Sex differences in cerebrospinal fluid proteomics of patients with restless legs syndrome
Notice bibliographique
Résumé
STUDY OBJECTIVES: The pathobiology of restless legs syndrome (RLS) remains poorly understood, complicating effective treatment. This observational cross-sectional study aimed to identify a cerebrospinal fluid proteomic signature of RLS and to explore sex-specific differences in cerebrospinal fluid proteomics. METHODS: Cerebrospinal fluid samples were collected from 22 untreated RLS patients and 18 controls, matched for age, body mass index, and sex. Proteomic analysis was conducted using the SOMAscan platform, assessing over 7000 peptides. RESULTS: Eight proteins were differentially abundant between patients and controls, with CRP and JAML increased, and TAPBPL and IL1RL1 decreased. Pathway analysis highlighted significant involvement in immune response, coagulation, and cytoskeletal regulation. Analyses were then carried out using sex stratification, comparing men and women separately. Sex-specific analyses revealed more pronounced proteomic alterations in males (68 differentially abundant proteins vs. control males) than in females (17 proteins). Gene enrichment analysis revealed that men with RLS had more involvement in gene regulation and epigenetic factors than control males and women with restless legs syndrome had greater involvement in systemic inflammatory and vascular processes than control females. CONCLUSIONS: This study identified a cerebrospinal fluid proteomic signature in RLS, implicating immune and inflammatory pathways in the disease's pathophysiology. Significant sex differences in protein level suggest potential sex-specific mechanisms in RLS, warranting further investigation. These findings contribute to the current understanding of RLS and could inform future therapeutic strategies.
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 | 0,001 |
| 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 ».