A Single-Aliquot, Enrichment-Free Workflow for High-Throughput Plasma Proteome and N-Glycoproteome Profiling
Notice bibliographique
Résumé
ABSTRACT High cancer mortality rates highlight an urgent need for early detection. Plasma proteomics and glycoproteomics provide minimally invasive routes for biomarker discovery, yet achieving an optimal balance among profiling depth, throughput, and longitudinal reproducibility remains a major challenge for clinical application and translation. To overcome this bottleneck, we present a single-aliquot, enrichment-free, paired-run dual-omics pipeline that concurrently profiles the global plasma proteome and N-glycoproteome from unenriched plasma. Following depletion of top14 abundant plasma proteins, we implemented sequential 23-min narrow-window data-independent acquisition (DIA) and 42-min stepped-collision-energy data-dependent (SCE-DDA) runs from the same plasma digest, delivering a clinical throughput of ∼24 patients/day with deep proteome coverage of 3,756±413 protein groups (PGs) and 1,226±78 glycopeptides per sample, including 303 FDA-approved drug targets. Cross-platform benchmarking with a previous generation instrument demonstrated significantly faster (>10-20 fold) profiling speed to achieve 113 PGs/min and high protein abundance reproducibility (Pearson r > 0.9), confirming cross-instrument transferability. Application to a 300-participant lung cohort (cancer, LDCT-detected non-cancer nodules, and controls) revealed differential expression of S100 and annexin family proteins between cancer and nodules. Paired glycoproteomic analysis (n=30) identified site-specific N-glycosylation alterations in FN1, IGHG2, C3, and MET independent of total protein abundance, uncovering additional biomarker candidates for early lung cancer detection. Together, this dual-omics strategy enables deep, scalable, and reproducible plasma analysis, supporting longitudinal biomarker discovery and validation across instruments and laboratories.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».