Sequential Proteomic and N-Glycoproteomic Analyses of Bronchoalveolar Lavage Fluids for Potential Biomarker Discovery of Lung Adenocarcinoma
Notice bibliographique
Résumé
Lung adenocarcinoma (LUAD) is the most common histological subtype of nonsmall-cell lung cancer. Herein, a multiomics method, which combined proteomic and N-glycoproteomic analyses, was developed to analyze the normal and cancerous bronchoalveolar lavage fluids (BALFs) from six LUAD patients to identify potential biomarkers of LUAD. The data-independent acquisition proteomic analysis was first used to analyze BALFs, which identified 59 differentially expressed proteins (DEPs). The bioinformatic analyses of 59 DEPs have shown that a potential marker protein, beta-1,4-galactosyltransferase 1 (B4GALT1), was consistently downregulated in all cancerous lung lobes (CLLs). As the downregulation of B4GALT1 may indicate changes in protein N-glycosylation, site-specific N-glycoproteome analysis of BALFs from the normal lung lobes (NLLs) and CLLs was further performed by using a fully automated glycopeptide enrichment and separation system. Comparing the glycan structures containing free GlcNAc in BALFs between NLLs and CLLs qualitatively, the percentage of unique glycan structure for free GlcNAc existing only in NLLs was 52.8%, which was significantly higher than the 46.3% existing only in CLLs. Furthermore, the sequential proteomic and N-glycoproteomic analyses allowed us to identify a panel of functionally related potential biomarkers consisting of one protein (B4GALT1) and four glycoproteins (NFKB1, F2, LTF, and DLD).
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».