Logo: to the web site of Uppsala University

uu.sePublikasjoner fra Uppsala universitet
Endre søk
Begrens søket
1 - 6 of 6
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Treff pr side
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
Merk
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Ahmad, Shafqat
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Carrasquilla, Germán
    Novo Nordisk Foundation Center for Basic Metabolic Research, Faculty of Health and Medical Sciences, University of Copenhagen, Copenhagen, Denmark.
    Langner, Taro
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Menzel, Uwe
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Hammar, Ulf
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Censin, Jenny C.
    Big Data Institute at the Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford, UK; 7Wellcome Centre for Human Genetics, University of Oxford, Oxford, UK.
    Sayols-Baixeras, Sergi
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Nguyen, Diem
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi.
    Mora, Andrés Martínez
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Eriksson, Jan W.
    Clinical Diabetes and Metabolism, Department of Medical Sciences, Uppsala University, Uppsala, Sweden.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Kullberg, Joel
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Ahlström, Håkan
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Fall, Tove
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi.
    Genetics of liver fat and volume associate with altered metabolism and whole body magnetic resonance imaging2022Inngår i: Journal of Hepatology, ISSN 0168-8278, E-ISSN 1600-0641, Vol. 77, s. S40-S40Artikkel i tidsskrift (Annet vitenskapelig)
  • 2.
    Andersson, Robin
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för cell- och molekylärbiologi, Centrum för bioinformatik.
    Bruder, Carl E G
    Piotrowski, Arkadiusz
    Menzel, Uwe
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Nord, Helena
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Sandgren, Johanna
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper.
    Hvidsten, Torgeir R
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för cell- och molekylärbiologi, Centrum för bioinformatik.
    de Ståhl, Teresita Diaz
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Dumanski, Jan P
    Komorowski, Jan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för cell- och molekylärbiologi, Centrum för bioinformatik.
    A Segmental Maximum A Posteriori Approach to Genome-wide Copy Number Profiling2008Inngår i: Bioinformatics, ISSN 1367-4803, E-ISSN 1367-4811, Vol. 24, nr 6, s. 751-758Artikkel i tidsskrift (Annet vitenskapelig)
    Abstract [en]

    MOTIVATION: Copy number profiling methods aim at assigning DNA copy numbers to chromosomal regions using measurements from microarray-based comparative genomic hybridizations. Among the proposed methods to this end, Hidden Markov Model (HMM)-based approaches seem promising since DNA copy number transitions are naturally captured in the model. Current discrete-index HMM-based approaches do not, however, take into account heterogeneous information regarding the genomic overlap between clones. Moreover, the majority of existing methods are restricted to chromosome-wise analysis. RESULTS: We introduce a novel Segmental Maximum A Posteriori approach, SMAP, for DNA copy number profiling. Our method is based on discrete-index Hidden Markov Modeling and incorporates genomic distance and overlap between clones. We exploit a priori information through user-controllable parameterization that enables the identification of copy number deviations of various lengths and amplitudes. The model parameters may be inferred at a genome-wide scale to avoid overfitting of model parameters often resulting from chromosome-wise model inference. We report superior performances of SMAP on synthetic data when compared with two recent methods. When applied on our new experimental data, SMAP readily recognizes already known genetic aberrations including both large-scale regions with aberrant DNA copy number and changes affecting only single features on the array. We highlight the differences between the prediction of SMAP and the compared methods and show that SMAP accurately determines copy number changes and benefits from overlap consideration.

  • 3.
    Elfving, Hedvig
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Mattsson, Johanna Sofia Margareta
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Lindskog, Cecilia
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Backman, Max
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Menzel, Uwe
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Micke, Patrick
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Programmed Cell Death Ligand 1 Immunohistochemistry: A Concordance Study Between Surgical Specimen, Biopsy, and Tissue Microarray2019Inngår i: Clinical Lung Cancer, ISSN 1525-7304, E-ISSN 1938-0690, Vol. 20, nr 4, s. 258-262.e1Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Programmed cell death ligand 1 (PD-L1) expression within the same lung cancer tissue is variable. In this study we evaluated if the PD-L1 expression on small biopsy specimens represent the PD-L1 status of the corresponding resection specimen. Our results indicate a relative good agreement between biopsy and surgical specimens, with a discordance in approximately 10% of the cases. Background: The immunohistochemical analysis of programmed cell death ligand 1 (PD-L1) expression in tumor tissue of non-small-cell lung cancer patients has now been integrated in the diagnostic workup. Analysis is commonly done on small tissue biopsy samples representing a minimal fraction of the whole tumor. The aim of the study was to evaluate the correlation of PD-L1 expression on biopsy specimens with corresponding resection specimens. Materials and Methods: In total, 58 consecutive cases with preoperative biopsy and resected tumor specimens were selected. From each resection specimen 2 tumor cores were compiled into a tissue microarray (TMA). Immunohistochemical staining with the antibody SP263 was performed on biopsy specimens, resection specimens (whole sections), as well as on the TMA. Results: The proportion of PD-L1-positive stainings were comparable between the resection specimens (48% and 19%), the biopsies (43% and 17%), and the TMAs (47% and 14%), using cutoffs of 1% and 50%, respectively (P > .39 all comparisons). When the resection specimens were considered as reference, PD-L1 status differed in 16%/5% for biopsies and in 9%/9% for TMAs (1%/50% cutoff). The sensitivity of the biopsy analysis was 79%/82% and the specificity was 90%/98% at the 1%/50% cutoff. The Cohens kappa value for the agreement between biopsy and tumor. was 0.70 at the 1% cutoff and 0.83 at the 50% cutoff. Conclusion: The results indicate a moderate concordance between the analysis of biopsy and whole tumor tissue, resulting in misclassification of samples in particular when the lower 1% cutoff was used. Clinicians should be aware of this uncertainty when interpreting PD-L1 reports for treatment decisions.

  • 4.
    Piotrowski, Arkadiusz
    et al.
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Benetkiewicz, Magdalena
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Menzel, Uwe
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Díaz de Ståhl, Teresita
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Mantripragada, Kiran
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Grigelionis, Gintautas
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Buckley, Patrick G
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Jankowski, Michał
    Hoffman, Jacek
    Bała, Dariusz
    Srutek, Ewa
    Laskowski, Ryszard
    Zegarski, Wojciech
    Dumanski, Jan P
    Uppsala universitet, Medicinska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Microarray-based survey of CpG islands identifies concurrent hyper- and hypomethylation patterns in tissues derived from patients with breast cancer.2006Inngår i: Genes Chromosomes Cancer, ISSN 1045-2257, Vol. 45, nr 7, s. 656-67Artikkel i tidsskrift (Fagfellevurdert)
  • 5.
    van Zoest, Vera
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datorteknik. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för systemteknik. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    Varotsis, Georgios
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Menzel, Uwe
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wigren, Anders
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Kennedy, Beatrice
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Martinell, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för folkhälso- och vårdvetenskap, Allmänmedicin och preventivmedicin.
    Fall, Tove
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi.
    Spatio-temporal predictions of COVID-19 test positivity in Uppsala County, Sweden: a comparative approach2022Inngår i: Scientific Reports, E-ISSN 2045-2322, Vol. 12, nr 1, artikkel-id 15176Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Previous spatio-temporal COVID-19 prediction models have focused on the prediction of subsequent number of cases, and have shown varying accuracy and lack of high geographical resolution. We aimed to predict trends in COVID-19 test positivity, an important marker for planning local testing capacity and accessibility. We included a full year of information (June 29, 2020-July 4, 2021) with both direct and indirect indicators of transmission, e.g. mobility data, number of calls to the national healthcare advice line and vaccination coverage from Uppsala County, Sweden, as potential predictors. We developed four models for a 1-week-window, based on gradient boosting (GB), random forest (RF), autoregressive integrated moving average (ARIMA) and integrated nested laplace approximations (INLA). Three of the models (GB, RF and INLA) outperformed the naïve baseline model after data from a full pandemic wave became available and demonstrated moderate accuracy. An ensemble model of these three models slightly improved the average root mean square error to 0.039 compared to 0.040 for GB, RF and INLA, 0.055 for ARIMA and 0.046 for the naïve model. Our findings indicate that the collection of a wide variety of data can contribute to spatio-temporal predictions of COVID-19 test positivity.

    Fulltekst (pdf)
    fulltext
  • 6.
    Visvanathar, Robin
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Censin, Jenny
    Menzel, Uwe
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Geovetenskapliga sektionen, Institutionen för geovetenskaper, Paleobiologi.
    Ahmad, Shafqat
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Kullberg, Joel
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för folkhälso- och vårdvetenskap, Geriatrik. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Fall, Tove
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Molekylär epidemiologi.
    Ahlström, Håkan
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Genetic Variation and Sex-Stratified Advanced Body Composition Analysis: Neck-to-Knee MRI and Genetics in the UK BiobankManuskript (preprint) (Annet vitenskapelig)
    Abstract [en]

    Background The heritability of body composition has been studied extensively by researchers. However, few studies have explored the genetic variation of advanced body composition phenotypes derived from magnetic resonance imaging (MRI). In this study, polygenic risk scores (PRS) and single nucleotide polymorphisms (SNPs) that are associated with image-derived features from water- and fat separated MRI are reported. Method and materials The analysis was performed with the image processing framework Imiomics to attain spatial normalisation of large imaging cohorts from the UK Biobank. The study included 13,300 men and 13,849 women following GWAS and image data quality controls. Imiomics was further applied to generate voxel-wise Pearson correlation coefficient volumes. Relative effect sizes from six SNPs (rs1358980-T, rs1936805-T, rs2820443-C, rs6567160-C, rs10195252-C and rs13021737-G) were examined for associations with segmented tissue volumes and tissue fat fractions. In addition, the LDpred-derived PRS were compared with genome-wide significant only derived PRS for body mass index (BMI), waist-to-hip ratio (WHR) and height. Results Imiomics and GWAS integration delivered a detailed mapping of individual SNPs to the tissue volume and fat fraction of regional adipose tissue depots, heart, liver, lungs and thigh muscle. A putatively less harmful relationship between gluteofemoral SAT and the two obesity-related SNPs, rs6567160-C and rs1936805-T, compared with other tissues was found. The genetic variant, rs1358980-T, located upstream of VEGFA, was the highest ranked SNP inversely associated with gluteofemoral SAT volume in both sexes (r= -0.0245, p<0.05 and r= -0.0257, p<0.05 in men and women, respectively). Observed effect sizes were overall higher with LDpred-derived PRS compared with genome-wide significant only scores. Conclusion An image-based exploratory integration approach guided by Imiomics enabled efficient and large-scale analysis of advanced body composition and genetic variation.  

1 - 6 of 6
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf