训练集中20个化合物用于建立预测模型,测试集6个化合物(含模板分子)作为模型验证。已建立的CoMFA模型的交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)分别为0.467、0.891,说明所建模型具有较强的稳定性和良好的预测能力。该模型中立体场、静电场对pIC的贡献率依次为40.8%、59.2%。基于此研究结果,设计了4个AMN-107细胞系具有较高抗乳腺癌活性的新化合物,有待医学实验验证。
为了提高乳腺癌患者的生存率,改善病人的临床治疗效果,从分子机制上研究了乳腺癌的致病基因。首先对113个正常组织和1 109个癌症组织的表达量进行差异分析,然后对差异表达的基因采用条件联合分析方式对互补基因进行分组,并用逐步Cox回归挑选出一组基购买AZD5582因拟合预后模型。研究结果显示 VWCE,SPDYC,CRYBG3,DEFB1,SEL1L2,NMNAT2 6个基因对患者生存率是有害的,AMZ1,GJB2,CXCL2,ALDOC 4个基因对患者生存率是有利的,最终确定10个基因的预后模型能够显著地将样本分为高风险组和低风险组,并且对乳腺癌患者5年和10年的selleck合成生存率进行了预测,依赖时间的AUC值均可达0.7以上。所提方法能够利用基因与基因之间的关联性,很好地对高维数据进行降维,消除基因与基因之间的共线性问题,10个基因的预后模型可以对患者的临床预测提供帮助。
目的 探讨自动乳腺超声成像(ABUS)及常规二维超声(US)检查中乳腺良性和恶性肿瘤的超声表现特点,旨在提高对乳腺良性与恶性肿瘤的超声鉴别诊断能力,为临床提供准确的参考信息。