使用机器和深度学习方法预测雌激素受体激动、拮抗和结合活性的建模 计算建模已经成为筛选潜在内分泌活性化合物的一种有前途和具有成本效益的替代方法。这项研究将经典的机器学习算法和深度学习方法应用于7500多种化合物,对18种与核雌激素受体(ERα和ERβ)活性相关的毒性预测试验进行了测试。 希瑟·l·西亚拉 丹尼尔·p·罗素 郝朱 文章 10 Aug 2020 实验室调查
一种新的基于图像特征的放射组学方法来实现胶质瘤的精确诊断和预后分层 在本文中,作者描述了一个新的基于图像签名的放射组学模型的发展和验证。共纳入655例胶质瘤患者建立该模型,该模型被证明是实现胶质瘤多层术前诊断和预后分层的有效工具。 Huigao罗 广州机床厂壮族 锋史 文章 22 Aug 2020 实验室调查
使用偏振敏感的二次谐波显微镜对病理甲状腺组织的描述 利用偏振-二次谐波显微镜观察四种癌型和Graves病甲状腺组织病理标本中胶原蛋白的超微结构能否分化。提取了三个参数,揭示了线极化程度和χ(2)打鼾声/χ(2)zxx能有效鉴别某些疾病,而参数χ(2)xyz/χ(2)zxx效果较差。 丹尼尔Tokarz 理查德Cisek Virginijus Barzda 文章 2020年7月31日 实验室调查
用DigiWest多重蛋白分析对新鲜冷冻和福尔马林固定石蜡包埋组织进行多类别癌症分类 蛋白质组分析有助于癌症的分析和分类。作者应用数字western blot技术DigiWest与102个蛋白质和磷蛋白结合机器学习算法对新鲜冷冻和福尔马林固定的石蜡包埋组织中5种常见癌症类型的组织来源进行分类。DigiWest分析是一种有价值的癌症分类方法,可获得结论性和决定性的数据,因此对常规临床应用具有吸引力。 特蕾莎修女Bockmayr Gerrit Erdmann 弗雷德里克Klauschen 文章 开放获取 29 june 2020 实验室调查
深度学习在恶性淋巴瘤诊断中显示了高水平的计算机辅助诊断能力 本研究旨在通过深度学习对恶性淋巴瘤的组织病理图像进行分类。与弥漫性大b细胞淋巴瘤、滤泡性淋巴瘤和反应性淋巴样增生相比,该分类器实现了高水平的准确性,高于病理学家的准确性。人工智能有可能支持恶性淋巴瘤的诊断。 总裁中西宏明三好 Kensaku佐藤 Koichi Ohshima 文章 2020年5月29日 实验室调查
PD-L1数字空间分析的数字定量评估 数字空间分析是一种新型的高复杂性技术,有可能在一张幻灯片上显示数百种蛋白质。在这里,作者在PD-L1表达已知量的对照组织微阵列上验证了该技术的数字方面,以表明其具有与定量免疫荧光相当的定量能力。 斯瓦特•古普塔 Jon Zugazagoitia 大卫·l·里姆 文章 2020年4月6日 实验室调查
利用单细胞RNA测序检测肺腺癌细胞中未被传统RNA测序和芯片检测到的差异表达基因 传统的RNA测序数据可能无法准确检测肿瘤细胞的细胞变化。通过综合单细胞和传统RNA-seq数据,这些作者检测并比较了肺腺癌中的差异表达基因。这些结果可能会提高我们对癌组织和非恶性组织之间细胞和分子差异的理解,并提供肿瘤标志物和潜在的治疗靶点。 Zhencong陈 Mengnan赵 李洁谭 文章 2020年4月23日 实验室调查
一种基于分子和免疫组化的简化集成算法可以高精度预测胶质母细胞瘤转录亚型 作者在福尔马林固定的石蜡包埋组织样本上开发了一种新的用于胶质母细胞瘤转录分类的简化方法。在这样的数据集上,基于有限组基因分类器表达的免疫组化谱,通过机器学习方法集成,生成基于蛋白质定量的胶质母细胞瘤转录特征,从而能够有效地将转录亚群分配到扩展队列中。与组织病理学特征和临床结果的相关性也已进行。 弗朗西斯卡Orzan 弗朗西斯卡帕加尼 代表布雷西亚的Spedali Civili神经肿瘤学小组 文章 5月13日 实验室调查
3’MACE rna测序允许在长期存储后的人类组织样本中进行转录组分析 可以从福尔马林固定石蜡包封(FFPE)样品中提取足够质量和数量的RNA,使用3 ' massive analysis of c-DNA末端(MACE) RNA测序技术获得全面的转录组分析。因此,MACE提供了利用组织档案中存储的FFPE样本的机会。 Stefaniya Boneva 安雅Schlecht 克莱门斯兰格 文章 开放获取 2020年5月28日 实验室调查
全转录组特征预测预后(WTSPP):全转录组特征在癌症预后预测中的应用 我们提出了一个名为WTSPP的统计框架来生成预后基因签名。以卵巢癌和肺腺癌为例,他们提供了证据,证明我们的预后特征优于先前报道的特征,捕捉了临床变量无法解释的预后特征,并揭示了生物学上相关的预后途径。 Evelien Schaafsma Yanding赵 超程 技术报告 2020年3月6日 实验室调查
基于深度学习的肝脂肪变性精确定量,用于肝活检的组织学评估 肝活检中脂肪变性的准确量化是脂肪肝患者治疗的关键步骤。为了帮助病理学家完成这样的分析任务,我们开发了一种新的基于深度学习的框架来分割整个切片肝活检图像中重叠的脂肪变性液滴。在像素和物体水平上的脂肪变性定量测量与临床数据具有很强的相关性,表明其具有临床决策支持的潜力。 Mousumi罗伊 (王 6月香港 技术报告 2020年7月13日 实验室调查