Deciphering the peptidome of urine from ovarian cancer patients and healthy controls
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer (OvCa) is the most lethal gynecological malignancy. The emergence of high-throughput technologies, such as mass spectrometry, has allowed for a paradigm shift in the way we search for novel biomarkers. Urine-based peptidomic profiling is a novel approach that may result in the discovery of noninvasive biomarkers for diagnosing patients with OvCa. In this study, the peptidome of urine from 6 ovarian cancer patients and 6 healthy controls was deciphered. RESULTS: Urine samples underwent ultrafiltration and the filtrate was subjected to solid phase extraction, followed by fractionation using strong cation exchange chromatography. These fractions were analyzed using an Orbitrap mass spectrometer. Over 4600 unique endogenous urine peptides arising from 713 proteins were catalogued, representing the largest urine peptidome reported to date. Each specimen was processed in triplicate and reproducibility at the protein (69-76%) and peptide (58-63%) levels were noted. More importantly, over 3100 unique peptides were detected solely in OvCa specimens. One such promising biomarker was leucine-rich alpha-2-glycoprotein (LRG1), where multiple peptides were found in all urines from OvCa patients, but only one peptide was found in one healthy control urine sample. CONCLUSIONS: Mining the urine peptidome may yield highly promising novel OvCa biomarkers.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».