Connective Tissue-Activating Peptide III: A Novel Blood Biomarker for Early Lung Cancer Detection
Notice bibliographique
Résumé
PURPOSE: There are no reliable blood biomarkers to detect early lung cancer. We used a novel strategy that allows discovery of differentially present proteins against a complex and variable background. METHODS: Mass spectrometry analyses of paired pulmonary venous-radial arterial blood from 16 lung cancer patients were applied to identify plasma proteins potentially derived from the tumor microenvironment. Two differentially expressed proteins were confirmed in 64 paired venous-arterial blood samples using an immunoassay. Twenty-eight pre- and postsurgical resection peripheral blood samples and two independent, blinded sets of plasma from 149 participants in a lung cancer screening study (49 lung cancers and 100 controls) and 266 participants from the National Heart Lung and Blood Institute Lung Health Study (45 lung cancer and 221 matched controls) determined the accuracy of the two protein markers to detect subclinical lung cancer. RESULTS: Connective tissue-activating peptide III (CTAP III)/ neutrophil activating protein-2 (NAP-2) and haptoglobin were identified to be significantly higher in venous than in arterial blood. CTAP III/NAP-2 levels decreased after tumor resection (P = .01). In two independent population cohorts, CTAP III/NAP-2 was significantly associated with lung cancer and improved the accuracy of a lung cancer risk prediction model that included age, smoking, lung function (FEV(1)), and an interaction term between FEV(1) and CTAP III/NAP-2 (area under the curve, 0.84; 95% CI, 0.77 to 0.91) compared to CAPIII/NAP-2 alone. CONCLUSION: We identified CTAP III/NAP-2 as a novel biomarker to detect preclinical lung cancer. The study underscores the importance of applying blood biomarkers as part of a multimodal lung cancer risk prediction model instead of as stand-alone tests.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».