Distribution of 15 Human Kallikreins in Tissues and Biological Fluids
Notice bibliographique
Résumé
BACKGROUND: Kallikreins (KLKs) are a group of 15 secreted serine proteases. Some KLKs are established or candidate cancer biomarkers, but for most the physiological function is unknown. We characterized the protein and mRNA abundance patterns of all 15 KLKs in multiple panels of human tissues and biological fluids. METHODS: We used sensitive and specific sandwich-type ELISAs for each KLK. Reverse transcription PCR was used for transcript amplification. Multiple panels of human tissue extracts (adult and fetal) were tested, along with various biological fluids. RESULTS: Quantitative protein expression data on 7 sets of adult and 3 sets of fetal tissues were collected for all 15 KLKs. KLKs were also quantified in the following biological fluids: seminal plasma, breast milk, follicular fluid, breast cyst fluid, breast cancer cytosol, amniotic fluid, ovarian cancer ascites, cerebrospinal fluid, cervicovaginal fluid, and urine. The data were used to generate heat maps of KLK concentrations in tissues and fluids and categorize KLK abundance as highly restricted (KLK2 and KLK3 in prostate), restricted (KLK5 in skin, salivary gland, breast, and esophagus; KLK6 in brain and central nervous system; KLK7 in esophagus, heart, liver, and skin; KLK8 in breast, esophagus, skin, and tonsil; KLK13 in esophagus and tonsil), or wide (KLKs 1, 4, 9, 10, 11, 12, 14, and 15). CONCLUSIONS: Quantitative KLK concentrations in tissues and fluids aid in the elucidation of KLK function, and coexpression patterns provide clues for KLK participation in proteolytic cascades.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».