无标签预测瘤转移潜力通过拉曼基因组
Yuxing Zhang1,2, Yanmei Zhang3,4, Ruining Gong1
1Shandong Provincial Key Laboratory of Clinical Research for Pancreatic Diseases, Center for GI Cancer Diagnosis and Treatment, Tumor Immunology and Cytotherapy, Medical Research Center, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, 266000, China.
Small methods
|November 19, 2024
概括
一个新的基于Ramanome的转移指数 (RMI) 使用机器学习快速评估癌细胞转移潜力. 这种以脂质为中心的方法为现有方法提供了更快,更准确的替代方案.
科学领域:
- 生物物理学的生物物理.
- 癌症生物学 癌症生物学
- 频谱学是一种光谱学.
背景情况:
- 评估瘤细胞转移潜力对于有效的癌症治疗至关重要.
- 目前评估转移的方法通常是缓慢的,劳动密集的,样本可用性有限.
研究的目的:
- 开发一种快速准确的方法来评估瘤细胞转移潜力.
- 在单细胞拉曼光谱上使用机器学习引入基于拉曼基因的转移指数 (RMI).
主要方法:
- 机器学习分析单细胞拉曼光谱以创建RMI.
- 通过培养瘤细胞和小鼠 орто托普胰腺癌模型进行验证.
- 脂质组分析以确定转移潜力的关键分子贡献者.
主要成果:
- 与既有方法相比,RMI表现出很高的准确性,达到1的肯德尔等级相关系数.
- 与脂质相关的拉曼峰被确定为确定RMI的最重要因素.
- 特定的脂质,包括酸丁胆和胺,与转移潜力有很强的相关性.
结论:
- RMI是快速准确地预测瘤转移潜力的宝贵工具.
- 该RMI提供了对癌症转移的潜在机制的新见解,特别是脂质参与.
- 这种方法比传统的转移评估方法有了显著的进步.
更多相关视频
07:54Surface-enhanced Resonance Raman Scattering Nanoprobe Ratiometry for Detecting Microscopic Ovarian Cancer via Folate Receptor Targeting
Published on: March 25, 2019
8.1K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K