The Application of an Extracellular Vesicle-Based Biosensor in Early Diagnosis and Prediction of Chemoresponsiveness in Ovarian Cancer
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer (OVCA) is the most fatal gynecological cancer with late diagnosis and plasma gelsolin (pGSN)-mediated chemoresistance representing the main obstacles to treatment success. Since there is no reliable approach to diagnosing patients at an early stage as well as predicting chemoresponsiveness, there is an urgent need to develop a diagnostic platform for such purposes. Small extracellular vesicles (sEVs) are attractive biomarkers given their potential accuracy for targeting tumor sites. METHODS: We have developed a novel biosensor which utilizes cysteine-functionalized gold nanoparticles that simultaneously bind to cisplatin (CDDP) and plasma/cell-derived EVs, affording us the advantage of predicting OVCA chemoresponsiveness, and early diagnosis using surface-enhanced Raman spectroscopy. RESULTS: We found that pGSN regulates cortactin (CTTN) content resulting in the formation of nuclear- and cytoplasmic-dense granules facilitating the secretion of sEVs carrying CDDP; a strategy used by resistant cells to survive CDDP action. The clinical utility of the biosensor was tested and subsequently revealed that the sEV/CA125 ratio outperformed CA125 and sEV individually in predicting early stage, chemoresistance, residual disease, tumor recurrence, and patient survival. CONCLUSION: These findings highlight pGSN as a potential therapeutic target and provide a potential diagnostic platform to detect OVCA earlier and predict chemoresistance; an intervention that will positively impact patient-survival outcomes.
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 | 0,001 |
| 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 | 0,001 | 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 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 ».