 ».