Label-free quantitative proteomics analysis for type 2 diabetes mellitus early diagnostic marker discovery using data-independent acquisition mass spectrometry (DIA-MS)
Notice bibliographique
Résumé
Type-2 diabetes mellitus (T2DM) therapy requires early diagnosis and complication avoidance. Unfortunately, current diagnostic markers do not meet these needs. Data-independent acquisition mass spectrometry (DIA-MS) offers a solution for clinical diagnosis, providing reliable and precise sample quantification. This study utilized DIA-MS to investigate proteomic differential expression in the serum of recently diagnosed T2DM patients. The study conducted a comparative protein expression analysis between healthy and recently diagnosed T2DM groups (discovery cohort). A candidate protein was then validated using enzyme-linked immune assay (ELISA) on serum samples collected from T2DM patients (n = 87) and healthy control (n = 60) (validation cohort). A total of 1074 proteins were identified, and 90 were significantly dysregulated between the two groups, including 32 newly associated with T2DM. Among these proteins, the expression of S100 calcium-binding protein A6 (S100A6) was validated by ELISA. It showed a significant increase in T2DM samples compared to the control group. It was evaluated as a biomarker using the receiver operating characteristic (ROC) curve, consistent with the DIA-MS results. Novel proteins are reported to be involved in the development and progression of T2DM. Further studies are required to investigate the differential expression of candidate marker proteins in a larger population of T2DM patients.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».