Selective Identification of Secreted and Transmembrane Breast Cancer Markers using <i>Escherichia coli</i> Ampicillin Secretion Trap
Notice bibliographique
Résumé
Secreted and cell surface proteins play important roles in cancer and are potential drug targets and tumor markers. Here, we describe a large-scale analysis of the genes encoding secreted and cell surface proteins in breast cancer. To identify these genes, we developed a novel signal sequence trap method called Escherichia coli ampicillin secretion trap (CAST). For CAST, we constructed a plasmid in which the signal sequence of beta-lactamase was deleted such that it does not confer ampicillin resistance. Eukaryotic cDNA libraries cloned into pCAST produced tens of thousands of ampicillin-resistant clones, 80% of which contained cDNA fragments encoding secreted and membrane spanning proteins. We identified 2,708 unique sequences from cDNA libraries made from surgical breast cancer specimens. We analyzed the expression of 1,287 of the 2,708 genes and found that 166 were overexpressed in breast cancers relative to normal breast tissues. Eighty-five percent of these genes had not been previously identified as markers of breast cancer. Twenty-three of the 166 genes (14%) were relatively tissue restricted, suggesting use as cancer-specific targets. We also identified several new markers of ovarian cancer. Our results indicate that CAST is a robust, rapid, and low cost method to identify cell surface and secreted proteins and is applicable to a variety of relevant biological questions.
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 | 0,000 | 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 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 ».