New proteomic signature in circulating extracellular vesicles from tumor-draining vein of lung adenocarcinomas patients
Notice bibliographique
Résumé
ABSTRACT Identification of noninvasive prognostic biomarkers, allowing monitoring of frequently developed relapse in patients with locally advanced non-small cell lung cancer (NSCLC), still of primary importance. Tumor-draining vein (TDV) plasma samples, are known to be enriched in circulating cancer biomarkers compared to samples from peripheral vein (PV). Thus, we thought to investigate the proteomic profile of extracellular vesicles (EVs) from TDV compared to those from PV plasma samples of patients operated for NSCLC. Purified EVs from TDV and PV plasma samples were characterized for their size distribution and concentration using nanoparticles tracking analysis (NTA). Proteomic profiling of TDV-derived EVs and PV-derived EVs were further done using mass spectrometry (nanoLC-MS/MS) analysis. In parallel, proteomic profile of tumoral and non-tumoral adjacent counterpart tissues from patients with NSCLC were investigated. Twenty patients with NSCLC, treated by surgery with curative intent, were enrolled in this study. We showed that EVs from TDV plasma samples were significantly smaller than those from PV plasma samples. Interestingly, the concentration of TDV-derived EVs were significantly higher than PV-derived EVs. However, EVs concentration and size were not associated with tumor size or other clinical characteristics. Proteomic profiling showed that 9 of the 10 most overexpressed proteins in EVs from TDV samples compared to those from PV, were associated with lung cancer diagnosis and prognosis. Remarkably, 1 protein (SRPRB) was commonly upregulated in lung tumor tissues (as compared to non-tumoral counterparts) and in TDV-derived EVs (as compared to PV-derived EVs). In contrast, 12 proteins were found to be upregulated in TDV-derived EVs and downregulated in tumor tissues. In conclusion, all of these identified proteins, carried by EVs from TDV plasma samples, might represent promising novel biomarkers for NSCLC prognosis and predicting recurrences at early stages.
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 | 0,000 | 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) | 0,001 | 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 ».