Abstract 741: Rapid detection of necrosis in breast cancer with <i>ex vivo</i> and <i>in situ</i> mass spectrometry analysis methods
Notice bibliographique
Résumé
Abstract Necrosis is a form of cell death that is often associated with highly aggressive forms of cancer, is of prognostic value in treatment planning. Mass Spectrometry (MS) is a highly sensitive analytic platform capable of providing a molecular profile of cancer on the basis of mass to charge (m/z) ratio of tissue constituent molecules. MS analysis of ex vivo tissue slices from metastatic murine xenograft tumors from LM2-4 cell line with Desorption Electrospray Ionization Mass Spectrometry (DESI-MS) allowed direct comparisons with histology images to determine the molecular profile of necrotic tissues. The necrotic tissue is characterized by the presence of a ceramide absent from the viable cancer regions. The spatial distribution of this ion fully correlated to necrotic areas from pathology in additional independent tumor samples examined. The same ion was detected from in situ necrotic tissue using tissue aerosols generated by hand-held ablation probes coupled to evaporative ionization interface in only a few seconds of sampling. These developments further establish MS as a novel tool for rapid pathology that is highly complementary to current histology based methods widely used in characterization of cancer in both imaging mode (to provide spatial information on cancer border) and profiling mode (to provide information on cancer type and subtype); all based on unique molecular profile associated with each cancer type and subtype. Current efforts in creating cancer molecular profile libraries will facilitate translation. Citation Format: Arash Zarrine-Afsar, Bindesh Shrestha, Alessandra Tata, Michael Woolman, Manuela Ventura, Nicholas Bernards, Milan Ganguly, Howard Ginsberg, Jinzi Zheng, Emma Bluemke. Rapid detection of necrosis in breast cancer with ex vivo and in situ mass spectrometry analysis methods [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2017; 2017 Apr 1-5; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2017;77(13 Suppl):Abstract nr 741. doi:10.1158/1538-7445.AM2017-741
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».