MétaCan
Menu
Retour à la cohorte
Enregistrement W4362595504 · doi:10.1158/1538-7445.am2023-3555

Abstract 3555: Proteomic characterization of rhabdomyosarcoma-derived extracellular vesicles reveals a fusion-positive protein signature

2023· article· en· W4362595504 sur OpenAlexaff
Paula R. Quaglietta, Ashby Kissoondoyal, Ethan Malkin, David Malkin, Reto M. Baertschiger

Notice bibliographique

RevueCancer Research · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensPrincess Margaret Cancer CentreHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésRhabdomyosarcomaProteomeCancer researchBiologyCell cultureMetastasisAlveolar rhabdomyosarcomaFusion proteinCancerPathologyMedicineBioinformaticsSarcomaBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Abstract Rhabdomyosarcoma is the most common pediatric soft tissue sarcoma. Current diagnostic methods involve imaging and tissue biopsy for staging, histology and fusion status assessment. There are presently no serum biomarkers for rhabdomyosarcoma diagnosis or surveillance. Novel approaches and identification of biomarkers are warranted for minimally invasive diagnostic/surveillance techniques. Extracellular vesicles (EVs) are recognized as critical mediators of intercellular communication and the pathophysiology of carcinogenesis and metastasis. This study aimed to characterize the proteome of rhabdomyosarcoma-derived EVs and identify proteomic signatures that correlate with clinical characteristics such as histological subtype, cancer stage, age and metastasis, using patient-derived cell lines. EVs were isolated from cell culture conditioned media by differential ultracentrifugation from four rhabdomyosarcoma cell lines (RH4, RH18, RH30, RD), each in triplicate. Liquid chromatography-tandem mass spectrometry identified EV protein cargo. Proteins identified in our samples were compared to all available EV data in the Vesiclepedia database, using the FunRich software. We identified 1,527 total proteins in our rhabdomyosarcoma-derived EVs. When comparing to Vesiclepedia, 96 unique proteins were identified from our EVs that were not previously annotated in EVs within the database. Expression of these 96 proteins was further evaluated based on clinical characteristics of the tumors the cell lines were derived from. We found a four-protein signature in the EV secretome of rhabdomyosarcoma cell lines correlated with FOXO1 fusion-positive status. This signature includes proteins involved in regulating extracellular matrix organization, regulating gene expression, protein biosynthesis and translation. Rhabdomyosarcoma cells secrete EVs with unique protein cargo based on clinical characteristics of the parent tumor such as histological subtype and FOXO1 fusion status. Further validation of these secreted EV proteins in biological fluids could prove an effective liquid biopsy technique for novel diagnostic approaches or surveillance in pediatric rhabdomyosarcoma. Citation Format: Paula R. Quaglietta, Ashby Kissoondoyal, Ethan Malkin, David Malkin, Reto M. Baertschiger. Proteomic characterization of rhabdomyosarcoma-derived extracellular vesicles reveals a fusion-positive protein signature. [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2023; Part 1 (Regular and Invited Abstracts); 2023 Apr 14-19; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2023;83(7_Suppl):Abstract nr 3555.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,328
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetExtracellular vesicles in diseaseTravaux en français237 207