Quantitation of neurofilament light chain protein in serum and cerebrospinal fluid from patients with multiple sclerosis using the MSD R-PLEX NfL assay
Notice bibliographique
Résumé
Abstract Objectives Neurofilament light (NfL) chain is a marker of neuroaxonal damage in various neurological diseases. Here we quantitated NfL levels in the cerebrospinal fluid (CSF) and serum from patients with multiple sclerosis (MS) and controls, using the R-PLEX NfL assay, which employs advanced Meso Scale Discovery ® (MSD) electrochemiluminescence (ECL)-based detection technology. Methods NfL was quantitated in samples from 116 individuals from two sites (Ottawa Hospital Research Institute and Mayo Clinic), consisting of patients with MS (n=71) and age- and sex-matched inflammatory neurological controls (n=13) and non-inflammatory controls (n=32). Correlation of NfL levels between CSF and serum was assessed in paired samples in a subset of MS patients and controls (n=61). Additionally, we assessed the correlation between NfL levels obtained with MSD’s R-PLEX ® and Quanterix’s single molecule array (Simoa ® ) assays in CSF and serum (n=32). Results Using the R-PLEX, NfL was quantitated in 99% of the samples tested, and showed a broad range in the CSF (82–500,000 ng/L) and serum (8.84–2,014 ng/L). Nf-L levels in both biofluids correlated strongly (r=0.81, p<0.0001). Lastly, Nf-L measured by MSD’s R-PLEX and Quanterix’s Simoa assays were highly correlated for both biofluids (CSF: r=0.94, p<0.0001; serum: r=0.95, p<0.0001). Conclusions We show that MSD’s R-PLEX NfL assay can reliably quantitate levels of NfL in the CSF and serum from patients with MS and controls, where levels correlate strongly with Simoa.
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 ».