Single-molecule characterization of salivary protein aggregates from Parkinson’s disease patients: a pilot study
Notice bibliographique
Résumé
Abstract Saliva is a convenient and accessible biofluid that has potential as a future diagnostic tool for Parkinson’s disease. Candidate diagnostic tests for Parkinson’s disease to date have predominantly focused on measurements of α-synuclein in CSF, but there is a need for accurate tests utilizing more easily accessible sample types. Prior studies utilizing saliva have used bulk measurements of salivary α-synuclein to provide diagnostic insight. Aggregate structure may influence the contribution of α-synuclein to disease pathology. Single-molecule approaches can characterize the structure of individual aggregates present in the biofluid and may, therefore, provide greater insight than bulk measurements. We have employed an antibody-based single-molecule pulldown assay to quantify salivary α-synuclein and amyloid-β peptide aggregate numbers and subsequently super-resolved captured aggregates using direct Stochastic Optical Reconstruction Microscopy to describe their morphological features. We show that the salivary α-synuclein aggregate/amyloid-β aggregate ratio is increased almost 2-fold in patients with Parkinson’s disease (n = 20) compared with controls (n = 20, P < 0.05). Morphological information also provides insight, with saliva from patients with Parkinson’s disease containing a greater proportion of larger and more fibrillar amyloid-β aggregates than control saliva (P < 0.05). Furthermore, the combination of count and morphology data provides greater diagnostic value than either measure alone, distinguishing between patients with Parkinson’s disease (n = 17) and controls (n = 18) with a high degree of accuracy (area under the curve = 0.87, P < 0.001) and a larger dynamic range. We, therefore, demonstrate for the first time the application of highly sensitive single-molecule imaging techniques to saliva. In addition, we show that aggregates present within saliva retain relevant structural information, further expanding the potential utility of saliva-based diagnostic methods.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».