Identification of Five Candidate Lung Cancer Biomarkers by Proteomics Analysis of Conditioned Media of Four Lung Cancer Cell Lines
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
Detection of lung cancer at an early stage is necessary for successful therapy and improved survival rates. We performed a bottom-up proteomics analysis using a two-dimensional LC-MS/MS strategy on the conditioned media of four lung cancer cell lines of different histological backgrounds (non-small cell lung cancer: H23 (adenocarcinoma), H520 (squamous cell carcinoma), and H460 (large cell carcinoma); small cell lung cancer: H1688) to identify secreted or membrane-bound proteins that could be useful as novel lung cancer biomarkers. Proteomics analysis of the four conditioned media allowed identification of 1,830 different proteins (965, 871, 726, and 847 from H1688, H23, H460, and H520, respectively). All proteins were assigned a subcellular localization, and 38% were classified as extracellular or membrane-bound. We successfully identified the internal control proteins (also detected by ELISA), kallikrein-related peptidases 14 and 11, and IGFBP2. We also identified known or putative lung cancer tumor markers such as squamous cell carcinoma antigen, carcinoembryonic antigen, chromogranin A, creatine kinase BB, progastrin-releasing peptide, neural cell adhesion molecule, and tumor M2-PK. To select the most promising candidates for validation, we performed tissue specificity assays, functional classifications, literature searches for association to cancer, and a comparison of our proteome with the proteome of lung-related diseases and serum. Five novel lung cancer candidates, ADAM-17, osteoprotegerin, pentraxin 3, follistatin, and tumor necrosis factor receptor superfamily member 1A were preliminarily validated in the serum of patients with lung cancer and healthy controls. Our results demonstrate the utility of this cell culture proteomics approach to identify secreted and shed proteins that are potentially useful as serological markers for lung 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.
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) | 0,001 | 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 | 0,000 |
| 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