Protein Profiling of Microdissected Prostate Tissue Links Growth Differentiation Factor 15 to Prostate Carcinogenesis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Identification of proteomic alterations associated with early stages in the development of prostate cancer may facilitate understanding of progression of this highly variable disease. Matched normal, high-grade prostatic intraepithelial neoplasia (hPIN) and prostate cancer cells of predominantly Gleason grade 3 were procured by laser capture microdissection from serial sections obtained from snap-frozen samples dissected from 22 radical prostatectomy specimens. From these cells, protein profiles were generated by surface-enhanced laser desorption/ionization-time of flight mass spectrometry. A 24-kDa peak was observed at low or high intensity in profiles of prostate cancer cells in 19 of 27 lesions and at low intensity in 3 of 8 hPIN lesions but was not detectable in matched normal cells. SDS-PAGE analysis of prostate cancer and matched normal epithelium confirmed expression of a prostate cancer-specific 24-kDa protein. Mass spectrometry and protein data-based analysis identified the protein as the dimeric form of mature growth differentiation factor 15 (GDF15). The increased expression of mature GDF15 protein in prostate cancer cells cannot be explained on the basis of up-regulation of GDF15 mRNA because reverse transcription-PCR analysis showed similar amounts of transcript in normal, hPIN, and prostate cancer cells that were obtained by laser capture microdissection in the same set of serial sections from which the protein profiles were obtained. Our findings suggest that early prostate carcinogenesis is associated with expression of mature GDF15 protein.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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 découle