Méhnyakrák: ki dolgozik rajta

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

• Minden célpont
• TP53 2
• PD-1 19
• PD-L1 12
• PI3K 3
• AKT 1
• CTLA-4 7
• HER2 9
• CTNNB1 0
• mTOR 0
• STAT3 0
• VEGF 3
• EGFR 2
• MYC 0
• MAPK 0
• PTEN 2
• NRF2 1
• PIK3CA 3
• ERK 0
• PARP 0
• AMPK 0
• JAK 0
• TROP2 4
• YAP 0
• BRCA1 2
• GPX4 0
• HIF-1 0
• IL-6 0
• TNF 0
• FOXP3 0
• KRAS 0
• B7-H3 3
• BCL-2 0
• BRCA2 2
• HER3 1
• JNK 0
• MMP-9 0
• STING 0
• STK11 0
• AXL 0
• CD47 0
• COX-2 0
• EZH2 0
• FAK 1
• HDAC 0
• HMGB1 0
• PPAR 0
• PRAME 0
• ATM 0
• CD40 0
• CXCR4 0
• IDH 1
• LAG-3 0
• METTL3 0
• NF1 0
• NOTCH1 0
• PKM2 0
• PRMT5 0
• SHP2 0
• SIRT1 0
• ALK 0

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

Ebben a nézetben még nincs kutatócsoport.

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

• First Time in Human Study of AZD8701 With or Without Durvalumab in Participants With Advanced Solid Tumours

  NCT04504669· AstraZeneca· Forrás

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

• Single-Cell Analysis 28
• Organoids 10
• Mendelian Randomization Analysis 13
• CRISPR-Cas Systems 21
• Gene Expression Profiling 70
• Sequence Analysis, RNA 5
• Whole Genome Sequencing 1
• Exome Sequencing 3
• Proteomics 18
• Metabolomics 9
• Mass Spectrometry 4
• Flow Cytometry 25
• Immunohistochemistry 46
• Liquid Biopsy 8
• Circulating Tumor DNA 6
• Xenograft Model Antitumor Assays 65
• Positron-Emission Tomography 14
• Magnetic Resonance Imaging 92
• Machine Learning 63
• Deep Learning 50
• Cohort Studies 81
• Genome-Wide Association Study 14

• Attentive interpretable tabular learning (TabNet) for miRNA expression classification in cervical cancer and Alzheimer's disease.

  BMC Bioinformatics, 2026. okt.

• A hybrid deep learning framework for automated treatment planning in cervical cancer radiotherapy.

  J Appl Clin Med Phys, 2026. okt.

• MCOD: a memory-constrained deep learning framework for robust outlier detection in quantitative proteomics.

  Brief Bioinform, 2026. szept.

• Diagnostic performance of artificial intelligence models trained on scattered single-cell images is not preserved for hyperchromatic crowded cell groups in cervical cytology.

  Cancer Cytopathol, 2026. szept.

• A Multimodal Graph Neural Network Based on MRI Radi-omics for Prognostic Prediction in Locally Advanced Cervical Squamous Cell Carcinoma.

  Cancer Control, 2026. aug.

• A novel deep learning segmentation and multimodal radiomics approach for radiation proctitis prediction in cervical cancer.

  Radiat Oncol, 2026. aug.

• From synthesis to clinic: a task-specific framework for CT images metal artifact reduction in cervical brachytherapy.

  Radiat Oncol, 2026. aug.

• Enhanced Diagnosis of Cervical Cancer Using Archer Fish Hunting Optimizer-Optimized Xception Network with AI Interpretability via Grad-CAM.

  Asian Pac J Cancer Prev, 2026. aug.

• A prospective development and evaluation of a 2D convolutional neural network-based auto-segmentation model for cervical cancer radiotherapy.

  J Egypt Natl Canc Inst, 2026. júl.

• Deep learning reconstruction-applied PROPELLER diffusion-weighted imaging in uterine malignancies: a comparison study with MUSE.

  Jpn J Radiol, 2026. júl.

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