NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), motor ve motor olmayan fonksiyonun kaybına neden olan, progresif bir nörodejeneratif hastalıktır. Teşhis, hastalığın ilerleyişine kadar gelişmeyen klinik semptomlara dayanır, bu noktada hastaların dopaminerjik nöronlarının çoğunluğu zaten yok olmuştur. Birçok PD vakası idiyopatik olmakla birlikte, LRRK2 genindeki mutasyonlar, otofaji, mitokondriyal fonksiyon, transkripsiyon, moleküler yapısal bütünlük, endo-lizozozomal sistem ve bağışıklık yanıtı rollerine sahip multidomain kinaz da dahil olmak üzere kalıtsal genetik riskler tanımlanmıştır. Kesin bir PD tanısı sadece otopsi sonrası yapılabilir ve şu anda noninvaziv veya kan bazlı hastalık biyobelirteçleri mevcut değildir. PD hastalarında metabolitlerdeki değişiklikler tespit edilmiştir, bu da metabolomların PD teşhis araçları için söz verebileceğini düşündürmektedir. Bu çalışmada plazmada PD'nin metabolik belirteçlerini tanımlamaya çalıştık. 1H-13C heteronükleer tek kuantum koherens spektroskopisi (HSQC) NMR spektroskopisi metabolomik platformu makine öğrenimi (ML) ile birleştiğinde, G2019S LRRK2 mutasyonları ve PD olmayan kontrolleri ile yaklaşık yaş/seks uyumlu PD hastalarından plazma metabolitlerini ölçtük. Bilinen ve bilinmeyen metabolitlerin diferansiyel seviyesine dayanarak, bir ML modeli inşa edebildik ve erkek LRRK2 PD hastalarını %79,7 doğruluk, %81.3 hassasiyet ve %78,6 özgüllükle sınıflandıran bir Biomarker of Response (BOR) skoru geliştirdik. BoR skorunun yüksek doğruluğu, burada açıklanan metabolomik / ML iş akışının, daha büyük hasta kohortlarında PD için doğrulayıcı bir tanının geliştirilmesinde daha fazla kullanılabileceğini göstermektedir. PD için tanısal bir test, klinisyenlerin ve hastalarının kesin bir tanıya doğru hızla ilerlemelerine yardımcı olacak ve sonuçta gelecekteki klinik denemeleri ve tedavi seçeneklerini güçlendirecektir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a progressive neurodegenerative disease, causing loss of motor and nonmotor function. Diagnosis is based on clinical symptoms that do not develop until late in the disease progression, at which point the majority of the patients' dopaminergic neurons are already destroyed. While many PD cases are idiopathic, hereditable genetic risks have been identified, including mutations in the gene for LRRK2, a multidomain kinase with roles in autophagy, mitochondrial function, transcription, molecular structural integrity, the endo-lysosomal system, and the immune response. A definitive PD diagnosis can only be made post-mortem, and no noninvasive or blood-based disease biomarkers are currently available. Alterations in metabolites have been identified in PD patients, suggesting that metabolomics may hold promise for PD diagnostic tools. In this study, we sought to identify metabolic markers of PD in plasma. Using a 1H-13C heteronuclear single quantum coherence spectroscopy (HSQC) NMR spectroscopy metabolomics platform coupled with machine learning (ML), we measured plasma metabolites from approximately age/sex-matched PD patients with G2019S LRRK2 mutations and non-PD controls. Based on the differential level of known and unknown metabolites, we were able to build a ML model and develop a Biomarker of Response (BoR) score, which classified male LRRK2 PD patients with 79.7% accuracy, 81.3% sensitivity, and 78.6% specificity. The high accuracy of the BoR score suggests that the metabolomics/ML workflow described here could be further utilized in the development of a confirmatory diagnostic for PD in larger patient cohorts. A diagnostic assay for PD will aid clinicians and their patients to quickly move toward a definitive diagnosis, and ultimately empower future clinical trials and treatment options.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.