Circulating extracellular vesicles containing S100A9 reflect histopathology, immunophenotype and therapeutic responses of liver metastasis in colorectal cancer patients
Notice bibliographique
Résumé
BACKGROUND: Metastasis is the principal cause of cancer treatment failure and an area of dire diagnostic needs. Colorectal cancer metastases to the liver (CRCLMs) are predominantly classified into desmoplastic and replacement based on their histological growth patterns (HGPs). Desmoplastic responds well to current treatments, while replacement HGP has a poor prognosis with low overall survival rates. METHODS: We hypothesised that complex cellular response underlying HGPs may be reflected in the proteome of circulating extracellular vesicles (EVs). EV proteomics data was generated through LC-MS/MS and analysed with Maxquant and Perseus. To validate the S100A9 signature, ELISA was performed, and IHC and IF were conducted on tissue for marker detection and colocalization study. RESULTS: Plasma EV proteome signature distinguished desmoplastic from the replacement in patients with 22 differentially expressed proteins, including immune related markers. Unsupervised PCA analysis revealed clear separation of the two lesions. The marker with the highest confidence level to stratify the two HGPs was S100A9, which was traced in CRCLM lesions and found to colocalize with macrophages and neutrophils. EV-associated S100A9 in plasma may reflect the innate immunity status of metastatic lesions and their differential therapeutic responses. CONCLUSION: Plasma EV-derived S100A9 could be useful in personalising therapy in patients with CRCLM.
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 ».