Secretome proteins as candidate biomarkers for aggressive thyroid carcinomas
Notice bibliographique
Résumé
Using proteomics in tandem with bioinformatics, the secretomes of nonaggressive and aggressive thyroid carcinoma (TC) cell lines were analyzed to detect potential biomarkers for tumor aggressiveness. A panel of nine proteins, activated leukocyte cell adhesion molecule (ALCAM/CD166), tyrosine-protein kinase receptor (AXL), amyloid beta A4 protein, amyloid-like protein 2, heterogeneous nuclear ribonucleoprotein K, phosphoglycerate kinase 1, pyruvate kinase isozyme M2, phosphatase 2A inhibitor (SET), and protein kinase C inhibitor protein 1 (14-3-3 zeta) was chosen to confirm their expression in TC patients' sera and tissues. Increased presurgical circulating levels of ALCAM were associated with aggressive tumors (p = 0.04) and presence of lymph node metastasis (p = 0.018). Increased serum AXL levels were associated with extrathyroidal extension (p = 0.027). Furthermore, differential expression of amyloid beta A4 protein, AXL, heterogeneous nuclear ribonucleoprotein K, phosphoglycerate kinase 1, pyruvate kinase muscle isozyme M2, and SET was observed in TC tissues compared to benign nodules. Decreased nuclear expression of AXL can detect malignancy with 90% specificity and 100% sensitivity (AUC = 0.995, p < 0.001). In conclusion, some of these proteins show potential for future development as serum and/or tissue-based biomarkers for TC and warrant further investigation in a large cohort of patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».