Searching for New Biomarkers of Neuroendocrine Tumors: A Comparative Analysis of Chromogranin A and Inflammatory Cytokines in Patients with Neuroendocrine Tumors
Notice bibliographique
Résumé
Neuroendocrine neoplasms (NENs) present a diagnostic challenge due to their heterogeneous nature and non-specific clinical manifestations. This study aimed to explore novel biomarkers for NENs. Serum chromogranin A (CgA) levels and a panel of 48 inflammatory cytokines were analyzed in a cohort of 84 NEN patients and 40 healthy controls using enzyme-linked immunosorbent assay (ELISA) and multiplex ELISA. Significant alterations in cytokine levels were observed in the NEN patients compared to the controls, including elevated levels of pro-inflammatory cytokines, such as interleukin (IL)-6, IL-8, and tumor necrosis factor alpha (TNF-α), and reduced levels of angiogenic factors like platelet-derived growth factor-BB (PDGF-BB) and tumor necrosis factor beta (TNF-β). Notably, cytokines such as growth-regulated alpha protein (GRO-α) and TNF-β demonstrated strong potential as diagnostic markers, with receiver operating characteristic (ROC) curve analyses showing high sensitivity and specificity. Additionally, a positive correlation was found between CgA levels and several inflammatory cytokines, suggesting their synergistic role in tumor progression. These findings highlight the limited reliability of CgA alone as a diagnostic marker and underscore the importance of a multi-marker approach in diagnosing and monitoring NENs. Further research on a larger cohort is necessary to validate these biomarkers and their potential clinical applications.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».