Name: establishing a competing risk regression nomogram model for survival data
Uploaded: 2020-10-23T13:00:00
Description: Watch this Scientific Journal Video about Establishing a Competing Risk Regression Nomogram Model for Survival Data at JoVE.com

이 연구는 저장성 자연과학재단(교부금 번호 LY19H160020)과 진화시과학기술국(교부금 번호 2016-3-005, 2018-3-001d, 2019-3-013)의 보조금으로 지원되었다.

연구 프로토콜은 진화병원, 절강대학교 의과대학 윤리위원회에 의해 승인되었다. 이 실험을 위해, 케이스는 감시, 역학 및 최종 결과 (SEER) 데이터베이스에서 얻어졌습니다. SEER은 인구 기반 암 레지스트리 18개에서 인구 통계, 발생률 및 생존 데이터를 포함하는 개방형 데이터베이스입니다. 우리는 SEER 웹 사이트에 등록하고 연구 데이터 (12296-Nov2018)를 취득하기 위한 보증서에 서명했습니다.
<p c...

<ol>
	<li>Fine, J. P., Gray, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+proportional+hazards+model+for+the+subdistribution+of+a+competing+risk.">A proportional hazards model for the subdistribution of a competing risk.</a> Journal of the American Statistical Association. 94 (446), 496-509 (1999).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-world+impact+of+non-breast+cancer-specific+death+on+overall+survival+in+resectable+breast+cancer.">Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer.</a> Cancer. 123 (13), 2432-2443 (2017).</li><li>Kim, H. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cumulative+incidence+in+competing+risks+data+and+competing+risks+regression+analysis.">Cumulative incidence in competing risks data and competing risks regression analysis.</a> Clinical Cancer Research. 13, 559-565 (2007).</li><li>Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomograms+in+oncology:+more+than+meets+the+eye.">Nomograms in oncology: more than meets the eye.</a> Lancet Oncology. 16 (4), 173-180 (2015).</li><li>Han, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+predicting+long-term+survival+after+d2+gastrectomy+for+gastric+cancer.">Nomogram predicting long-term survival after d2 gastrectomy for gastric cancer.</a> Journal of Clinical Oncology. 30 (31), 3834-3840 (2012).</li><li>Karakiewicz, P. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-institutional+validation+of+a+new+renal+cancer-specific+survival+nomogram.">Multi-institutional validation of a new renal cancer-specific survival nomogram.</a> Journal of Clinical Oncology. 25 (11), 1316-1322 (2007).</li><li>Liang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+validation+of+a+nomogram+for+predicting+survival+in+patients+with+resected+non-small-cell+lung+cancer.">Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer.</a> Journal of Clinical Oncology. 33 (8), 861-869 (2015).</li><li>Valentini, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomograms+for+predicting+local+recurrence,+distant+metastases,+and+overall+survival+for+patients+with+locally+advanced+rectal+cancer+on+the+basis+of+European+randomized+clinical+trials.">Nomograms for predicting local recurrence, distant metastases, and overall survival for patients with locally advanced rectal cancer on the basis of European randomized clinical trials.</a> Journal of Clinical Oncology. 29 (23), 3163-3172 (2011).</li><li>Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+to+build+and+interpret+a+nomogram+for+cancer+prognosis.">How to build and interpret a nomogram for cancer prognosis.</a> Journal of Clinical Oncology. 26 (8), 1364-1370 (2008).</li><li>Chisholm, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prognostic+factors+after+relapse+in+nonmetastatic+rhabdomyosarcoma:+a+nomogram+to+better+define+patients+who+can+be+salvaged+with+further+therapy.">Prognostic factors after relapse in nonmetastatic rhabdomyosarcoma: a nomogram to better define patients who can be salvaged with further therapy.</a> Journal of Clinical Oncology. 29 (10), 1319-1325 (2011).</li><li>Brockman, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+Predicting+Prostate+Cancer-specific+Mortality+for+Men+with+Biochemical+Recurrence+After+Radical+Prostatectomy.">Nomogram Predicting Prostate Cancer-specific Mortality for Men with Biochemical Recurrence After Radical Prostatectomy.</a> European Urology. 67 (6), 1160-1167 (2015).</li><li>Zhou, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+to+Predict+Cause-Specific+Mortality+in+Patients+With+Surgically+Resected+Stage+I+Non-Small-Cell+Lung+Cancer:+A+Competing+Risk+Analysis.">Nomogram to Predict Cause-Specific Mortality in Patients With Surgically Resected Stage I Non-Small-Cell Lung Cancer: A Competing Risk Analysis.</a> Clinical Lung Cancer. 19 (2), 195-203 (2018).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=De-escalating+chemotherapy+for+stage+II+colon+cancer.">De-escalating chemotherapy for stage II colon cancer.</a> Therapeutic Advances in Gastroenterology. 12, 1756284819867553 (2019).</li><li>Chen, D., Li, J., Chong, J. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hazards+regression+for+freemium+products+and+services:+a+competing+risks+approach.">Hazards regression for freemium products and services: a competing risks approach.</a> Journal of Statistical Computation and Simulation. 87 (9), 1863-1876 (2017).</li><li>. rms: Regression Modeling Strategies. R package version 5.1-2 Available from: <a target="_blank" href="https://CRAN.R-project.org/package=rms">https://CRAN.R-project.org/package=rms</a> (2018)</li><li>. cmprsk: Subdistribution Analysis of Competing Risks. R package version 2.2-7 Available from: <a target="_blank" href="https://CRAN.R-project.org/package=cmprsk">https://CRAN.R-project.org/package=cmprsk</a> (2014)</li><li>Scrucca, L., Santucci, A., Aversa, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Regression+modeling+of+competing+risk+using+R:+an+in+depth+guide+for+clinicians.">Regression modeling of competing risk using R: an in depth guide for clinicians.</a> Bone Marrow Transplantation. 45 (9), 1388-1395 (2010).</li><li>Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+for+survival+analysis+in+the+presence+of+competing+risks.">Nomogram for survival analysis in the presence of competing risks.</a> Annals in Translational Medicine. 5 (20), 403 (2017).</li><li>Geskus, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cause-specific+cumulative+incidence+estimation+and+the+fine+and+gray+model+under+both+left+truncation+and+right+censoring.">Cause-specific cumulative incidence estimation and the fine and gray model under both left truncation and right censoring.</a> Biometrics. 67 (1), 39-49 (2011).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Young-onset+breast+cancer:+a+poor+prognosis+only+exists+in+low-risk+patients.">Young-onset breast cancer: a poor prognosis only exists in low-risk patients.</a> Journal of Cancer. 10 (14), 3124-3132 (2019).</li><li>de Glas, N. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Performing+Survival+Analyses+in+the+Presence+of+Competing+Risks:+A+Clinical+Example+in+Older+Breast+Cancer+Patients.">Performing Survival Analyses in the Presence of Competing Risks: A Clinical Example in Older Breast Cancer Patients.</a> Journal of the National Cancer Institute. 108 (5), (2016).</li></ol>

현재 연구 결과의 전반적인 목표는 실제 질병을 기술할 수 있던 특정 경쟁 위험 nomogram를 설치하고 임상의가 처리 결정에 접근하는 편리한 개별 평가 모형을 개발하는 것이었습니다. 여기에서Cox 회귀 모델및 경쟁 위험 회귀 모델 및 하위 그룹 분석을 더욱 수행하기 위한 단계별 자습서를 제공합니다. Zhang et al.18은 경쟁 위험 nomogram을 만드는 접근 법을 도입했지만 논문에 설명 된 ...

생존 분석을 이벤트하는 시간은 임상 연구에서 매우 일반적입니다. 생존 데이터는 관심있는 이벤트의 발생까지 시작 시간부터 시간 범위를 측정하지만 관심있는 이벤트의 발생은 종종 다른 이벤트에 의해 배제됩니다. 둘 이상의 종점이 있는 경우 경쟁 위험 종료 점이라고 합니다. 이 경우 표준 위험 분석(즉, Cox 비례 원인 별 위험 모델)은 다른 유형의 이벤트를 경험하는 개인이 검열되기 때문에 잘 작동하지 않는 경우가 많습니다. 경쟁 이벤트를 경험하는 개인은 경쟁 위험이 일반적으로 독립적이지 않기 때문에 종종 위험 설정에 남아 있습니다. 따라서, 미세 및 그레이1은 경쟁 위험의 하위 분포에 대한 회귀 모델 추정을 연구했다. 경쟁 위험 설정에서 세 가지 유형의 이벤트를 구분할 수 있습니다.
하나는 질병에 대한 새로운 치료 방법에서 직접적인 임상 혜택을 입증하여 전반적인 생존 (OS)을 측정합니다. OS는 기원 시점(즉, 진단 또는 치료 시간)에서 사망 시점까지의 생존 시간을 측정하고 일반적으로 사망의 절대 위험을 평가하여 사망의 원인을 구별하지 못하며 사망의 원인을 구별하지 못(예를 들어, 암 특이적 사망(CSD) 또는 비암 특이적 사망(non-CSD))2. 따라서 OS는 가장 중요한 엔드포인트로 간주됩니다. 관심의 사건은 종종 암 관련, 심장 질환을 포함 하는 비 암 특정 이벤트, 교통 사고 또는 다른 관련 없는 원인, 경쟁 이벤트 간주 됩니다. 더 오래 살아남을 것으로 예상되는 유리한 예후를 가진 악성 환자는 종종 비 CSD의 더 중대한 리스크에 있습니다. 즉, OS는 다른 사망 원인에 의해 희석되고 임상 치료의 실제 효과를 올바르게 해석하지 못합니다. 따라서, OS는 질병3의결과에 접근하기 위한 최적 측정이 아닐 수 있다. 이러한 편향은 경쟁 위험 회귀 모델에 의해 수정될 수 있습니다.
위험 데이터를 경쟁하기 위한 두 가지 주요 방법은 원인별 위험 모델(Cox 모델) 및 하위 배포 위험 모델(경쟁 모델)입니다. 다음 프로토콜에서는 원인별 위험 모델과 서브분배 위험 모델을 기반으로 nomograms를 생성하는 두 가지 방법을 제시합니다. 이벤트 이벤트가 발생했을 때 경쟁 이벤트를 검열한 피사체를 치료하는 Cox 비례 위험 모델에 맞게 원인별 위험 모델을 만들 수 있습니다. 1999년 Fine and Gray1이 도입한 서브배포 위험 모델에서는 세 가지 유형의 이벤트를 차별할 수 있으며, 경쟁 이벤트를 경험하는 개인은 영원히 위험에 처해 있습니다.
nomogram은 세 개 이상의 변수4사이의 관계의 수학적 표현이다. 의료 용 nomograms는 생물학적 및 임상 적 사건을 변수 (예를 들어, 종양 등급 및 환자 연령)로 간주하고 주어진 개인에 대한 통계 예후 모델로 그래픽으로 묘사되는 임상 이벤트 (예 : 암 재발 또는 죽음)의 확률을 생성합니다. 일반적으로,,노모그램은 Cox 비례 위험 모델5,6,7,,88,,9,910의결과에 기초하여 공식화된다.
그러나 경쟁 위험이 있을 때 Cox 모델을 기반으로 하는 nomogram이 잘 수행되지 못할 수 있습니다. CSD의확률을12,13,추정하기 위해 경쟁 위험 nomogram을 적용한 몇가지 이전연구가있지만, 경쟁 위험 회귀 모델을 기반으로 nomogram을 설정하는 방법을 설명한 연구는 거의 없으며 이를 달성하기 위해 사용할 수있는 기존 패키지가 없습니다. 따라서, 아래에 제시된 방법은 경쟁위험회귀 모델에 근거하여 특정 경쟁위험도 모모그램을 확립하는 단계별 프로토콜과 임상의의 치료 의사결정에 도움을 줄 위험점수 추정을 제공할 것이다.

establishing a competing risk regression nomogram model for survival data

카플란 마이어 방법과 콕스 비례 위험 회귀 모델은 생존 프레임 워크에서 가장 일반적인 분석입니다. 적용및 해석이 비교적 쉬우며 시각적으로 묘사할 수 있습니다. 그러나, 경쟁 이벤트(예: 심혈관 및 뇌혈관 사고, 치료 관련 사망, 교통사고)가 존재할 때, 표준 생존 방법은 신중하게 적용되어야 하며, 실제 데이터는 정확하게 해석될 수 없다. 실패로 이어질 수 있는 다양한 종류의 이벤트를 구별하고 분석에서 다르게 치료하는 것이 바람직할 수 있습니다. 여기서 메서드는 경쟁 회귀 모델을 사용하여 경쟁 이벤트가 있을 때 중요한 예후 요인 또는 위험 요소를 식별하는 데 중점을 둡니다. 또한, 비례 위험 회귀 모델과 경쟁 회귀 모델을 기반으로 한 nomograms는 임상의가 예후에 대한 논쟁의 여지가있는 요인의 영향을 설명하기 위해 개별 평가 및 위험 계층화를 할 수 있도록 하기 위해 설립됩니다.

실시예 코호트의 생존 특성 실시예 코호트에서는, 총 8,550명의 적격 환자가 분석에 포함되었고 중간 후속 시간은 88개월(범위, 1~95개월)이었다. 총 679명(7.94%) 환자는 40세 미만, 7,871명(92.06%) 환자는 40 세 이상이었습니다. 재판 종료 시 7,483명(87.52%) 환자는 여전히 살아 있었고, 662명(7.74%) 유방암으로 사망, 405 (4.74%) 환자는 그밖 원인 때문에 정지했습니다 (경쟁 위험).
<p class="jove_conten...

Watch this Scientific Journal Video about Establishing a Competing Risk Regression Nomogram Model for Survival Data at JoVE.com

Establishing a Competing Risk Regression Nomogram Model for Survival Data

여기에 제시된 Cox 비례 위험 회귀 모델과 경쟁 위험 회귀 모델을 기반으로 nomograms를 구축하는 프로토콜이 있습니다. 경쟁 방법은 생존 분석에 경쟁 이벤트가 있을 때 적용하는 보다 합리적인 방법입니다.

생존 데이터를 위한 경쟁 위험 회귀 Nomogram 모델 설정

The Kaplan&#8211;Meier method and Cox proportional hazards regression model are the most common analyses in the survival framework. These are relatively ...

이는 생존분석에서 교통사고 와 같은 경쟁이벤트가 통과될 때 적용하는 보다 합리적인 방법인 경쟁위험회귀 모델을 기반으로 일반 보조금을 처리하는 프로토콜이다. 경쟁 적인 이벤트를 경험 한 개인은 종종 경쟁 위험이 일반적으로 독립적이지 않기 때문에 위험을 상기시키고 있습니다. 경쟁 적인 일반 보조금 분석에 있는 개별에 대 한 테스트 이벤트의 확률을 평가 하는 것이 더 적합 합니다.RMS및 경쟁 위험 R 패키지를 설치한 후, 코호트 데이터를 로드하고 코호트 데이터를 가져와 Cox 비례 위험 회귀 모델을 설정하고, CPH 기능을 사용하여 데이터에 모델을 맞게 한 다음 콕스 회귀 nomogram을 개발하여 2년 예측 생존율을 예로 복용한다. R의 메타 패키지를 사용하여 위험 점수를 계산하고 포리스트 플롯을 그립니다. R 패키지를 설치하고 로드한 후 그룹 위험 점수 또는 GRS를 얻고 코호트를 세 개의 하위 그룹으로 나눕니다.그런 다음 산림 플롯을 그려 위험 비율 낮은 수능 간격을 얻고 CRR 함수를 통한 상한 신뢰 구간을 얻습니다. 경쟁 위험 회귀 모델을 설정하려면 예후 변수를 행렬에 배치하여 시작합니다. Cbind 함수를 사용하여 열을 사용하여 변수를 결합하고 모델에 맞춥니까.그런 다음 노모그램 기능을 사용하여 콕스 놈을 구성합니다. 기준 누적 인시던트 함수 또는 CIF를 얻고 경쟁 위험 회귀 모델의 X 베타 및 X 지점을 교체합니다. X 릴의 총 X 점을 교체한 다음 X 점수를 계산하고 nomogram을 플롯합니다.X 점수 및 X 레일 관계에 대한 방정식은 경쟁 모델의 본질적인 기여에 따라 계산할 수 있습니다. CIF 0은 예측 CRR 함수에 의해 계산되는 기준 CIF를 의미합니다. 실시예에서 총 8, 550명의 적격 환자가 분석에 포함되었고 중간 후속 시간은 88개월이었다.종양 사망의 누적 발생률과 종양 사망 및 경쟁 이벤트는 카플란 마이어 방법 및 경쟁 위험 회귀 기능에 의해 각각 이었다. 카플란 마이어 방법으로 계산된 종양 사망과 종양 사망의 누적 발생률의 합계는 경쟁 방법이 사용될 때 암 특이적 사망의 누적 사건과 동등한 모든 사망 원인의 추정치의 합보다 높았다. nomogram은 결혼 상태, 인종, 조직학 유형, 차별화 된 등급, T 분류 및 N 분류를 포함하는 중요한 요인을 기반으로 Cox 비례 회귀 모델을 사용하여 구성되었습니다.노모그램은 또한 경쟁 위험 회귀 모델을 사용하여 구성되었다. 위험 점수에 따라 코호트는 위험도가 낮고 중간 위험도가 높고 위험도가 높은 세 가지 하위 그룹으로 분류되었습니다. 포리스트 플롯은 그룹 위험 점수와 특정 요인 간의 상호 작용을 명확하게 제시하는 데 사용되었습니다.나이를 고려할 때, 단지 낮은 리스크 단은 젊은 여자를 위한 더 나쁜 예후를 보여주었습니다, 젊은 나이가 중간 및 고위험 단에 있는 예후의 보호 요인으로 작용할 수 있다는 것을 나타내는. 이 프로토콜을 시도할 때는 이벤트 분석에 대해 10에서 서로 다른 생존 모델을 완전히 이해하는 것이 중요하며 도구는 개별화된 지침을 위해 적절히 마스터됩니다. 모델 성능은 차별과 구경 배급 성능 측면에서 평가됩니다.이 절차에 따라 교정 곡선과 동일한 간격이 있어 경쟁 일반 교부금의 효율성을 검증할 수 있습니다.

Research

JoVE Journal

Cancer Research

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

폐 선 암 세포에서 생체 외에서 2 단계 복용량 단계적 확대 절차와 EGFR TKI와 만난 TKI 듀얼 저항 설정

Drug resistance is a major challenge in cancer therapy. The generation of resistant sublines in vitro is necessary for discovering novel mechanisms to ...

연구

암 연구학

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

건강 하 고 병 적인 사이 구별 형태학에 기초를 둔 세포 이용한 푸리에 변환 및 자기 조직 지도

The appearance and the movements of immune cells are driven by their environment. As a reaction to a pathogen invasion, the immune cells are recruited to ...

Establishing Cell Lines Overexpressing DR3 to Assess the Apoptotic Response to Anti-mitotic Therapeutics

Apoptotic 응답 안티 mitotic 치료 학을 평가 하기 위해 DR3 Overexpressing 셀 라인 구축

Studying the function of a gene of interest can be achieved by manipulating its level of expression, such as decreasing its expression with knockdown cell ...

Evaluation of Colorectal Cancer Risk and Prevalence by Stool DNA Integrity Detection

대변 DNA 무결성 검출에 의한 대장암 위험 및 유병률 평가

Nowadays, stool DNA can be isolated and analyzed by several methods. The long fragments of DNA in stool can be detected by a qPCR assay, which provides a ...

Studying Triple Negative Breast Cancer Using Orthotopic Breast Cancer Model

정형외 유방암 모델을 사용하여 삼중 음성 유방암 을 연구

Triple-negative breast cancer (TNBC) is an aggressive breast cancer subtype with limited therapeutic options. When compared to patients with less ...

A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions

합성 치명적인 상호 작용을 대상으로 하는 약물 조합을 식별 하기 위해 데이터 통합 워크플로우

A synthetic lethal interaction between two genes is given when knock-out of either one of the two genes does not affect cell viability but knock-out of ...

A 3D Spheroid Model for Glioblastoma

교모세포종을 위한 3D 스페로이드 모형

Two-dimensional (2D) cell cultures do not mimic in vivo tumor growth satisfactorily. Therefore, three-dimensional (3D) culture spheroid models were ...

Detection of Cell-Free DNA in Blood Plasma Samples of Cancer Patients

암 환자의 혈장 샘플에서 세포없는 DNA 의 검출

Identifying mutations in tumors of cancer patients is a very important step in disease management. These mutations serve as biomarkers for tumor diagnosis ...

Nuclei Isolation from Fresh Frozen Brain Tumors for Single-Nucleus RNA-seq and ATAC-seq

단일 핵 RNA-seq 및 ATAC-seq를 위한 신선한 냉동 뇌 종양에서 핵 절연

Adult diffuse gliomas exhibit inter- and intra-tumor heterogeneity. Until recently, the majority of large-scale molecular profiling efforts have focused ...