Monitor Ionizing Radiation-Induced Cellular Responses with Raman Spectroscopy, Non-Negative Matrix Factorization, and Non-Negative Least Squares
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
Radiation therapy (RT) is one of the most commonly prescribed cancer treatments. New tools that can accurately monitor and evaluate individual patient responses would be a major advantage and lend to the implementation of personalized treatment plans. In this study, Raman spectroscopy (RS) was applied to examine radiation-induced cellular responses in H460, MCF7, and LNCaP cancer cell lines across different dose levels and times post-irradiation. Previous Raman data analysis was conducted using principal component analysis (PCA), which showed the ability to extract biological information of glycogen. In the current studies, the use of non-negative matrix factorization (NMF) allowed for the discovery of multiplexed biological information, specifically uncovering glycogen-like and lipid-like component bases. The corresponding scores of glycogen and previously unidentified lipids revealed the content variations of these two chemicals in the cellular data. The NMF decomposed glycogen and lipid-like bases were able to separate the cancer cell lines into radiosensitive and radioresistant groups. A further lipid phenotype investigation was also attempted by applying non-negative least squares (NNLS) to the lipid-like bases decomposed individually from three cell lines. Qualitative differences found in lipid weights for each lipid-like basis suggest the lipid phenotype differences in the three tested cancer cell lines. Collectively, this study demonstrates that the application of NMF and NNLS on RS data analysis to monitor ionizing radiation-induced cellular responses can yield multiplexed biological information on bio-response to RT not revealed by conventional chemometric approaches.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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