論文の概要: Unsupervised self-organising map of prostate cell Raman spectra shows disease-state subclustering

• arxiv url: http://arxiv.org/abs/2403.07960v1
• Date: Tue, 12 Mar 2024 09:37:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 16:55:02.229581
• Title: Unsupervised self-organising map of prostate cell Raman spectra shows disease-state subclustering
• Title（参考訳）: 前立腺細胞ラマンスペクトルの教師なし自己組織化マップ disease‐state subclustering
• Authors: Daniel West, Susan Stepney, Y. Hancock
• Abstract要約: 前立腺癌の小さなサブセットは攻撃的であり、転移の拡散を防ぐために除去と治療が必要である。 前立腺細胞線から得られた生細胞ラマン分光データを解析するために,教師なし自己組織化マップを用いた。
• 参考スコア（独自算出の注目度）: 0.21485350418225244
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Prostate cancer is a disease which poses an interesting clinical question: should it be treated? A small subset of prostate cancers are aggressive and require removal and treatment to prevent metastatic spread. However, conventional diagnostics remain challenged to risk-stratify such patients, hence, new methods of approach to biomolecularly subclassify the disease are needed. Here we use an unsupervised, self-organising map approach to analyse live-cell Raman spectroscopy data obtained from prostate cell-lines; our aim is to test the feasibility of this method to differentiate, at the single-cell-level, cancer from normal using high-dimensional datasets with minimal preprocessing. The results demonstrate not only successful separation of normal prostate and cancer cells, but also a new subclustering of the prostate cancer cell-line into two groups. Initial analysis of the spectra from each of the cancer subclusters demonstrates a differential expression of lipids, which, against the normal control, may be linked to disease-related changes in cellular signalling.
• Abstract（参考訳）: 前立腺癌は興味深い臨床的疑問を呈する疾患である。 前立腺癌の小さなサブセットは攻撃的であり、転移の拡散を防ぐために除去と治療が必要である。 しかし, 従来の診断ではリスク・ストラテライズが困難であり, 生体分子をサブクラス化するための新たなアプローチが必要である。 本稿では,前立腺細胞株から得られた生細胞ラマン分光データを解析するために,教師なし,自己組織化マップを用いた手法を提案する。 その結果, 正常前立腺癌細胞と癌細胞の分離に成功しただけでなく, 前立腺癌細胞株を2つのグループに分離した。 各がんサブクラスターからのスペクトルの最初の分析は、脂質の差分発現を示し、これは正常な制御に対して、細胞シグナル伝達における疾患関連の変化と関連している可能性がある。

関連論文リスト

• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Mixed Supervision of Histopathology Improves Prostate Cancer Classification from MRI [0.9395521049323435]
  MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。 患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
  論文  参考訳（メタデータ） (2022-12-13T02:34:57Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Early Detection of Ovarian Cancer by Wavelet Analysis of Protein Mass Spectra [0.03222802562733786]
  本稿では,タンパク質の質量スペクトルを識別的特徴として自動的に検索する新しいモダリティを提案する。 タンパク質質量スペクトルをウェーブレット分解して自己相似性を評価する。 識別記述子はこれらの進化速度から選択され、分類特徴として使用される。
  論文  参考訳（メタデータ） (2022-07-14T15:59:55Z)
• Weakly-supervised learning for image-based classification of primary melanomas into genomic immune subgroups [1.4585861543119112]
  我々は,ギガピクセルH&E染色病理スライドを免疫サブグループに分類する深層学習モデルを開発した。 我々は、スライドレベルラベルのみを必要とするマルチインスタンス学習アプローチを活用し、注意機構を用いて、その分類に高い重要性を持つ領域をハイライトする。
  論文  参考訳（メタデータ） (2022-02-23T13:57:35Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• From Human Mesenchymal Stromal Cells to Osteosarcoma Cells Classification by Deep Learning [0.18143184797612422]
  骨肉腫は, 青年期における悪性骨腫瘍の1つである。 骨肉腫細胞とヒト間葉系間葉系間葉系間葉系間葉系細胞(MSC)を鑑別し,検討中の細胞集団を分類するためにDLアプローチを適用した。
  論文  参考訳（メタデータ） (2020-08-04T22:23:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。