Identification of beta-arrestin-1 as a diagnostic biomarker in lung cancer
Notice bibliographique
Résumé
BACKGROUND: Distinguishing lung adenocarcinoma (ADC) from squamous cell carcinoma (SCC) has a tremendous therapeutic implication. Sometimes, the commonly used immunohistochemistry (IHC) markers fail to discriminate between them, urging for the identification of new diagnostic biomarkers. METHODS: We performed IHC on tissue microarrays from two cohorts of lung cancer patients to analyse the expression of beta-arrestin-1, beta-arrestin-2 and clinically used diagnostic markers in ADC and SCC samples. Logistic regression models were applied for tumour subtype prediction. Parallel reaction monitoring (PRM)-based mass spectrometry was used to quantify beta-arrestin-1 in plasma from cancer patients and healthy donors. RESULTS: Beta-arrestin-1 expression was significantly higher in ADC versus SCC samples. Beta-arrestin-1 displayed high sensitivity, specificity and negative predictive value. Its usefulness in an IHC panel was also shown. Plasma beta-arrestin-1 levels were considerably higher in lung cancer patients than in healthy donors and were higher in patients who later experienced a progressive disease than in patients showing complete/partial response following EGFR inhibitor therapy. CONCLUSIONS: Our data identify beta-arrestin-1 as a diagnostic marker to differentiate ADC from SCC and indicate its potential as a plasma biomarker for non-invasive diagnosis of lung cancer. Its utility to predict response to EGFR inhibitors is yet to be confirmed.
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 | 0,001 |
| 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 ».