Label-free serum ribonucleic acid analysis for colorectal cancer detection by surface-enhanced Raman spectroscopy and multivariate analysis
Notice bibliographique
Résumé
Studies with circulating ribonucleic acid (RNA) not only provide new targets for cancer detection, but also open up the possibility of noninvasive gene expression profiling for cancer. In this paper, we developed a surface-enhanced Raman scattering (SERS), platform for detection and differentiation of serum RNAs of colorectal cancer. A novel three-dimensional (3-D), Ag nanofilm formed by dry MgSO(4) aggregated silver nanoparticles, Ag NP, as the SERS-active substrate was presented to effectively enhance the RNA Raman signals. SERS measurements were performed on two groups of serum RNA samples. One group from patients, n=55 with pathologically diagnosed colorectal cancer and the other group from healthy controls, n=45. Tentative assignments of the Raman bands in the normalized SERS spectra demonstrated that there are differential expressions of cancer-related RNAs between the two groups. Linear discriminate analysis, based on principal component analysis, generated features can differentiate the colorectal cancer SERS spectra from normal SERS spectra with sensitivity of 89.1 percent and specificity of 95.6 percent. This exploratory study demonstrated great potential for developing serum RNA SERS analysis into a useful clinical tool for label-free, noninvasive screening and 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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».