High-Performance Plasma Biomarker Panel for Alzheimer’s Disease Screening Using a Femtomolar-Level Label-Free Biosensing System
Notice bibliographique
Résumé
Alzheimer's disease (AD) is the most common cause of dementia in older people. However, diagnosing AD through noncognitive methods, such as invasive cerebrospinal fluid sampling or radioactive positron emission tomography, has limited applications. Herein, the femtomolar levels of AD biomarkers amyloid β 40 (Aβ40), amyloid β 42 (Aβ42), phosphorylated tau 181 (P-tau181), phosphorylated tau 217 (P-tau217), and neurofilament light chain (NfL) were determined in human plasma in multicenter clinical cohorts using an ultrasensitive graphene field-effect transistor sensor. A machine-learning algorithm was also used to assemble these plasma biomarkers and optimize their performance in discriminating individual stages of Alzheimer's dementia progression. The "composite-info" biomarker panel, which combines these biomarkers and clinical information, considerably improved the staging performance in AD progression. It achieved an area under the curve of >0.94 in the receiver operator characteristic (ROC) curve. In addition, the panel demonstrated an advantage in the individual-based stage assessment compared with that of the Mini-Mental State Examination/Montreal Cognitive Assessment and nuclear magnetic resonance imaging. This study provides a composite biomarker panel for the screening and early diagnosis of AD using a rapid detection system.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».