权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Exploring the potential of MALDI imaging mass spectrometry for personalized biomarker analysis in triple-negative breast cancer patients.

探索 MALDI 成像质谱分析在三阴性乳腺癌患者个性化生物标志物分析中的潜力。

基本信息

批准号：
197187887
负责人：
Professor Dr. Fred A. Hamprecht
金额：
--
依托单位：
Klinik und Poliklinik für Frauenheilkunde
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2011
资助国家：
德国
起止时间：
2010-12-31 至 2018-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/197187887?language=en
关键词：
Exploring potential MALDI imaging mass

项目摘要

The enormous size of data accumulated by employing immunohistochemistry, ELISA and Q-RT-PCR, plus MALDI Imaging Mass Spectrometry (MALDI IMS), acquired within the joint project on biomarker analysis in triple-negative breast cancer, makes automated analysis indispensable. We thus propose to develop and deploy a suite of different state-of-the-art methods from statistics, machine learning, and image processing where a special focus lies on the following six areas of application: (1) robust preprocessing of raw IMS data (baseline correction, normalization, peak picking, peak alignment), (2) comparison of current approaches for the classification of different tissue types across patients based on MALDI IMS signatures (e.g. automated distinction of triple-negative breast cancer tissue from triple-positive controls and connective tissue), (3) prediction of therapy response to cancer therapeutics as a precondition for personalized medicine, (4) prediction of patient disease-free and overall survival times, (5) confirmation of established as well as identification of novel biomarkers in these settings, and (6) development of a graphical annotation and classification tool for analysis of imaging mass spectrometry data.

通过采用免疫组织化学、ELISA和Q-RT-PCR以及MALDI成像质谱法（MALDI IMS）积累的大量数据，在三阴性乳腺癌生物标志物分析联合项目中获得，使得自动化分析不可或缺。因此，我们建议开发和部署一套不同的最先进的方法，包括统计学、机器学习和图像处理，其中特别关注以下六个应用领域：（1）原始IMS数据的稳健预处理（基线校正、归一化、峰值拾取、峰值对齐），（2）基于MALDI IMS特征对患者的不同组织类型进行分类的当前方法的比较（例如自动区分三阴性乳腺癌组织与三阳性对照和结缔组织），（3）预测对癌症治疗剂的治疗反应作为个性化医疗的前提，（4）预测患者的无病生存时间和总生存时间，（5）确认这些环境中已建立的生物标志物以及鉴定新的生物标志物，和（6）开发用于分析成像质谱数据的图形注释和分类工具。

项目成果

期刊论文数量（13）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Data-driven identification of prognostic tumor subpopulations using spatially mapped t-SNE of mass spectrometry imaging data

DOI：
10.1073/pnas.1510227113
发表时间：
2016-10-25
期刊：
PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES OF THE UNITED STATES OF AMERICA
影响因子：
11.1
作者：
Abdelmoula, Walid M.;Balluff, Benjamin;Lelieveldt, Boudewijn P. F.
通讯作者：
Lelieveldt, Boudewijn P. F.

De novo discovery of phenotypic intratumour heterogeneity using imaging mass spectrometry