Extended coverage of human serum glycosphingolipidome by 4D-RP-LC TIMS-PASEF unravels association with Parkinson’s disease
Notice bibliographique
Résumé
Glycosphingolipids (GSLs) are important targets in immune, infectious, lysosomal storage diseases, cancer, and neurodegenerative diseases. Circulatory GSLs profiling in clinical samples is restricted by the lack of mid- and high-throughput analytical methods and deep coverage of long-chain sialylated glycosphingolipidome. We present a 4-dimensional (4D)-glycosphingolipidomics platform for routine glycosphingolipidome profiling encompassing: extraction and fractionation of sialylated GSLs with 3 to 15 monosaccharides, neutral GSLs and sulfatides; µL-flow reversed-phase LC-TIMS-PASEF MS analysis; semi-quantification strategy adapted for fractionated glycosphingolipidome, and referential CCS, RT, and m/z values for GSLs annotation. 4D-glycosphingolipidomics of human serum reveals a high structural heterogeneity, amounting to 376 GSLs: 159 GSLs of ganglio- and neolacto-series, 145 neutral GSLs and 72 sulfatides. Here we demonstrate the platform's utility for clinical profiling of Parkinson's disease (PD) sera. 41 neolacto- and ganglio-species discriminate PD patients from controls and 14 GSLs differentiate sex subgroups, laying the foundation for further functional GSL studies with PD.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».