Challenges and advances for huntingtin detection in cerebrospinal fluid: in support of relative quantification
Notice bibliographique
Résumé
) gene above a critical threshold of ~35 repeats resulting in expression of mutant HTT (mHTT). A promising treatment approach being tested in clinical trials is HTT lowering, which aims to reduce levels of the mHTT protein. Target engagement of these therapies in the brain are inferred using antibody-based assays to measure mHTT levels in the cerebrospinal fluid (CSF), which is frequently reported as absolute mHTT concentration based on a monomeric protein standard used to generate a standard curve. However, patient biofluids are a complex milieu of different mHTT protein species, suggesting that absolute quantitation is challenging, and a single, recombinant protein standard may not be sufficient to interpret assay signal as molar mHTT concentration. In this study, we used immunoprecipitation and flow cytometry (IP-FCM) to investigate different factors that influence mHTT detection assay signal. Our results show that HTT protein fragmentation, protein-protein interactions, affinity tag positioning, oligomerization and polyglutamine tract length affect assay signal intensity, indicating that absolute HTT quantitation in heterogeneous biological samples is not possible with current technologies using a single standard protein. We also explore the binding specificity of the MW1 anti-polyglutamine antibody, commonly used in these assays as a mHTT-selective reagent and demonstrate that mHTT binding is preferred but not specific. Furthermore, we find that MW1 depletion is not only incomplete, leaving residual mHTT, but also non-specific, resulting in pull down of some wildtype HTT protein. Based on these observations, we recommend that mHTT detection assays report only relative mHTT quantitation using normalized arbitrary units of assay signal intensity, rather than molar concentrations, in the assessment of central nervous system HTT lowering in ongoing clinical and preclinical studies, and that MW1-depletion not be used a method for quantifying wildtype HTT protein.
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 | 0,023 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».