Proteomics Profiling of Stool Samples from Preterm Neonates with SWATH/DIA Mass Spectrometry for Predicting Necrotizing Enterocolitis
Notice bibliographique
Résumé
Necrotizing enterocolitis (NEC) is a life-threatening condition for premature infants in neonatal intensive care units. Finding indicators that can predict NEC development before symptoms appear would provide more time to apply targeted interventions. In this study, stools from 132 very-low-birth-weight (VLBW) infants were collected daily in the context of a multi-center prospective study aimed at investigating the potential of fecal biomarkers for NEC prediction using proteomics technology. Eight of the VLBW infants received a stage-3 NEC diagnosis. Stools collected from the NEC infants up to 10 days before their diagnosis were available for seven of them. Their samples were matched with those from seven pairs of non-NEC controls. The samples were processed for liquid chromatography-tandem mass spectrometry analysis using SWATH/DIA acquisition and cross-compatible proteomic software to perform label-free quantification. ROC curve and principal component analyses were used to explore discriminating information and to evaluate candidate protein markers. A series of 36 proteins showed the most efficient capacity with a signature that predicted all seven NEC infants at least a week in advance. Overall, our study demonstrates that multiplexed proteomic signature detection constitutes a promising approach for the early detection of NEC development in premature infants.
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 | 0,001 | 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 | 0,001 | 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 ».