Investigation of Male Infertility Using Quantitative Comparative Proteomics
Notice bibliographique
Résumé
Male factors account for 40% of infertility cases. The identification of differentially expressed proteins on spermatozoa from fertile and infertile men can help in the elucidation of the molecular basis of male infertility. The aim of this study was to compare sperm proteomes from 3 different groups: fertile men, normozoospermic men consulting for infertility, and normozoospermic men with an impaired capacity for fertilization (IVF-failure). We used differential proteomics with isobaric tags for relative and absolute quantitation (iTRAQ) labeling, and LC-MS analysis to identify proteins that are differentially expressed. A total of 348 unique proteins were identified and quantified. The analysis identified 33 proteins that were differentially expressed in the IVF-failure group vs the fertile group. Comparison of the infertile and fertile groups revealed that 18 proteins appeared to be differentially expressed. Four proteins were similarly altered in the IVF-failure and infertile groups: semenogelin 1 (SEMG1), prolactin-induced protein (PIP), glyceraldehyde-3-phosphate dehydrogenase (GAPDHS), and phosphoglycerate kinase 2 (PGK2). These protein markers were selected for validation using multiple reactions monitoring mass spectrometry (MRM-MS) and further confirmed by Western blot analysis. Overall, these results suggest that a panel of proteins may be used as biomarkers for future studies of infertility.
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 | 0,001 |
| 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 ».