Establishment of a Serum Tumor Marker for Preclinical Trials of Mouse Prostate Cancer Models
Notice bibliographique
Résumé
Current prostate cancer research in both basic and preclinical trial studies employ genetically engineered mouse models. However, unlike in human prostate cancer patients, rodents have no counterpart of prostatic-specific antigen (PSA) for monitoring prostate cancer initiation and progression. In this study, we established a mouse serum tumor marker from a mouse homologue of human prostate secretory protein of 94 amino acids (PSP94). Immunohistochemistry studies on different histologic grades from both transgenic and knock-in mouse prostate cancer models showed the down-regulation of tissue PSP94 expression (P < 0.001), the same as for PSA and PSP94 in humans. The presence of mouse serum PSP94 was shown by affinity column and immunoprecipitation purification using a polyclonal mouse PSP94 antibody. A competitive ELISA protocol was established to quantify serum PSP94 levels with a sensitivity of 1 ng/mL. Quantified serum levels of mouse PSP94 ranged from 49.84 ng/mL in wild-type mice to 113.86, 400.45, and 930.90 ng/mL in mouse prostatic intraepithelial neoplasia with microinvasion, well differentiated, moderately differentiated, and poorly differentiated prostate cancer genetically engineered prostate cancer mice, respectively (P < 0.01, n = 68). This increase in serum PSP94 is also well correlated with age and tumor weight. Through longitudinal monitoring of serum PSP94 levels of castrated mice (androgen ablation therapy), we found a correlation between responsiveness/refractory prostate tissues and serum PSP94 levels. The utility of mouse serum PSP94 as a marker in hormone therapy was further confirmed by three-dimensional ultrasound imaging. The establishment of the first rodent prostate cancer serum biomarker will greatly facilitate both basic and preclinical research on human prostate cancer.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».