Truncated TDP‐43 proteoforms diagnostic of frontotemporal dementia with TDP‐43 pathology
Notice bibliographique
Résumé
INTRODUCTION: Biomarkers of TDP-43 pathology are needed to distinguish frontotemporal lobar degeneration with TDP-43 pathology (FTLD-TDP) from phenotypically related disorders. While normal physiological TDP-43 is not a promising biomarker, low-resolution techniques have suggested truncated forms of TDP-43 may be specific to TDP-43 pathology. To advance biomarker efforts for FTLD-TDP, we employed a high-resolution structural technique to characterize TDP-43 post-translational modifications in FTLD-TDP. METHODS: High-resolution mass spectrometry was used to characterize TDP-43 proteoforms in brain tissue from FTLD-TDP, non-TDP-43 dementias and neuropathologically unaffected cases. Findings were then verified in a larger cohort of FTLD-TDP and non-TDP-43 dementias via targeted quantitative mass spectrometry. RESULTS: In the discovery phase, truncated TDP-43 identified FTLD-TDP with 85% sensitivity and 100% specificity. The verification phase revealed similar findings, with 83% sensitivity and 89% specificity. DISCUSSION: The concentration of truncated TDP-43 proteoforms-in particular, in vivo generated C-terminal fragments-have high diagnostic accuracy for FTLD-TDP. HIGHLIGHTS: Discovery: Truncated TDP-43 differentiates FTLD-TDP from related dementias. Verification: Truncated TDP-43 concentration has high accuracy for FTLD-TDP. TDP-43 proteoforms <28 kDa have highest discriminatory power for TDP-43 pathology.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».