GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 17 Kasım 2026 · Bağımsız Editoryal Ağ
Dahiliye

Ön Saflar | Prion Hastalıklarında RT-QuIC Kinetiğinin Fenotiplenmesi için İstatistiksel Öğrenme

✍️ Editör Masası • 📅 16 Kasım 2026 • ⏱️ 4 dk okuma
Ön Saflar | Prion Hastalıklarında RT-QuIC Kinetiğinin Fenotiplenmesi için İstatistiksel Öğrenme

ORİJİNAL ARAŞTIRMA makalesi

Front. Digit. Health, 10 Kasım 2026

Bölüm: Bağlantılı Sağlık

Cilt 8 – 2026 | https://doi.org/10.3389/fdgth.2026.1940768

  • GD
  • AP
  • MS
  • GM
  • FP
  • MC
  • GG
  • MV

Gabriele D’Andrea 1,2

Anna Poleggi 3*

Marco Sbriccoli 3

Gabriele Moracci 3

Flavia Porreca 3

Matteo Costanzo 3,4

Guido Gigante 2

Maurizio Vichi 1

    1. İstatistik Bilimleri Bölümü, Sapienza Roma Üniversitesi, Roma, İtalya

    2. Çevre ve Sağlık Bölümü, İtalya Ulusal Sağlık Enstitüsü, Roma, İtalya

    3. Nörobilim Bölümü, İtalya Ulusal Sağlık Enstitüsü, Roma, İtalya

    4. İnsan Nörobilimleri Bölümü, Sapienza Roma Üniversitesi, Roma, İtalya

    Makale metrikleri

    Özet

    Arka Plan:

    Creutzfeldt-Jakob hastalığı gibi prion hastalıkları, her zaman ölümcül olan nörodejeneratif bozukluklardır ve klinik heterojenlikleri erken teşhisi zorlaştırmaktadır. Gerçek Zamanlı Titreşim-İndüklenmiş Dönüşüm (RT-QuIC) testi, patojenik prion proteinini (PrPSc) neredeyse mükemmel bir özgüllükle çoğaltarak ölüm öncesi tespitte devrim yaratmıştır. Ancak rutin tanı yöntemleri genellikle sürekli RT-QuIC floresans eğrisini yalnızca iki ölçüte indirger: gecikme evresi ve maksimum floresans yoğunluğu. Bu iki parametrelik indirgeme, tam zamansal profilin çarpıcı heterojenliğini göz ardı ederek patolojik yük ve suş özellikleriyle ilgili gizli biyolojik bilgileri ortadan kaldırır. Bu gizli veriden yararlanmak, reaksiyon kinetiğini biyolojik olarak anlaşılır kılan yeni analitik yöntemler gerektirir.

    Yöntemler:

    Bu sorunu ele almak için, zaman içindeki tam floresans dağılımını yakalayan uçtan uca bir istatistiksel çerçeve öneriyoruz. 301 hasta/örnekten elde edilen beyin omurilik sıvısı RT-QuIC yörüngelerini analiz ettik; sürekli olarak daha kısa kayıtlara sahip beş hasta/örnek hariç tutulduktan sonra, 296 hasta/örnek düzeyindeki profil tensör modelleme ve kümeleme analizlerine dahil edildi. Ardından, tüm teknik tekrarlar boyunca indirgenmemiş zaman serilerine üç yönlü (Tucker3) bir tensör kümeleme yaklaşımı uyguladık.

    Sonuçlar:

    Önerilen çerçeve, farklı ampirik RT-QuIC floresans profillerini tanımlar ve eğri morfolojisinin kompakt bir tanımını sunar. Tam yörüngeyi modelleyerek, geleneksel gecikme evresi ve maksimum yoğunluk özetlerinin temsil etmediği yükseliş eğimindeki, zamanlamadaki, başlangıç seviyesindeki ve geç evre zayıflamadaki farklılıkları yakalar.

    Sonuçlar:

    Belirlenen profiller, kohort-a özel ampirik RT-QuIC floresans reaksiyon kalıplarıdır. Geç evre zayıflama parametresi, standart sigmoidal modellerde yer almayan ek bir tanımlayıcı sunar; ancak biyolojik, klinik ve tanısal yorumlanması bağımsız doğrulama gerektirir. Gelecekteki çalışmalar, eğriden türetilen parametreler veya profiller ile klinik fenotip, PRNP genotipi, moleküler alt tip, biyobelirteçler ve sağkalım arasındaki ilişkileri değerlendirmelidir.

    1 Giriş

    Temel Bulgular ve Genel Değerlendirme

    • CrossRef
    • Google Scholar

    22.

    RocciRVichiM. Birimlerin net veya bulanık bölümlemesi ile üç modlu bileşen analizi. Psychometrika. (2005) 70:715–36. 10.1007/s11336-001-0926-z

    • CrossRef
    • Google Scholar

    23.

    TukeyJW. Keşifsel Veri Analizi. Reading, MA: Addison-Wesley (1977). s. 192–4.

    • Google Scholar

    24.

    NocedalJWrightSJ. Sayısal Optimizasyon. New York, NY: Springer (2006). 10.1007/978-0-387-40065-5

    • CrossRef
    • Google Scholar

    25.

    MarquardtDW. Doğrusal olmayan parametrelerin en küçük kareler tahmini için bir algoritma. J Soc Ind Appl Math. (1963) 11:431–41. 10.1137/0111030

    • CrossRef
    • Google Scholar

    26.

    CalińskiTHarabaszJ. Küme analizi için bir dendrit yöntemi. Commun Stat. (1974) 3:1–27. 10.1080/03610927408827101

    • CrossRef
    • Google Scholar

    27.

    MasseyFJ. Uyum iyiliği için Kolmogorov–Smirnov testi. J Am Stat Assoc. (1951) 46:68–78. 10.1080/01621459.1951.10500769

    • CrossRef
    • Google Scholar

    28.

    MilliganGWCooperMC. Bir veri setindeki küme sayısını belirleme prosedürlerinin bir incelemesi. Psychometrika. (1985) 50:159–79. 10.1007/BF02294245

    • CrossRef
    • Google Scholar

    29.

    OosawaFAsakuraS. Protein Polimerizasyonunun Termodinamiği. London, New York: Academic Press (1975). Cilt 20. s. 204.

    • Google Scholar

    30.

    FerroneFAHofrichterJSunshineHREatonWA. Orak hücreli hemoglobinin fotoliz-indüklenmiş jelleşmesi üzerine yapılan kinetik çalışmalar yeni bir mekanizma önermektedir. Biophys J. (1980) 32:361–80. 10.1016/S0006-3495(80)84962-9

    • CrossRef
    • Google Scholar

    31.

    FerroneFAHofrichterJEatonWA. Orak hemoglobin polimerizasyonunun kinetiği. II. Çift çekirdeklenme mekanizması. J Mol Biol. (1985) 183:611–31. 10.1016/0022-2836(85)90175-5

    • CrossRef
    • Google Scholar

    32.

    KnowlesTPJWaudbyCADevlinGLCohenSIAAguzziAVendruscoloMet al. Kırılabilir filament birleşiminin kinetiği için analitik bir çözüm. Science. (2009) 326:1533–7. 10.1126/science.1178250

    • CrossRef
    • Google Scholar

    33.

    MeislGYangXHellstrandEFrohmBKirkegaardJBCohenSIet al. Çekirdeklenme davranışındaki farklılıklar, Aβ40 ve Aβ42 peptitlerinin zıt birleşme kinetiklerinin temelini oluşturur. Proc Natl Acad Sci U S A. (2014) 111:9384–0389. 10.1073/pnas.1401562111

    • CrossRef
    • Google Scholar

    34.

    MeislGMichaelsTCTLinseSKnowlesTPJ. Amiloid oluşumunun kinetik analizi. Methods Mol Biol. (2018) 1779:181–96. 10.1007/978-1-4939-7816-8_12

    • CrossRef
    • Google Scholar

    35.

    XueCLinTYChangDGuoZ. Tiyoflavin T bir amiloid boyası olarak: fibril kantifikasyonu, optimal konsantrasyon ve birleşme üzerindeki etkisi. R Soc Open Sci. (2017) 4:160696. 10.1098/rsos.160696

    • CrossRef
    • Google Scholar

    36.

    TörnquistMMichaelsTCTSanagavarapuKYangXMeislGCohenSIAet al. Amiloid oluşumunda ikincil çekirdeklenme. Chem Commun (Camb). (2018) 54:8667–84. 10.1039/c8cc02204f

    • CrossRef
    • Google Scholar

    Özet

    Anahtar Kelimeler

    sınıflandırma, kümeleme, prion hastalıkları, regresyon, RT-QuIC

    Atıf

    D’Andrea G, Poleggi A, Sbriccoli M, Moracci G, Porreca F, Costanzo M, Gigante G ve Vichi M (2026) Prion hastalığında RT-QuIC kinetiği fenotiplenmesi için istatistiksel öğrenme. Front. Digit. Health 8:1940768. doi: 10.3389/fdgth.2026.1940768

    Alındı

    17 Temmuz 2026

    Değiştirildi

    29 Eylül 2026

    Kabul edildi

    15 Ekim 2026

    Yayınlandı

    10 Kasım 2026

    Cilt

    8 – 2026

    Matteo Delsanto, Torino Üniversitesi, İtalya

    Kundlik Gadhave, Johns Hopkins Üniversitesi, Amerika Birleşik Devletleri

    Georg Meisl, Cambridge Üniversitesi, Birleşik Krallık

    Katsuya Satoh, Nagasaki Üniversitesi, Japonya

    © 2026 D’Andrea, Poleggi, Sbriccoli, Moracci, Porreca, Costanzo, Gigante ve Vichi.

    Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazarların ve telif hakkı sahiplerinin belirtilmesi ve bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıfta bulunulması koşuluyla, diğer platformlarda kullanılması, dağıtılması veya çoğaltılması mümkündür. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltma izni verilmemektedir.

    *Yazışma: Anna Poleggi anna.poleggi@iss.it

    Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek iddialar yayıncı tarafından garanti edilmez veya onaylanmaz.

    Frontiers | Statistical learning for RT-QuIC kinetics phenotyping in prion disease
    Frontiers | Statistical learning for RT-QuIC kinetics phenotyping in prion disease
    İlginizi Çekebilir: Plasenta proteini beyin gelişimine dair ipuçları sunabilir →
    Kaynak: Frontiersin ↗
    BENZER İNCELEMELER

    İlgili Diğer Rehberler