Additional file 1 of Alpha-synuclein seeding shows a wide heterogeneity in multiple system atrophy
Notice bibliographique
Résumé
Additional file 1. Fig. S1. The differential interaction of ThT with α-synuclein aggregates derived from patients with PD or MSA depends on the RT-QuIC reaction buffer. Fig. S2. The levels of total and aggregated α-synuclein in the Substantia Nigra are relatively uniform between the MSA and the LBD patients included in the validation phase. Fig. S3. End-point dilution alpha-synuclein RT-QuIC analysis of the cerebellar PBS-soluble fraction from two MSA cases classified as high and low seeders. Fig. S4. Dissection of brain regions for protein extraction and α-synuclein seeding evaluation. Fig. S5. The inter-individual α-synuclein seeding and intra-individual α-synuclein seeding behavior is distinct between MSA patients and brain regions. Fig. S6. The levels of total α-synuclein in each brain region are relatively uniform but the burden of aggregated α-synuclein varies across patients and brain regions in MSA patients. Fig. S7. The inter-individual but not the intra-individual α-synuclein seeding heterogeneity is preserved using the sarkosyl insoluble fraction. Fig. S8. The SI fraction promotes a faster aggregation and reaches a higher fluorescence plateau than the PBS-soluble fraction. Fig. S9. The extent of pathology detected by different α-synuclein antibodies is not uniform. Fig. S10. GCIs and NCIs deposition across different brain regions in MSA patients. Fig. S11. The burden of GCIs and NCIs varies across different brain regions in MSA. Table S1. Demographic and neuropathological diagnosis of the subjects included in this study.
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 | 0,002 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,886 | 0,134 |
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 ».