Nomograms Based on Serum N-glycome for Diagnosis of Papillary Thyroid Microcarcinoma and Prediction of Lymph Node Metastasis
Notice bibliographique
Résumé
Non-invasive biomarkers for the diagnosis and prognosis of papillary thyroid microcarcinoma (PTMC) are still urgently needed. We aimed to characterize the N-glycome of PTMC, and establish nomograms for the diagnosis of PTMC and the prediction of lymph node metastasis (LNM). N-glycome of PTMC (LNM vs. non-LNM, capsular invasion (CI) vs. non-CI (NCI)) and matched healthy controls (HC) were quantitatively analyzed based on mass spectrometry. N-glycan traits associated with PTMC/LNM were used to create binomial logistic regression models and were visualized as nomograms. We found serum N-glycome differed between PTMC and HC in high-mannose, complexity, fucosylation, and bisection, of which, four N-glycan traits (TM, CA1, CA4, and A2Fa) were significantly associated with PTMC. The nomogram based on four traits achieved good performance for the identification of PTMC. Two N-glycan traits (CA4 and A2F0S0G) showed strong associations with LNM. The nomogram based on two traits showed relatively good performance in predicting LNM. We also found differences between CI and NCI in several N-glycan traits, which were not the same as that associated with LNM. This study reported serum N-glycosylation signatures of PTMC for the first time. Nomograms constructed from aberrant glycans could be useful tools for PTMC diagnosis and stratification.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».