Novel Serum Protein Biomarkers for Precancerous Cervical Lesions and Cervical Cancer
Notice bibliographique
Résumé
Cervical cancer is a health problem worldwide, although it is preventable and curable. Timely detection is crucial for eliminating this disease. Cytology is the official test for cervical cancer screening in most countries. Unfortunately, it has multiple barriers, e.g., its low sensitivity (47-55%) and its invasive nature. There is a need for alternative screening tests that can complement cytology’s limitations. Molecular biomarkers can fill this gap. The present study aimed to identify candidate cervical cancer biomarkers in human sera. We selected five human proteins from a previously reported secretome of cervical cancer cell lines as candidate biomarkers. We tested these proteins in a cohort of 212 Mexican women, divided into four clinical groups: control, low and high-grade squamous intraepithelial lesions, and cervical cancer. Immunodetection was done by Western blotting, ELISA, and/or surface plasmon resonance. Four of these five proteins were in higher abundance in sera of precancerous cervical lesions (GAPDH) or cervical cancer (EIF4A1, HNRNPA1, and FDPS) patients (p < 0.05). When tested individually, we found that these biomarkers were able to distinguish serum samples from healthy donors from those with cervical disease. Also, a lateral flow assay was developed for detecting FDPS in whole blood, paving the way for detecting these pathologies using rapid tests.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».