Enhanced quantitation of pathological α-synuclein in patient biospecimens by RT-QuIC seed amplification assays
Notice bibliographique
Résumé
Disease associated pathological aggregates of alpha-synuclein (αSynD) exhibit prion-like spreading in synucleinopathies such as Parkinson's disease (PD) and dementia with Lewy bodies (DLB). Seed amplification assays (SAAs) such as real-time quaking-induced conversion (RT-QuIC) have shown high diagnostic sensitivity and specificity for detecting proteopathic αSynD seeds in a variety of biospecimens from PD and DLB patients. However, the extent to which relative proteopathic seed concentrations are useful as indices of a patient's disease stage or prognosis remains unresolved. One feature of current SAAs that complicates attempts to correlate SAA results with patients' clinical and other laboratory findings is their quantitative imprecision, which has typically been limited to discriminating large differences (e.g. 5-10 fold) in seed concentration. We used end-point dilution (ED) RT-QuIC assays to determine αSynD seed concentrations in patient biospecimens and tested the influence of various assay variables such as serial dilution factor, replicate number and data processing methods. The use of 2-fold versus 10-fold dilution factors and 12 versus 4 replicate reactions per dilution reduced ED-RT-QuIC assay error by as much as 70%. This enhanced assay format discriminated as little as 2-fold differences in αSynD seed concentration besides detecting ~2-16-fold seed reductions caused by inactivation treatments. In some scenarios, analysis of the data using Poisson and midSIN algorithms provided more consistent and statistically significant discrimination of different seed concentrations. We applied our improved assay strategies to multiple diagnostically relevant PD and DLB antemortem patient biospecimens, including cerebrospinal fluid, skin, and brushings of the olfactory mucosa. Using ED αSyn RT-QuIC as a model SAA, we show how to markedly improve the inter-assay reproducibility and quantitative accuracy. Enhanced quantitative SAA accuracy should facilitate assessments of pathological seeding activities as biomarkers in proteinopathy diagnostics and prognostics, as well as in patient cohort selection and assessments of pharmacodynamics and target engagement in drug trials.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».