新型内质网应激诱导蛋白 TRIM25 在乳腺癌细胞中的作用研究

内质网应激是当细胞受到缺氧或营养剥夺等外界因素刺激时而产生的一种效应,该效应与肿 瘤细胞的存活息息相关。该研究揭示了 TRIM25 作为一种新型内质网应激诱导蛋白在肿瘤细胞中所发挥 的作用,可为发现新的肿瘤靶点提供重要依据。该文以乳腺癌细胞 MCF7 为对象,先筛选构建了稳定 敲低 TRIM25 的 MCF7 细胞系;然后,检测了 TRIM25 敲低对内质网应激、未折叠蛋白反应信号通路 和内质网应激诱导的细胞凋亡的影响,以及 TRIM25 在不同乳腺细胞中的表达;最后,通过生物信息学 分析 TRIM25 表达量与乳腺癌患者预后的相关性。结果显示,内质网应激会诱导 TRIM25 表达水平的大 幅上升。通过敲低 TRIM25 可诱导内质网应激、激活未折叠蛋白反应信号通路从而显著促进乳腺癌细胞 MCF7 的凋亡。研究还发现,乳腺原发上皮细胞转化为乳腺癌细胞过程中伴随有 TRIM25 蛋白水平的上 调,生物信息学分析也显示 TRIM25 在乳腺癌组织中高表达,并提示乳腺癌患者预后不良。     

低温等离子体对 MCF-7 乳腺癌细胞的 化疗增敏作用

为了改善肿瘤细胞对化疗药物的耐药性,该文提供了一种通过促进细胞对药物的摄取来增敏 化疗的方法。低温等离子体作用肿瘤细胞后,培养基内的活性氧显著升高,进一步改变了细胞膜通透 性,使得外源活性氧及钙离子进入细胞内而诱发细胞凋亡。与此同时,细胞膜通透性的改变还可以增 加细胞对化疗药物的摄取,进一步提高了肿瘤细胞杀伤效率。结果显示,细胞经过等离子体处理以 后,显示出 20% 的细胞杀伤效率。阿霉素作为常见的抗肿瘤药物,在 4 μg/mL 的浓度下可以杀伤 46% 的细胞;而联合等离子体治疗后,细胞杀伤效率增加至 88%,显著增敏了阿霉素的化疗效果。另外, 等离子体联合金纳米棒治疗后,显示出 90% 的细胞杀伤效率,相对于单独使用金纳米棒(64%)的效果 更为显著。因此,等离子体在引发细胞凋亡的同时,可以通过细胞膜通透性的改变,增加细胞对化疗 药物的摄取,进而增敏化疗效果。     

利用Logistic回归和神经网络分析乳腺癌的预后因素

研究以SEER数据库中1990~2014年间的乳腺癌数据为研究对象,分别利用Logistic回归和神经网络两种机器学习算法进行建模,以寻找影响乳腺癌5年预后的因素。研究表明:1)肿瘤分期、肿瘤分级、肿瘤尺寸、雌激素水平、年龄分组和孕激素水平等因素对于乳腺肿瘤预后具有较大影响,与临床诊断经验相吻合。2)在此两种模型下,模型测试集上的灵敏度和特异度均介于75.4%~78.2%之间,模型的ROC曲线面积(AUC)均处于0.847~0.850之间。因此,Logistic回归和神经网络算法可有效探寻模型输入变量间的关系,构建乳腺癌患者的优化预后模型,辅助医生判断患者预后情况及治疗效果。     

基于SVM-MLP的乳腺癌预测

乳腺癌一直是影响女性健康最重要的问题之一,已经成为全球女性发病率最高的恶性肿瘤.近年来,利用机器学习和深度学习方法来诊断癌症已经成为发展较快的一个分支.通过使用逻辑回归模型(LR)、高斯核函数支持向量机(SVM)、前馈神经网络(MLP)对同一数据集进行预测,得出其中SVM迭代时间最短,前馈神经网络预测准确率最高.为了减...     

A Neuro-Fuzzy Approach for Automatic Detection of Breast Cancer Based on Raman Spectroscopy

The harmful presence of cancerous cells in the feminine breast brings as a result, breast cancer, illness that has spread widely lately, not only in Mexico, but in other parts of the planet. In this paper, we present a method of automatic breast cancer classification, in which a Raman signal is classified as coming from a biopsy of healthy tissue （class ω1） or biopsy of diseased tissue （class ω2）; to do so, we created patterns from Raman spectra accurately measuring each Raman peak to provide naturally reduced data to a classifier; we used ANFIS （adaptative neuro-fuzzy inference system） classifier and high rates of correct classification were obtained. This provides the specialists with important clinical tools for a rapid and efficient automatic detection of breast cancer. We consider that our approach can be applicable to other kinds of cancer, e.g., lung, prostate, and stomach.     

基于BP神经网络的乳腺癌患者存活概率的预测分析

本文提出了对乳腺癌的知识进行挖掘及对其有效的网络予以探讨. 在应用各种数据挖掘方法之前,利用所开发的网络找出病情发展的概率. 有关结果有助于医生针对病人的病情进行合理治疗. 为克服数据集的高维度问题并实现数据之间的关联性,本文采用主成分分析法来降低数据维度并找出适用的网络. 运用BP神经网络结构进行了评估,对北京某医院的乳腺癌数据方面BP神经网络的性能进行了分析. 结果表明主成分分析消除了网络输入之间的相关性,降低了网络的输入层数,改善从整体上提高了网络的性能. 最终取得了良好的预测结果.     

基于SENet多路网络的乳腺癌转移检测

乳腺癌细胞转移是影响病患预后的重要因素,检查前哨淋巴结病理切片可诊断转移情况.传统病理学医生检查过程冗余费时且极易漏检微转移病灶.目前已有利用卷积神经网络研究乳腺癌前哨淋巴结转移的成果,但准确率不高且对微转移情况检测效果不佳.针对以上问题,基于乳腺癌前哨淋巴结病理图像数据集(PCam),设计提出了SENet多路卷积神经...     

基于深度学习的乳腺癌病理图像分类研究综述

准确、高效的乳腺癌病理图像分类是计算机辅助诊断的重要研究内容之一。随着机器学习技术的发展,深度学习日渐成为一种有效的乳腺癌病理图像分类处理方法。分析了乳腺癌病理图像分类方法及目前存在的问题;介绍了四种相关的深度学习模型,对基于深度学习的乳腺癌病理图像分类方法进行梳理,并通过实验对比分析现有模型的性能;最后对乳腺癌病理图像分类的关键问题进行了总结,并讨论了未来研究的发展趋势。