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

Çalışma, Zhejiang Eyaleti Doğa Bilimleri Vakfı (hibe numarası LY19H160020) ve Jinhua Belediye Bilim ve Teknoloji Bürosu'nun (hibe numarası 2016-3-005, 2018-3-001d ve 2019-3-013) temel programı nın genel programı tarafından desteklenmiştir.

Araştırma protokolü Jinhua Hastanesi Etik Komitesi tarafından onaylandı, Zhejiang Üniversitesi Tıp Fakültesi. Bu deney için, olgular Surveillance, Epidemiyoloji ve Son Sonuçlar (SEER) veritabanından elde edildi. SEER, 18 nüfus tabanlı kanser kayıtlarından demografik, insidansı ve sağkalım verilerini içeren açık erişimli bir veritabanıdır. SEER web sitesine kaydolduk ve araştırma verilerini (12296-Kasım 2018) elde etmek için bir güvence mektubu imzaladık.
1. Veri kay...

<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>

Bu çalışmanın genel amacı, gerçek dünya hastalıklarını tanımlayacak belirli bir rakip risk nomogramı oluşturmak ve klinisyenlerin tedavi kararlarına yaklaşmaları için uygun bir bireysel değerlendirme modeli geliştirmekti. Burada, Cox regresyon modeli ve rakip risk regresyon modeli ve daha fazla performans alt grup analizi dayalı nomogramlar oluşturmak için bir adım-adım öğretici sağlar. Zhang ve ark.18 rakip risk nomogram oluşturmak için bir yaklaşım tanıttı, ancak...

Klinik çalışmalarda olay sağkalım analizi zamanı oldukça yaygındır. Hayatta kalma verileri, başlangıç saatinden ilgi olayının meydana gelmesine kadar geçen süreyi ölçer, ancak ilgi olayının oluşması genellikle başka bir olay tarafından engellenir. Birden fazla bitiş noktası türü varsa, bunlara rakip riskler bitiş noktaları denir. Bu durumda, standart tehlike analizi (örneğin, Cox orantılı nedene özel tehlikeler modeli) genellikle iyi çalışmaz, çünkü başka bir tür olay yaşayan bireyler sansürlenir. Rakip bir olayla karşılaşan bireyler genellikle risk kümesinde kalır, çünkü rakip riskler genellikle bağımsız değildir. Bu nedenle, Fine ve Gray1 rakip bir riskin alt dağılımı için regresyon modeli tahmin ini inceledi. Rakip bir risk ortamında, üç farklı türde olay ayrımcılığa uğrayabilir.
Bir hastalık için yeni tedavi yöntemleridoğrudan klinik fayda göstererek genel sağkalım (OS) ölçer. İşletim sistemi, herhangi bir nedenden dolayı ölüm tarihinden ölüm zamanına kadar olan sağkalım süresini (örn. tanı veya tedavi süresi) ölçer ve genellikle mutlak ölüm riskini değerlendirir, böylelikle ölüm nedenlerini ayırt edemeyince (örn. kansere özgü ölüm (CSD) veya kansere özgü olmayan ölüm (CSD dışı))2. İşletim sistemi, bu nedenle, en önemli bitiş noktası olarak kabul edilir. İlgi olayları genellikle kanserle ilgili, kalp hastalığı, trafik kazaları veya diğer ilgisiz nedenleri içeren kansere özgü olmayan olaylar, rakip olaylar olarak kabul edilir. Olumlu prognozu olan ve daha uzun süre hayatta kalması beklenen malign hastalar genellikle CSD dışı lık riski daha yüksektir. Yani, işletim sistemi diğer ölüm nedenleri ile seyreltilmiş olacak ve doğru klinik tedavinin gerçek etkinliğini yorumlamak için başarısız. Bu nedenle, işletim sistemi hastalığın sonuçlarına erişmek için en uygun ölçü olmayabilir3. Bu tür önyargılar rakip risk regresyon modeli ile düzeltilebilir.
Rakip risk verileri için iki ana yöntem vardır: nedene özel tehlike modelleri (Cox modelleri) ve alt dağıtım tehlike modelleri (rakip modeller). Aşağıdaki protokolde, nedene özel tehlike modeli ve alt dağıtım tehlike modeline dayalı nomogram lar üretmek için iki yöntem sayılmaktadır. Nedene özel tehlike modeli, rakip olayın gerçekleştiği anda sansürlenmiş olarak rakip olayı deneyimleyen denekleri ele alan Cox orantılı tehlikeler modeline uyacak şekilde yapılabilir. Fine ve Gray1 tarafından 1999 yılında başlatılan alt dağıtım tehlike modelinde, üç farklı türde olay ayrımcılığa uğrayabilir ve rakip bir olay yaşayan bireyler sonsuza kadar risk kümesinde kalır.
Nomogram, üç veya daha fazla değişken arasındaki ilişkinin matematiksel bir temsilidir4. Tıbbi nomografiler biyolojik ve klinik olayı değişkenler olarak kabul eder (örn. tümör derecesi ve hasta yaşı) ve belirli bir birey için istatistiksel bir prognostik model olarak grafiksel olarak betimlenen bir klinik olayın (örn. kanser nüksü veya ölüm) olasılıklarını oluşturur. Genellikle, bir nomogram Cox orantılı tehlikeler modeli5,,6,7,8,,9,10sonuçlarına göre formüle edilir.
Ancak, rakip riskler mevcut olduğunda, Cox modeline dayalı bir nomogram iyi performans gösteremeyebilir. Birkaç öncekiçalışmalarda 11,12,13,14 CSD olasılığını tahmin etmek için rakip risk nomogram uygulanmış olsa da, birkaç çalışma rakip bir risk regresyon modeline dayalı nomogram kurmak için nasıl açıklanmıştır, ve bunu başarmak için mevcut bir paket yoktur. Bu nedenle, aşağıda sunulan yöntem, rakip risk regresyon modeline dayalı belirli bir rakip risk nomogramı oluşturmak için adım adım bir protokol ve tedavi karar vermede klinisyenlere yardımcı olmak için bir risk puanı tahmini sağlayacaktır.

establishing a competing risk regression nomogram model for survival data

Kaplan-Meier yöntemi ve Cox orantılı tehlikeler regresyon modeli sağkalım çerçevesinde en sık yapılan analizlerdir. Bu nispeten uygulamak ve yorumlamak kolaydır ve görsel olarak tasvir edilebilir. Ancak, rekabet eden olaylar (örneğin, kardiyovasküler ve serebrovasküler kazalar, tedaviye bağlı ölümler, trafik kazaları) mevcut olduğunda, standart sağkalım yöntemleri dikkatle uygulanmalı ve gerçek dünya verileri doğru yorumlanamaz. Başarısızlığa yol açabilecek farklı türde olayları ayırt etmek ve bunları çözümlemede farklı şekilde ele almak istenebilir. Burada, metotlar, rakip olaylar mevcut olduğunda önemli prognostik faktörleri veya risk faktörlerini belirlemek için rakip regresyon modelini kullanmaya odaklanır. Buna ek olarak, klinisyenlerin tartışmalı faktörlerin prognoz üzerindeki etkisini açıklamak için bireysel değerlendirmeler ve risk tabakalaşmaları yapmalarına yardımcı olmak için orantılı bir tehlike regresyon modeline ve rakip regresyon modeline dayalı nomogramlar oluşturulmuştur.

Örnek kohortun hayatta kalma özellikleri Örnek kohortta toplam 8.550 uygun hasta analize dahil edildi ve ortanca takip süresi 88 ay (dağılım, 1 ila 95 ay) idi. Toplam 679 (%7,94) hastalar 40 yaşından küçüktü ve 7.871 (%92.06) hastalar 40 yaşından büyüktü. Dava sonunda 7.483 (%87.52) hastalar hala hayattaydı, 662 (%7.74) meme kanseri nedeniyle öldü ve 405 (%4.74) hastalar diğer nedenlerden dolayı öldü (rakip riskler).
İki sağkalım modelini...

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

Burada sunulan Cox orantılı tehlikeler regresyon modeli ve rakip risk regresyon modeli dayalı nomogramlar oluşturmak için bir protokoldür. Rekabet yöntemi, hayatta kalma analizinde rakip olaylar mevcut olduğunda uygulanacak daha rasyonel bir yöntemdir.

Survival Data için Rakip Risk Regresyon Nomogram Modeli Oluşturma

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

Bu protokol, trafik kazaları gibi rakip olaylar hayatta kalma analizinde geçildiğinde uygulanacak daha rasyonel bir yöntem olan rakip risk regresyon modeline dayalı normal hibelerle başa çıkmak için kullanılan protokoldür. Rakip etkinliklerimizi yaşamış olan bireyler genellikle, rakip riskler genellikle bağımsız olmadığı için riskleri hatırlatmaktadırlar. Rekabet normal hibe analiz de bireyler için olayları test olasılığını değerlendirmek için daha uygundur.RMS'yi yükledikten ve risk R paketlerini yükledikten sonra, bunları yükleyin ve kohort verilerini içe aktarArak Cox orantılı tehlikelerre regresyon modelini oluşturmak için, modeli CPH işlevini kullanarak verilere uygun hale getirin ve iki yıl öngörülen sağkalım oranını örnek alın. Risk puanını hesaplamak ve bir orman arsaçizmek için R meta paketini kullanın. R paketlerini yükledikten ve yükledikten sonra grup risk puanını veya GRS'yi alın ve kohort'u üç alt gruba bölün.Daha sonra orman arsasını çizin, tehlike oranı daha düşük yetkinlik aralığını ve CRR fonksiyonu ile üst güven aralığını elde edin. Rakip risk regresyon modelini oluşturmak için, prognostik değişkenleri bir matrisin içine yerleştirerek başlayın. Değişkenleri sütunlara göre birleştirip modele sığdırmak için Cbind işlevini kullanın.Sonra Cox Nome oluşturmak için nomogram işlevini kullanın. Temel kümülatif olaylar işlevini veya CIF'i alın ve rakip risk regresyon modelinin X beta ve X noktasını değiştirin. X makarasındaki toplam X noktasını değiştirin, ardından X skorunu hesaplayın ve nomogramı çizin.X skoru ve X demiryolu ilişkisi denklemi, rakip modelin içsel atıflarına göre hesaplanabilir. CIF sıfır, tahmin CRR işlevi tarafından hesaplanan temel CIF anlamına gelir. Örnek kohortta toplam 8, 550 uygun hasta analize dahil edilmiş ve ortanca takip süresi 88 ay olarak saptandı.Tümör ölümü kümülatif insidansı ve tümör ölümü ve rakip olaylar Kaplan-Meier yöntemi ve rakip risk regresyon fonksiyonu ile sırasıyla. Kaplan-Meier yöntemi ile hesaplanan tümör ölümü ve tümör ölümü olmayan kümülatif ölüm insidansının toplamı, rakip bir yöntem kullanıldığında kansere özgü ölüm kümülatif olaylarına eşit olan tüm ölüm nedenlerinin tahminlerinin toplamından daha yüksekti. Medeni durum, ırk, histolojik tip, diferansiye sınıf, T-sınıflandırması ve N-sınıflandırması gibi önemli faktörlere dayalı Cox orantılı regresyon modeli kullanılarak bir nomogram oluşturuldu.Bir nomogram da rakip risk regresyon modeli kullanılarak inşa edilmiştir. Risk skoruna göre kohort düşük risk, orta risk ve yüksek risk olmak üzere üç alt gruba ayrılmıştır. Orman çizimi, grup risk puanı ile belirli faktör arasındaki etkileşimi açıkça sunmak için kullanılmıştır.Yaş düşünüldüğünde, sadece düşük risk grubu genç kadınlar için daha kötü bir prognoz gösterdi, genç yaş orta ve yüksek riskli gruplarda prognoz koruyucu bir faktör olarak hareket edebilir gösteren. Bu protokolü denerken olay analizi ne kadar 10 farklı hayatta kalma modellerini tam olarak anlamak önemlidir ve araçlar bireyselleştirilmiş kılavuzluk için uygun şekilde ustalaştırılır. Model performansı ayrımcılık ve kalibreli istihkak performansı açısından değerlendirilir.Bu yordamı takiben, kalibrasyon eğrisi ve aynı boşluklar rakip normal hibe verimliliğini doğrulamak için performans olabilir konum.

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

2-adım doz-yükseltme yordamını akciğer adenokarsinom hücre Vitro EGFR-TKI ve bir araya geldi-TKI çift direnç kurulması

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

Kanser Araştırmaları

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

Sağlıklı ve patolojik arasında ayrım morfoloji tabanlı kullanarak Fourier dönüşümleri ve kendi kendini düzenleyen haritalar hücreleri

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

Anti-mitotik Therapeutics apoptotik yanıtı değerlendirmek için DR3 Overexpressing hücre satırları oluşturma

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 ...

Studying Triple Negative Breast Cancer Using Orthotopic Breast Cancer Model

Ortotopik Meme Kanseri Modeli Kullanarak Üçlü Negatif Meme Kanseri Eğitimi

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

Sentetik Ölümcül Etkileşimleri Hedefleyen İlaç Kombinasyonlarını Tanımlamak için Veri Entegrasyonu İş Akışı

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

Glioblastoma için 3D Spheroid Model

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

Kanser Hastalarının Kan Plazma Örneklerinde Hücresiz DNA Tespiti

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

Tek Çekirdekli RNA-seq ve ATAC-seq için Taze Donmuş Beyin Tümörlerinden Çekirdek İzolasyonu

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

An R-Based Landscape Validation of a Competing Risk Model

Rakip Risk Modelinin R Tabanlı Peyzaj Doğrulaması

The Cox proportional hazard model is widely applied for survival analyses in clinical settings, but it is not able to cope with multiple survival ...

Experimental Melanoma Immunotherapy Model Using Tumor Vaccination with a Hematopoietic Cytokine

Hematopoetik Sitokin ile Tümör Aşılaması Kullanılarak Deneysel Melanom İmmünoterapi Modeli

Fms-like tyrosine kinase 3 ligand (Flt3L) is a hematopoietic cytokine that promotes the survival and differentiation of dendritic cells (DCs). It has been ...