Targeting CTC Heterogeneity: Aptamer-Based Liquid Biopsy Predicts Outcome in Lung Cancer
Notice bibliographique
Résumé
Background: The detection of circulating tumor cells (CTCs) holds significant promise for the diagnosis and monitoring of lung cancer (LC). However, the clinical utility of CTCs is limited by the heterogeneity of their phenotypes and the shortcomings of existing detection methods, which often rely on epithelial markers like EpCAM. DNA aptamers offer a promising alternative due to their high affinity, stability, and ability to recognize diverse cancer-specific biomarkers. Methods: This study utilized DNA aptamers LC-17 and LC-18, previously selected against primary lung tumor tissue, to isolate and detect CTCs in the peripheral blood of 43 non-small cell lung cancer (NSCLC) patients. Mass spectrometry (LC-MS/MS) was employed to identify the target proteins of aptamer LC-17. CTCs from patients’ blood and healthy donors were isolated via filtration after erythrocyte and lymphocyte lysis and stained with FAM-labeled LC-17 and LC-18 aptamers for detection using fluorescence and light microscopy. Results: Mass spectrometry identified neutrophil defensin 1 (DEFA1) and peroxiredoxin-2 (PRDX2) as the primary protein targets of aptamer LC-17 in CTCs, both of which were absent in healthy donor samples. CTC enumeration revealed statistically significant correlations between elevated CTC counts (>3 cells/4 mL blood) and advanced primary tumor size (T4 vs. T1–T3, p = 0.012), extensive regional lymph node metastasis (N3 vs. N1–N2, p = 0.014), and shorter overall survival (median 24 vs. 32 months, p < 0.05). Conclusions: The developed aptamer-based liquid biopsy method effectively captures heterogeneous CTC populations independent of EpCAM expression. The strong correlation of CTC counts with disease progression and survival underscores their clinical relevance as a prognostic biomarker in NSCLC. This approach presents a viable, non-invasive tool for disease monitoring and stratification of NSCLC patients, with potential for integration into clinical practice.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».