Amyotrophic lateral sclerosis (ALS) is a relentlessly progressive, fatal motor neuron disease with a variable natural history. There are no accurate models that predict the disease course and outcomes, which complicates risk assessment and counselling for individual patients, stratification of patients for trials, and timing of interventions. We therefore aimed to develop and validate a model for predicting a composite survival endpoint for individual patients with ALS.We obtained data for patients from 14 specialised ALS centres (each one designated as a cohort) in Belgium, France, the Netherlands, Germany, Ireland, Italy, Portugal, Switzerland, and the UK. All patients were diagnosed in the centres after excluding other diagnoses and classified according to revised El Escorial criteria. We assessed 16 patient characteristics as potential predictors of a composite survival outcome (time between onset of symptoms and non-invasive ventilation for more than 23 h per day, tracheostomy, or death) and applied backward elimination with bootstrapping in the largest population-based dataset for predictor selection. Data were gathered on the day of diagnosis or as soon as possible thereafter. Predictors that were selected in more than 70% of the bootstrap resamples were used to develop a multivariable Royston-Parmar model for predicting the composite survival outcome in individual patients. We assessed the generalisability of the model by estimating heterogeneity of predictive accuracy across external populations (ie, populations not used to develop the model) using internal-external cross-validation, and quantified the discrimination using the concordance (c) statistic (area under the receiver operator characteristic curve) and calibration using a calibration slope.Data were collected between Jan 1, 1992, and Sept 22, 2016 (the largest data-set included data from 1936 patients). The median follow-up time was 97·5 months (IQR 52·9-168·5). Eight candidate predictors entered the prediction model: bulbar versus non-bulbar onset (univariable hazard ratio [HR] 1·71, 95% CI 1·63-1·79), age at onset (1·03, 1·03-1·03), definite versus probable or possible ALS (1·47, 1·39-1·55), diagnostic delay (0·52, 0·51-0·53), forced vital capacity (HR 0·99, 0·99-0·99), progression rate (6·33, 5·92-6·76), frontotemporal dementia (1·34, 1·20-1·50), and presence of a C9orf72 repeat expansion (1·45, 1·31-1·61), all p<0·0001. The c statistic for external predictive accuracy of the model was 0·78 (95% CI 0·77-0·80; 95% prediction interval [PI] 0·74-0·82) and the calibration slope was 1·01 (95% CI 0·95-1·07; 95% PI 0·83-1·18). The model was used to define five groups with distinct median predicted (SE) and observed (SE) times in months from symptom onset to the composite survival outcome: very short 17·7 (0·20), 16·5 (0·23); short 25·3 (0·06), 25·2 (0·35); intermediate 32·2 (0·09), 32·8 (0·46); long 43·7 (0·21), 44·6 (0·74); and very long 91·0 (1·84), 85·6 (1·96).We have developed an externally validated model to predict survival without tracheostomy and non-invasive ventilation for more than 23 h per day in European patients with ALS. This model could be applied to individualised patient management, counselling, and future trial design, but to maximise the benefit and prevent harm it is intended to be used by medical doctors only.Netherlands ALS Foundation.

© 2020 The Authors. Published by Elsevier B.V. on behalf of International Federation of Clinical Neurophysiology. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).

To assess the performance of serum neurofilament light chain (sNfL) in clinical phenotypes of amyotrophic lateral sclerosis (ALS).

Abstract Objective Robotic arms are innovative assistive devices for ALS patients with progressive motor deficits of arms and hands. The objective was to explore the patients´ expectations towards a robotic arm system and to assess the actual experiences after the provision of the device. Methods A prospective observational study was conducted at 9 ALS centers in Germany. ALS-related functional deficits were assessed using the ALS-Functional Rating Scale-revised (ALSFRS-R). Motor deficit of the upper limbs was determined using a subscore of three arm-related items of the ALSFRS-R (items 4–6; range 0–12 points). User expectations before provision (expectation group, n = 85) and user experiences after provision (experience group, n = 14) with the device (JACO Assistive Robotic Device, Kinova, Boisbriand, QC, Canada) were assessed. Results In the total cohort, mean ALSFRS-R subscore for arm function was 1.7 (SD: 2.0, 0–9) demonstrating a severe functional deficit of the upper limbs. In the expectation group (n = 85), the following use cases of the robotic arm have been prioritized: handling objects (89%), close-body movements (88%), pressing buttons (87%), serving drinks (86%), and opening cabinets and doors (85%). In the experience group (n = 14), handling objects (79%), serving drinks (79%), near-body movements (71%), pushing buttons (71%), serving food (64%), and opening doors (64%) were the most frequent used cases. Most patients used the device daily (71.4%, n = 10), and 28.6% (n = 4) several times a week. All patients of the experience group found the device helpful, felt safe while using the device, and were satisfied with its reliability. NPS of the assistive robotic arm revealed 64% "promoters" (strong recommendation), 29% "indifferents" (uncertain recommendation) and 7% "detractors" (no recommendation). Total NPS was + 57 demonstrating strong patient satisfaction. Conclusions Initiation of procurement with a robotic assistive arm was confined to patients with severe functional deficit of the upper limbs. User experience underlined the wide spectrum of use cases of assistive robotic arms in ALS. The positive user experience together with high satisfaction underscore that robotic arm systems serve as a valuable treatment option in ALS patients with severe motor deficits of the arms.

Amyotrophic lateral sclerosis (ALS) is a relentless neurodegenerative disease affecting the motor neuron system. Variability in the rate of disease progression has limited the effectiveness of ALS clinical trials. Thus, better outcome measures are desperately needed in order to achieve therapeutic progress. Here, we investigate the potential of plasma cell-free microRNAs as biomarkers to predict ALS progression. We apply an unbiased high-throughput approach to define miRNA levels in a large cohort of ALS patients. Crucially, we conduct our analysis also on longitudinal samples reflecting disease progression, and are able to integrate detailed clinical phenotyping in our analysis. We find miR-181a-5p levels to be stable throughout the disease course and demonstrate that high miR-181a-5p plasma levels predict shortened survival in ALS patients, with a 2.5 fold reduction in median survival for patients with high miR-181a-5p plasma levels. We replicated this finding in an independent validation cohort, where an eight-fold (×8) difference in miR-181a-5p levels between the two prognosis subgroups was robustly measurable by quantitative real time PCR. In conclusion, miR-181a-5p plasma levels can predict disease course in ALS, identifying it as a novel biomarker for patient stratification with the potential to greatly enhance the effectiveness of clinical trials.One Sentence Summary higher plasma miR-181a-5p levels increase mortality risk in ALS patients.

Abstract Extracellular vesicles (EVs) are cell-secreted membranous particles contributing to intercellular communication. Coding and non-coding RNAs are widely detected EV cargo, and RNA-binding proteins (RBPs), such as hnRNPA2B1, have been circumstantially implicated in sorting vesicular RNAs. However, the contribution of competitive RBP-RNA interactions responsible for RNA-sorting outcomes still needs to be deciphered, especially for EV-RNA interference and predictability. We conducted a reverse proteomic analysis that prioritized heterogeneous nuclear ribonucleoproteins recognizing purine-rich RNA sequences representing a subset of previously identified EXO motifs. A screening campaign using a full-length human hnRNPA2B1 protein and artificial purine-rich RNA brought to small molecule inhibitors orthogonally validated through biochemical and cell-based approaches. Selected drugs effectively interfered with a post-transcriptional layer impacting secreted EV- RNAs, reducing the vesicular pro-inflammatory miR-221 while counteracting the hnRNPA2B1- or TDP43 Q331K -dependent paracrine activation of NF-κB in EV-recipient cells. This study demonstrates the possibility of predicting the EV-RNA quality for developing innovative strategies targeting discrete paracrine functions. Summary Extracellular vesicles (EVs) are cell-released, heterogeneous lipid particles conceived as vehicles for intercellular communication. RNA is a widely detected cargo, and the comprehension of EV-sorting mechanisms represents a step forward in predicting EV quality and associated paracrine effects. While it is known that specific RNA-binding proteins (RBPs) play a role in EV-RNA sorting, the quantitative contribution of competing RBP-RNA interactions and the predictability of RNA-sorting outcomes are poorly understood. Here, we show that a core of hnRNPs compete for the binding to the heterogeneous EV-RNA in vitro . Given prioritized interactions with purine-rich RNA motifs, we set up a pharmacological screen platform to find inhibitors of protein-RNA interactions. Our results suggest that selected small molecules can interfere with EV-RNA quality, altering the distribution of specific miRNA cargoes and associating with a discriminant NF-kB activation in EV-recipient cells. This work highlights the role of RBP-RNA interactions in influencing the EV-RNA quality and paracrine functions.