Extracellular Vesicles and Their Zeta Potential as Future Markers Associated with Nutrition and Molecular Biomarkers in Breast Cancer
Notice bibliographique
Résumé
A nutritional intervention promotes the loss of body and visceral fat while maintaining muscle mass in breast cancer patients. Extracellular vesicles (EVs) and their characteristics can be potential biomarkers of disease. Here, we explore the changes in the Zeta potential of EVs; the content of miRNA-30, miRNA-145, and miRNA-155; and their association with body composition and biomarkers of metabolic risk in breast cancer patients, before and 6 months after a nutritional intervention. Clinicopathological data (HER2neu, estrogen receptor, and Ki67), anthropometric and body composition data, and plasma samples were available from a previous study. Plasma EVs were isolated and characterized in 16 patients. The expression of miRNA-30, miRNA-145, and miRNA-155 was analyzed. The Zeta potential was associated with HER2neu (β = 2.1; p = 0.00), Ki67 (β = −1.39; p = 0.007), estrogen positive (β = 1.57; p = 0.01), weight (β = −0.09; p = 0.00), and visceral fat (β = 0.004; p = 0.00). miRNA-30 was associated with LDL (β = −0.012; p = 0.01) and HDL (β = −0.02; p = 0.05). miRNA-155 was associated with visceral fat (β = −0.0007; p = 0.05) and Ki67 (β = −0.47; p = 0.04). Our results reveal significant associations between the expression of miRNA-30 and miRNA-155 and the Zeta potential of the EVs with biomarkers of metabolic risk and disease prognosis in women with breast cancer; particularly, the Zeta potential of EVs can be a new biomarker sensitive to changes in the nutritional status and breast cancer progression.
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 | 0,000 | 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 ».