Analysis of Cancer Metabolism by Imaging Hyperpolarized Nuclei: Prospects for Translation to Clinical Research
Notice bibliographique
Résumé
A major challenge in cancer biology is to monitor and understand cancer metabolism in vivo with the goal of improved diagnosis and perhaps therapy. Because of the complexity of biochemical pathways, tracer methods are required for detecting specific enzyme-catalyzed reactions. Stable isotopes such as (13)C or (15)N with detection by nuclear magnetic resonance provide the necessary information about tissue biochemistry, but the crucial metabolites are present in low concentration and therefore are beyond the detection threshold of traditional magnetic resonance methods. A solution is to improve sensitivity by a factor of 10,000 or more by temporarily redistributing the populations of nuclear spins in a magnetic field, a process termed hyperpolarization. Although this effect is short-lived, hyperpolarized molecules can be generated in an aqueous solution and infused in vivo where metabolism generates products that can be imaged. This discovery lifts the primary constraint on magnetic resonance imaging for monitoring metabolism-poor sensitivity-while preserving the advantage of biochemical information. The purpose of this report was to briefly summarize the known abnormalities in cancer metabolism, the value and limitations of current imaging methods for metabolism, and the principles of hyperpolarization. Recent preclinical applications are described. Hyperpolarization technology is still in its infancy, and current polarizer equipment and methods are suboptimal. Nevertheless, there are no fundamental barriers to rapid translation of this exciting technology to clinical research and perhaps clinical care.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».