用拉曼光谱和机器学习分析在莱维体痴呆症中进行修改的α-synuclein种子放大试验

科学领域:

• 神经科学是一个神经科学.
• 生物化学 生物化学
• 频谱学是一种光谱学.

背景情况:

• 勒维体痴呆症 (LBD),包括勒维体痴呆症 (DLB) 和帕金森病痴呆症 (PDD),以α-synuclein聚合为特征.
• 种子放大试验 (SAA) 检测到α-synuclein,但提供二进制读数,需要标记.
• 拉曼光谱提供无标签的生物化学分析,通过机器学习增强诊断.

研究的目的:

• 评估拉曼光谱和机器学习是否可以改善基于SAA的LBD与CSF中的控制的歧视.
• 评估快速,无标签检测LBD特有的生物化学变化的潜力.

主要方法:

• 从DLB,PDD和对照组采集的死后脊髓样本的分析,使用7天的SAA.
• 在第1,4和第7天收集拉曼光谱.
• 主要组件分析 (PCA) 和统一的多重近似和投影 (UMAP) 的应用用于光谱分析.

主要成果:

• PCA和UMAP在SAA后24小时内 (第一天) 将LBD与对照区分开来.
• 光谱变化表明了α-synuclein结构的变化 (α-螺旋减小,β-sheet增加).
• 没有观察到DLB和PDD组之间的明显分离.

结论:

• 将拉曼光谱与机器学习相结合,可以快速,无标签地检测到CSF中疾病特异性的变化.
• 这种新的工作流显示了LBD诊断的潜力.
• 需要在更大的队列中进一步验证.