Metabolomic signature of esophageal cancer.
Notice bibliographique
Résumé
21 Background: Esophageal cancer is a pervasive malignancy, and early detection combined with newer therapeutic targets could alter the landscape of this condition. Metabolomic profiling offers one such innovative opportunity. We applied metabolomic techniques to identify urinary metabolites uniquely associated with this condition. Methods: Urine samples from patients with histologically confirmed esophageal cancer (n=66) and healthy volunteers (n=25) were collected and examined using 1H-NMR spectroscopy. Targeted profiling of spectra using Chenomx NMR Suite 7.0 software permitted detection and quantification of 66 distinct metabolites. Unsupervised (principal component analysis, PCA) and supervised (partial least-squares discriminant analysis, PLS-DA) multivariate pattern recognition techniques were applied to discriminate between sample spectra of esophageal cancer patients and healthy volunteers using SIMCA-P (version 11, Umetrics, Umeå, Sweden). Results: Significant differences were found when comparing concentrations of 59 metabolites in urines of healthy volunteers and esophageal cancer patients. Those metabolites contributing most class discriminating information included choline, urea, 2-aminobutyrate, and 3-hydoxybutyrate. Clear distinctions between patients with esophageal cancer and healthy controls were noted when PLS-DA was applied to the data set. Model parameters for both goodness of fit R2, and predictive capability Q2, were high (R2 = 0.867; Q2 = 0.732). Model validity was tested using response permutation and results were suggestive of excellent predictive power (see Figure). Conclusions: Urinary metabolomics identified a discrete signature associated with esophageal cancer compared to healthy controls. This profile has the potential to aid in diagnosis and development of new therapeutic targets.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».