Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

A plasma protein classifi… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

A plasma protein classifier for predicting amyloid burden for preclinical Alzheimer's disease.

Artikel i vetenskaplig tidskrift
Författare Nicholas Ashton
Alejo J Nevado-Holgado
Imelda S Barber
Steven Lynham
Veer Gupta
Pratishtha Chatterjee
Kathryn Goozee
Eugene Hone
Steve Pedrini
Kaj Blennow
Michael Schöll
Henrik Zetterberg
Kathryn A Ellis
Ashley I Bush
Christopher C Rowe
Victor L Villemagne
David Ames
Colin L Masters
Dag Aarsland
John Powell
Simon Lovestone
Ralph Martins
Abdul Hye
Publicerad i Science advances
Volym 5
Nummer/häfte 2
Sidor eaau7220
ISSN 2375-2548
Publiceringsår 2019
Publicerad vid Institutionen för neurovetenskap och fysiologi, sektionen för psykiatri och neurokemi
Sidor eaau7220
Språk en
Länkar dx.doi.org/10.1126/sciadv.aau7220
www.ncbi.nlm.nih.gov/entrez/query.f...
Ämneskategorier Biomedicinsk laboratorievetenskap/teknologi, Neurovetenskaper

Sammanfattning

A blood-based assessment of preclinical disease would have huge potential in the enrichment of participants for Alzheimer's disease (AD) therapeutic trials. In this study, cognitively unimpaired individuals from the AIBL and KARVIAH cohorts were defined as Aβ negative or Aβ positive by positron emission tomography. Nontargeted proteomic analysis that incorporated peptide fractionation and high-resolution mass spectrometry quantified relative protein abundances in plasma samples from all participants. A protein classifier model was trained to predict Aβ-positive participants using feature selection and machine learning in AIBL and independently assessed in KARVIAH. A 12-feature model for predicting Aβ-positive participants was established and demonstrated high accuracy (testing area under the receiver operator characteristic curve = 0.891, sensitivity = 0.78, and specificity = 0.77). This extensive plasma proteomic study has unbiasedly highlighted putative and novel candidates for AD pathology that should be further validated with automated methodologies.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?