Affinity Captured Urinary Extracellular Vesicles Provide mRNA and miRNA Biomarkers for Improved Accuracy of Prostate Cancer Detection: A Pilot Study
Notice bibliographique
Résumé
Serum prostate-specific antigen (sPSA) testing has helped to increase early detection of and decrease mortality from prostate cancer. However, since sPSA lacks specificity, an invasive prostate tissue biopsy is required to confirm cancer diagnosis. Using urinary extracellular vesicles (EVs) as a minimally invasive biomarker source, our goal was to develop a biomarker panel able to distinguish prostate cancer from benign conditions with high accuracy. We enrolled 56 patients in our study, 28 negative and 28 positive for cancer based on tissue biopsy results. Using our Vn96 peptide affinity method, we isolated EVs from post-digital rectal exam urines and used quantitative polymerase chain reaction to measure several mRNA and miRNA targets. We identified a panel of seven mRNA biomarkers whose expression ratio discriminated non-cancer from cancer with an area under the curve (AUC) of 0.825, sensitivity of 75% and specificity of 84%. We also identified two miRNAs whose combined score yielded an AUC of 0.744. A model pairing the seven mRNA and two miRNA panels yielded an AUC of 0.843, sensitivity of 79% and specificity of 89%. Addition of EV-derived PCA3 levels and clinical characteristics to the biomarker model further improved test accuracy. An AUC of 0.955, sensitivity of 86% and specificity of 93% were obtained. Hence, Vn96-isolated urinary EVs are a clinically applicable and minimally invasive source of mRNA and miRNA biomarkers with potential to improve on the accuracy of prostate cancer screening and diagnosis.
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 | 0,001 |
| 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 | 0,001 | 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 ».