Mass Spectrometry Advances in Analysis of Glioblastoma
Notice bibliographique
Résumé
Some cancers such as glioblastoma (GBM), show minimal response to medical interventions, often only capable of mitigating tumor growth or alleviating symptoms. High metabolic activity in the tumor microenvironment marked by immune responses and hypoxia, is a crucial factor driving tumor progression. The many developments in mass spectrometry (MS) over the last decades have provided a pivotal tool for studying proteins, along with their posttranslational modifications. It is known that the proteomic landscape of GBM comprises a wide range of proteins involved in cell proliferation, survival, migration, and immune evasion. Combination of MS imaging and microscopy has potential to reveal the spatial and molecular characteristics of pathological tissue sections. Moreover, integration of MS in the surgical process in form of techniques such as DESI-MS or rapid evaporative ionization MS has been shown as an effective tool for rapid measurement of metabolite profiles, providing detailed information within seconds. In immunotherapy-related research, MS plays an indispensable role in detection and targeting of cancer antigens which serve as a base for antigen-specific therapies. In this review, we aim to provide detailed information on molecular profile in GBM and to discuss recent MS advances and their clinical benefits for targeting this aggressive disease.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,009 | 0,031 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».