Glioblasztóma: ki dolgozik rajta

Intézményenként egy kártya. Szűrhetsz célpontra, országra, vagy csak az EU-13 (Horizon Europe felzárkózó) országok intézményeire.

• Minden célpont
• MGMT 20
• EGFR 14
• IDH 10
• STAT3 3
• TP53 0
• AKT 0
• mTOR 1
• PI3K 1
• PD-1 7
• ERK 0
• PD-L1 5
• STING 0
• YAP 0
• B7-H3 7
• MAPK 0
• PARP 1
• CTNNB1 0
• PTEN 1
• VEGF 5
• AMPK 0
• BRAF 1
• TERT 3
• FGFR 1
• PRMT5 5
• CDK4/6 0
• HDAC 0
• HIF-1 1
• IL-6 0
• NRF2 0
• PSMA 4
• MYC 2
• COX-2 0
• CXCR4 0
• EZH2 0
• CD47 0
• HER2 2
• JAK 0
• MEK 0
• MET 1
• METTL3 0
• TLR4 0
• ATM 2
• GPX4 0
• MDM2 0
• BCL-2 0
• CDKN2A 0
• CTLA-4 0
• FAK 0
• HSP90 0
• JNK 0
• MMP-9 1
• TNF 0
• CD19 0
• NF1 1
• NTRK 1
• TREM2 0
• AR 0
• CD40 1
• HMGB1 0
• IDO1 0

Az EU-13 szűrő, nem rangsor: csak szűkíti a listát.

7+ intézményből 7, a friss publikációk és a nyitott vizsgálatok szerint rendezve. Ez nem minőségi rangsor.

Leállított, visszavont és felfüggesztett vizsgálatok, a szponzor által a regiszterben megadott okkal, szó szerint idézve.

• Leállították

  Study to Evaluate the Efficacy and Safety of Pemigatinib in Participants With Previously Treated Glioblastoma or Other Primary Central Nervous System Tumors Harboring Activating FGFR1-3 Alterations

  NCT05267106· Incyte Corporation· Frissítve: 2025. dec. 30.

  “Recruitment ceased after a pre-planned futility interim analysis indicated a low probability to confer a clinically meaningful improvement in objective response when compared to currently available therapies. There were no safety related concerns.”A regiszter szövege, változtatás nélkül. Forrás

Vizsgálatok, amelyek regiszteradata szerint az egyéni résztvevői adatokat (IPD) megosztják.

• Study to Evaluate the Efficacy and Safety of Pemigatinib in Participants With Previously Treated Glioblastoma or Other Primary Central Nervous System Tumors Harboring Activating FGFR1-3 Alterations

  NCT05267106· Incyte Corporation· Forrás

Publikációk erről a betegségről egy MeSH-módszerkifejezés szerint, például szekvenálási vagy képalkotó módszerre.

• Single-Cell Analysis 93
• Organoids 33
• Mendelian Randomization Analysis 14
• CRISPR-Cas Systems 11
• Gene Expression Profiling 150
• Sequence Analysis, RNA 10
• Exome Sequencing 2
• Proteomics 47
• Metabolomics 21
• Mass Spectrometry 9
• Flow Cytometry 16
• Immunohistochemistry 22
• Liquid Biopsy 10
• Circulating Tumor DNA 3
• Xenograft Model Antitumor Assays 226
• Positron-Emission Tomography 37
• Magnetic Resonance Imaging 234
• Machine Learning 266
• Deep Learning 43
• Cohort Studies 54
• Genome-Wide Association Study 13

• Development and internal validation of machine learning models for predicting prediabetes in China.

  PLoS One, 2026. nov.

• Rigorous nested cross-validation and external generalization-gap analysis of a machine-learning classifier for U-251 glioblastoma cytotoxicity.

  PLoS One, 2026. nov.

• Reconstructing the single-cell spatiotemporal dynamics of glioblastoma invasion.

  Nat Commun, 2026. nov.

• Persistent atrial fibrillation in older adults: Comparison of seven models and development of a gradient boosting machine classifier in a single-center observational study.

  Medicine (Baltimore), 2026. okt.

• Associations of International Normalized Ratio and Hematocrit With Stroke Status and Machine Learning Mortality Prediction in Critical Care Databases.

  J Vis Exp, 2026. okt.

• Predicting under-five child mortality in Zambia: Machine learning versus parametric survival models.

  PLoS One, 2026. okt.

• Predicting cholesterol screening behavior using machine learning: Social-ecological approach.

  Health Informatics J, 2026. okt.

• Machine Learning-Based Risk Prediction Models for Peripheral Artery Disease: A Nationally Representative Analysis of NHANES 1999-2004.

  Clin Appl Thromb Hemost, 2026. okt.

• Cardiac troponin T and 28-day mortality in traumatic brain injury: a retrospective cohort study and machine learning prediction model.

  Front Neurol, 2026. okt.

• Construction of risk prediction models for psoriasis based on 45 dietary nutrients using machine learning and SHAP analysis.

  Asia Pac J Clin Nutr, 2026. okt.

Megmutatjuk, a betegség mely célpontjait említi az absztrakt, és onnan a rajtuk dolgozókhoz jutsz.