Analysis of Seminal Plasma from Patients with Non-obstructive Azoospermia and Identification of Candidate Biomarkers of Male Infertility
Notice bibliographique
Résumé
Infertility affects approximately 15% of couples with equivalent male and female contribution. Absence of sperm in semen, referred to as azoospermia, accounts for 5-20% of male infertility cases and can result from pretesticular azoospermia, non-obstructive azoospermia (NOA), and obstructive azoospermia (OA). The current clinical methods of differentiating NOA cases from OA ones are indeterminate and often require surgical intervention for a conclusive diagnosis. We catalogued 2048 proteins in seminal plasma from men presented with NOA. Using spectral-counting, we compared the NOA proteome to our previously published proteomes of fertile control men and postvasectomy (PV) men and identified proteins at differential abundance levels among these clinical groups. To verify spectral counting ratios for candidate proteins, extracted ion current (XIC) intensities were also used to calculate abundance ratios. The Pearson correlation coefficient between spectral counting and XIC ratios for the Control-NOA and NOA-PV data sets is 0.83 and 0.80, respectively. Proteins that showed inconsistent spectral counting and XIC ratios were removed from analysis. There are 34 proteins elevated in Control relative to NOA, 18 decreased in Control relative to NOA, 59 elevated in NOA relative to PV, and 16 decreased in NOA relative to PV. Many of these proteins have expression in the testis and the epididymis and are linked to fertility. Some of these proteins may be useful as noninvasive biomarkers in discriminating NOA cases from OA.
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 | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».