Proteomics-Derived Biomarker Panel Improves Diagnostic Precision to Classify Endometrioid and High-grade Serous Ovarian Carcinoma
Notice bibliographique
Résumé
Abstract Purpose: Ovarian carcinomas are a group of distinct diseases classified by histotypes. As histotype-specific treatment evolves, accurate classification will become critical for optimal precision medicine approaches. Experimental Design: To uncover differences between the two most common histotypes, high-grade serous (HGSC) and endometrioid carcinoma, we performed label-free quantitative proteomics on freshly frozen tumor tissues (HGSC, n = 10; endometrioid carcinoma, n = 10). Eight candidate protein biomarkers specific to endometrioid carcinoma were validated by IHC using tissue microarrays representing 361 cases of either endometrioid carcinoma or HGSC. Results: More than 500 proteins were differentially expressed (P < 0.05) between endometrioid carcinoma and HGSC tumor proteomes. A ranked set of 106 proteins was sufficient to correctly discriminate 90% of samples. IHC validated KIAA1324 as the most discriminatory novel biomarker for endometrioid carcinoma. An 8-marker panel was found to exhibit superior performance for discriminating endometrioid carcinoma from HGSC compared with the current standard of WT1 plus TP53 alone, improving the classification rate for HGSC from 90.7% to 99.2%. Endometrioid carcinoma–specific diagnostic markers such as PLCB1, KIAA1324, and SCGB2A1 were also significantly associated with favorable prognosis within endometrioid carcinoma suggesting biological heterogeneity within this histotype. Pathway analysis of proteomic data revealed differences between endometrioid carcinoma and HGSC pertaining to estrogen and interferon signalling. Conclusions: In summary, these findings support the use of multi-marker panels for the differential diagnosis of difficult cases resembling endometrioid carcinoma and HGSC.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».