Serum Proteomic Approach for the Identification of Serum Biomarkers Contributed by Oral Squamous Cell Carcinoma and Host Tissue Microenvironment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The lack of serum biomarkers for head and neck carcinoma limits early diagnosis, monitoring of advanced disease, and prediction of relapses in patients. We conducted a comprehensive proteomics study on serum from mice bearing orthotopic human oral squamous cell carcinomas (OSCC) with distinct invasive phenotypes. Matched established cell lines were transplanted orthotopically into tongues of RAG-2/gamma(c) mice and mouse serum was analyzed by 2-dimensional-differential gel electrophoresis(2D-DIGE)/liquid chromatography (LC)-MS/MS and by online 2D-LC-MS/MS of iTRAQ labeled samples. We identified several serum proteins as being differentially expressed between control and cancer-bearing mice and between noninvasive and invasive cancer (p<0.05). Differentially expressed proteins of human origin included the epidermal growth factor receptor (EGFR), cytokeratins, G-protein coupled receptor 87, Rab11 GTPase, PDZ-domain containing proteins, and PEST-containing nuclear proteins. Identified proteins of mouse origin included clusterin, titin, vitronectin, vitamin D-binding protein, hemopexin, and kininogen I. The levels of serum and cell secreted EGFR were further validated to match proteomic data regarding the inverse correlation with the invasive phenotype. In summary, we report a comprehensive patient-based proteomics approach for the identification of potential serum biomarkers for OSCC using an orthotopic xenograft mouse model.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle