Inflammatory profile discriminates clinical subtypes in <i>LRRK2</i>‐associated Parkinson's disease
Notice bibliographique
Résumé
Background and purpose The presentation of Parkinson's disease patients with mutations in the LRRK 2 gene ( PD LRRK 2 ) is highly variable, suggesting a strong influence of modifying factors. In this context, inflammation is a potential candidate inducing clinical subtypes. Methods An extensive battery of peripheral inflammatory markers was measured in human serum in a multicentre cohort of 142 PD LRRK 2 patients from the MJFF LRRK 2 Consortium, stratified by three different subtypes as recently proposed for idiopathic Parkinson's disease: diffuse/malignant, intermediate and mainly pure motor. Results Patients classified as diffuse/malignant presented with the highest levels of the pro‐inflammatory proteins interleukin 8 ( IL ‐8), monocyte chemotactic protein 1 ( MCP ‐1) and macrophage inflammatory protein 1‐β ( MIP ‐1‐β) paralleled by high levels of the neurotrophic protein brain‐derived neurotrophic factor ( BDNF ). It was also possible to distinguish the clinical subtypes based on their inflammatory profile by using discriminant and area under the receiver operating characteristic curve analysis. Conclusions Inflammation seems to be associated with the presence of a specific clinical subtype in PD LRRK 2 that is characterized by a broad and more severely affected spectrum of motor and non‐motor symptoms. The pro‐inflammatory metabolites IL ‐8, MCP ‐1 and MIP ‐1‐β as well as BDNF are interesting candidates to be included in biomarker panels that aim to differentiate subtypes in PD LRRK 2 and predict progression.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».