Parkinson's disease (PD) etiology is heterogeneous, genetic, and multi-factorial, resulting in a varied disease from a mild slow progression to a more severe rapid progression. Prognostic information on the nature of the patient's disease at diagnosis aids the physician in counseling patients on treatment options and life planning. In a cohort of PD patients from the PPMI study, the relative gene expression levels of SKP1A, UBE2K, ALDH1A1, PSMC4, HSPA8 and LAMB2 were measured in baseline blood samples by real-time quantitative PCR. At baseline PD patients were up to 2 years from diagnosis, H&Y scale ≤ 2 and PD treatment naïve. PD-Prediction algorithm comprised of ALDH1A1, LAMB2, UBE2K, SKP1A and age was created by logistic regression for predicting progression to ≤ 70% Modified Schwab and England Activities of Daily Living (S&E-ADL). In relation to patients negative for PD-Prediction (n = 180), patients positive (n = 30) for Cutoff-1 (at 82% specificity, 80.0% sensitivity) had positive hazard ratio (HR+) of 10.6 (95% CI, 2.2-50.1), and positive (n = 23) for Cutoff-2 (at 93% specificity, 47% sensitivity) had HR+ of 17.1 (95% CI, 3.2-89.9) to progress to ≤ 70% S&E-ADL within 3 years (P value < 0.0001). Likewise, patients positive for PD-Prediction Cutoff-1 (n = 49) had HR+ 4.3 (95% CI, 1.6-11.6) for faster time to H&Y 3 in relation to patients negative (n = 170) for PD-Prediction (P value = 0.0002). Our findings show an algorithm that seems to predict fast PD progression and may potentially be used as a tool to assist the physician in choosing an optimal treatment plan, improving the patient's quality of life and overall health outcome.

中文翻译：

---

创建用于预测帕金森氏病病情进展的基因表达分类器。

帕金森病（PD）的病因是异质的，遗传的和多因素的，导致疾病从轻度缓慢进展到较严重的快速进展。诊断时有关患者疾病性质的预后信息可帮助医生就治疗选择和生活计划向患者提供咨询。在来自PPMI研究的一组PD患者中，通过实时定量PCR测定了基线血样中SKP1A，UBE2K，ALDH1A1，PSMC4，HSPA8和LAMB2的相对基因表达水平。在基线时，PD患者距诊断最长为2年，H＆Y评分≤2，且PD治疗为初次治疗。通过logistic回归创建由ALDH1A1，LAMB2，UBE2K，SKP1A和年龄组成的PD预测算法，以预测进展到≤70％的改良施瓦布和英格兰日常生活活动（S＆E-ADL）。对于PD预测阴性（n = 180）的患者，Cutoff-1阳性（n = 30）（特异性为82％，敏感性为80.0％）的阳性危险比（HR +）为10.6（95％CI， 2.2-50.1）和截止2阳性（n = 23）（特异性为93％，灵敏度为47％）时，HR +为17.1（95％CI，3.2-89.9），3内S＆E-ADL≤70％年（P值<0.0001）。同样，与PD预测阴性（n = 170）的患者相比，PD预测截止1（n = 49）阳性的患者HR + 4.3（95％CI，1.6-11.6）可以更快地达到H＆Y 3的时间。值= 0.0002）。我们的发现显示出一种算法，该算法似乎可以预测PD的快速发展，并有可能被用作帮助医生选择最佳治疗方案，改善患者生活质量和整体健康状况的工具。对于PD预测阴性（n = 180）的患者，Cutoff-1阳性（n = 30）（特异性为82％，敏感性为80.0％）的阳性危险比（HR +）为10.6（95％CI， 2.2-50.1）和截止2阳性（n = 23）（特异性为93％，灵敏度为47％）时，HR +为17.1（95％CI，3.2-89.9），3内S＆E-ADL≤70％年（P值<0.0001）。同样，与PD预测阴性（n = 170）的患者相比，PD预测截止1（n = 49）阳性的患者HR + 4.3（95％CI，1.6-11.6）可以更快地达到H＆Y 3的时间。值= 0.0002）。我们的发现显示出一种算法，该算法似乎可以预测PD的快速发展，并有可能被用作帮助医生选择最佳治疗方案，改善患者生活质量和整体健康状况的工具。对于PD预测阴性（n = 180）的患者，Cutoff-1阳性（n = 30）（特异性为82％，敏感性为80.0％）的阳性危险比（HR +）为10.6（95％CI， 2.2-50.1）和截止2阳性（n = 23）（特异性为93％，灵敏度为47％）时，HR +为17.1（95％CI，3.2-89.9），3内S＆E-ADL≤70％年（P值<0.0001）。同样，与PD预测阴性（n = 170）的患者相比，PD预测截止1（n = 49）阳性的患者HR + 4.3（95％CI，1.6-11.6）可以更快地达到H＆Y 3的时间。值= 0.0002）。我们的发现显示出一种算法，该算法似乎可以预测PD的快速发展，并且有可能被用作帮助医师选择最佳治疗方案，改善患者生活质量和整体健康状况的工具。