Characterization of the seminal plasma proteome in men with prostatitis by mass spectrometry
Notice bibliographique
Résumé
BACKGROUND: Prostatitis is an inflammation of the prostate gland which affects approximately 10% of men. Despite its frequency, diagnosing prostatitis and monitoring patient response to treatment remains frustrating. As the prostate contributes a substantial percentage of proteins to seminal plasma, we hypothesized that a protein biomarker of prostatitis might be found by comparing the seminal plasma proteome of patients with and without prostatitis. RESULTS: Using mass spectrometry, we identified 1708 proteins in the pooled seminal plasma of 5 prostatitis patients. Comparing this list to a previously published list of seminal plasma proteins in the pooled seminal plasma of 5 healthy, fertile controls yielded 1464 proteins in common, 413 found only in the control group, and 254 found only in the prostatitis group. Applying a set of criteria to this dataset, we generated a high-confidence list of 59 candidate prostatitis biomarkers, 33 of which were significantly increased in prostatitis as compared to control, and 26 of which were decreased. The candidates were analyzed using Gene Ontology and Ingenuity Pathway analysis to delineate their subcellular localizations and functions. CONCLUSIONS: Thus, in this study, we identified 59 putative biomarkers in seminal plasma that need further validation for diagnosis and monitoring of prostatitis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».