The Use of Proteomic Analyses to Identify Potential Cerebrospinal Fluid Biomarkers in Multiple Sclerosis
Notice bibliographique
Résumé
Multiple sclerosis (MScl) remains a highly unpredictable disease. Many hope that fluid biomarkers may contribute to better stratification of disease, aiding the personalization of treatment decisions, ultimately improving patient outcomes. The objective of this study was to evaluate the predictive value of cerebrospinal fluid (CSF) brain-specific proteins from early in the disease course of MScl on long term clinical outcomes. In this prospective longitudinal study, 34 MScl patients had their CSF collected and stored within 5 years of disease onset and were then followed clinically for at least 15 years. CSF concentrations of 64 brain-specific proteins were analyzed in the 34 patient CSF, as well as 19 age and sex-matched controls, using a targeted liquid-chromatography tandem mass spectrometry approach. We identified six CSF brain-specific proteins that significantly differentiated MScl from controls (p<0.05) and several proteins that could predict disease course over the next decade. Calcium/Calmodulin Dependent Protein Kinase II Alpha (CAMK2A) emerged as a biomarker candidate that could discriminate between MScl and controls and could predict long-term disease progression. Targeted approaches to identify and quantify biomarkers associated with MScl in the CSF may inform on long term MScl outcomes. CAMK2A may be one of several candidates, warranting further exploration.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
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 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 ».