Highly Specific Recognition of Breast Tumors by an RNA-Cleaving Fluorogenic DNAzyme Probe
Notice bibliographique
Résumé
Breast cancer is one of the most commonly diagnosed cancers among females worldwide. Early detection of breast cancer is of vital importance to the reduction of the mortality rate. However, the lack of specific biomarkers that can effectively identify breast cancer cells limits the ability for early diagnosis of breast cancer. RNA-cleaving fluorogenic DNAzymes (RFDs), which can be produced through the systematic evolution of ligands by exponential enrichment (SELEX) process, are catalytic DNA molecules capable of generating a fluorescent signal when the appropriate target is bound. In this study, we carried out a SELEX experiment to select for RFDs that are active in the cell lysate of MDA-MB-231, a model breast cancer cell line. We obtained a RFD probe, named AAI2-5, that can detect MDA-MB-231 at a concentration of cell lysate proteins as low as 0.5 μg/mL (which is equivalent to ∼5000 cell/mL). AAI2-5 is capable of distinguishing MDA-MB-231 cells from normal cells as well as other types of tumor cells, including other subtypes of breast cancer cells. Moreover, AAI2-5 responded positively to more than 90% of malignant breast tumors. This report is the first study to explore the RFD system for the detection of cancer cells. The results suggest that RFD can be potentially applied for the diagnosis and treatment of breast cancer in the future.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».