Identification of α-Enolase as an Autoantigen in Lung Cancer: Its Overexpression Is Associated with Clinical Outcomes
Notice bibliographique
Résumé
PURPOSE: Although existence of humoral immunity has been previously shown in malignant pleural effusions, only a limited number of immunogenic tumor-associated antigens (TAA) have been identified and associated with lung cancer. In this study, we intended to identify more TAAs in pleural effusion-derived tumor cells. EXPERIMENTAL DESIGN: Using morphologically normal lung tissues as a control lysate in Western blotting analyses, 54 tumor samples were screened with autologous effusion antibodies. Biochemical purification and mass spectrometric identification of TAAs were done using established effusion tumor cell lines as antigen sources. We identified a p48 antigen as alpha-enolase (ENO1). Semiquantitative immunohistochemistry was used to evaluate expression status of ENO1 in the tissue samples of 80 patients with non-small cell lung cancer (NSCLC) and then correlated with clinical variables. RESULTS: Using ENO1-specifc antiserum, up-regulation of ENO1 expression in effusion tumor cells from 11 of 17 patients was clearly observed compared with human normal lung primary epithelial and non-cancer-associated effusion cells. Immunohistochemical studies consistently showed high level of ENO1 expression in all the tumors we have examined thus far. Log-rank and Cox's analyses of ENO1 expression status revealed that its expression level in primary tumors was a key factor contributing to overall- and progression-free survivals of patients (P < 0.05). The same result was also obtained in the early stage of NSCLC patients, showing that tumors expressing relatively higher ENO1 level were tightly correlated with poorer survival outcomes. CONCLUSIONS: Our data strongly support a prognostic role of ENO1 in determining tumor malignancy of patients with NSCLC.
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 | 0,001 |
| 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) | 0,001 | 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 ».