An Assessment of the Utility of Tissue Smears in Rapid Cancer Profiling with Desorption Electrospray Ionization Mass Spectrometry (DESI-MS)
Notice bibliographique
Résumé
Mass spectrometry imaging with desorption electrospray ionization mass spectrometry (DESI-MS) is used to characterize cancer from ex vivo slices of tissues. The process is time-consuming. The use of tissue smears for DESI-MS analysis has been proposed as it eliminates the time required to snap-freeze and section the tissue. To assess the utility of tissue smears for rapid cancer characterization, principal component analysis (PCA) was performed to evaluate the concordance between DESI-MS profiles of breast cancer from tissue slices and smears prepared on various surfaces. PCA suggested no statistical discrimination between DESI-MS profiles of tissue sections and tissue smears prepared on glass, polytetrafluoroethylene (PTFE), and porous PTFE. However, the abundances of cancer biomarker ions varied between sections and smears, with DESI-MS analysis of tissue sections yielding higher ion abundances of cancer biomarkers compared with smears. Coefficient of variance (CV) analysis suggests DESI-MS profiles from tissue smears are as reproducible as the ones from tissue sections. The limit of detection with smear samples from single pixel analysis is comparable to tissue sections that average the signal from a tissue area of 0.01 mm 2 . The smears prepared on the PTFE surface possessed a higher degree of homogeneity compared with the smears prepared on the glass surface. This allowed single MS scans (~1 s) from random positions across the surface of the smear to be used in rapid cancer typing with good reproducibility, providing pathologic information for cancer typing at speeds suitable for clinical utility.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».