Differences in the Volatilomic Urinary Biosignature of Prostate Cancer Patients as a Feasibility Study for the Detection of Potential Biomarkers
Notice bibliographique
Résumé
Prostate cancer (PCa) continues to be the second most common malignant tumour and the main cause of oncological death in men. Investigating endogenous volatile organic metabolites (VOMs) produced by various metabolic pathways is emerging as a novel, effective, and non-invasive source of information to establish the volatilomic biosignature of PCa. In this study, headspace solid-phase microextraction combined with gas chromatography–mass spectrometry (HS-SPME/GC-MS) was used to establish the urine volatilomic profile of PCa and identify VOMs that can discriminate between the two investigated groups. This non-invasive approach was applied to oncological patients (PCa group, n = 26) and cancer-free individuals (control group, n = 30), retrieving a total of 147 VOMs from various chemical families. This included terpenes, norisoprenoid, sesquiterpenes, phenolic, sulphur and furanic compounds, ketones, alcohols, esters, aldehydes, carboxylic acid, benzene and naphthalene derivatives, hydrocarbons, and heterocyclic hydrocarbons. The data matrix was subjected to multivariate analysis, namely partial least-squares discriminant analysis (PLS-DA). Accordingly, this analysis showed that the group under study presented different volatomic profiles and suggested potential PCa biomarkers. Nevertheless, a larger cohort of samples is required to boost the predictability and accuracy of the statistical models developed.
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 | 0,000 | 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 ».