Single-sEV profiling identifies the TACSTD2 + sEV subpopulation as a factor of tumor susceptibility in the elderly
Notice bibliographique
Résumé
BACKGROUND: Aging is a very complex physiological phenomenon, and sEVs are involved in the regulation of this mechanism. Serum samples from healthy individuals under 30 and over 60 years of age were collected to analyze differences in sEVs proteomics. RESULTS: Based on PBA analysis, we found that sEVs from the serum of elderly individuals highly express TACSTD2 and identified a subpopulation marked by TACSTD2. Using ELISA, we verified the upregulation of TACSTD2 in serum from elderly human and aged mouse. In addition, we discovered that TACSTD2 was significantly increased in samples from tumor patients and had better diagnostic value than CEA. Specifically, 9 of the 13 tumor groups exhibited elevated TACSTD2, particularly for cervical cancer, colon cancer, esophageal carcinoma, liver cancer and thyroid carcinoma. Moreover, we found that serum sEVs from the elderly (especially those with high TACSTD2 levels) promoted tumor cell (SW480, HuCCT1 and HeLa) proliferation and migration. CONCLUSION: TACSTD2 was upregulated in the serum of elderly individuals and patients with tumors, and could serve as a dual biomarker for aging and tumors.
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 ».