Abstract 5097: Proteomic characterization of non-small cell lung cancer (NSCLC): Discovery and validation of NSCLC protein signatures and signaling networks
Notice bibliographique
Résumé
Abstract Lung cancer is the leading cause of cancer death worldwide. Non-small cell lung carcinoma (NSCLC) accounts for 80% of lung cancers. The most prevalent subtypes of NSCLC are adenocarcinoma (ADC) and squamous cell carcinoma (SCC), which combined account for approximately 90%. Ten resected NSCLC patient tumors (5 ADC and 5 SCC) were directly introduced into severely immune deficient (NOD-SCID) mice, and the resulting xenograft tumors (XT) were analyzed by standard histology and immunohistochemistry (IHC) and by proteomics profiling. Mass spectrometry (MS) methods involving 1- and 2-dimensional LC-MS/MS, and multiplexed selective reaction monitoring (mSRM, or MRM), were applied to identify and quantify the xenograft proteomes. Hierarchical clustering of protein profiles distinguished between the ADC and SCC subtypes. The differential expression of >175 proteins was found to constitute a distinctive proteomic signature associated with NSCLC subtype, and an mSRM method was developed that provided relative quantification of a subset of highly differentially expressed proteins (i.e. >10-fold; p <0.05) that distinguished ADC and SCC subtypes. The mSRM assay was further developed for the absolute quantification of tumor signature proteins, and also the epidermal growth factor receptor (EGFR) and phosphorylated EGFR, and was successfully applied with formalin-fixed paraffin-embedded tissue sections following laser micro dissection and Liquid Tissue® processing (Expression Pathology, Rockville, MD). To further validate the XT models and to define tumor-specific protein signatures, proteomic profiles encompassing ∼1500 proteins were compared between 5 (each) resected NSCLC patient tumors (PT), corresponding XT, and normal lung tissue (N). Subsets of proteins were identified that, based on their quantified differential expression patterns, distinguished between N and PT, and validated the fidelity of tumor signatures in the XT models. Protein quantifications by mSRM were associated with superior dynamic range and reproducibility but were otherwise consistent with orthogonal methods including IHC and Western immuno blotting. These findings illustrate the potential to develop a comprehensive MS-based platform in oncologic pathology for better classification and potentially treatment of NSCLC patients. Expression Pathology Inc. 9620 Medical Center Dr. Rockville, MD 20850 Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 102nd Annual Meeting of the American Association for Cancer Research; 2011 Apr 2-6; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2011;71(8 Suppl):Abstract nr 5097. doi:10.1158/1538-7445.AM2011-5097
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».