Characterizing the secretome of EGFR mutant lung adenocarcinoma
Notice bibliographique
Résumé
Background Lung cancer is the leading cause of cancer related death worldwide, mainly due to the late stage of disease at the time of diagnosis. Non-invasive biomarkers are needed to supplement existing screening methods to enable earlier detection and increased patient survival. This is critical to EGFR -driven lung adenocarcinoma as it commonly occurs in individuals who have never smoked and do not qualify for current screening protocols. Methods In this study, we performed mass spectrometry analysis of the secretome of cultured lung cells representing different stages of mutant EGFR driven transformation, from normal to fully malignant. Identified secreted proteins specific to the malignant state were validated using orthogonal methods and their clinical activity assessed in lung adenocarcinoma patient cohorts. Results We quantified 1020 secreted proteins, which were compared for differential expression between stages of transformation. We validated differentially expressed proteins at the transcriptional level in clinical tumor specimens, association with patient survival, and absolute concentration to yield three biomarker candidates: MDK, GDF15, and SPINT2. These candidates were validated using ELISA and increased levels were associated with poor patient survival specifically in EGFR mutant lung adenocarcinoma patients. Conclusions Our study provides insight into changes in secreted proteins during EGFR driven lung adenocarcinoma transformation that may play a role in the processes that promote tumor progression. The specific candidates identified can harnessed for biomarker use to identify high risk individuals for early detection screening programs and disease management for this molecular subgroup of lung adenocarcinoma 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 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 ».