Identification of serum proteins AHSG, FGA and APOA-I as diagnostic biomarkers for gastric cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The development of clinically accessible biomarkers is critical for the early diagnosis of gastric cancer (GC) in patients. High-throughput proteomics techniques could not only effectively generate a serum peptide profile but also provide a new approach to identify potentially diagnostic and prognostic biomarkers for cancer patients. METHODS: In this study, we aim to identify potentially discriminating serum biomarkers for GC. In the discovery cohort, we screened potential biomarkers using magnetic-bead-based purification and matrix-assisted laser desorption/ionization time-of-flight mass spectrometry in 64 samples from 32 GC patients that were taken both pre- and post-operatively and 30 healthy volunteers that served as controls. In the validation cohort, the expression patterns and diagnostic values of serum FGA, AHSG and APOA-I were further confirmed by ELISA in 42 paired GC patients (pre- and post-operative samples from 16 patients with pathologic stage I/II and 26 with stage III/IV), 30 colorectal cancer patients, 30 hepatocellular carcinoma patients, and 28 healthy volunteers. RESULTS: < 0.0001, fold > 1.5). These 12 peptide peaks were further identified as FGA, AHSG, APOA-I, HBB, TXNRD1, GSPT2 and CAKP5. ELISA data suggested that the serum levels of FGA, AHSG and APOA-I in GC patients were significantly different compared with healthy controls and had favorable diagnostic values for GC patients. Moreover, we found that the serum levels of these three proteins were associated with TNM stages and could reflect tumor burden. CONCLUSION: Our findings suggested that FGA, AHSG and APOA-I might be potential serum biomarkers for GC diagnosis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle