EPCO-03. COMPARATIVE ANALYSIS OF CSF PROTEOMIC TECHNIQUES FOR BRAIN TUMOR RESEARCH
Notice bibliographique
Résumé
Abstract INTRODUCTION Cerebrospinal fluid (CSF) proteomics offers transformative potential for brain tumor management, yet low sample volumes and diverse enrichment techniques complicate its application. A systematic comparison of proteomic methods is essential to optimize peptide yield, reproducibility, and cost-effectiveness. This study evaluates multiple analytical approaches to guide their use in CSF proteomics, aiming to enhance biomarker discovery and clinical decision-making for brain tumor patients. METHODS Retrospective CSF samples from 39 patients with CNS lymphoma were analyzed. Extracellular vesicle (EV) isolation was tested across 1.5-9 mL volumes, with reproducibility assessed using 6 mL pooled replicates. Five methods were compared for peptide profiles: MStern (50 µL), Seer (250 µL), N-glycoproteomics (N-Gp, 200 µL), P150, and P20 (both EV-based, 6 mL). Evaluations included peptide counts, reproducibility, biophysical characteristics, cellular compartment enrichment, and pathway profiles, quantified via mass spectrometry. RESULTS EV isolation required a minimum of 6 mL. P20 surpassed P150 in protein yield and particle density. Seer led with 17,000 unique peptides and top reproducibility, followed by P20 (9,000), MStern (5,500), P150 (5,000), and N-Gp (1,000). N-Gp favored acidic glycopeptides and larger hydrophilic peptides. Enrichment patterns in terms of cellular location differed: P20 (mitochondrial), N-Gp (lysosomal), Seer (nuclear). Pathway analyses revealed complementary functional insights across methods, with no single approach capturing all molecular signatures. CONCLUSIONS CSF proteomic methods are not one-size-fits-all, each offering unique strengths. Seer excels in peptide yield but is costly. CSF EV analytic volumes can be pushed as low as 6 mL. MStern, requiring only 50 µL, balances yield, cost, and scalability, suiting high-throughput studies. These results inform tailored method selection for brain tumor proteomics research.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».