Predictive <i>N</i> -Glycan Signatures of Severe Traumatic Brain Injury in Biofluids Using LC–MS/MS
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Traumatic brain injury (TBI) poses a significant global health issue, frequently resulting in persistent and even lifelong cognitive and neurological impairments. Despite remarkable advances in biomarker discovery, significant challenges remain in the accurate diagnosis and prognosis of TBI. Glycosylation, an important post-translational modification of proteins and other biomolecules, plays an essential role in neuronal function and neuroinflammation. However, its contribution to the pathogenesis of TBI has been insufficiently investigated. This study examines changes in N -glycosylation patterns in serum and cerebrospinal fluid (CSF) from individuals with severe traumatic brain injury (sTBI) at various time points postinjury. Employing advanced glycomics methodologies and liquid chromatography–tandem mass spectrometry (LC–MS/MS), we identified 102 N -glycans in serum and 86 N -glycans in CSF, revealing substantial alterations in N -glycan expression, including differential expression of fucosylated and sialylated structures. Elevated fucosylation was observed in serum, whereas decreased fucosylation was found in CSF. Altered sialylation patterns were noted, suggesting glycosylation alterations in neuroinflammatory processes and possible neurodegeneration. Furthermore, our study examined N -glycans with isomeric properties. We identified several isomers that demonstrated potential as a biomarker panel reflective of TBI progression. Overall, these studies offer new insights into systemic and central nervous system-specific glycomic responses following sTBI and emphasize the potential of glycan-based biomarkers for monitoring specific changes as TBI progresses, which could be a possible target for enhanced TBI therapy and enhanced prognosis.
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 | 0,000 |
| 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) | 0,000 | 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 ».