Biomolecular alterations detected in multiple sclerosis skin fibroblasts using Fourier transform infrared spectroscopy
Notice bibliographique
Résumé
Multiple sclerosis (MS) is the leading cause of non-traumatic disability in young adults. New avenues are needed to help predict individuals at risk for developing MS and aid in diagnosis, prognosis, and outcome of therapeutic treatments. Previously, we showed that skin fibroblasts derived from patients with MS have altered signatures of cell stress and bioenergetics, which likely reflects changes in their protein, lipid, and biochemical profiles. Here, we used Fourier transform infrared (FTIR) spectroscopy to determine if the biochemical landscape of MS skin fibroblasts were altered when compared to age- and sex-matched controls (CTRL). More so, we sought to determine if FTIR spectroscopic signatures detected in MS skin fibroblasts are disease specific by comparing them to amyotrophic lateral sclerosis (ALS) skin fibroblasts. Spectral profiling of skin fibroblasts from MS individuals suggests significant alterations in lipid and protein organization and homeostasis, which may be affecting metabolic processes, cellular organization, and oxidation status. Sparse partial least squares-discriminant analysis of spectral profiles show that CTRL skin fibroblasts segregate well from diseased cells and that changes in MS and ALS may be unique. Differential changes in the spectral profile of CTRL, MS, and ALS cells support the development of FTIR spectroscopy to detect biomolecular modifications in patient-derived skin fibroblasts, which may eventually help establish novel peripheral biomarkers.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».