Tear Protein Biomarkers for Ocular Mucous Membrane Pemphigoid Uncovered Using Targeted LC-MS/MS
Notice bibliographique
Résumé
Mucous membrane pemphigoid (MMP) is a multisystemic rare autoimmune disease affecting the skin and mucous membranes. Ocular involvement is characterized by chronic conjunctival inflammation causing scar formation, leading to corneal opacification and vision loss. Conjunctival biopsies are currently used to confirm diagnosis, and the associated immunosuppression treatments prescribed can have serious consequences on patients. To address these challenges, a noninvasive approach to collect patient tears using untargeted and targeted liquid chromatography-tandem mass spectrometry (LC-MS/MS) analyses has been developed to identify a list of potential biomarkers of ocular MMP. Samples were collected on Schirmer strips and subjected to tryptic digestion and LC-MS/MS analysis. Three cohorts of patients were studied, and targeted LC-scheduled multiple reaction monitoring (LC-sMRM) methods were developed for the verification of putative biomarkers. The comparison of three groups of patients, those diagnosed with ocular MMP, non-ocular MMP, and lichen planus, another ocular cicatricial conjunctivitis disorder, yielded 56 biomarkers of interest. Proteins distinguishing MMP patients with and without ocular involvement were linked to the extracellular matrix, metabolism, and neutrophil degranulation. The comparison between MMP and lichen planus patients highlighted lower levels of metabolic enzymes in the latter. This study highlights the use of multiple patient cohorts and tailored targeted quantitative proteomics methods for the discovery of biomarkers for diagnostic and prognostic purposes.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».