Innovations in Analytical Oncology - Status quo of Mass Spectrometry-Based Diagnostics for Malignant Tumor
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
Recent innovations in mass spectrometry make it possible to diagnose malignant tumors through a rapid, non-destructive and less-expensive way. One of the important facets in this achievement lies in the development of several superior ionization techniques that are essentially derivatives of two authentic methods; matrix-assisted laser desorption ionization (MALDI) and electrospray ionization (ESI). In this review article, we introduce a novel cancer diagnostic system based on probe electrospray ionization (PESI) and logistic regression algorithm. This method uses a very fine needle with a tip diameter of several hundreds nm, which serves as a sampling as well as ionization device. Only a few picolitre (pL) of sample are sufficient to acquire mass spectra for making a diagnosis. Furthermore, as this method does not require any sample pre-treatments that often disorganize the original molecular composition of samples, it has a potential in delineating substances that have been missed by conventional analytical methods. By implementing this technology, we have successfully made in situ diagnosis of malignant tumors in human tissues and in living animals. On the other hand, there are two promising and competitive diagnostic methods; one is desorption ionization mass spectrometry (DESI-MS), and the other is rapid evaporation ionization mass spectrometry (REI-MS) coupled with electrical surgical knife. They are also promising technologies in the new era of analytical oncology. We compare these three methods briefly and attempt to give a new perspective in cancer diagnostics.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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