医学成像中的自动缺陷检测已成为多种医学诊断应用中的新兴领域。MRI 中的肿瘤自动检测非常重要,因为它可以提供有关异常组织的信息,而这些信息对于计划治疗必不可少。磁共振脑图像中的缺陷检测传统方法是人工检查。由于数据量巨大,这种方法不切实际。因此,可信的自动分类方案对于降低人类死亡率至关重要。因此,开发了自动肿瘤检测方法,因为它可以节省放射科医生的时间并获得测试的准确性。由于肿瘤的复杂性和多变性,MRI 脑肿瘤检测是一项复杂的任务。在这个项目中,我们提出了机器学习算法来克服传统分类器的缺点,即使用机器学习算法在脑部 MRI 中检测肿瘤。机器学习和图像分类器可用于通过 MRI 有效地检测脑中的癌细胞。
发现了激活泛素连接酶介导的泛素化和在癌细胞中靶向癌蛋白的泛素化和降解的小分子降解者一直是一种难以捉摸的治疗策略。在这里,我们报告了基于NCI药物的化合物库的基于癌细胞的药物筛选,该筛选能够鉴定与泛素蛋白相关的小子相关修饰剂1(SUMO1)的小分子降解器(SUMO1)。命中化合物CPD1的类似物的结构活性关系研究导致识别具有改善性能和体外和体内抗癌效力的铅化合物HB007。基因组尺度CRISPR-CAS9敲除屏幕确定了Cullin 1(Cul1)E3泛素连接酶的底物受体F-box蛋白42(FBXO42),这是HB007活性所需的。使用HB007下拉蛋白质组学测定法,我们将HB007的结合蛋白作为细胞质激活/增殖相关蛋白1(caprin1)。Biolayer干涉法和复合竞争性免疫印迹测定法证实了HB007与Caprin1的结合的选择性。与caprin1结合时,HB007诱导caprin1与FBXO42的相互作用。fbxo42然后将SUMO1募集到Caprin1-Cul1-FBXO42泛素连接酶复合物,其中SUMO1在几个人类癌细胞中泛素化。HB007在植入小鼠中的患者肿瘤衍生异种移植物中有选择性降解SUMO1。全身施用HB007抑制了小鼠中患者衍生的大脑,乳腺癌,结肠和肺癌的进展,并增加动物的存活率。这种基于癌细胞的筛查方法使发现了SUMO1的小分子降解器,并且可能有助于识别其他小分子降解剂的其他小分子降解器。
第 1 章:发现脑肿瘤时您需要了解的信息 1 发现颅骨肿块 1 诊断过程 2 神经系统检查 3 影像学检查 3 分子评估 4 活检 5 概述 5 手术期间活检 5 针刺活检 5 替代活检 6 诊断范围/延迟 7 概述 7 评估范围 7 促成和刺激肿瘤生长的关键遗传标记 8 时机/延迟 13 诊断结果 14 了解您的癌症诊断事实 15 原发性肿瘤与转移性肿瘤 16 原发性肿瘤 16 转移性肿瘤 16 最常见的原发性脑肿瘤 17 胶质瘤概述 17 星形细胞瘤 18 胶质母细胞瘤 (GBM) 20 少突胶质细胞瘤 21 髓母细胞瘤 22 室管膜瘤 22 脑膜瘤23 儿童脑癌/DMG/DIPG 23 肿瘤存在多长时间? 24 级别(定义) 25 分类汇总表 26 级别(如何确定) 26 概述 26 级别确定因素 27
脑内异常细胞的发育会导致脑肿瘤的形成。肿瘤可分为两类:恶性(癌性)肿瘤和良性(非癌性)肿瘤。癌性肿瘤可分为原发性肿瘤(始于脑内)和继发性肿瘤(或脑转移性肿瘤),前者从脑外扩散而来。根据脑部受影响的部位,所有类型的脑肿瘤都会引起各种症状。头痛、癫痫、眼部问题、恶心和精神障碍就是这些症状的几个例子。当所有其他检查都无法提供足够的信息时,MRI 适用于肿瘤检测。为了提供精确的图像,MRI 扫描利用了磁和无线电波特性。神经外科医生最常开 MRI 检查,因为 MRI 可以提供足够的信息来发现哪怕是最小的异常。
人工智能属于科学的领域,该领域与设计机器可以自行学习而不会受到任何人的干扰的想法。由于ML,人类可以设计像人类一样思考的机器,并且可以从人类这样的经验中学习。我们今天看到的许多实践示例,例如解决各种优化并发症,对大量数字化数据进行分类并获得所需模式,根据自然语言处理和深度学习。更多的层和模型的存在更深,那么整体性能将更高。不同的深度学习算法是多层前ePtron神经网络,卷积神经网络,经常性神经网络,长期短期记忆,深玻尔兹曼机器(DBM),深信信念网络,可在顺序数据(信号和文本),复发性神经网络上起作用。现在,超级计算机已广泛用于编辑和分析给定患者的图像并使用图像,它通过使用卷积神经网络更改维度并分析用户给定的输入。此卷积神经网络通过使用不同的数据集并将图像压缩到计算机格式,从而可以通过人工智能处理数据并使用不同的层(例如
图 1 展示了可持续聚合物从原料到再生的生命周期示意图。陆地和海洋中塑料污染的持续和积累造成的严重环境问题 5 - 8 引发了对可持续聚合物及其商业化的新研究,尽管人类使用可持续聚合物的历史悠久(补充图 1)。将可持续聚合物推向市场的主要挑战包括确保整个供应链的可持续性和效率;保持成本和聚合物性能具有竞争力和可比性或与传统石油基聚合物相比增加价值;以及设计用于对环境负责的再利用、再加工(机械回收) 9 、解聚(化学回收) 10、11 和/或 EoL 生物降解 12 的材料。可持续聚合物的研究应该是多学科的,不应只关注一个专业领域,而应了解材料的整个生命周期,包括聚合物科学、工业和环境科学的相关方面。
5 月 23 日,星期一 欢迎 1:00 – 1:15 PM 口头报告,第一场:建模肿瘤微环境 1:15 – 2:30 PM 主席:Young Hye Song 博士 阿肯色大学生物医学工程助理教授 “生物工程肿瘤微环境” 发言人 1:Aubie Shaw 博士 明尼苏达大学生物医学科学助理教授 “卵巢微肿瘤:人工三维微环境中的癌细胞生长和形态” 发言人 2:Steve Seung-Young Lee 博士 伊利诺伊大学芝加哥分校药学助理教授 “用于肿瘤免疫微环境的 3D 多重荧光显微镜” 青年研究员奖获得者:Ashlee Ford Versypt 博士纽约州立大学布法罗分校化学与生物工程副教授 “转移性重塑细胞外基质中癌症迁移的混合 CompuCell3D 模型” 咖啡休息 2:30-2:50 PM NCI 支持的微环境研究:观点和机遇 2:50-3:20 PM Jeffrey Hildesheim 博士 美国国家癌症研究所肿瘤生物学和微环境分会主任 小组讨论:从三个名叫 MIKE 的人那里学到的关于 NIH 审查的经验教训 3:20-4:00 PM 主席:Shrikant Anant 博士 堪萨斯梅森癌症生物学教授;堪萨斯大学医学中心癌症预防教授 Tom and Teresa Walsh 小组成员 1:Michael D. Henry 博士,爱荷华大学分子生理学和生物物理学教授 小组成员 2:Michael Dwinell 博士,威斯康星医学院微生物学和免疫学教授 小组成员 3:Michael K. Wendt 博士,普渡大学药物化学和分子药理学副教授 海报展示 4 : 0 0 – 5 : 0 0 PM 海报展示 A 5 : 0 0 – 6 : 3 0 PM 晚餐 6 : 3 0 – 9 : 0 0 PM
摘要。基于磁共振图像 (MRI) 分析识别脑中的肿瘤组织是一项具有挑战性且耗时的任务,高度依赖于放射科医生的专业知识。由于肿瘤的及时诊断往往是患者生存的固有因素,因此,减少花在 MRI 手动分析上的时间,同时提高检测过程的准确性至关重要。为了解决这些问题,许多研究工作已经调查了高效的计算机视觉系统。它们为协助医疗保健提供者建立快速、更准确的肿瘤检测、分类和分割提供了新的机会。然而,这些解决方案通常基于深度学习方法,开发和调整这些解决方案仍然耗时耗力,同时导致决策系统缺乏可解释性。在本研究中,我们通过使用选择性搜索 (SS) 算法结合简化的脉冲耦合神经网络 (PCNN) 进行视觉特征提取和检测验证来解决脑肿瘤检测任务,以应对这些问题。
摘要:黑色素瘤细胞因其高可塑性和在各种黑色素瘤细胞状态之间来回切换的能力而臭名昭著,从而能够适应次优条件和治疗方法。这种表型可塑性在癌症研究中引起了越来越多的关注,被认为是黑色素瘤进展的新范例。在这篇综述中,我们详细而深入地全面概括了黑色素瘤中复杂的表型转换范围、关键调节因子、各种新的黑色素瘤状态以及相应的特征。我们还详细描述了表观遗传修饰(染色质重塑、甲基化和长链非编码 RNA/miRNA 的活性)和代谢重组在动态转换中的作用。此外,我们阐明了肿瘤微环境 (TME) 和氧化应激之间的串扰在调节表型转换中的主要作用。最后,我们详细讨论了几种合理的治疗方法,例如利用表型特异性和代谢脆弱性以及针对 TME 的成分和信号,以改善黑色素瘤患者对治疗的反应。
摘要 简介 2 级和 3 级胶质瘤(G2/3 胶质瘤)合起来是成人中第二大恶性脑肿瘤群体。G2/3 胶质瘤的进展结果接近胶质母细胞瘤 (GBM) 的惨淡结果,但与 GBM 患者相比,澳大利亚复发性 G2/3 胶质瘤患者的试验很少。LUMOS 将是一项针对复发性 G2/3 胶质瘤患者的试点综合研究,旨在根据对同时期肿瘤组织的分子筛查,为患者匹配靶向疗法。未发现可操作或可用药物治疗的突变或没有匹配药物的参与者将组成对照组并接受标准治疗化疗。 LUMOS 试验的目的是在澳大利亚五个地点进行多中心研究,评估这种方法的可行性,旨在建立一个国家分子筛查平台,以同时期组织活检的突变分析为指导进行患者治疗。方法与分析本研究将是一项多中心试点研究,招募复发性 2/3 级胶质瘤患者,这些患者在诊断时或首次复发时曾接受过放疗和化疗。将从患者体内获取首次复发时的同龄肿瘤组织,定义为复发后 6 个月内且未接受后续干预治疗的组织。分子筛查将在参考实验室(PathWest,澳大利亚珀斯)通过靶向下一代测序进行。在病理学家审查组织学后,将从代表性的福尔马林固定石蜡包埋组织卷轴中提取 RNA 和 DNA,或从玻璃载玻片组织切片上进行显微切割。提取的核酸将通过 Qubit 荧光定量(赛默飞世尔科技)进行定量。根据制造商的说明,将使用 TruSight Tumor 170 (TST170) 试剂盒和在 NextSeq 550 (Illumina) 上测序的样本进行文库制备和靶向捕获,使用 NextSeq V.2.5 高输出试剂。