Metabolic Changes in Early-Stage Non–Small Cell Lung Cancer Patients after Surgical Resection
Notice bibliographique
Résumé
Metabolic alterations in malignant cells play a vital role in tumor initiation, proliferation, and metastasis. Biofluids from patients with non–small cell lung cancer (NSCLC) harbor metabolic biomarkers with potential clinical applications. In this study, we assessed the changes in the metabolic profile of patients with early-stage NSCLC using mass spectrometry and nuclear magnetic resonance spectroscopy before and after surgical resection. A single cohort of 35 patients provided a total of 29 and 32 pairs of urine and serum samples, respectively, pre-and post-surgery. We identified a profile of 48 metabolites that were significantly different pre- and post-surgery: 17 in urine and 31 in serum. A higher proportion of metabolites were upregulated than downregulated post-surgery (p < 0.01); however, the median fold change (FC) was higher for downregulated than upregulated metabolites (p < 0.05). Purines/pyrimidines and proteins had a larger dysregulation than other classes of metabolites (p < 0.05 for each class). Several of the dysregulated metabolites have been previously associated with cancer, including leucyl proline, asymmetric dimethylarginine, isopentenyladenine, fumaric acid (all downregulated post-surgery), as well as N6-methyladenosine and several deoxycholic acid moieties, which were upregulated post-surgery. This study establishes metabolomic analysis of biofluids as a path to non-invasive diagnostics, screening, and monitoring in NSCLC.
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 ».