Potential Urinary Protein Biomarker Candidates for the Accurate Detection of Prostate Cancer among Benign Prostatic Hyperplasia Patients
Notice bibliographique
Résumé
Globally, Prostate cancer (PCa) is the most frequently occurring non-cutaneous cancer, and is the second highest cause of cancer mortality in men. Serum prostate specific antigen (PSA) has been the standard in PCa screening since its approval by the American Food & Drug Administration (FDA) in 1994. Currently, PSA is used as an indicator for PCa - patients with a serum PSA level above 4ng/mL will often undergo prostate biopsy to confirm cancer. Unfortunately fewer than ~30% of these men will biopsy positive for cancer, meaning that the majority of men undergo invasive biopsy with little benefit. Despite PSA's notoriously poor specificity (33%), there is still a significant lack of credible alternatives. Therefore an ideal biomarker that can specifically detect PCa at an early stage is urgently required. The aim of this study was to investigate the potential of using deregulation of urinary proteins in order to detect Prostate Cancer (PCa) among Benign Prostatic Hyperplasia (BPH). To identify the protein signatures specific for PCa, protein expression profiling of 8 PCa patients, 12 BPH patients and 10 healthy males was carried out using LC-MS/MS. This was followed by validating relative expression levels of proteins present in urine among all the patients using quantitative real time-PCR. This was followed by validating relative expression levels of proteins present in urine among all the patients using quantitative real time-PCR. This approach revealed that significant the down-regulation of Fibronectin and TP53INP2 was a characteristic event among PCa patients. Fibronectin mRNA down-regulation, was identified as offering improved specificity (50%) over PSA, albeit with a slightly lower although still acceptable sensitivity (75%) for detecting PCa. As for TP53INP2 on the other hand, its down-regulation was moderately sensitive (75%), identifying many patients with PCa, but was entirely non-specific (7%), designating many of the benign samples as malignant and being unable to accurately identify more than one negative.
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 | 0,000 |
| 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 ».