Proteomics of brain, CSF, and plasma identifies molecular signatures for distinguishing sporadic and genetic Alzheimer’s disease
Notice bibliographique
Résumé
Proteomic studies for Alzheimer’s disease (AD) are instrumental in identifying AD pathways but often focus on single tissues and sporadic AD cases. Here, we present a proteomic study analyzing 1305 proteins in brain tissue, cerebrospinal fluid (CSF), and plasma from patients with sporadic AD, TREM2 risk variant carriers, patients with autosomal dominant AD (ADAD), and healthy individuals. We identified 8 brain, 40 CSF, and 9 plasma proteins that were altered in individuals with sporadic AD, and we replicated these findings in several external datasets. We identified a proteomic signature that differentiated TREM2 variant carriers from both individuals with sporadic AD and healthy individuals. The proteins associated with sporadic AD were also altered in patients with ADAD, but with a greater effect size. Brain-derived proteins associated with ADAD were also replicated in additional CSF samples. Enrichment analyses highlighted several pathways, including those implicated in AD (calcineurin and Apo E), Parkinson’s disease (α-synuclein and LRRK2), and innate immune responses (SHC1, ERK-1, and SPP1). Our findings suggest that combined proteomics across brain tissue, CSF, and plasma can be used to identify markers for sporadic and genetically defined AD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».