Proteomic profiles of human lung adeno and squamous cell carcinoma using super‐SILAC and label‐free quantification approaches
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
Nonsmall cell lung cancer (NSCLC) accounts for 85% of lung cancers, and is subdivided into two major histological subtypes: adenocarcinoma (ADC) and squamous cell carcinoma (SCC). There is an unmet need to further subdivide NSCLC according to distinctive molecular features that may be associated with responsiveness to therapies. Four primary tumor-derived xenograft proteomes (two-each ADC and SCC) were quantitatively compared by using a super-SILAC labeling approach together with ultrahigh-resolution MS. Proteins highly differentially expressed in the two subtypes were identified, including 30 that were validated in an independent cohort of 12 NSCLC primary tumor-derived xenograft tumors whose proteomes were quantified by an alternative, label-free shotgun MS methodology. The 30-protein signature contains metabolism enzymes including phosphoglycerate dehydrogenase, which is more highly expressed in SCC, as well as a comprehensive set of cytokeratins and other components of the epithelial barrier, which is therefore distinctly different between ADC and SCC. These results demonstrate the utility of the super-SILAC method for the characterization of primary tissues, and compatibility with datasets derived from different MS-based platforms. The validation of proteome signatures of NSCLC subtypes supports the further development and application of MS-based quantitative proteomics as a basis for precision classifications and treatments of tumors. All MS data have been deposited in the ProteomeXchange with identifier PXD000438 (http://proteomecentral.proteomexchange.org/dataset/PXD000438).
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 | 0,000 | 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