Mining the Proteome of Human Ovarian Cancer Extracellular Vesicles Using Thermolysin Proteolysis
Notice bibliographique
Résumé
Abstract This study investigates the utility of Thermolysin as a proteolytic enzyme to enhance the depth and coverage of proteomic analysis in ovarian cancer (OC) extracellular vesicles (EVs). EVs were isolated from OC cell lines and ascites fluid samples from women diagnosed with high-grade serous carcinoma. Proteins were digested using Thermolysin and Trypsin/LysC, followed by label-free data-dependent acquisition (DDA) and data-independent acquisition (DIA) mass spectrometry. The proteolytic efficiency, sequence coverage, peptide complexity, and proteomic depth were compared between Thermolysin and Trypsin/LysC digests. In silico analyses predicted theoretical benchmarks of these parameters using a core set of 22 proteins, and Gene set enrichment analyses (GSEA) highlighted the biological relevance of proteins identified throughout the study. Thermolysin digestion significantly increased the complexity or of peptide pools compared to Trypsin/LysC leading to limited peptide and protein identification, albeit total sequence coverage was increased through complementation to tryptic peptides. In both cell line and ascites EVs, Thermolysin identified unique proteins not detected by Trypsin/LysC that are known drivers of metastatic solid cancers, such as Ly6E. Offline strong cation exchange (SCX) fractionation improved proteomic depth and sequence coverage obtained with Thermolysin to generate a spectral library for DIA. Our DIA analysis of Thermolysin digests revealed the presence of NODAL in OC ascites EVs, a protein associated with poor clinical prognosis, which was not detected in Trypsin/LysC digests. The importance of NODAL was cross-validated in TGCA-OV and AOCS datasets by clinical cohorts by assessing RNA levels in solid tumors or ascites fluid, respectively. Collectively, we demonstrate that Thermolysin complements traditional enzymes like Trypsin/LysC to provide a more comprehensive proteomic landscape for biomarker discovery.
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 | 0,000 |
| 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 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 ».