MétaCan
Menu
Retour à la cohorte
Enregistrement W2159428678 · doi:10.1002/rcm.2119

Direct analysis of laser capture microdissected endometrial carcinoma and epithelium by matrix‐assisted laser desorption/ionization mass spectrometry

2005· article· en· W2159428678 sur OpenAlexaff
Jingzhong Guo, Terence J. Colgan, Leroi V. DeSouza, Mary Joe Rodrigues, Alexander D. Romaschin, K. W. Michael Siu

Notice bibliographique

RevueRapid Communications in Mass Spectrometry · 2005
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensToronto General HospitalMount Sinai HospitalUniversity of TorontoYork University
Organismes subventionnairesnon disponible
Mots-clésChemistryMass spectrometryDesorptionLaserMatrix-assisted laser desorption electrospray ionizationMass spectrometry imagingSurface-enhanced laser desorption/ionizationIonizationMatrix (chemical analysis)Matrix-assisted laser desorption/ionizationAnalytical Chemistry (journal)ChromatographySample preparation in mass spectrometryElectrospray ionizationIonPhysical chemistryAdsorptionOpticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Direct analysis of laser capture microdissected malignant and normal endometrial epithelium using matrix-assisted laser desorption/ionization (MALDI) time-of-flight mass spectrometry (MS) was able to detect a number of proteins that are overexpressed in malignant epithelial cells. A total of 16 physiologic and malignant endometrial samples were laser capture microdissected, including four proliferative and four secretory endometria, and eight endometrioid adenocarcinomas. Two of these proteins, at 10,834 and 10,843 Da, likely correspond to calgranulin A and chaperonin 10, two proteins that had previously been identified in endometrioid adenocarcinoma in whole tissue homogenate by MS analysis. Direct analysis by MALDI-MS not only confirms that these proteins are overexpressed in endometrial carcinoma, but also localizes them to the epithelial cells, the expected cancer site.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,013
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,269
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Communications in Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207