Proteomic approach to discover human cancer viruses from formalin-fixed tissues
Notice bibliographique
Résumé
The challenge of discovering a completely new human tumor virus of unknown phylogeny or sequence depends on detecting viral molecules and differentiating them from host molecules in the virus-associated neoplasm. We developed differential peptide subtraction (DPS) using differential mass spectrometry (dMS) followed by targeted analysis to facilitate this discovery. We validated this approach by analyzing Merkel cell carcinoma (MCC), an aggressive human neoplasm, in which ~80% of cases are caused by the human Merkel cell polyomavirus (MCV). Approximately 20% of MCC have a high mutational burden and are negative for MCV, but are microscopically indistinguishable from virus positive cases. Using 23 (12 MCV+, 11 MCV-) formalin-fixed MCC, DPS identified both viral and human biomarkers (MCV large T antigen, CDKN2AIP, SERPINB5, and TRIM29) that discriminate MCV+ and MCV- MCC. Statistical analysis of 498,131 dMS features not matching the human proteome by DPS revealed 562 (0.11%) to be upregulated in virus-infected samples. Remarkably, 4 (20%) of the top 20 candidate MS spectra originated from MCV T oncoprotein peptides and confirmed by reverse translation degenerate oligonucleotide sequencing. DPS is a robust proteomic approach to identify potentially novel viral sequences in infectious tumors when nucleic acid-based methods are not feasible.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».