MétaCan
Menu
Retour à la cohorte
Enregistrement W4400272518 · doi:10.1212/wnl.0000000000209585

CSF Proteomics in Patients With Progressive Supranuclear Palsy

2024· article· en· W4400272518 sur OpenAlexfundno aff
Amy B. Wise, Jingyao Li, Mai Yamakawa, Joseph Loureiro, Brant K. Peterson, Kathleen A. Worringer, Rajeev Sivasankaran, Jose‐Alberto Palma, Laura L. Mitic, Hilary W. Heuer, Argentina Lario‐Lago, Adam M. Staffaroni, Annie Clark, Jack C. Taylor, Peter A. Ljubenkov, Lawren VandeVrede, Lea T. Grinberg, Salvatore Spina, William W. Seeley, Bruce L. Miller, Bradley F. Boeve, Bradford C. Dickerson, Murray Grossman, Irene Litvan, Alexander Pantelyat, Maria Carmela Tartaglia, Zihan Zhang, Anne‐Marie Wills, Jessica E. Rexach, Julio C. Rojas, Adam L. Boxer

Notice bibliographique

RevueNeurology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute on AgingUniversity of California, Los AngelesNational Institutes of HealthUniversity of California, San FranciscoUniversity of California, San DiegoMassachusetts General HospitalUniversity of TorontoJohns Hopkins UniversityAmerican Academy of NeurologyUniversity of Pennsylvania
Mots-clésProgressive supranuclear palsyProteomicsMedicineNeurosciencePhysical medicine and rehabilitationPathologyPsychologyDiseaseBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Background and Objectives Identification of fluid biomarkers for progressive supranuclear palsy (PSP) is critical to enhance therapeutic development. We implemented unbiased DNA aptamer (SOMAmer) proteomics to identify novel CSF PSP biomarkers. Methods This is a cross-sectional study in original (18 clinically diagnosed PSP-Richardson syndrome [PSP-RS], 28 cognitively healthy controls]), validation (23 PSP-RS, 26 healthy controls), and neuropathology-confirmed (21 PSP, 52 non-PSP frontotemporal lobar degeneration) cohorts. Participants were recruited through the University of California, San Francisco, and the 4-Repeat Neuroimaging Initiative. The original and neuropathology cohorts were analyzed with the SomaScan platform version 3.0 (5026-plex) and the validation cohort with version 4.1 (7595-plex). Clinical severity was measured with the PSP Rating Scale (PSPRS). CSF proteomic data were analyzed to identify differentially expressed targets, implicated biological pathways using enrichment and weighted consensus gene coexpression analyses, diagnostic value of top targets with receiver-operating characteristic curves, and associations with disease severity with linear regressions. Results A total of 136 participants were included (median age 70.6 ± 8 years, 68 [50%] women). One hundred fifty-five of 5,026 (3.1%), 959 of 7,595 (12.6%), and 321 of 5,026 (6.3%) SOMAmers were differentially expressed in PSP compared with controls in original, validation, and neuropathology-confirmed cohorts, with most of the SOMAmers showing reduced signal (83.1%, 95.1%, and 73.2%, respectively). Three coexpression modules were associated with PSP across cohorts: (1) synaptic function/JAK-STAT (β = −0.044, corrected p = 0.002), (2) vesicle cytoskeletal trafficking (β = 0.039, p = 0.007), and (3) cytokine-cytokine receptor interaction (β = −0.032, p = 0.035) pathways. Axon guidance was the top dysregulated pathway in PSP in original (strength = 1.71, p < 0.001), validation (strength = 0.84, p < 0.001), and neuropathology-confirmed (strength = 0.78, p < 0.001) cohorts. A panel of axon guidance pathway proteins discriminated between PSP and controls in original (area under the curve [AUC] = 0.924), validation (AUC = 0.815), and neuropathology-confirmed (AUC = 0.932) cohorts. Two inflammatory proteins, galectin-10 and cytotoxic T lymphocyte-associated protein-4, correlated with PSPRS scores across cohorts. Discussion Axon guidance pathway proteins and several other molecular pathways are downregulated in PSP, compared with controls. Proteins in these pathways may be useful targets for biomarker or therapeutic development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,237
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207