MétaCan
Menu
Retour à la cohorte
Enregistrement W7117103279 · doi:10.1002/alz70856_096828

A mass spectrometric assay for detecting autoantibodies in cerebrospinal fluid with Data Independent Acquisition (DIA) utilizing new‐generation mass spectrometry

2025· article· en· W7117103279 sur OpenAlexaff
Miyo K. Chatanaka, Cassandra Wong, Antoninus Soosaipillai, Eleftherios P. Diamandis

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAutoantibodyMass spectrometryCerebrospinal fluidAntibodyIdentification (biology)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A hypothesis that has gained traction in Alzheimer's disease (AD) research is the autoimmune hypothesis, which posits that autoantibodies generated in the central nervous system attack neurons, leading to AD manifestations. To uncover such autoantibodies against neuronal proteins in AD, reliable, sensitive and specific analytical methods need to be developed. METHOD: Our method for the unbiased autoantibody identification in cerebrospinal fluid (CSF) includes the following steps: (1) capture of G-class immunoglobulins from 10uL of CSF using protein G magnetic beads, (2) exposure to a brain tissue extract, leading to cognate antigen capture, (3) reduction by dithiothreitol and digestion with trypsin, (4) tryptic peptides extraction and subjection to analysis by mass spectrometry (MS) to identify the bound proteins. For method optimization, we used CSF spiked with known amounts of a monoclonal antibody against Kallikrein 6 (KLK6ab), which is abundant in normal CSF. MS was performed with two machines coupled to liquid chromatography: (a) an Orbitrap Astral MS operating in data-independent acquisition (DIA) mode and 20min gradient, (b) a Bruker timsTOF Pro 2, operating in DIA mode and at either 22min or 44min gradient. Interpretation was done with Spectronaut. RESULT: We resolved the CSF proteome (20uL) with a shotgun approach and identified 1988.1 proteins with machine (a) in DIA (1/5 sample) and 1241.3 with (b) in DIA. We resolved the KLK6 capture, finding a protein intensity (PG.Quantity) of 1117.01 in (a), and a protein intensity of 510.68 in (b) after adding 1ng of KLK6ab in both samples. The limit of detection for both machines (a) and (b) was 0.2ng of KLK6ab. Previous analyses also revealed that with a DDA analysis, the limit of detection was 5ng of KLK6ab. CONCLUSION: We optimized our method for identification of endogenous CSF autoantibodies on various mass spectrometric platforms using an internal antibody control that assures optimal performance of all experimental runs. We believe that this assay will be instrumental in identifying novel autoantibodies that may be related to AD pathogenesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,314
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207