Neuroendokrin daganatok: ki dolgozik rajta

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

• Minden célpont
• PD-1 1
• BRAF 0
• TP53 1
• PD-L1 0
• DLL3 14
• PI3K 0
• CTLA-4 0
• mTOR 1
• STAT3 0
• AKT 0
• MEK 0
• MAPK 0
• VEGF 1
• RET 0
• ERK 0
• STING 0
• YAP 0
• PRAME 0
• CTNNB1 0
• NRAS 0
• BAP1 0
• PTEN 0
• ALK 0
• EGFR 1
• MYC 0
• CXCR4 0
• EZH2 0
• HIF-1 0
• HSP90 0
• JNK 0
• PARP 5
• PSMA 3
• TNF 0
• CD40 0
• CDK4/6 0
• GPX4 0
• NRF2 0
• VHL 3
• AMPK 0
• B7-H3 2
• COX-2 0
• KRAS 0
• PPAR 0
• CD47 1
• KIT 1
• RAS 0
• TERT 0
• BRCA2 0
• CDKN2A 0
• GLP-1 0
• HER2 1
• IGF1R 0
• IL-17 0
• LAG-3 0
• MET 0
• MMP-9 0
• RB1 1
• TIGIT 0
• TROP2 1
• AXL 0

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

2+ intézményből 2, a friss publikációk és a nyitott vizsgálatok szerint rendezve. Ez nem minőségi rangsor.

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

Ebben a nézetben egy vizsgálat sem jelzi, hogy megosztaná a résztvevői adatokat.

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

• Single-Cell Analysis 50
• Organoids 14
• Mendelian Randomization Analysis 6
• CRISPR-Cas Systems 13
• Gene Expression Profiling 118
• Sequence Analysis, RNA 8
• Whole Genome Sequencing 10
• Exome Sequencing 13
• Proteomics 49
• Metabolomics 20
• Mass Spectrometry 4
• Flow Cytometry 55
• Immunohistochemistry 185
• Liquid Biopsy 9
• Circulating Tumor DNA 35
• Xenograft Model Antitumor Assays 117
• Positron-Emission Tomography 61
• Magnetic Resonance Imaging 200
• Machine Learning 53
• Deep Learning 53
• Cohort Studies 80
• Genome-Wide Association Study 12

• 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.

• Machine learning for functional outcome prediction after vestibular schwannoma surgery: a systematic review and diagnostic test accuracy meta-analysis.

  J Neurooncol, 2026. aug.

• 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.

• A dual-validated machine learning model for predicting 3-year mortality in atypical pulmonary carcinoid, a rare neuroendocrine tumor.

  Front Endocrinol (Lausanne), 2026. aug.

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

  Bioinformatics, 2026. júl.

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