Linking mass spectrometry data to tumour activity: A preliminary investigation
Notice bibliographique
Résumé
Objective To identify which metabolites and pathways distinguish tumour from non-tumour regions in patient tissues and explain their relevance using established cancer hallmarks. Background Tumours rewire cellular metabolism, leaving detectable fingerprints in mass spectrometry (MS) profiles. Biological pathways involve coordinated changes across many metabolites; hence, patterns across thousands of m/z values were condensed into the importance spectrum because single peaks rarely tell the full story of cellular activity. Methods I developed and utilised an interpretation pipeline that connects mass-to-charge (m/z) feature portraits to metabolites, maps those metabolites to pathways, and relates pathway activity to established cancer hallmarks. Discriminative m/z peaks (retaining features ≥ 98 m/z) were identified per sample and ranked in an importance spectrum. This spectrum is a profile indicating each feature’s contribution to distinguishing tumour vs non-tumour in tissue. Putative metabolite identities were identified via the Human Metabolome Database (HMDB), then aggregated to biological pathways using the Small Molecule Pathway Database (SMPDB). The results in a pathway-level view that contextualises isolated peaks as parts of coordinated biochemical processes. To ground these signals in established biology, identified pathways were cross-referenced to canonical cancer hallmarks. Each pathway was correlated to one or more hallmarks with support from literature. This provides a principled bridge from ion signals to recognised cancer biology. Results In patient tissues, high-importance m/z features are frequently mapped to upregulated metabolites in dysregulated pathways affected by tumours. This is consistent with metabolic reprogramming seen in cancer biology. Conclusion In conclusion, the metabolite and pathway patterns correlate with well-defined cancer behaviours that boost tumourigenesis, metastasis, and a pro-angiogenic microenvironment.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».