Metabolomics Analysis Uncovers Distinct Profiles of Liver Post-Transplant Patients by Immunosuppression Regimen
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Long-term survival among liver transplant (LT) recipients who live beyond one year has remained relatively stable over recent decades. However, reducing long-term morbidity is increasingly important, and metabolomics may enable risk-based, personalized immunosuppression. We aimed to evaluate and compare the serum metabolomic profiles of LT recipients treated with tacrolimus (TAC) versus sirolimus (SIR), to elucidate metabolic pathways associated with these regimens. METHODS: Quant 500 kit. Data were analyzed with MetaboAnalyst 6.0, and multivariate analysis was performed using Partial Least Squares-Discriminant Analysis (PLS-DA). Metabolites with Variable Importance in Projection (VIP) scores > 1.5 underwent pathway enrichment in OmicsNet, incorporating Gene Ontology annotations and Kyoto Encyclopedia of Genes and Genomes (KEGG)-based network analysis. RESULTS: Eighty-seven metabolites were significantly altered between groups. Phosphatidylcholines (PCs) and ceramides were elevated in TAC-treated patients, while di- and triacylglycerols were higher in the SIR group. Pathway enrichment implicated lipid metabolism, particularly glycerophospholipid, ether lipid, and sphingolipid pathways. Network analysis identified enriched modules related to metabolic regulation and immune response. CONCLUSIONS: Divergent metabolomic profiles distinguish TAC- and SIR-treated recipients, suggesting regimen-specific impacts on lipid metabolism with potential relevance to post-transplant complications.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».