Leukemia surfaceome analysis reveals new disease-associated features
Notice bibliographique
Résumé
A better description of the leukemia cell surface proteome (surfaceome) is a prerequisite for the development of diagnostic and therapeutic tools. Insights into the complexity of the surfaceome have been limited by the lack of suitable methodologies. We combined a leukemia xenograft model with the discovery-driven chemoproteomic Cell Surface Capture technology to explore the B-cell precursor acute lymphoblastic leukemia (BCP-ALL) surfaceome; 713 cell surface proteins, including 181 CD proteins, were detected through combined analysis of 19 BCP-ALL cases. Diagnostic immunophenotypes were recapitulated in each case, and subtype specific markers were detected. To identify new leukemia-associated markers, we filtered the surfaceome data set against gene expression information from sorted, normal hematopoietic cells. Nine candidate markers (CD18, CD63, CD31, CD97, CD102, CD157, CD217, CD305, and CD317) were validated by flow cytometry in patient samples at diagnosis and during chemotherapy. CD97, CD157, CD63, and CD305 accounted for the most informative differences between normal and malignant cells. The ALL surfaceome constitutes a valuable resource to assist the functional exploration of surface markers in normal and malignant lymphopoiesis. This unbiased approach will also contribute to the development of strategies that rely on complex information for multidimensional flow cytometry data analysis to improve its diagnostic applications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».