Multi-omic profiling of intraductal papillary neoplasms of the pancreas reveals distinct expression patterns and potential markers of progression
Notice bibliographique
Résumé
In order to advance our understanding of precancers in the pancreas, 69 pancreatic intraductal papillary neoplasms (IPNs), including 64 intraductal papillary mucinous neoplasms (IPMNs) and 5 intraductal oncocytic papillary neoplasms (IOPNs), 32 pancreatic cyst fluid samples, 104 invasive pancreatic ductal adenocarcinomas (PDACs), 43 normal adjacent tissues (NATs), and 76 macro-dissected normal pancreatic ducts (NDs) were analyzed by mass spectrometry. A total of 10,246 proteins and 22,284 glycopeptides were identified in all tissue samples, and 756 proteins with more than 1.5-fold increase in abundance in IPMNs relative to NDs were identified, 45% of which were also identified in cyst fluids. The over-expression of selected proteins was validated by immunolabeling. Proteins and glycoproteins overexpressed in IPMNs included those involved in glycan biosynthesis and the immune system. In addition, multiomics clustering identified two subtypes of IPMNs. This study provides a foundation for understanding tumor progression and targets for earlier detection and therapies. Significance: This multilevel characterization of intraductal papillary neoplasms of the pancreas provides a foundation for understanding the changes in protein and glycoprotein expression during the progression from normal duct to intraductal papillary neoplasm, and to invasive pancreatic carcinoma, providing a foundation for informed approaches to earlier detection and treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».