Integrated Proteomic Profiling of Cell Line Conditioned Media and Pancreatic Juice for the Identification of Pancreatic Cancer Biomarkers
Notice bibliographique
Résumé
Pancreatic cancer is one of the leading causes of cancer-related deaths, for which serological biomarkers are urgently needed. Most discovery-phase studies focus on the use of one biological source for analysis. The present study details the combined mining of pancreatic cancer-related cell line conditioned media and pancreatic juice for identification of putative diagnostic leads. Using strong cation exchange chromatography, followed by LC-MS/MS on an LTQ-Orbitrap mass spectrometer, we extensively characterized the proteomes of conditioned media from six pancreatic cancer cell lines (BxPc3, MIA-PaCa2, PANC1, CAPAN1, CFPAC1, and SU.86.86), the normal human pancreatic ductal epithelial cell line HPDE, and two pools of six pancreatic juice samples from ductal adenocarcinoma patients. All samples were analyzed in triplicate. Between 1261 and 2171 proteins were identified with two or more peptides in each of the cell lines, and an average of 521 proteins were identified in the pancreatic juice pools. In total, 3479 nonredundant proteins were identified with high confidence, of which ∼ 40% were extracellular or cell membrane-bound based on Genome Ontology classifications. Three strategies were employed for identification of candidate biomarkers: (1) examination of differential protein expression between the cancer and normal cell lines using label-free protein quantification, (2) integrative analysis, focusing on the overlap of proteins among the multiple biological fluids, and (3) tissue specificity analysis through mining of publically available databases. Preliminary verification of anterior gradient homolog 2, syncollin, olfactomedin-4, polymeric immunoglobulin receptor, and collagen alpha-1(VI) chain in plasma samples from pancreatic cancer patients and healthy controls using ELISA, showed a significant increase (p < 0.01) of these proteins in plasma from pancreatic cancer patients. The combination of these five proteins showed an improved area under the receiver operating characteristic curve to CA19.9 alone. Further validation of these proteins is warranted, as is the investigation of the remaining group of candidates.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».