Metabolic Profiling of Formalin-Fixed Paraffin-Embedded Tissues Discriminates Normal Colon from Colorectal 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
Abstract Accumulating evidence suggests that metabolic reprogramming has a critical role in carcinogenesis and tumor progression. The usefulness of formalin-fixed paraffin-embedded (FFPE) tissue material for metabolomics analysis as compared with fresh frozen tissue material remains unclear. LC/MS-MS–based metabolomics analysis was performed on 11 pairs of matched tumor and normal tissues in both FFPE and fresh frozen tissue materials from patients with colorectal carcinoma. Permutation t test was applied to identify metabolites with differential abundance between tumor and normal tissues. A total of 200 metabolites were detected in the FFPE samples and 536 in the fresh frozen samples. The preservation of metabolites in FFPE samples was diverse according to classes and chemical characteristics, ranging from 78% (energy) to 0% (peptides). Compared with the normal tissues, 34 (17%) and 174 (32%) metabolites were either accumulated or depleted in the tumor tissues derived from FFPE and fresh frozen samples, respectively. Among them, 15 metabolites were common in both FFPE and fresh frozen samples. Notably, branched chain amino acids were highly accumulated in tumor tissues. Using KEGG pathway analyses, glyoxylate and dicarboxylate metabolism, arginine and proline, glycerophospholipid, and glycine, serine, and threonine metabolism pathways distinguishing tumor from normal tissues were found in both FFPE and fresh frozen samples. This study demonstrates that informative data of metabolic profiles can be retrieved from FFPE tissue materials. Implications: Our findings suggest potential value of metabolic profiling using FFPE tumor tissues and may help to shape future translational studies through developing treatment strategies targeting metabolites.
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 | 0,000 |
| 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 | 0,001 |
| 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