Comparative evaluation of analytical methods for CSF proteomics
Notice bibliographique
Résumé
Cerebrospinal fluid (CSF) provides a unique window into brain pathology, yet challenges in unbiased mass-spectrometric (MS) discovery persist due to sample complexity and the need for optimized analytical workflows. Multiple laboratory workflows have been developed for CSF proteomics, each with distinct advantages for specific applications. To interrogate which laboratory workflow is most suitable for this biological matrix, we benchmarked five orthogonal sample-preparation strategies- MStern, Proteograph™ nanoparticle enrichment (Seer), N-glycopeptide capture (N-Gp), and two extracellular-vesicle (EV) fractions isolated by differential ultracentrifugation (P20- and P150-EV)- in CSF from 19 patients with central nervous system lymphoma. The protocols span a practical spectrum of input volume (6000-50 µL), hands-on time, and reagent cost, enabling informed method selection for translational applications. In total we performed 82 LC-MS/MS experiments and detected over 38,000 unique peptides and more than 3000 proteins across all modalities. Seer achieved the best proteomic depth (~ 17,000 unique peptides) across samples, followed by P20-EV (~ 9,000), MStern (~ 5,500), P150-EV (~ 5,000), and N-Gp (~ 1,000). None of the methods introduced systematic bias in peptide or protein isoelectric point or hydrophobicity, yet each selectively highlighted distinct biological niches: P20-EVs favoured mitochondrial signatures, N-Gp capture lysosomal and plasma membrane signatures and Seer enhanced nuclear representation. These findings demonstrate that no single protocol suffices for every research question; instead, workflow selection should align with sample-volume constraints, budget and biological question. Our comparative framework empowers investigators to match CSF proteomics strategies to specific neuro-oncological objectives, thereby accelerating the translation of CSF biomarkers into clinically actionable assays.
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 | 0,029 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».