Frailty markers comprise blood metabolites involved in antioxidation, cognition, and mobility
Notice bibliographique
Résumé
As human society ages globally, age-related disorders are becoming increasingly common. Due to decreasing physiological reserves and increasing organ system dysfunction associated with age, frailty affects many elderly people, compromising their ability to cope with acute stressors. Frail elderly people commonly manifest complex clinical symptoms, including cognitive dysfunction, hypomobility, and impaired daily activity, the metabolic basis of which remains poorly understood. We applied untargeted, comprehensive LC-MS metabolomic analysis to human blood from 19 frail and nonfrail elderly patients who were clinically evaluated using the Edmonton Frail Scale, the MoCA-J for cognition, and the TUG for mobility. Among 131 metabolites assayed, we identified 22 markers for frailty, cognition, and hypomobility, most of which were abundant in blood. Frailty markers included 5 of 6 markers specifically related to cognition and 6 of 12 markers associated with hypomobility. These overlapping sets of markers included metabolites related to antioxidation, muscle or nitrogen metabolism, and amino acids, most of which are decreased in frail elderly people. Five frailty-related metabolites that decreased-1,5-anhydroglucitol, acetyl-carnosine, ophthalmic acid, leucine, and isoleucine-have been previously reported as markers of aging, providing a metabolic link between human aging and frailty. Our findings clearly indicate that metabolite profiles efficiently distinguish frailty from nonfrailty. Importantly, the antioxidant ergothioneine, which decreases in frailty, is neuroprotective. Oxidative stress resulting from diminished antioxidant levels could be a key vulnerability for the pathogenesis of frailty, exacerbating illnesses related to human aging.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».