Proteomic analyses of serous and endometrioid epithelial ovarian cancers – Cases studies – Molecular insights of a possible histological etiology of serous ovarian cancer
Notice bibliographique
Résumé
PURPOSE: Epithelial ovarian carcinogenesis may occur de novo on the surface of ovarian mesothelial epithelial cells or from cells originating in other organs. Foreign Müllerian cell intrusion into the ovarian environment has been hypothesized to explain the latter scenario. In this study, MALDI MS profiling technology was used to provide molecular insights regarding these potentially different mechanisms. EXPERIMENTAL DESIGN: Using MALDI MS profiling, the molecular disease signatures were established in their anatomical context. MALDI MS profiling was used on serous and endometrioid cancer biopsies to investigate cases of epithelial ovarian cancer. We then applied bioinformatic methods and identification strategies on the LC-MS/MS analyses of extracts from digested formalin-fixed, paraffin-embedded tissues. Extracts from selected regions (i.e. serous ovarian adenocarcinoma, fallopian tube serous adenocarcinoma, endometrioid ovarian cancer, benign endometrium, and benign ovarian tissues) were performed, and peptide digests were subjected to LC-MS/MS analysis. RESULTS: Comparison of the proteins identified from benign endometrium or three ovarian cancer types (i.e. serous ovarian adenocarcinoma, endometrioid ovarian adenocarcinoma, and serous fallopian tube adenocarcinoma) provided new evidence of a possible correlation between the fallopian tubes and serous ovarian adenocarcinoma. Here, we propose a workflow consisting of the comparison of multiple tissues in their anatomical context in an individual patient. CONCLUSION AND CLINICAL RELEVANCE: The present study provides new insights into the molecular similarities between these two tissues and an assessment of highly specific markers for an individualized patient diagnosis and care.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».