The Association Between SLIT2 in Human Vitreous Humor and Plasma and Neurocognitive Test Scores
Notice bibliographique
Résumé
Background: Slit Guidance Ligand 2 (SLIT2) binds Roundabout (ROBO) guidance receptors to direct axon pathfinding and neuron migration during nervous system development. SLIT2 expression has previously been linked to dementia risk. Objective: To study the association between SLIT2 expression in human vitreous humor and plasma samples and neurocognitive test scores in a cross-sectional cohort study utilizing a novel, highly-sensitive Meso Scale Discovery (MSD) assay for SLIT2 detection. Methods: Seventy-nine individuals with a mean age of 55.79 ± 12.03 years underwent eye surgery with collection of vitreous humor, blood (plasma) collection, and neurocognitive assessment. Vitreous humor and plasma samples were analyzed by SLIT2 MSD electrochemiluminescence immunoassay. Associations between SLIT2 levels in vitreous humor and plasma were analyzed using GraphPad Prism. Results: We found up to a 7-fold higher level of SLIT2 in human vitreous humor compared to plasma. Lower vitreous SLIT2 levels were associated with a lower Montreal Cognitive Assessment (MoCA) score and Immediate Recall Verbatim (IRV) z-score, and higher plasma SLIT2 was associated with a lower MoCA score. In multivariate analysis using single and multiple predictor models, the same significant associations were found when adjusted for age, sex, race, diabetic status, diabetic retinopathy status, glaucoma status, and Apolipoprotein E (APOE) genotype. Conclusions: SLIT2 protein levels are significantly associated with MoCA score and IRV z-score in middle-aged individuals. The relationship remained significant when adjusted for demographics, co-morbidity, and APOE genotype, suggesting SLIT2 may be a sensitive biomarker for detection of mild cognitive impairment and early dementia, and warrants further studies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».