Serial Analysis of 38 Proteins during the Progression of Human Breast Tumor in Mice Using an Antibody Colocalization Microarray*
Notice bibliographique
Résumé
Proteins in serum or plasma hold great potential for use in disease diagnosis and monitoring. However, the correlation between tumor burden and protein biomarker concentration has not been established. Here, using an antibody colocalization microarray, the protein concentration in serum was measured and compared with the size of mammary xenograft tumors in 11 individual mice from the time of injection; seven blood samples were collected from each tumor-bearing mouse as well as control mice on a weekly basis. The profiles of 38 proteins detected in sera from these animals were analyzed by clustering, and we identified 10 proteins with the greatest relative increase in serum concentration that correlated with growth of the primary mammary tumor. To evaluate the diagnosis of cancer based on these proteins using either an absolute threshold (i.e. a concentration cutoff) or self-referenced differential threshold based on the increase in concentration before cell injection, receiver operating characteristic curves were produced for 10 proteins with increased concentration, and the area under curve was calculated for each time point based on a single protein or on a panel of proteins, in each case showing a rapid increase of the area under curve. Next, the sensitivity and specificity of individual and optimal protein panels were calculated, showing high accuracy as early as week 2. These results provide a foundation for studies of tumor growth through measuring serial changes of protein concentration in animal models.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».