Detecting EGFR Gene Mutations on a Nanobioarray Chip
Notice bibliographique
Résumé
In this study, three point mutations of EGFR relevant to lung cancer therapy are detected. Mutated EGFR is the target of a therapy for non-small cell lung cancer (NSCLC) using tyrosine kinase inhibitors (TKIs) as treatment drugs. Background/Objectives: Point mutations in exon 21 (L858R and L861Q) of the EGFR gene are TKI-sensitive; however, mutations in exon 20 (T790M) are TKI-resistant. Therefore, a fast detection method that classifies a NSCLC patient to be drug sensitive or drug resistant is highly clinically relevant. Methods: Probes were designed to detect three point mutations in genomic samples based on DNA hybridization on a solid surface. A method has been developed to detect single nucleotide polymorphism (SNP) for these mutation detections in the 16-channel nanobioarray chip. The wash by gold-nanoparticles (AuNP) was used to assist the differentiation detection Results: The gold nanoparticle-assisted wash method has enhanced differentiation between WT and mutated sequences relevant to the EGFR sensitivity to tyrosine kinase inhibitors. Conclusions: The WT and mutated sequences (T790M, L858R and L861Q) in genomic samples were successfully differentiated from each other.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 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 ».