Comparative Proteomic Profiling of Secreted Extracellular Vesicles from Breast Fibroadenoma and Malignant Lesions: A Pilot Study
Notice bibliographique
Résumé
Extracellular vesicles (EVs) shuttle proteins, RNA, DNA, and lipids crucial for cell-to-cell communication. Recent findings have highlighted that EVs, by virtue of their cargo, may also contribute to breast cancer (BC) growth and metastatic dissemination. Indeed, EVs are gaining great interest as non-invasive cancer biomarkers. However, little is known about the biological and physical properties of EVs from malignant BC lesions, and even less is understood about EVs from non-malignant lesions, such as breast fibroadenoma (FAD), which are clinically managed using conservative approaches. Thus, for this pilot study, we attempted to purify and explore the proteomic profiles of EVs from benign breast lesions, HER2+ BCs, triple-negative BCs (TNBCs), and continuous BC cell lines (i.e., BT-549, MCF-10A, and MDA-MB-231), combining experimental and semi-quantitative approaches. Of note, proteome-wide analyses showed 49 common proteins across EVs harvested from FAD, HER2+ BCs, TNBCs, and model BC lines. This is the first feasibility study evaluating the physicochemical composition and proteome of EVs from benign breast cells and primary and immortalized BC cells. Our preliminary results hold promise for possible implications in precision medicine for BC.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».