引用信息 |
文 章：Machine learning-based analysis identifies and validates serum exosomal proteomic signatures for the diagnosis of colorectal cancer. 期 刊：Cell Reports Medicine（影響因子：11.7） 發(fā)表時(shí)間：2024年8月20日 作 者：Yin H, Xie J, Xing S, et al. 作者單位：中山大學(xué)附屬第七醫(yī)院 使用產(chǎn)品：Human CXCL4/PF4 ELISA kit 文章鏈接：https://pubmed.ncbi.nlm.nih.gov/39168094/ |
血清細(xì)胞外囊泡(EVs)作為結(jié)直腸癌(CRC)診斷的非侵入性生物標(biāo)志物的潛力仍然不明確。研究團(tuán)隊(duì)采用了深入的4D-DIA蛋白質(zhì)組學(xué)和機(jī)器學(xué)習(xí)(ML)流程，在37例案例的血清EV樣本中識(shí)別出關(guān)鍵蛋白PF4和AACT，并將其用于CRC診斷。在912例個(gè)體案例中，采用ELISA檢測(cè)PF4和AACT優(yōu)于傳統(tǒng)的生物標(biāo)志物CEA和CA19-9。此外，研究團(tuán)隊(duì)建立了一個(gè)與EV相關(guān)的隨機(jī)森林(RF)模型，具有最高的診斷效率，在訓(xùn)練集和測(cè)試集中AUC值分別達(dá)到了0.960和0.963。值得注意的是，該模型對(duì)早期CRC的診斷表現(xiàn)可靠，并能區(qū)分CRC與良性結(jié)直腸疾病。此外，研究團(tuán)隊(duì)還采用了多組學(xué)方法來(lái)預(yù)測(cè)血清EV衍生蛋白的功能和潛在來(lái)源?？傮w而言，該項(xiàng)研究在血清EVs中識(shí)別了關(guān)鍵的蛋白質(zhì)組學(xué)特征，并建立了一個(gè)具有前景的與EV相關(guān)的RF模型，用于臨床CRC診斷。
（圖1：圖文摘要）
欣博盛生物非常榮幸能夠作為供應(yīng)商為該項(xiàng)研究提供高品質(zhì)ELISA試劑盒，為生物醫(yī)學(xué)領(lǐng)域的科研探索貢獻(xiàn)一份力量。
參考文獻(xiàn)
Yin H, Xie J, Xing S, et al. Machine learning-based analysis identifies and validates serum exosomal proteomic signatures for the diagnosis of colorectal cancer[J]. Cell Reports Medicine, 2024, 5(8).
相關(guān)產(chǎn)品
該項(xiàng)研究中，使用了欣博盛生物（NeoBioscience Technology Co, Ltd）的Human CXCL4/PF4 ELISA kit，用于檢測(cè)相關(guān)指標(biāo)含量。
貨號(hào) | 產(chǎn)品名稱 | 靈敏度 | 檢測(cè)范圍 |
QuantiCyto? Human CXCL4/PF4 ELISA kit（人血小板因子4（CXC趨化因子配體4）） | 15.6pg/ml | 31.25-2000pg/ml |
