XiaoMi-AI文件搜索系统
World File Search Systemviva
增殖和生存（D012491）
课程增殖和生存是基于在生物医学科学第三阶段的人类发病机理，CEL和组织培养和人类遗传学期间获得的知识。课程本身构成了第二大师中精确医学的基础。本课程的目的是获取知识和洞察力，对导致癌细胞增殖增强的分子过程。此外，讨论了细胞死亡的细胞和分子方面，重点是癌细胞用来逃避程序性细胞死亡的生存机制。此外，还提供了特定技术的概述，这些技术目前用于研究癌细胞的生长和存活以及靶向异常细胞增殖或作为一种新型癌症治疗的概念。
ephrin-b1通过心肌细胞表面波峰的产后成熟来调节成人舒张压功能
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经Peer Review的认证）提供的，他已授予Biorxiv的许可证，以在2023年1月23日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2023.01.23.525193 doi：Biorxiv Preprint
没有证据表明雏鸟数量、肠道微生物组多样性与大山雀（Parus major）雏鸟存活率之间存在关联
© 作者 2023。开放存取本文采用知识共享署名 4.0 国际许可协议，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可协议的链接，并指明是否做了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中，除非在材料的鸣谢中另有说明。如果材料未包含在文章的知识共享许可协议中，并且您的预期用途不被法律规定允许或超出了允许的用途，则需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。
胶质母细胞瘤干细胞的代谢分析揭示了丙酮酸羧化酶作为关键存活因子和潜在的治疗靶标
©作者2024。由牛津大学出版社代表神经肿瘤学会出版。这是根据Creative Commons Attribution-非商业许可（https://creativecommons.org/licenses/by-nc/4.0/）分发的开放访问文章，允许在任何媒介中在任何媒介中进行非商业重复使用，分发和复制，前提是原始工作被正确引用。有关商业重复使用，请联系reprints@oup.com，以获取转载和翻译权以获取转载。所有其他权限都可以通过我们的restrionlink服务通过我们网站上文章页面上的“权限链接”获得，请联系journals.permissions.permissions@oup.com。
血小板减少症的发展与接受免疫治疗的患者的生存率提高有关
背景：免疫相关不良事件与免疫检查点抑制剂 (ICI) 的疗效相关。我们假设免疫介导的血小板减少症可能是对 ICI 反应的生物标志物。材料和方法：这项回顾性研究包括 215 名接受 ICI 治疗的转移性恶性肿瘤患者。患者按最低血小板计数分层。感兴趣的结果是无进展生存期和总生存期。结果：在多变量分析中，与未发生血小板减少症的患者相比，1 级血小板减少症与总生存期呈正相关（风险比 [HR] = 0.28 [95% CI：0.13–0.60]；p = 0.001），而 2-4 级血小板减少症则无此相关性（HR = 0.36 [95% CI：0.13–1.04]；p = 0.060）。血小板减少程度与无进展生存期无相关性。结论：有必要进行后续研究以证实血小板减少对接受 ICI 治疗患者的预测意义。
迈向精确肿瘤学：使用临床数据预测头部和颈部癌的死亡率和无复发生存
摘要 - 由于其异质性和高死亡率，头部和颈部鳞状细胞癌（HNSCC）在临床肿瘤学上提出了重大挑战。本研究旨在利用临床数据和机器学习（ML）原则来预测HNSCC患者的关键结果：死亡率和无复发生存。利用来自癌症成像档案的数据，实施了广泛的管道，以确保强大的模型培训和评估。合奏和包括XGBoost，随机森林和支持向量在内的单个分类器被用来开发预测模型。该研究确定了影响HNSCC死亡率结果并实现预测准确性和Roc-AUC值超过90％的关键临床特征。支持向量机在无复发生存方面表现出色，召回率为0.99，精度为0.97。关键的临床特征，包括机能控制，吸烟和治疗类型，被确定为患者预后的关键预测指标。这项研究强调了使用ML驱动的见解来提高Prog-Prog-准确性并优化HNSCC中的个性化治疗策略的医学影响。索引术语 - HHNSCC，精确肿瘤学，机器学习，临床结果，无复发生存，死亡率预测，个性化医学。
空间转录组学揭示了独特且保守的肿瘤核心和边缘结构，可预测生存和靶向治疗反应
致谢：本研究由 Ohson 研究计划和 Charbonneau 癌症研究所向 PB 提供的精确口腔生物学 (PROBE) 资助。我们感谢健康基因组学和信息学中心 (CHGI) 提供测序基础设施，以便对我们的 RNAseq 文库进行空间分析。我们要感谢卡尔加里大学高性能计算集群 (ARC) 提供数据分析基础设施。我们感谢 Danielle Simonot 帮助从阿尔伯塔癌症研究生物库 (ACRB) 检索组织。我们感谢 Christina Yang 帮助进行冷冻切片和载玻片制备以及对分析样本进行 H&E 染色。我们感谢 Mayi Arcellana-Panlilio 博士和 Guido van Marle 博士的极度指导和富有成效的反馈。我们要感谢 Arzina Jaffer 和 Keerthana Chockalingam 帮助设置生物信息学工具和提供生物信息学咨询。我们还要感谢患者及其家属同意为本研究提供组织。
survivalsl：从审查数据中进行生存预测的超级学习者
lib_coxall。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 lib_coxes。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>14 lib_coxelasso。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。16 lib_coxridge。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18 lib_ph exppentential。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 lib_phgompertz。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 lib_phspline。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 lib_plann。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24 lib_rsf。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 lib_snn。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。27个指标。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。29 plot.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。30个情节。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 plot.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。33 Predive.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 predict.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。35 print.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。36 print.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37 ROC。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 38 summary.libbsl。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 39 summary.sltime。 。 。 。37 ROC。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。38 summary.libbsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。39 summary.sltime。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。41 roverivalsl。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。42 tunecoxaic。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。46 Tuncoxen。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 47 Tuncoxlassso。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。46 Tuncoxen。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。47 Tuncoxlassso。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。47 Tuncoxlassso。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。49 Tunecoxidge。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。49 Tunecoxidge。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>50 tunepspspline。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>52 Tunepann。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 53 Tunersf。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>52 Tunepann。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>53 Tunersf。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>53 Tunersf。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。55 tunesnn。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。56
pembrolizumab治疗持续时间对晚期非小细胞肺癌的整体生存和预后因素的影响：全国回顾性队列研究
发现391,106例肺癌患者被鉴定出来，其中43,359例接受了晚期pembrolizumab的晚期疾病。男性有67％（29,040/43,359），诊断年龄的中位年龄为65岁。中位随访时间为25.9个月（最小值 - 最大，[0-97.6]），pembrolizumab启动后的总体生存期（OS）中位数第一线的中位数为15.7 [CI 95，15.3 - 16.0]。在多变量分析中，几个协变量与较差的OS独立相关，包括男性性别免疫疗法，年龄，医院类别，高剥夺指数，第一次pembrolizumab的住院住院治疗，以及糖尿病，糖尿病，利尿剂，贝塔阻滞剂，止痛药的病史。在pembrolizumab启动后29个月的里程碑时间，延续超过2年与OS相比，与固定的2年治疗更好，HR = 0.97 [0.75 - 1.26] p = 0.95。
转移性肾细胞癌患者减瘤性肾切除术的生存获益：基于 SEER 的回顾性队列研究的证据
。CC-BY 4.0 国际许可证 它是永久可用的。 是作者/资助者，已授予 medRxiv 许可以显示预印本（未经同行评审认证）预印本 此版本的版权所有者于 2025 年 2 月 2 日发布。；https://doi.org/10.1101/2025.01.28.25321237 doi：medRxiv 预印本