Altered expression of cytokines, chemokines, growth factors, and soluble receptors in patients with colorectal cancer, and correlation with treatment outcome
Notice bibliographique
Résumé
Insofar as they play an important role in the pathogenesis of colorectal cancer (CRC), this study analyzes the serum profile of cytokines, chemokines, growth factors, and soluble receptors in patients with CRC and cancer-free controls as possible CRC signatures. Serum levels of 65 analytes were measured in patients with CRC and age- and sex-matched cancer-free controls using the ProcartaPlex Human Immune Monitoring 65-Plex Panel. Of the 65 tested analytes, 8 cytokines (CSF-3, IFN-γ, IL-12p70, IL-18, IL-20, MIF, TNF-α and TSLP), 8 chemokines (fractalkine, MIP-1β, BLC, Eotaxin-1, Eotaxin-2, IP-10, MIP-1a, MIP-3a), 2 growth factors (FGF-2, MMP-1), and 4 soluble receptors (APRIL, CD30, TNFRII, and TWEAK), were differentially expressed in CRC. ROC analysis confirmed the high association of TNF-α, BLC, Eotaxin-1, APRIL, and Tweak with AUC > 0.70, suggesting theranostic application. The expression of IFN-γ, IL-18, MIF, BLC, Eotaxin-1, Eotaxin-2, IP-10, and MMP1 was lower in metastatic compared to non-metastatic CRC; only AUC of MIF and MIP-1β were > 0.7. Moreover, MDC, IL-7, MIF, IL-21, and TNF-α are positively associated with tolerance to CRC chemotherapy (CT) (AUC > 0.7), whereas IL-31, Fractalkine, Eotaxin-1, and Eotaxin-2 were positively associated with resistance to CT. TNF-α, BLC, Eotaxin-1, APRIL, and Tweak may be used as first-line early detection of CRC. The variable levels of MIF and MIP-1β between metastatic and non-metastatic cases assign prognostic nature to these factors in CRC progression. Regarding tolerance to CT, MDC, IL-7, MIF, IL-21, and TNF-α are key when down-regulated or resistant to treatment is observed.
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 ».