Identification and validation of potential diagnostic plasma biomarkers for diffuse gliomas by multiplex immunoassays.
Notice bibliographique
Résumé
2044 Background: Diffuse gliomas are aggressive malignant tumors with poor prognosis. The current standard of care includes measurement of molecular biomarkers in biopsy samples. One unmet clinical need is to identify non-invasive biomarkers that may be used for differential diagnosis of gliomas from other brain tumors. Pre-clinical and clinical validation of such biomarkers could eliminate the need for biopsy, and support the implementation of more personalized and/or emerging treatments and the earlier enrolment of patients into clinical trials. Our objective is to use multidimensional proteomics to identify and validate potential plasma biomarkers for glioma management. Methods: We used the proximity extension assay from Olink Proteomics to analyze 3,000 proteins in plasma of patients with diffuse gliomas and meningiomas (as controls). By data visualization, we identified several plasma proteins that were increased or decreased in gliomas in comparison to meningiomas. Several candidate markers were selected for validation with an independent set of retrospectively collected samples by using quantitative research-use-only electrochemiluminescence assays available from Meso Scale Discovery. In the validation set, which included longitudinal data from patients, patient information included biopsy-requiring molecular tumor abnormalities such as IDH1 status, ATRX expression, MGMT promoter methylation, CDKN2A/B/p16 status, V1p 19q co-deletion and NF1 status. In the validation stage, we focused on diffuse gliomas. Results: In the discovery phase, associations between proteins were plotted to determine potential predictive ability for discriminating diffuse gliomas vs. meningiomas. A partitioning algorithm was fit to determine the optimal combination of GFAP (the strongest biochemical marker), age and sex, as well as with other candidate proteins. Differential expression was seen for a few other proteins such as NEFL, PROK1, FABP4, MMP3 and LMOD1. In the cross-sectional validation phase, we verified strong associations between GFAP and FABP4 plasma concentration and GBM, astrocytomas, oligodendrogliomas and meningiomas, where these markers could differentiate between the groups. Within diffuse gliomas, NEFL, GFAP, FABP4 and IL13 were significantly different. Conclusions: This study highlights the potential of plasma biomarkers to revolutionize glioma patient management through liquid biopsy applications. The strong associations observed between plasma protein concentrations and glioma subtypes support a diagnostic power that addresses a critical unmet need in neuro-oncology. More specifically, these biomarkers can help with patient differential diagnosis at initial presentation, with future aims to investigate the prognostic value and the possibility of acting as surrogates of molecular changes that are currently used for optimizing therapy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».