Vastagbélrák: ki dolgozik rajta

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

• Minden célpont
• TP53 6
• KRAS 57
• PD-1 108
• BRAF 36
• EGFR 32
• PD-L1 26
• PI3K 2
• STAT3 0
• CTNNB1 1
• AKT 0
• RAS 31
• HER2 38
• mTOR 1
• MAPK 1
• VEGF 14
• ERK 0
• STING 0
• NRF2 0
• PPAR 0
• CTLA-4 16
• HIF-1 0
• COX-2 5
• AMPK 0
• JNK 0
• PTEN 1
• YAP 0
• MYC 0
• GPX4 0
• NRAS 8
• IL-6 0
• MET 7
• JAK 0
• PARP 1
• CXCR4 0
• NLRP3 0
• TNF 0
• BCL-2 0
• HSP90 0
• PIK3CA 2
• GLP-1 1
• HDAC 2
• METTL3 0
• MEK 1
• CDK4/6 2
• CD47 1
• BRCA1 1
• FGFR 0
• NTRK 1
• B7-H3 5
• EZH2 0
• FAK 1
• HMGB1 0
• TROP2 4
• MUC1 2
• ATM 2
• IDO1 1
• IL-1 0
• PCSK9 3
• PINK1 0
• SHP2 0

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

5+ intézményből 5, 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

  A Phase 1 Study of MRTX0902 in Solid Tumors With Mutations in the KRAS MAPK Pathway

  NCT05578092· Mirati Therapeutics Inc.· Frissítve: 2026. febr. 19.

  “business objectives have changed”A regiszter szövege, változtatás nélkül. Forrás

• Leállították

  Study of IK-595 in RAS- or RAF-altered Advanced Tumors

  NCT06270082· Ikena Oncology· Frissítve: 2025. szept. 19.

  “Limited resources and strategic priorities”A regiszter szövege, változtatás nélkül. Forrás

• Leállították

  Tovorafenib (DAY101) or in Combination With Pimasertib for Participants With Melanoma and Other Solid Tumors

  NCT07121829· Day One Biopharmaceuticals, Inc.· Frissítve: 2025. aug. 14.

  “Sponsor decision”A regiszter szövege, változtatás nélkül. Forrás

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 133
• Organoids 108
• Mendelian Randomization Analysis 49
• CRISPR-Cas Systems 34
• Gene Expression Profiling 335
• Sequence Analysis, RNA 29
• Whole Genome Sequencing 21
• Exome Sequencing 26
• Proteomics 106
• Metabolomics 92
• Mass Spectrometry 42
• Flow Cytometry 113
• Immunohistochemistry 208
• Liquid Biopsy 36
• Circulating Tumor DNA 119
• Xenograft Model Antitumor Assays 432
• Positron-Emission Tomography 38
• Magnetic Resonance Imaging 196
• Machine Learning 209
• Deep Learning 142
• Cohort Studies 315
• Genome-Wide Association Study 65

• Predicting Oxaliplatin-Induced Severe Neuropathy in Colorectal Cancer Patients with Diabetic Polyneuropathy.

  J Vis Exp, 2026. okt.

• Identification of Immuno-Diagnostic and Therapeutic Markers in Tumors and Inflammatory Diseases Based on Single-Cell and Machine Learning Methods.

  Hum Mutat, 2026. okt.

• Infrared spectroscopy with statistical analysis and machine learning for cancer risk assessment in inflammatory bowel disease patients.

  Analyst, 2026. okt.

• Transcription factor CTCF activates KIAA1199 expression to inhibit ferroptosis and promote malignant behaviors in colorectal cancer based on bioinformatics and machine learning.

  Gene, 2026. okt.

• Multifunctional nanoflower-assisted catalytic hairpin assembly enables extracellular vesicles derived-microRNAs profiling for colorectal cancer diagnosis.

  Talanta, 2026. okt.

• Causal decomposition framework for quantifying intervenable cancer health disparities.

  Biometrics, 2026. okt.

• Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer Using Routinely Collected Clinical Data: Multicenter Retrospective Machine Learning Model Development and External Validation Study.

  JMIR Cancer, 2026. okt.

• Gut microbiota signatures and machine learning-based candidate feature prioritization in advanced colorectal cancer.

  Arch Microbiol, 2026. okt.

• Development of an Interpretable Triage Tool for Colorectal Polyp Risk Stratification Within a Population-Based Screening Program: Machine Learning Approach.

  JMIR Med Inform, 2026. szept.

• Machine learning-supported identification of necrosis in colorectal and pancreatic cancer spheroids.

  PLoS One, 2026. szept.

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