Integrative gene–tissue microarray-based approach for identification of human disease biomarkers: application to amyotrophic lateral sclerosis
Notice bibliographique
Résumé
Advances in genomics and proteomics permit rapid identification of disease-relevant genes and proteins. Challenges include biological differences between animal models and human diseases, high discordance between DNA and protein expression data and a lack of experimental models to study human complex diseases. To overcome some of these limitations, we developed an integrative approach using animal models, postmortem human material and a combination of high-throughput microarray methods to identify novel molecular markers of amyotrophic lateral sclerosis (ALS). We used laser capture microdissection coupled with microarrays to identify early transcriptome changes occurring in spinal cord motor neurons or surrounding glial cells. Two models of familial motor neuron disease, SOD1(G93A) and TAU(P301L), transgenic mice were used at the presymptomatic stage. Identified gene expression changes were predominantly model-specific. However, several genes were regulated in both models. The relevance of identified genes as clinical biomarkers was tested in the peripheral blood transcriptome of presymptomatic SOD1(G93A) animals using custom-designed ALS microarray. To confirm the relevance of identified genes in human sporadic ALS (SALS), selected corresponding protein products were examined by high-throughput immunoassays using tissue microarrays constructed from human postmortem spinal cord tissues. Genes that were identified by these experiments and located within a linkage region associated with familial ALS/frontotemporal dementia were sequenced in several families. This large-scale gene and protein expression study pointing to distinct molecular mechanisms of TAU- and SOD1-induced motor neuron degeneration identified several new SALS-relevant proteins (CNGA3, CRB1, OTUB2, MMP14, SLK, DDX58, RSPO2) and putative blood biomarkers, including Nefh, Prph and Mgll.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».