Comparison of Proteomic Technologies for Blood-Based Detection of Colorectal Cancer
Notice bibliographique
Résumé
Blood-based protein biomarkers are increasingly being explored as supplementary or efficient alternatives for population-based screening of colorectal cancer (CRC). The objective of the current study was to compare the diagnostic potential of proteins measured with different proteomic technologies. The concentrations of protein biomarkers were measured using proximity extension assays (PEAs), liquid chromatography/multiple reaction monitoring–mass spectrometry (LC/MRM-MS) and quantibody microarrays (QMAs) in plasma samples of 56 CRC patients and 99 participants free of neoplasms. In another approach, proteins were measured in serum samples of 30 CRC cases and 30 participants free of neoplasm using immunome full-length functional protein arrays (IpAs). From all the measurements, 9, 6, 35 and 14 protein biomarkers overlapped for comparative evaluation of (a) PEA and LC/MRM-MS, (b) PEA and QMA, (c) PEA and IpA, and (d) LC/MRM-MS and IpA measurements, respectively. Correlation analysis was performed, along with calculation of the area under the curve (AUC) for assessing the diagnostic potential of each biomarker. DeLong’s test was performed to assess the differences in AUC. Evaluation of the nine biomarkers measured with PEA and LC/MRM-MS displayed correlation coefficients >+0.6, similar AUCs and DeLong’s p-values indicating no differences in AUCs for biomarkers like insulin-like growth factor binding protein 2 (IGFBP2), matrix metalloproteinase 9 (MMP9) and serum paraoxonase lactonase 3 (PON3). Comparing six proteins measured with PEA and QMA showed good correlation and similar diagnostic performance for only one protein, growth differentiation factor 15 (GDF15). The comparison of 35 proteins measured with IpA and PEA and 14 proteins analyzed with IpA and LC/MRM-MS revealed poor concordance and comparatively better AUCs when measured with PEA and LC/MRM-MS. The comparison of different proteomic technologies suggests the superior performance of novel technologies like PEA and LC/MRM-MS over the assessed array-based technologies in blood-protein-based early detection of CRC.
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) | 0,000 | 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 | 0,000 |
| 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 ».