Proteomics of Nasal Mucus in Chronic Rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: Chronic rhinosinusitis (CRS) is among the three most common chronic diseases in North America. The area of proteomics research is providing tremendous insight into the mechanisms of a variety of physiological processes and disease states. The purpose of this study was to evaluate qualitative and quantitative differences in protein content of nasal mucus in patients with chronic hypertrophic sinusitis with nasal polyposis when compared with control subjects. METHODS: A case-control study was performed in a tertiary academic center. Nasal mucus was collected from four patients with CRS and nasal polyposis as well as four control subjects. The protein content was digested using proteolytic enzymes, labeled with iTRAQ reagents, and subjected to mass spectrometry (MS) analysis. RESULTS: A total of 35 proteins were identified, many of which were related to innate and acquired immunity. Lysozyme C precursor was found to be down-regulated by a ratio (R) of 0.65 (p = 0.016) in CRS patients, as was Clara cell phospholipid-binding protein (R = 0.23; p = 0.0018), and antileukoproteinase 1 (R = 0.47; p < 0.0001). A detailed analysis and characterization of the protein isolates is outlined. CONCLUSION: The field of proteomics has great potential in leading to a better understanding of the mechanism of the disease process in CRS. Differences in the expression of proteins related to regulation of immune cells and mediators merit additional investigation.
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 | 0,001 |
| 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 | 0,000 |
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 ».