Quantitative Measurements of α-Synuclein Seeds in CSF Inform Diagnosis of Synucleinopathies
Notice bibliographique
Résumé
Abstract Diagnosing α-synucleinopathies and assessing target engagement in trials is hindered by the lack of reliable biomarkers. Here, we introduce a first-in-kind quantitative, highly sensitive, and disease-specific diagnostic assay, named Seeding Amplification ImmunoAssay (SAIA), developed and validated to detect synucleinopathy-linked disorders. To this end, we used wide range of specimens, including 37 brain homogenates (BH) and 559 cerebrospinal fluid (CSF) samples from subjects with diverse synucleinopathy disorders, non-synucleinopathy diseases, idiopathic REM sleep behavior disorder (iRBD), and controls. SAIA generated robust amplification results detecting disease-related α-synuclein seeds in BH samples at attogram levels, as referenced to preformed fibrils of α-synuclein. Furthermore, we conducted side-by-side comparisons between SAIA and a traditional Seeding Amplification Assay (SAA), which revealed high concordance. Further, SAIA distinguished synucleinopathies from non-synucleinopathies and controls with sensitivities and specificities ranging between 80-100% and area under the curve values exceeding 0.9. SAIA also accurately identified 24/24 (100%) iRBD cases, considered a prodromal state of PD, with 100% sensitivity and 80% specificity. Further optimization of SAIA through timepoint analyses revealed that shorter incubation times enhanced the assay’s specificity for distinguishing MSA from PD highlighting the potential for improved differentiation between specific synucleinopathies. In conclusion, SAIA represents a novel powerful high throughput method to screen, diagnose and monitor synucleinopathy disorders in living subjects, offering significant improvements over existing methods to assist clinical trials that aim to test disease modifying interventions.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».