Plasma Protein Profiling by Proximity Extension Assay Technology Reveals Novel Biomarkers of Traumatic Brain Injury—A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Traumatic brain injury (TBI) is a significant public health issue affecting nearly 69 million patients worldwide per year. Reliable diagnostic biomarkers are urgently needed to aid in disease diagnosis and prognosis and to guide patient aftercare. Blood biomarkers represent an attractive modality to quickly, cheaply, and objectively evaluate clinical status. We hypothesize that deep and quantitative plasma proteomic profiling with a novel technology, proximity extension assay, may lead to the discovery of diagnostic and/or prognostic biomarkers of TBI. METHODS: We used high-throughput proximity extension assays (PEA) to quantify the relative abundance of over 1000 unique proteins in plasma. PEA is a highly sensitive multiplex immunoassay capable of detecting very low-abundance proteins (down to fg/mL) in complex biological matrices. Our patient cohort consisted of severe TBI (sTBI) patients, matched healthy controls, and another non-TBI group that was included in the analysis to validate the specificity of the candidates during the selection process. The obtained protein quantification data was then filtered to identify candidate biomarkers through statistical analysis, literature searches, and comparison to our reference control groups. RESULTS: Overall, we identified 6 novel candidate TBI biomarkers. Candidates exhibit a significant increase in plasma protein abundance in sTBI when comparing between healthy controls and sTBI patients. Candidates generally had low expression in our reference groups compared with the sTBI group. CONCLUSIONS: Our preliminary findings represent a starting point for future validation. These biomarkers, either alone or in combination, may have significant clinical utility in aiding in TBI diagnosis, prognosis, and/or management.
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) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».