Blood-based lung cancer biomarkers identified through proteomic discovery in cancer tissues, cell lines and conditioned medium
Notice bibliographique
Résumé
BACKGROUND: Support for early detection of lung cancer has emerged from the National Lung Screening Trial (NLST), in which low-dose computed tomography (LDCT) screening reduced lung cancer mortality by 20 % relative to chest x-ray. The US Preventive Services Task Force (USPSTF) recently recommended annual screening for the high-risk population, concluding that the benefits (life years gained) outweighed harms (false positive findings, abortive biopsy/surgery, radiation exposure). In making their recommendation, the USPSTF noted that the moderate net benefit of screening was dependent on the resolution of most false-positive results without invasive procedures. Circulating biomarkers may serve as a valuable adjunctive tool to imaging. RESULTS: We developed a broad-based proteomics discovery program, integrating liquid chromatography/mass spectrometry (LC/MS) analyses of freshly resected lung tumor specimens (n = 13), lung cancer cell lines (n = 17), and conditioned media collected from tumor cell lines (n = 7). To enrich for biomarkers likely to be found at elevated levels in the peripheral circulation of lung cancer patients, proteins were prioritized based on predicted subcellular localization (secreted, cell-membrane associated) and differential expression in disease samples. 179 candidate biomarkers were identified. Several markers selected for further validation showed elevated levels in serum collected from subjects with stage I NSCLC (n = 94), relative to healthy smoker controls (n = 189). An 8-marker model was developed (TFPI, MDK, OPN, MMP2, TIMP1, CEA, CYFRA 21-1, SCC) which accurately distinguished subjects with lung cancer (n = 50) from high risk smokers (n = 50) in an independent validation study (AUC = 0.775). CONCLUSIONS: Integrating biomarker discovery from multiple sample types (fresh tissue, cell lines and conditioned medium) has resulted in a diverse repertoire of candidate biomarkers. This unique collection of biomarkers may have clinical utility in lung cancer detection and diagnoses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».