Surface-enhanced Raman spectroscopy of saliva proteins for the noninvasive differentiation of benign and malignant breast tumors
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 capability of saliva protein analysis, based on membrane protein purification and surface-enhanced Raman spectroscopy (SERS), for detecting benign and malignant breast tumors is presented in this paper. A total of 97 SERS spectra from purified saliva proteins were acquired from samples obtained from three groups: 33 healthy subjects; 33 patients with benign breast tumors; and 31 patients with malignant breast tumors. Subtle but discernible changes in the mean SERS spectra of the three groups were observed. Tentative assignments of the saliva protein SERS spectra demonstrated that benign and malignant breast tumors led to several specific biomolecular changes of the saliva proteins. Multiclass partial least squares-discriminant analysis was utilized to analyze and classify the saliva protein SERS spectra from healthy subjects, benign breast tumor patients, and malignant breast tumor patients, yielding diagnostic sensitivities of 75.75%, 72.73%, and 74.19%, as well as specificities of 93.75%, 81.25%, and 86.36%, respectively. The results from this exploratory work demonstrate that saliva protein SERS analysis combined with partial least squares-discriminant analysis diagnostic algorithms has great potential for the noninvasive and label-free detection of breast cancer.
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