Comprehensive Proteomic Profiling of Triple-Negative Breast Cancer-Derived Small Extracellular Vesicles Unveiled PXDN and GGT5 as Novel Protein Markers Implicated in Oncogenic Signaling Networks
Notice bibliographique
Résumé
Breast cancer (BC) is the most prevalent cancer and the second leading cause of cancer-related mortality among women. Early detection and treatment can significantly improve survival rates. The potential application of small extracellular vesicles (sEVs) as biomarkers for early BC diagnosis has gained increasing attention, primarily due to their promise as a minimally invasive detection method. However, the specific protein signatures of sEVs are still not well understood. This study compared the proteomes of MDA-MB-231 and MCF-10A cells with their respective sEVs and conducted cross-comparisons between the two cell types and their sEV populations. Bioinformatic analyses revealed that MDA-MB-231 cell-derived sEVs are enriched with proteins involved in cancer growth and proliferation pathways. The proteins from these pathways can offer a valuable resource for triple-negative BC (TNBC) biomarkers. In this study, three proteins were selected based on their unique presence in MDA-MB-231 cell-derived sEVs and their association with pathways related to BC: peroxidasin homolog (PXDN), glutathione hydrolase 5 proenzyme (GGT5), and plasminogen activator inhibitor 1 (SERPINE1). These proteins were validated using synthetic heavy-labeled peptides and mass spectrometry-based parallel reaction monitoring, as well as Western blot analysis. This study highlights the potential of sEV-based proteins as noninvasive biomarkers for early TNBC detection, laying the groundwork for future diagnostic studies.
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) | 0,000 | 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 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 ».