Metabolomics Analyses of Saliva Detect Novel Biomarkers of Alzheimer’s Disease
Notice bibliographique
Résumé
Using a non-invasive biofluid (saliva), we apply a powerful metabolomics workflow for unbiased biomarker discovery in Alzheimer's disease (AD). We profile and differentiate Cognitively Normal (CN), Mild Cognitive Impairment (MCI), and AD groups. The workflow involves differential chemical isotope labeling liquid chromatography mass spectrometry using dansylation derivatization for in-depth profiling of the amine/phenol submetabolome. The total sample (N = 109) was divided in to the Discovery Phase (DP) (n = 82; 35 CN, 25 MCI, 22 AD) and a provisional Validation Phase (VP) (n = 27; 10 CN, 10 MCI, 7 AD). In DP we detected 6,230 metabolites. Pairwise analyses confirmed biomarkers for AD versus CN (63), AD versus MCI (47), and MCI versus CN (2). We then determined the top discriminating biomarkers and diagnostic panels. A 3-metabolite panel distinguished AD from CN and MCI (DP and VP: Area Under the Curve [AUC] = 1.000). The MCI and CN groups were best discriminated with a 2-metabolite panel (DP: AUC = 0.779; VP: AUC = 0.889). In addition, using positively confirmed metabolites, we were able to distinguish AD from CN and MCI with good diagnostic performance (AUC > 0.8). Saliva is a promising biofluid for both unbiased and targeted AD biomarker discovery and mechanism detection. Given its wide availability and convenient accessibility, saliva is a biofluid that can promote diversification of global AD biomarker research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».