MétaCan
Menu
Retour à la cohorte
Enregistrement W4409711670 · doi:10.1038/s41467-026-72488-4

Shock-Scattering Micro-Histotripsy-Aided Fine Needle Aspiration for Enhanced Biomarker Profiling and Cytopathology

2025· preprint· en· W4409711670 sur OpenAlexafffund
Joy Wang, Pradyumna Kedarisetti, E. D. McAlister, Matthew Mallay, Jeffrey Woodacre, Benjamin Adam, Remegio Maglantay, Juan Jovel, Frank Wuest, Jeremy Brown, Roger J. Zemp

Notice bibliographique

RevueNature Communications · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensDalhousie UniversityUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Cancer Society Research InstituteAlberta Cancer Foundation
Mots-clésCytopathologyProfiling (computer programming)BiomarkerFine-needle aspirationMedicineRadiologyPathologyBiopsyComputer scienceCytologyChemistry

Résumé

récupéré en direct d'OpenAlex

Core needle biopsy is the gold standard procedure for sampling tissues for pathology-based diagnostics. However, it produces significant tissue damage and may lead to undue pain and risk of complications such as infections. Alternatives such as fine needle aspiration and liquid biopsy have not yet achieved the same widespread utility owing to the limited abundance of cells and relevant biomarkers in extracted samples. Here we introduce a shock-scattering micro-histotripsy-aided fine needle aspiration technology which uses cavitation to liquefy nano-liter to micro-liter volumes to produce tissue homogenates with both intact and lysed cells. It permits not only conventional cytopathology with high success but sufficient high-quality tissue homogenates to enable reliable ancillary testing such as genetic biomarker profiling and even whole genome sequencing with improved quality compared to formalin-fixed samples. Our approach represents an advance in tissue diagnostics with orders of magnitude less damage than core-needle biopsy procedures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,344
Écart entre enseignants0,318 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced Biosensing Techniques and ApplicationsTravaux en français237 207