Elevated level of anterior gradient-2 in pancreatic juice from patients with pre-malignant pancreatic neoplasia
Notice bibliographique
Résumé
BACKGROUND: Pancreatic intraepithelial neoplasias (PanINs) are precursors of malignant pancreatic cancer, an ideal stage for early cancer detection. We applied quantitative proteomics to identify aberrantly elevated proteins in pancreatic juice samples derived from patients with PanIN3. RESULTS: Twenty proteins were found elevated in all three PanIN juices by at least two-fold. Among these proteins, anterior gradient-2 (AGR2) was found to be 2-10 fold elevated in PanIN3 juice samples analyzed by quantitative proteomics. An ELISA assay was developed to evaluate AGR2 levels in 51 pancreatic juice samples and 23 serum samples from patients with pancreatic cancer, pre-malignant lesions (including PanIN3, PanIN2, Intraductal Papillary Mucinous Neoplasms (IPMNs)) and benign disease controls (including chronic pancreatitis). AGR2 levels in the pancreatic juice samples were found significantly elevated in patients with pre-malignant conditions (PanINs and IPMNs) as well as pancreatic cancer compared to control samples (p < or = 0.03). By ROC analysis, the AGR2 ELISA achieved 67% sensitivity at 90% specificity in predicting PanIN3 juice samples from the benign disease controls. CONCLUSIONS: These results suggest that elevation of AGR2 levels in pancreatic juice occurs in early pancreatic cancer progression and could be further investigated as a potential candidate juice biomarker for early detection of pancreatic cancer.
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 | 0,001 | 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 ».