A validated metabolomic signature for colorectal cancer: exploration of the clinical value of metabolomics
Notice bibliographique
Résumé
BACKGROUND: Timely diagnosis and classification of colorectal cancer (CRC) are hindered by unsatisfactory clinical assays. Our aim was to construct a blood-based biomarker series using a single assay, suitable for CRC detection, prognostication and staging. METHODS: Serum metabolomic profiles of adenoma (N=31), various stages of CRC (N=320) and healthy matched controls (N=254) were analysed by gas chromatography-mass spectrometry (GC-MS). A diagnostic model for CRC was derived by orthogonal partial least squares-discriminant analysis (OPLS-DA) on a training set, and then validated on an independent data set. Metabolomic models suitable for identifying adenoma, poor prognosis stage II CRC and discriminating various stages were generated. RESULTS: A diagnostic signature for CRC with remarkable multivariate performance (R(2)Y=0.46, Q(2)Y=0.39) was constructed, and then validated (sensitivity 85%; specificity 86%). Area under the receiver-operating characteristic curve was 0.91 (95% CI, 0.87-0.96). Adenomas were also detectable (R(2)Y=0.35, Q(2)Y=0.26, internal AUROC=0.81, 95% CI, 0.70-0.92). Also of particular interest, we identified models that stratified stage II by prognosis, and classified cases by stage. CONCLUSIONS: Using a single assay system, a suite of CRC biomarkers based on circulating metabolites enables early detection, prognostication and preliminary staging information. External population-based studies are required to evaluate the repeatability of our findings and to assess the clinical benefits of these 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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».