MétaCan
Menu
Retour à la cohorte
Enregistrement W2281821131

Évaluation de traceurs peptidiques radiomarqués pour la détection du cancer du sein et de la prostate par imagerie TEP

2012· article· fr· W2281821131 sur OpenAlexaboutno aff
Patrick Fournier

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2012
Typearticle
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMachine Learning in Bioinformatics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGynecologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les cancers du sein chez les femmes et de la prostate chez les hommes sont les cancers les plus répandus au Canada. Un diagnostic précoce et un suivi de la thérapie bien adapté au type de cancer représentent des facteurs importants pour le traitement de ces maladies. La tomographie d'émission par positrons (TEP) permet de visualiser la distribution spatiale et temporelle de molécules radiomarquées. Le développement de nouveaux traceurs spécifiques à certains récepteurs surexprimés dans différents types de cancer permettrait d'améliorer le diagnostic à l'aide de l'imagerie TEP. La bombésine se lie à 3 types de récepteurs humains, dont le récepteur à relâche de gastrine (GRPR). Il est surexprimé dans 65% des cas de carcinomes canalaires in situ et 63% des tumeurs prostatiques. Le GRPR pourrait également être utilisé comme marqueur du caractère malin dans ces cas de cancer. Notre hypothèse est que les ligands radiomarqués ciblant le GRPR permettraient un meilleur diagnostic à partir de l'imagerie TEP et contribuerait au développement d'une médecine personnalisée. Le premier objectif de cette étude vise à évaluer les effets du radiométal utilisé pour marquer les molécules sur les propriétés physicochimiques des traceurs ciblant les GRPR. Un peptide modèle, le NOTA-PEG-BBN(6-14), a été marqué au [indice supérieur 64] Cu et au [indice supérieur 68] Ga. Ces études ont démontré que l'isotope utilisé pour le marquage influence l'affinité du peptide pour le GRPR et conséquemment son accumulation spécifique. Le deuxième objectif consiste à évaluer et comparer différents monomères et homodimères dérivés de la bombésine afin d'étudier le rôle de la valence du ligand sur la captation et la rétention tumorale ainsi que d'évaluer l'effet de la longueur de l'espaceur entre les deux ligands des homodimères de la bombésine sur la captation/rétention tumorale. Ainsi, le NOTA-PEGBBN(6-14) et deux homodimères ont été comparés in vitro et in vivo. Les composés homodimériques présentent une accumulation non-spécifique accrue au niveau des poumons, de la rate, du foie et des reins. De plus, le NOTA-dimère 2 possédant un plus long espaceur présente une accumulation spécifique augmentée au niveau du pancréas, un organe riche en GRPR, et une rétention supérieure au niveau des cellules tumorales prostatiques PC3 tant in vitro qu' in vivo chez les souris Balb/c nues xénogreffées.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetMachine Learning in BioinformaticsTravaux en français237 207