Plasma proteomic profiling and molecular clustering reveal immune‐defined prognostic subtypes in lung adenocarcinoma
Notice bibliographique
Résumé
Lung adenocarcinoma (LUAD) is a biologically and clinically heterogeneous disease that poses a major challenge for prognosis and treatment. In this study, we performed proteomic profiling in a cohort of 88 LUAD patients to identify molecular subgroups and investigate their clinical relevance. Unsupervised clustering of the proteomic data allowed us to identify two distinct patient groups with different demographic, clinical, and molecular characteristics. Cluster 1 consisted predominantly of older patients and showed increased expression of immune and inflammatory pathways, including significant enrichment of Tumor Necrosis Factor (TNF) and Toll-like receptor signaling. This suggests a stronger innate immune response that may be associated with better disease control. In contrast, Cluster 2 was characterized by younger demographics, a higher proportion of female patients, and a greater frequency of smoking. This cluster showed reduced activation of immune-related pathways and a significantly shorter time to disease recurrence, suggesting a more aggressive clinical course and poorer prognosis. The differential expression of immune pathways between clusters underscores the role of the tumor microenvironment in disease progression and response to treatment. Our results demonstrate the value of integrating proteomic and clinical data to identify biologically distinct LUAD subtypes. This molecular stratification can improve the understanding of tumor behavior and inform personalized treatment strategies. Thus, proteomic profiling is a promising tool to guide biomarker-directed treatment of LUAD.
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 | 0,001 |
| 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 | 0,000 | 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 ».