Integrating Proteomics and Lipidomics for Evaluating the Risk of Breast Cancer Progression: A Pilot Study
Notice bibliographique
Résumé
Metastasis is a serious and often life-threatening condition, representing the leading cause of death among women with breast cancer (BC). Although the current clinical classification of BC is well-established, the addition of minimally invasive laboratory tests based on peripheral blood biomarkers that reflect pathological changes in the body is of utmost importance. In the current study, the serum proteome and lipidome profiles for 50 BC patients with (25) and without (25) metastasis were studied. Targeted proteomic analysis for concertation measurements of 125 proteins in the serum was performed via liquid chromatography-multiple reaction monitoring mass spectrometry (LC-MRM MS) using the BAK 125 kit (MRM Proteomics Inc., Victoria, BC, Canada). Untargeted label-free lipidomic analysis was performed using liquid chromatography coupled to tandem mass-spectrometry (LC-MS/MS), in both positive and negative ion modes. Finally, 87 serum proteins and 295 lipids were quantified and showed a moderate correlation with tumor grade, histological and biological subtypes, and the number of lymph node metastases. Two highly accurate classifiers that enabled distinguishing between metastatic and non-metastatic BC were developed based on proteomic (accuracy 90%) and lipidomic (accuracy 80%) features. The best classifier (91% sensitivity, 89% specificity, AUC = 0.92) for BC metastasis diagnostics was based on logistic regression and the serum levels of 11 proteins: alpha-2-macroglobulin, coagulation factor XII, adiponectin, leucine-rich alpha-2-glycoprotein, alpha-2-HS-glycoprotein, Ig mu chain C region, apolipoprotein C-IV, carbonic anhydrase 1, apolipoprotein A-II, apolipoprotein C-II and alpha-1-acid glycoprotein 1.
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 ».