Identification of markers of relapse in EAE using high-resolution quantitative mass spectrometry
Notice bibliographique
Résumé
Abstract Approximately 85 percent of individuals newly diagnosed with multiple sclerosis have the relapsing-remitting form of the disease characterized by attacks of neurologic symptoms that are unpredictable in occurrence and duration. Currently there are no clinically available biomarkers predictive of relapse. To address this need, we investigated CNS proteome changes over the disease course of relapsing-remitting experimental autoimmune encephalomyelitis (EAE) in SJL mice as a preclinical model of the disease. Using a high-throughput quantitative preparation technique and high-resolution Bruker timsTOF mass spectrometry, we were able to identify thousands of unique proteins at each disease timepoint. Principal component analysis of protein expression confirmed that the remission and relapse phases of disease cluster independently, indicating distinguishable variation in protein expression profiles between the two disease states. Importantly, statistical testing identified proteins with differential expression in the CNS at different stages of disease, several of which are CNS specific. We are seeking to detect corollary changes in these CNS-specific proteins in the serum, pointing to a minimally invasive means of monitoring disease progress and measuring drug efficacy. Our study will validate homologous human biomarkers to guide treatment in individual patients and allow for proactive therapeutic intervention. Furthermore, our results may provide insights into mechanisms that contribute to disease pathology and offer novel therapeutic targets.
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 | 0,000 |
| 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 ».