XiaoMi-AI文件搜索系统
World File Search System预后
循环肿瘤DNA作为紫veal黑色素瘤肝转移酶的患者的预后因子
目的：我们在这里报告了接受尿中黑色素瘤（UM）肝转移切除术（NCT02849145）的患者中循环肿瘤DNA（CTDNA）检测的前瞻性研究结果。背景：在UM患者中，肝脏是最常见的，通常是转移的部位。肝转移的局部治疗，例如手术切除，可能对选定的患者有益。方法：入学后，有资格接受肝手术的转移性UM患者的血浆样本在手术前后收集。GNAQ / GNA11突变在存档的肿瘤组织中鉴定出来，用于通过液滴数字聚合酶链反应来量化CtDNA，然后与患者的手术结果相关。结果：包括四十七名患者。肝手术与无细胞循环DNA水平的主要增加有关，手术后2天（约20倍）峰值。在40名可评估患者中，14例（35％）在手术前可检测到CTDNA，中位等位基因频率为1.1％。这些患者经历了统计上短的无复发生存
2025; 16（6）：2026-2040。 doi：10.7150/jca.104472研究论文识别轮毂基因的诊断和预后三重阴性乳房C
简介：三阴性乳腺癌（TNBC）的特征是没有雌激素受体（ER），孕酮受体（PR）和人表皮生长因子受体2（HER2）表达。它具有高度侵入性和侵略性，使其成为预后最差的乳腺癌的亚型。目前，全身化疗是主要的治疗选择，但靶向疗法仍然无法使用。因此，迫切需要确定新型的生物标志物来早期诊断和治疗TNBC。方法：我们对转录组和甲基化数据进行了综合分析，以鉴定甲基化调节的差异表达基因（MDEGS）。基因本体论（GO）分析，基因和基因组（KEGG）途径分析的京都百科全书，以及蛋白质 - 蛋白质相互作用（PPI）网络分析，以研究HUB基因对TNBC诊断和预后的影响。随后，使用逆转录定量PCR（RT-QPCR）和定量甲基化特异性PCR（QMSP），在TNBC细胞系MDA-MB-231和正常乳腺上皮细胞系MCF-10A中验证了关键基因的表达水平和DNA甲基化模式。结果：通过转录组分析积分分析确定了98个上调和87个下调基因。通过融合甲基化数据，我们进一步鉴定了22种具有高甲基化表达（甲基甲基甲基化）和32个基因，而高甲基化表达较低（高甲基化）。Kaplan-Meier生存分析表明，KIF11，CCNB1和PLK1与TNBC中较高的危险比（HR> 1，p <0.05）相关。低位级主要参与核分裂，细胞器裂变，纺锤体形成，染色体和动孔发育以及蛋白质结合。KEGG途径分析表明，这些基因富含孕酮介导的卵母细胞成熟，细胞周期调节和卵母细胞减数分裂。超高与细胞增殖，激素反应，疼痛，细胞外基质组成以及与硫化合物，肝素和糖胺聚糖的结合有关。PPI网络分析确定了七个中心基因-EXO1，KIF11，FOXM1，CENPF，CCNB1，PLK1和KIF23 - 它们在TNBC组织中都显着过表达并彼此正相关（p <0.05）。接收器的工作特性曲线分析表明，曲线下的面积（AUC）的所有七个基因都超过0.9（p <0.05），表明诊断潜力很强。体外验证实验表明，与MCF-10A细胞相比，MDA-MB-231细胞表现出较高的KIF11，CCNB1和PLK1的mRNA表达水平，而其DNA甲基化水平较低。结论：这项研究确定了七个少量级，包括EXO1，KIF11，FOXM1，CENPF，CCNB1，PLK1和KIF23，它们参与了细胞周期和有丝分裂过程的调节，并且具有TNBC的诊断生物标志物的重要性。值得注意的是，KIF11，CCNB1和PLK1的表达升高与TNBC患者的预后不良有关。这些发现有助于提高对表观遗传学分子机制的理解
标题：在澳大利亚人口经皮冠状动脉干预后预测30天死亡率的机器学习方法
该研究表明，RF模型在预测30天死亡率方面的表现优于其他ML模型，其准确性为98.4％，ROC为94.3％。利用Shapley添加说明方法，RF模型确定了心源性休克，射血分数，急性冠状动脉综合征，估计的GFR，心脏骤停，年龄，机械心室支持，复杂病变，病变，病变位置，BMI，性别，性别和糖尿病是与30-Day Adday Adday Mortatity Post Perpci相关的变量。相比之下，传统的LR模型的准确性为98.2％，ROC的精度为92.9％。
CD44，MMP-2和MMP-9表达在透明细胞肾细胞癌中的预后和临床病理学意义
认为，在包括RCC在内的几种人类恶性肿瘤中，一个被称为癌细胞细胞（CSC）的子集具有自我更新和保留肿瘤生长的能力[3，4，9]。CSC已知与癌症的初始进展，转移和最终复发密切相关[3,4,10,11]。此外，CSC对许多化学治疗剂具有抗药性，因此，消除CSC在癌症治疗中至关重要[3,9,9,12,13]。最近的研究表明，在几种恶性肿瘤中，CD44可以用作CSC标记[3，4]。CD44是一种多功能的I类跨膜蛋白，充当透明质酸的特定受体。它在各种细胞过程中起作用，包括聚集，增殖，迁移和激活以及生长因子的呈现[9，14]。较高水平的CD44表达与多种类型的癌症中的肿瘤浸润，进展和转移有关。在肾脏癌中，CD44表达也被修饰，并已被认为是潜在的预后标记，尽管它在肾细胞癌（RCC）中的预后意义仍在争论中[1，6]。基质金属蛋白酶（MMP）是25个以上超过25个内肽酶降解细胞外基质和基底膜的集合，裂解生长因子，细胞酮以及与细胞表面相关的粘附和信号受体。特别是MMP-2和MMP-9具有降解IV型胶原蛋白的能力，这是基底膜的主要成分。这两个MMP也与肿瘤细胞的恶性表型有关[15，16]。除了它们的侵入性功能外，MMP在细胞增殖和血管生成中也有所影响[17]。因此，MMPS增强了肿瘤的生长和肿瘤性。基于这些特征，越来越多的研究考虑了MMP在各种恶性肿瘤中的病理意义，并表明MMP-2和MMP-9对于评估CCRCC的预后可能很有价值[15，16，18，19]。这项研究旨在分析CCRCC中CD44，MMP-2和MMP-9的免疫组织化表达，并检查与临床病理学参数的关联，并对患者的存活产生影响。这可能有助于阐明与CCRCC的细胞性质有关的可能机制，并确定将来这些标记物在靶向疗法中的潜在效用。
基于WGCNA和LASSO回归的新型结肠腺癌中衰老相关LNCRNA的预后模型
。cc-by 4.0国际许可证是根据作者/资助者提供的，他已授予MedRxiv的许可证，以永久显示预印本。（未通过同行评审认证）
鉴定免疫相关增强子RNA SATB1-AS1是胸腺癌预后的新型生物标志物
。CC-BY 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过PEER REVIVE的认证）Preprint Preprint the版权所有此版本，该版本于2025年2月14日发布。 https://doi.org/10.1101/2025.02.13.25322204 doi：medrxiv preprint
CD93在心血管疾病中的诊断和预后作用：系统评价
Rimassa，L.，Brandi，G.，Niger，M.，Normanno，N.，Melisi，D.，Delphi Panel成员等。 （2023）。 意大利胆管癌的诊断和治疗：Delphi共识陈述。 肿瘤学/血液学的批判性评论，192，1-11 [10.1016/j.critrevonc.2023.104146]。Rimassa，L.，Brandi，G.，Niger，M.，Normanno，N.，Melisi，D.，Delphi Panel成员等。（2023）。意大利胆管癌的诊断和治疗：Delphi共识陈述。肿瘤学/血液学的批判性评论，192，1-11 [10.1016/j.critrevonc.2023.104146]。
特刊``机器学习和基于深度学习的机器故障诊断和预后的进步''
故障诊断和故障预后旨在减少系统的停机时间，并通过用预测性或有条件的预防和纠正性维护策略来优化其性能。对诊断算法提供的系统的当前健康状况的了解以及预后算法提供的时间演变对于建立预测性和有条件维护是必要的，因此科学界对监测算法的开发越来越多。在文献中，有四个主要的方法来进行故障诊断和失败预后：基于物理模型，数据驱动方法，专家方法和混合方法的方法。数据采集和存储工具的快速开发，处理算法与仪器和过程自动化技术的演变相关联，从而促进了数据驱动方法的开发。本书中提出的论文介绍了故障诊断和失败预后的新方法，这些方法为科学问题提供了解决方案，例如结构化和非结构化的不确定性，存在多个故障，缺乏有关使用条件，特征提取和选择，选择和选择，模型优化和在线实施的先验知识。本书中给出的各种应用程序支持，从微电子设备到大型系统，突出显示了针对每个应用程序每个领域的实现约束，并提供了合适的解决方案。这种方法在制冷剂生产过程中已成功验证。在[1]中，在不同频率和尺度下进行特征提取的深度学习方法，以及用于特征选择和故障分类的卷积神经网络（CNN）。两个过滤阶段的关联（小波变换和卷积功能）允许处理过程的非线性机理以及变量之间的高度相关性。小波变换也用于[2]作为第一个数据处理步骤，与改善的粒子群优化（PSO）和后背传播（BP）神经网络相关，并线性增加了惯性重量。这个想法是将PBNN与改进的PSO算法相结合以进行参数优化，从而可以更好地分类。此方法用于由AC电源驱动的三相松鼠笼电动机的故障诊断。所考虑的故障是轴承损坏，定子绕组，转弯间短路和折叠杆折。Induction motor is also considered in [ 3 ] which focus their study on the impact of the use of attribute selection methods such as ReliefF, correlation-based feature selection (CFS), and correlation and fitness value-based feature selection (CFFS), on the performance of neural classifiers such as probabilistic neural network (PNN), radial basis function neural network (RBNN), and back propagation neural network （bpnn）。这项研究分析了用于故障诊断的感应电动机的当前信号。研究结果表明，与未使用的特征选择方法相比，Relieff，CFS和CFF具有更好的效率。在[4]中处理了可变操作条件下的故障诊断问题，其中数据处理是通过统计工具的组合完成的（经验模式分解 -
Attomics：基于注意的诊断和预后的架构
不同的生物过程（BPS）的破坏会对生物体产生负面影响并导致疾病状态。早期疾病在精确医学中起着重要作用，以改善临床决策。高通量方法的开发通过为每个患者（称为OMICS概况）轻松获取大量生物学信息，从而影响了精度医学。omics曲线是许多分子实体的相互作用引起的高维复杂特征。精密医学中使用的大多数机器学习方法中的第一个共同步骤是一个特征选择程序，可降低数据的大小以从单词构建分类器（Kourou等人。2015）。由于选择过程与前字典任务分离，因此仅将选定的功能用于下游预测（Liu等人。2019）。仅使用选定的功能限制了模型从省略的功能中提取隐藏信息的能力。深度学习可以从所有功能及其相互作用中提取和利用完整的信息。此特征可能对实现更好的预测性能很有用。在计算机视觉或自然语言处理中深度学习的最新成功之后（Lecun等人2015），不同的深度学习体系结构成功地应用于OMICS数据。它允许具有非线性建模的特征的高度抽象，并且可以处理复杂
高血胆固醇在接受免疫检查点抑制剂治疗的晚期癌症患者中的预后作用
高血胆固醇在接受免疫检查点抑制剂 / Perrone治疗的晚期癌症患者中的预后作用；罗伯塔的米里里（Minari）；梅丽莎·贝尔塞内利（Bersanelli）；波尔迪，保罗； Tiseo，Marcello； Favari，Elda； Sabato，Roberto； Buti，Sebastiano。- 在：免疫疗法杂志。- ISSN 1524-9557。-43：6（2020），pp。196-203。[10.1097/cji.0000000000000321]