A systematic review of metabolomic profiling of gastric cancer and esophageal cancer
Notice bibliographique
Résumé
<h3>Objective:</h3> Upper gastrointestinal (UGI) cancers, predominantly gastric cancer (GC) and esophageal cancer (EC), are malignant tumor types with high morbidity and mortality rates. Accumulating studies have focused on metabolomic profiling of UGI cancers in recent years. In this systematic review, we have provided a collective summary of previous findings on metabolites and metabolomic profiling associated with GC and EC. <h3>Methods:</h3> A systematic search of three databases (Embase, PubMed, and Web of Science) for molecular epidemiologic studies on the metabolomic profiles of GC and EC was conducted. The Newcastle–Ottawa Scale (NOS) was used to assess the quality of the included articles. <h3>Results:</h3> A total of 52 original studies were included for review. A number of metabolites were differentially distributed between GC and EC cases and non-cases, including those involved in glycolysis, anaerobic respiration, tricarboxylic acid cycle, and protein and lipid metabolism. Lactic acid, glucose, citrate, and fumaric acid were among the most frequently reported metabolites of cellular respiration while glutamine, glutamate, and valine were among the most commonly reported amino acids. The lipid metabolites identified previously included saturated and unsaturated free fatty acids, aldehydes, and ketones. However, the key findings across studies to date have been inconsistent, potentially due to limited sample sizes and the majority being hospital-based case-control analyses lacking an independent replication group. <h3>Conclusions:</h3> Studies on metabolomics have thus far provided insights into etiological factors and biomarkers for UGI cancers, supporting the potential of applying metabolomic profiling in cancer prevention and management efforts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 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 ».