MétaCan
Menu
Retour à la cohorte
Enregistrement W1967956133 · doi:10.1186/1471-2407-13-416

Metabolic system alterations in pancreatic cancer patient serum: potential for early detection

2013· article· en· W1967956133 sur OpenAlexaff
Shawn Ritchie, Hirofumi Akita, Ichiro Takemasa, Hidetoshi Eguchi, Élodie Pastural, Hiroaki Nagano, Morito Monden, Yuichiro� Doki, Masaki Mori, Wei Jin, Tolulope T. Sajobi, Dushmanthi Jayasinghe, Bassirou Chitou, Yasuyo Yamazaki, Thayer White, Dayan B. Goodenowe

Notice bibliographique

RevueBMC Cancer · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of CalgaryPhenomenome Discoveries (Canada)
Organismes subventionnairesnon disponible
Mots-clésMetabolomicsMedicineMetabolitePancreatic cancerInternal medicineSurgical oncologyTandem mass spectrometryCancerPopulationGastroenterologyPhysiologyBioinformaticsMass spectrometryChemistryBiologyChromatography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The prognosis of pancreatic cancer (PC) is one of the poorest among all cancers, due largely to the lack of methods for screening and early detection. New biomarkers for identifying high-risk or early-stage subjects could significantly impact PC mortality. The goal of this study was to find metabolic biomarkers associated with PC by using a comprehensive metabolomics technology to compare serum profiles of PC patients to healthy control subjects. METHODS: A non-targeted metabolomics approach based on high-resolution, flow-injection Fourier transform ion cyclotron resonance mass spectrometry (FI-FTICR-MS) was used to generate comprehensive metabolomic profiles containing 2478 accurate mass measurements from the serum of Japanese PC patients (n=40) and disease-free subjects (n=50). Targeted flow-injection tandem mass spectrometry (FI-MS/MS) assays for specific metabolic systems were developed and used to validate the FI-FTICR-MS results. A FI-MS/MS assay for the most discriminating metabolite discovered by FI-FTICR-MS (PC-594) was further validated in two USA Caucasian populations; one comprised 14 PCs, six intraductal papillary mucinous neoplasms (IPMN) and 40 controls, and a second comprised 1000 reference subjects aged 30 to 80, which was used to create a distribution of PC-594 levels among the general population. RESULTS: FI-FTICR-MS metabolomic analysis showed significant reductions in the serum levels of metabolites belonging to five systems in PC patients compared to controls (all p<0.000025). The metabolic systems included 36-carbon ultra long-chain fatty acids, multiple choline-related systems including phosphatidylcholines, lysophosphatidylcholines and sphingomyelins, as well as vinyl ether-containing plasmalogen ethanolamines. ROC-AUCs based on FI-MS/MS of selected markers from each system ranged between 0.93 ±0.03 and 0.97 ±0.02. No significant correlations between any of the systems and disease-stage, gender, or treatment were observed. Biomarker PC-594 (an ultra long-chain fatty acid), was further validated using an independently-collected US Caucasian population (blinded analysis, n=60, p=9.9E-14, AUC=0.97 ±0.02). PC-594 levels across 1000 reference subjects showed an inverse correlation with age, resulting in a drop in the AUC from 0.99 ±0.01 to 0.90 ±0.02 for subjects aged 30 to 80, respectively. A PC-594 test positivity rate of 5.0% in low-risk reference subjects resulted in a PC sensitivity of 87% and a significant improvement in net clinical benefit based on decision curve analysis. CONCLUSIONS: The serum metabolome of PC patients is significantly altered. The utility of serum metabolite biomarkers, particularly PC-594, for identifying subjects with elevated risk of PC should be further investigated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC CancerMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207