A protein panel in cerebrospinal fluid for diagnostic and predictive assessment of Alzheimer’s disease
Notice bibliographique
Résumé
Alzheimer’s disease (AD) is a neurodegenerative disease with heterogenous pathophysiological changes that develop years before the onset of clinical symptoms. These preclinical changes have generated considerable interest in identifying markers for the pathophysiological mechanisms linked to AD and AD-related disorders (ADRD). On the basis of our prior work integrating cerebrospinal fluid (CSF) and brain proteome networks, we developed a reliable and high-throughput mass spectrometry–selected reaction monitoring assay that targets 48 key proteins altered in CSF. To test the diagnostic utility of these proteins and compare them with existing AD biomarkers, CSF collected at baseline visits was assayed from 706 participants recruited from the Alzheimer’s Disease Neuroimaging Initiative. We found that the targeted CSF panel of 48 proteins (CSF 48 panel) performed at least as well as existing AD CSF biomarkers (Aβ 42 , tTau, and pTau 181 ) for predicting clinical diagnosis, FDG PET, hippocampal volume, and measures of cognitive and dementia severity. In addition, for each of those outcomes, the CSF 48 panel plus the existing AD CSF biomarkers significantly improved diagnostic performance. Furthermore, the CSF 48 panel plus existing AD CSF biomarkers significantly improved predictions for changes in FDG PET, hippocampal volume, and measures of cognitive decline and dementia severity compared with either measure alone. A potential reason for these improvements is that the CSF 48 panel reflects a range of altered biology observed in AD/ADRD. In conclusion, we show that the CSF 48 panel complements existing AD CSF biomarkers to improve diagnosis and predict future cognitive decline and dementia severity.
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 | 0,001 | 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 ».