Identification of Novel Biomarkers of Brain Damage in Patients with Hemorrhagic Stroke by Integrating Bioinformatics and Mass Spectrometry-Based Proteomics
Notice bibliographique
Résumé
Hemorrhagic stroke (HS) is a significant cause of mortality that requires rapid diagnosis and prompt medical attention. A time-efficient diagnostic test to assist in the early classification of patients with stroke would be of great value. The aims here were to (a) select "brain-specific" proteins using a bioinformatics approach, (b) develop selected reaction monitoring (SRM) assays for candidate proteins, and (c) quantify these proteins in cerebrospinal fluid (CSF). "The Human Protein Atlas" and the "Peptide Atlas" were used to select proteins specifically and abundantly expressed in brain tissue, excluding high-abundance plasma proteins. Protein extracts from brain tissue were used for SRM assay development of proteins of interest. The levels of 68 "brain-specific" proteins were measured by SRM in 36 age-matched patients, including individuals with HS (n = 15), ischemic stroke (n = 11), and controls (n = 10). Additionally, S100B was measured using an electrochemoluminometric immunoassay. CSF levels of S100B and eight of the "brain-specific" proteins (NSE, GFAP, α-Inx, MBP, MT3, NFM, β-Syn, and γ-Syn) were increased in a subset of samples from HS patients, especially in those individuals with intraventricular hemorrhage and poor outcome. Seven of these proteins (S100B, NSE, GFAP, α-Inx, MBP, NFM, and β-Syn) showed significant differences between patients with and without brain hemorrhage. Novel biomarkers of brain injury (α-Inx, NFM, and β-Syn) were identified in the CSF of patients with HS. Investigating the role of these proteins in blood with more sensitive methods is warranted.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».