Proteomic fingerprinting in HIV/HCV co-infection reveals serum biomarkers for the diagnosis of fibrosis staging
Notice bibliographique
Résumé
BACKGROUND: Hepatic complications of hepatitis C virus (HCV), including fibrosis and cirrhosis are accelerated in human immunodeficiency virus (HIV)-infected individuals. Although, liver biopsy remains the gold standard for staging HCV-associated liver disease, this test can result in serious complications and is subject to sampling errors. These challenges have prompted a search for non-invasive methods for liver fibrosis staging. To this end, we compared serum proteome profiles at different stages of fibrosis in HIV/HCV co- and HCV mono-infected patients using surface-enhanced laser desorption ionization time-of-flight mass spectrometry (SELDI-TOF MS). METHODS: Sera from 83 HIV/HCV co- and 68 HCV mono-infected subjects in 4 stages of fibrosis were tested. Sera were fractionated, randomly applied to protein chip arrays (IMAC, CM10 and H50) and spectra were generated at low and high laser intensities. RESULTS: Sixteen biomarkers achieved a p value < 0.01 (ROC values > 0.75 or < 0.25) predictive of fibrosis status in co-infected individuals and 14 in mono infected subjects. Five of these candidate biomarkers contributed to both mono- and co-infected subjects. Candidate diagnostic algorithms were created to distinguish between non-fibrotic and fibrotic individuals using a panel of 4 biomarker peaks. CONCLUSION: These data suggest that SELDI MS profiling can identify diagnostic serum biomarkers for fibrosis that are both common and distinct in HIV/HCV co-infected and HCV mono-infected individuals.
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 ».