Mining biomarkers in human sera using proteomic tools
Notice bibliographique
Résumé
One of the major difficulties in mining low abundance biomarkers from serum or plasma is due to the fact that a small number of proteins such as albumin, alpha2-macroglobulin, transferrin, and immunoglobulins, may represent as much as 80% of the total serum protein. The large quantity of these proteins makes it difficult to identify low abundance proteins in serum using traditional 2-dimensional electrophoresis. We recently used a combination of multidimensional liquid chromatography and gel electrophoresis coupled to matrix-assisted laser desorption/ionization-quadrupole-time of flight and Ion Trap liquid chromatography-tandem mass spectrometry to identify protein markers in sera of Alzheimer's disease (AD), insulin resistance/type-2 diabetes (IR/D2), and congestive heart failure (CHF) patients. We identified 8 proteins that exhibit higher levels in control sera and 36 proteins that exhibit higher levels in disease sera. For example, haptoglobin and hemoglobin are elevated in sera of AD, IR/D2, and CHF patients. The levels of several other proteins including fibrinogen and its fragments, alpha 2-macroglobulin, transthyretin, pro-platelet basic protein, protease inhibitors clade A and C, as well as proteins involved in the classical complement pathway such as complement C3, C4, and C1 inhibitor, were found to differ between IR/D2 and control sera. The sera levels of proteins, such as the 10 kDa subunit of vitronectin, alpha 1-acid glycoprotein, apolipoprotein B100, fragment of factor H, and histidine-rich glycoprotein were observed to be different between AD and controls. The differences observed in these biomarker candidates were confirmed by Western blot and the enzyme-linked immunosorbent assay. The biological meaning of the proteomic changes in the disease states and the potential use of these changes as diagnostic tools or for therapeutic intervention will be discussed.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».