Colorectal cancer detection by gold nanoparticle based surface-enhanced Raman spectroscopy of blood serum and statistical analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The capabilities of using gold nanoparticle based surface-enhanced Raman spectroscopy (SERS) to obtain blood serum biochemical information for non-invasive colorectal cancer detection were presented in this paper. SERS measurements were performed on two groups of blood serum samples: one group from patients (n = 38) with pathologically confirmed colorectal cancer and the other group from healthy volunteers (control subjects, n = 45). Tentative assignments of the Raman bands in the measured SERS spectra suggested interesting cancer specific biomolecular changes, including an increase in the relative amounts of nucleic acid, a decrease in the percentage of saccharide and proteins contents in the blood serum of colorectal cancer patients as compared to that of healthy subjects. Both empirical approach and multivariate statistical techniques, including principal components analysis (PCA) and linear discriminant analysis (LDA) were employed to develop effective diagnostic algorithms for classification of SERS spectra between normal and colorectal cancer serum. The empirical diagnostic algorithm based on the ratio of the SERS peak intensity at 725 cm(-1) for adenine to the peak intensity at 638 cm(-1) for tyrosine achieved a diagnostic sensitivity of 68.4% and specificity of 95.6%, whereas the diagnostic algorithms based on PCA-LDA yielded a diagnostic sensitivity of 97.4% and specificity of 100% for separating cancerous samples from normal samples. Receiver operating characteristic (ROC) curves further confirmed the effectiveness of the diagnostic algorithm based on PCA-LDA technique. The results from this exploratory study demonstrated that gold nanoparticle based SERS serum analysis combined with PCA-LDA has tremendous potential for the non-invasive detection of colorectal cancers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 découle