A rapid, novel, ultra-sensitive RT-QuIC, for MSA/PD using skin biopsy/serum neu- rofilament light chain
Notice bibliographique
Résumé
Objective To reliably/rapidly distinguish multiple system atrophy (MSA) from Parkinson’s disease (PD), Progressive Supranuclear Palsy (PSP), and healthy controls (HC) using a minimally invasive skin biopsy, a novel Real-Time Quaking-induced Conversion (RT-QuIC) protocol for alpha-synuclein (aSyn) detection, and serum neurofilament light chain (NfL). Background Features of PD/MSA/PSP frequently overlap; diagnosis, is often challenging. RT-QuIC has been adapted to detect CSF aSyn where it differentiates PD from HC (>90% sensitivity/specificity).One RT-QuIC study reported a 95.4% sensitivity (specificity 93%) in MSA after 12-days (others have been negative). A single in vivo MSA/PSP study detected seeding activity in 3/5 MSA/1/2 PSP. Methods Using post-mortem MSA and PD brains, we developed a novel, rapid RT-QuIC protocol to detect aSyn seeds from in vivo cervical skin biopsy, and combined the results with serum NfL. Results aSYN was detected in 9/10 MSA, 11/13 PD, 1/7 PSP, and 3/20 HC in a single skin biopsy (sensitivity 87%/specificity 85% synucleinopathies/non-synucleinopathies). Combining RT-QuIC/serum NfL (threshold 30pg/ml), achieved 100% sensitivity/100% specificity in distinguishing MSA from PD, and 100%/93% MSA vs PD/PSP/HC. We report a rapid (24 hours), minimally invasive, 2 step method with high sensitivity (100%)/specificity (93%) for the in vivo diagnosis of MSA compared to PD/PSP/HC (PD from HC/PSP) using a novel RT-QuIC protocol. If replicated it has a potential to revolutionise clinical trial stratification.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».