最新的海报

节点参与膀胱癌是一个独立的预后指标。本研究采用机器学习迭代过程被称为遗传规划定量表达式的值70个基因分类主要移行细胞癌样本到那些有或没有淋巴结转移有关。生成的规则显示强烈的偏爱ICAM1, MAP2K6和KDR导致基因表达主题,累计建议模式ICAM1 > MAP2K6 > KDR节点积极ca

我们使用Ciphergen技术基于SELDI TOF-MS(表面增强激光解吸/电离飞行时间质谱)105年的蛋白质表达谱分析乳腺癌组织样本。本研究的目的是单一的蛋白质或蛋白质的识别模式特定的子组为不同的肿瘤,应利用生物标志物来代替常用的诊断和预后特点。

我们的研究的目的是评估可溶性matrixmetalloproteinases (MMPs)及其抑制剂(TIMP1)相关的腿部溃疡伤口液体相比,组织局部的。我们旨在开发一个容易执行协议可溶性mmp / TIMP的量化,并将获得的水平与疾病阶段和预后。

血浆蛋白作为疾病的良好指标从几个有代表性的蛋白质细胞过程,因此生物标志物发现的潜在来源。血浆蛋白的大动态范围使分析非常具有挑战性的,因为大量的低丰度蛋白质被几个蒙面高丰富蛋白质。

相比我们有两种不同的增溶缓冲区,我们也评估蛋白质沉淀用乙醇和优化人类骨髓瘤蛋白质两种条件。

从7岁的FFPE提取的蛋白质样品的b细胞淋巴瘤和乳房癌,其次是极限状态标签。样本用于单个或两个颜色分析使用一个定制的抗体阵列。我们观察到微分表达水平数捕获分析物。在b细胞淋巴瘤,预期的高水平的IgM被检测到,而高水平的CA19-9公认的标志,被发现乳腺癌组织。

乳腺癌不同转移性行为。亚种群的细胞转移能力与提高骨骼(1833)或者肺(4175)所孤立的j . Massague体内mda - mb - 231细胞的选择。我们进行了二维分析的细胞系。我们发现和确定了11个差异表达蛋白质斑点。

全球表达数据分析的基础上,我们得出结论,人口的CD34 +细胞淋巴瘤患者显示了不同的表达式在体外分化状态。因此我们假设CD34 +人口不适合自体移植。我们使用互补脱氧核糖核酸微阵列技术来获得精确的表达谱。

质为基础的蛋白质组学实验是用来比较复杂生物样品在多个条件。快,需要强大的计算工具来探索和发现领域的差异表达蛋白质组学和生物标志物的发现。一般来说,专业的必要措施,解决这些难题(装箱、对齐和正常化,峰值采摘,相对定量,等等)。MS-Xelerator是一组软件工具,致力于上述所有任务。

Caveolin1 (Cav-1)函数作为肿瘤supressor或以促进转移。Overexpresion cav-1是与:tumoral分级,proliferration标记(Ki67 p53),血清肿瘤标志物(东航CA19.9)和血管生成标记(VEGF、bFGF)。