Evaluation of neopterin as a biomarker for the monitoring of Gaucher disease patients
Notice bibliographique
Résumé
OBJECTIVES: Biomarker research is an important area of investigation in Gaucher disease, caused by an inherited deficiency of a lysosomal enzyme, glucocerebrosidase. We evaluated the usefulness of neopterin, as a novel biomarker reflecting chronic inflammation and immune system activation in Gaucher disease and analysed its evolution in response to enzyme replacement therapy (ERT). METHODS: Circulating plasma neopterin levels in 31 patients with non-neuronopathic Gaucher disease were measured before and after the onset of ERT and were compared with those of 18 healthy controls. Plasma chitotriosidase activity was also monitored, as a reference biomarker, against which we evaluated the evolution of neopterin. RESULTS: Neopterin levels were significantly increased in treatment-naïve patients (mean 11.90 ± 5.82 nM) compared with controls (6.63 ± 5.59 nM, Mann-Whitney U test P = 0.001), but returned to normal levels (6.92 ± 4.66 nM) following ERT. Investigating the diagnostic value of neopterin by receiver operating characteristic analysis, we found a cut-off value of 7.613 nM that corresponds to an area under the curve of 0.780 and indicates a good discrimination capacity, with a sensitivity of 0.774 and a specificity of 0.778. DISCUSSION: Our results suggest that measurement of circulating neopterin may be considered as a novel test for the confirmation of diagnosis and monitoring of the efficacy of therapeutic intervention in Gaucher disease. Plasma neopterin levels reflect the global accumulation and activation of Gaucher cells and the extent of chronic immune activation in this disorder. CONCLUSION: Neopterin may be an alternative storage cell biomarker in Gaucher disease, especially in chitotriosidase-deficient patients.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».