Melanóma: ki dolgozik rajta

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

• Minden célpont
• PD-1 54
• BRAF 18
• PD-L1 21
• MEK 7
• TP53 0
• CTLA-4 10
• MAPK 2
• NRAS 8
• STING 0
• STAT3 0
• PRAME 3
• AKT 0
• PI3K 0
• BAP1 2
• VEGF 4
• mTOR 0
• ERK 0
• LAG-3 2
• RAS 2
• CTNNB1 0
• CD40 0
• CDKN2A 3
• TNF 0
• YAP 0
• PTEN 1
• JAK 0
• KIT 3
• KRAS 1
• JNK 0
• PPAR 0
• TIGIT 0
• ALK 0
• B7-H3 3
• BCL-2 0
• EZH2 0
• HIF-1 0
• IL-15 1
• NF1 2
• NLRP3 0
• NRF2 0
• AMPK 0
• HSP90 0
• CD47 0
• MYC 0
• PKM2 0
• AXL 1
• COX-2 0
• EGFR 0
• GPX4 0
• MET 1
• HDAC 1
• IDH 1
• IL-17 1
• MMP-9 0
• CDK4/6 0
• CXCR4 0
• FGFR 0
• HER2 3
• IGF1R 0
• PSMA 3

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

3+ intézményből 3, a friss publikációk és a nyitott vizsgálatok szerint rendezve. Ez nem minőségi rangsor.

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

• Hepzato Kit and Opdualag for Metastatic Melanoma and Liver Metastasis

  NCT07281924· University of Wisconsin, Madison· Forrás

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

• Single-Cell Analysis 51
• Organoids 8
• Mendelian Randomization Analysis 12
• CRISPR-Cas Systems 21
• Gene Expression Profiling 116
• Sequence Analysis, RNA 9
• Whole Genome Sequencing 6
• Exome Sequencing 7
• Proteomics 46
• Metabolomics 20
• Mass Spectrometry 9
• Flow Cytometry 65
• Immunohistochemistry 106
• Liquid Biopsy 12
• Circulating Tumor DNA 37
• Xenograft Model Antitumor Assays 121
• Positron-Emission Tomography 31
• Magnetic Resonance Imaging 56
• Machine Learning 49
• Deep Learning 44
• Cohort Studies 77
• Genome-Wide Association Study 22

• Explainable machine learning predictive models for treatment response after SBRT in melanoma brain metastases.

  J Neurooncol, 2026. nov.

• Pre-treatment machine learning prediction of local failure and time to local failure after Gamma Knife radiosurgery for radioresistant brain metastases.

  J Neurooncol, 2026. nov.

• Burden of malignant melanoma among the elderly population in East Asia from 1990 to 2023 and machine learning projection to 2040.

  PLoS One, 2026. szept.

• Predicting Targeted and Immunotherapeutic Response Outcomes in Melanoma With Single-Cell Raman Spectroscopy and Artificial Intelligence.

  JCO Precis Oncol, 2026. szept.

• Explainable AI-Assisted Label-Free Raman Biosensing Reveals Therapy-Associated Spectral Signatures in Melanoma Tumors.

  Biosensors (Basel), 2026. szept.

• A multiscale geospatial analysis integrating explainable machine learning to characterize spatial disparities in melanoma mortality associated with environmental justice and healthcare access in the contiguous United States.

  Front Public Health, 2026. aug.

• Development of a novel RNA modification-based risk model to predict prognosis and immunotherapy response in melanoma using machine learning.

  J Cancer Res Clin Oncol, 2026. aug.

• Automated model-based lesion tracking in CT: colorectal liver metastases as a use case for development and performance analysis.

  Eur Radiol Exp, 2026. júl.

• FFixR: a machine learning framework for accurate somatic mutation calling from FFPE RNA-seq data in cancer.

  Bioinformatics, 2026. júl.

• Identification of cell pyroptosis-related gene signature for prognosis in skin cutaneous melanoma.

  Comput Biol Chem, 2026. jún.

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