„Deep sequencing“ und prädiktive Modellierung als Konzept therapeutischer Entscheidungsfindungen in der Onkologie View Full Text


Ontology type: schema:ScholarlyArticle     


Article Info

DATE

2011-06

AUTHORS

H. Lehrach, R. Schäfer, P.M. Schlag

ABSTRACT

Eine genaue Kenntnis der komplexen Aktivierungsmechanismen zellulärer Signalwege und deren molekulare Vernetzung sind für Planung und Prädiktion des Ansprechens zielgerichteter Therapien von großer Bedeutung. Die Vielzahl möglicher und bereits an Tumormodellen und klinischem Material nachgewiesener Interaktionen macht es plausibel, dass Mutations- und Aktivierungsmuster nicht nur tumortypspezifisch vorkommen, sondern auch das individuelle genetische „Make-up“ einzelner Tumoren ausmachen. Dies führt dazu, dass individuelle Tumoren zunehmend spezifisch und nicht entsprechend ihrer Zugehörigkeit zu einer Tumorklasse oder einem typischen Alterationsspektrum behandelt werden können. Um den Einfluss der enormen Anzahl von Änderungen im Genom, Transkriptom und letztendlich auch im Proteom eines Tumors, aber auch den Einfluss spezifischer Varianten in Genen des Patienten auf die Wirkung und mögliche Nebenwirkungen spezifischer Therapien auf den einzelnen Patienten voraussagen zu können, ist neben vertieften „Omics-Analysen“ die bioinformatische Aufbereitung der hieraus resultierenden, komplexen Datensätze erforderlich. Eine hierauf aufbauende In-silico-Modellierung der in jedem Tumor individuell gestörten biologischen Ablaufprozesse bietet gleichzeitig die Möglichkeit zur Simulation und zur Auswahl von gezielt wirksamen Medikamenten. Wir erwarten, dass zukünftig der grundlegende Ansatz einer detaillierten molekularen (Tumor-)Analyse jedes einzelnen Patienten in Kombination mit der individuellen Modellierung der tumorbiologischen Auswirkungen und den hieraus zu definierenden gezielten therapeutischen Ansatzpunkten ein Kernelement einer daten- und rechenintensiven individualisierten (Tumor-)Medizin bilden wird. Ziel ist, die Behandlung der Tumorpatienten effektiver zu gestalten und damit entscheidend zu verbessern sowie durch Vermeidung unwirksamer Behandlungen letztendlich die Gesundheitskosten zu senken. More... »

PAGES

477

References to SciGraph publications

Journal

TITLE

Der Onkologe

ISSUE

6

VOLUME

17

Identifiers

URI

http://scigraph.springernature.com/pub.10.1007/s00761-011-2025-9

DOI

http://dx.doi.org/10.1007/s00761-011-2025-9

DIMENSIONS

https://app.dimensions.ai/details/publication/pub.1021229626


Indexing Status Check whether this publication has been indexed by Scopus and Web Of Science using the SN Indexing Status Tool
Incoming Citations Browse incoming citations for this publication using opencitations.net

JSON-LD is the canonical representation for SciGraph data.

TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT

[
  {
    "@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json", 
    "author": [
      {
        "affiliation": {
          "alternateName": "Max Planck Institute for Molecular Genetics", 
          "id": "https://www.grid.ac/institutes/grid.419538.2", 
          "name": [
            "Max-Planck-Institut f\u00fcr Molekulare Genetik, Berlin, Deutschland"
          ], 
          "type": "Organization"
        }, 
        "familyName": "Lehrach", 
        "givenName": "H.", 
        "id": "sg:person.01075662517.55", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01075662517.55"
        ], 
        "type": "Person"
      }, 
      {
        "affiliation": {
          "alternateName": "Charit\u00e9", 
          "id": "https://www.grid.ac/institutes/grid.6363.0", 
          "name": [
            "Institut f\u00fcr Pathologie, Charit\u00e9 \u2013 Universit\u00e4tsmedizin Berlin, Berlin, Deutschland"
          ], 
          "type": "Organization"
        }, 
        "familyName": "Sch\u00e4fer", 
        "givenName": "R.", 
        "id": "sg:person.01110111205.41", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01110111205.41"
        ], 
        "type": "Person"
      }, 
      {
        "affiliation": {
          "alternateName": "Charit\u00e9", 
          "id": "https://www.grid.ac/institutes/grid.6363.0", 
          "name": [
            "Charit\u00e9 Comprehensive Cancer Center, Charit\u00e9 \u2013 Universit\u00e4tsmedizin Berlin, Invalidenstra\u00dfe 80, 10115, Berlin, Deutschland"
          ], 
          "type": "Organization"
        }, 
        "familyName": "Schlag", 
        "givenName": "P.M.", 
        "id": "sg:person.01074415550.10", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01074415550.10"
        ], 
        "type": "Person"
      }
    ], 
    "citation": [
      {
        "id": "sg:pub.10.1038/nature08987", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1010562574", 
          "https://doi.org/10.1038/nature08987"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nature08987", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1010562574", 
          "https://doi.org/10.1038/nature08987"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nature01511", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1012180132", 
          "https://doi.org/10.1038/nature01511"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nature01511", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1012180132", 
          "https://doi.org/10.1038/nature01511"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1074/jbc.272.39.24113", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1012643578"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nm754", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1013090465", 
          "https://doi.org/10.1038/nm754"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nm754", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1013090465", 
          "https://doi.org/10.1038/nm754"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/468902a", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1020039854", 
          "https://doi.org/10.1038/468902a"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1016/j.cell.2011.02.013", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1023540354"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1371/journal.pmed.0020017", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1023971579"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1158/1078-0432.ccr-09-0872", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1024797984"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nm1087", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1026059473", 
          "https://doi.org/10.1038/nm1087"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nm1087", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1026059473", 
          "https://doi.org/10.1038/nm1087"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1200/jco.2007.14.0418", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1026959381"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1016/j.cell.2009.12.040", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1028106155"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1016/j.cell.2009.02.024", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1028941463"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1371/journal.pone.0007768", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1031287736"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nm.1889", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1035057748", 
          "https://doi.org/10.1038/nm.1889"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nbt.1590", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1037970273", 
          "https://doi.org/10.1038/nbt.1590"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nbt.1590", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1037970273", 
          "https://doi.org/10.1038/nbt.1590"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1126/science.1160342", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1042163407"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nrc1097", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1044819609", 
          "https://doi.org/10.1038/nrc1097"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "sg:pub.10.1038/nrc1097", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1044819609", 
          "https://doi.org/10.1038/nrc1097"
        ], 
        "type": "CreativeWork"
      }, 
      {
        "id": "https://doi.org/10.1158/1078-0432.ccr-06-3043", 
        "sameAs": [
          "https://app.dimensions.ai/details/publication/pub.1047434792"
        ], 
        "type": "CreativeWork"
      }
    ], 
    "datePublished": "2011-06", 
    "datePublishedReg": "2011-06-01", 
    "description": "Eine genaue Kenntnis der komplexen Aktivierungsmechanismen zellul\u00e4rer Signalwege und deren molekulare Vernetzung sind f\u00fcr Planung und Pr\u00e4diktion des Ansprechens zielgerichteter Therapien von gro\u00dfer Bedeutung. Die Vielzahl m\u00f6glicher und bereits an Tumormodellen und klinischem Material nachgewiesener Interaktionen macht es plausibel, dass Mutations- und Aktivierungsmuster nicht nur tumortypspezifisch vorkommen, sondern auch das individuelle genetische \u201eMake-up\u201c einzelner Tumoren ausmachen. Dies f\u00fchrt dazu, dass individuelle Tumoren zunehmend spezifisch und nicht entsprechend ihrer Zugeh\u00f6rigkeit zu einer Tumorklasse oder einem typischen Alterationsspektrum behandelt werden k\u00f6nnen. Um den Einfluss der enormen Anzahl von \u00c4nderungen im Genom, Transkriptom und letztendlich auch im Proteom eines Tumors, aber auch den Einfluss spezifischer Varianten in Genen des Patienten auf die Wirkung und m\u00f6gliche Nebenwirkungen spezifischer Therapien auf den einzelnen Patienten voraussagen zu k\u00f6nnen, ist neben vertieften \u201eOmics-Analysen\u201c die bioinformatische Aufbereitung der hieraus resultierenden, komplexen Datens\u00e4tze erforderlich. Eine hierauf aufbauende In-silico-Modellierung der in jedem Tumor individuell gest\u00f6rten biologischen Ablaufprozesse bietet gleichzeitig die M\u00f6glichkeit zur Simulation und zur Auswahl von gezielt wirksamen Medikamenten. Wir erwarten, dass zuk\u00fcnftig der grundlegende Ansatz einer detaillierten molekularen (Tumor-)Analyse jedes einzelnen Patienten in Kombination mit der individuellen Modellierung der tumorbiologischen Auswirkungen und den hieraus zu definierenden gezielten therapeutischen Ansatzpunkten ein Kernelement einer daten- und rechenintensiven individualisierten (Tumor-)Medizin bilden wird. Ziel ist, die Behandlung der Tumorpatienten effektiver zu gestalten und damit entscheidend zu verbessern sowie durch Vermeidung unwirksamer Behandlungen letztendlich die Gesundheitskosten zu senken.", 
    "genre": "research_article", 
    "id": "sg:pub.10.1007/s00761-011-2025-9", 
    "inLanguage": [
      "de"
    ], 
    "isAccessibleForFree": false, 
    "isPartOf": [
      {
        "id": "sg:journal.1119546", 
        "issn": [
          "0947-8965", 
          "1433-0415"
        ], 
        "name": "Der Onkologe", 
        "type": "Periodical"
      }, 
      {
        "issueNumber": "6", 
        "type": "PublicationIssue"
      }, 
      {
        "type": "PublicationVolume", 
        "volumeNumber": "17"
      }
    ], 
    "name": "\u201eDeep sequencing\u201c und pr\u00e4diktive Modellierung als Konzept therapeutischer Entscheidungsfindungen in der Onkologie", 
    "pagination": "477", 
    "productId": [
      {
        "name": "readcube_id", 
        "type": "PropertyValue", 
        "value": [
          "6526177c6e85ff6e1b65cc4152785331e7ff6de95c8614b1fdf485d9a60f9514"
        ]
      }, 
      {
        "name": "doi", 
        "type": "PropertyValue", 
        "value": [
          "10.1007/s00761-011-2025-9"
        ]
      }, 
      {
        "name": "dimensions_id", 
        "type": "PropertyValue", 
        "value": [
          "pub.1021229626"
        ]
      }
    ], 
    "sameAs": [
      "https://doi.org/10.1007/s00761-011-2025-9", 
      "https://app.dimensions.ai/details/publication/pub.1021229626"
    ], 
    "sdDataset": "articles", 
    "sdDatePublished": "2019-04-10T20:01", 
    "sdLicense": "https://scigraph.springernature.com/explorer/license/", 
    "sdPublisher": {
      "name": "Springer Nature - SN SciGraph project", 
      "type": "Organization"
    }, 
    "sdSource": "s3://com-uberresearch-data-dimensions-target-20181106-alternative/cleanup/v134/2549eaecd7973599484d7c17b260dba0a4ecb94b/merge/v9/a6c9fde33151104705d4d7ff012ea9563521a3ce/jats-lookup/v90/0000000001_0000000264/records_8681_00000531.jsonl", 
    "type": "ScholarlyArticle", 
    "url": "http://link.springer.com/10.1007%2Fs00761-011-2025-9"
  }
]
 

Download the RDF metadata as:  json-ld nt turtle xml License info

HOW TO GET THIS DATA PROGRAMMATICALLY:

JSON-LD is a popular format for linked data which is fully compatible with JSON.

curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/s00761-011-2025-9'

N-Triples is a line-based linked data format ideal for batch operations.

curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/s00761-011-2025-9'

Turtle is a human-readable linked data format.

curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/s00761-011-2025-9'

RDF/XML is a standard XML format for linked data.

curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/s00761-011-2025-9'


 

This table displays all metadata directly associated to this object as RDF triples.

133 TRIPLES      20 PREDICATES      43 URIs      19 LITERALS      7 BLANK NODES

Subject Predicate Object
1 sg:pub.10.1007/s00761-011-2025-9 schema:author Nd717a6c6269242a8a45056a32bb92f22
2 schema:citation sg:pub.10.1038/468902a
3 sg:pub.10.1038/nature01511
4 sg:pub.10.1038/nature08987
5 sg:pub.10.1038/nbt.1590
6 sg:pub.10.1038/nm.1889
7 sg:pub.10.1038/nm1087
8 sg:pub.10.1038/nm754
9 sg:pub.10.1038/nrc1097
10 https://doi.org/10.1016/j.cell.2009.02.024
11 https://doi.org/10.1016/j.cell.2009.12.040
12 https://doi.org/10.1016/j.cell.2011.02.013
13 https://doi.org/10.1074/jbc.272.39.24113
14 https://doi.org/10.1126/science.1160342
15 https://doi.org/10.1158/1078-0432.ccr-06-3043
16 https://doi.org/10.1158/1078-0432.ccr-09-0872
17 https://doi.org/10.1200/jco.2007.14.0418
18 https://doi.org/10.1371/journal.pmed.0020017
19 https://doi.org/10.1371/journal.pone.0007768
20 schema:datePublished 2011-06
21 schema:datePublishedReg 2011-06-01
22 schema:description Eine genaue Kenntnis der komplexen Aktivierungsmechanismen zellulärer Signalwege und deren molekulare Vernetzung sind für Planung und Prädiktion des Ansprechens zielgerichteter Therapien von großer Bedeutung. Die Vielzahl möglicher und bereits an Tumormodellen und klinischem Material nachgewiesener Interaktionen macht es plausibel, dass Mutations- und Aktivierungsmuster nicht nur tumortypspezifisch vorkommen, sondern auch das individuelle genetische „Make-up“ einzelner Tumoren ausmachen. Dies führt dazu, dass individuelle Tumoren zunehmend spezifisch und nicht entsprechend ihrer Zugehörigkeit zu einer Tumorklasse oder einem typischen Alterationsspektrum behandelt werden können. Um den Einfluss der enormen Anzahl von Änderungen im Genom, Transkriptom und letztendlich auch im Proteom eines Tumors, aber auch den Einfluss spezifischer Varianten in Genen des Patienten auf die Wirkung und mögliche Nebenwirkungen spezifischer Therapien auf den einzelnen Patienten voraussagen zu können, ist neben vertieften „Omics-Analysen“ die bioinformatische Aufbereitung der hieraus resultierenden, komplexen Datensätze erforderlich. Eine hierauf aufbauende In-silico-Modellierung der in jedem Tumor individuell gestörten biologischen Ablaufprozesse bietet gleichzeitig die Möglichkeit zur Simulation und zur Auswahl von gezielt wirksamen Medikamenten. Wir erwarten, dass zukünftig der grundlegende Ansatz einer detaillierten molekularen (Tumor-)Analyse jedes einzelnen Patienten in Kombination mit der individuellen Modellierung der tumorbiologischen Auswirkungen und den hieraus zu definierenden gezielten therapeutischen Ansatzpunkten ein Kernelement einer daten- und rechenintensiven individualisierten (Tumor-)Medizin bilden wird. Ziel ist, die Behandlung der Tumorpatienten effektiver zu gestalten und damit entscheidend zu verbessern sowie durch Vermeidung unwirksamer Behandlungen letztendlich die Gesundheitskosten zu senken.
23 schema:genre research_article
24 schema:inLanguage de
25 schema:isAccessibleForFree false
26 schema:isPartOf N179092de2d114c8797a196551248bb5e
27 N2f2f057ba90049de8c7444fabfc9776c
28 sg:journal.1119546
29 schema:name „Deep sequencing“ und prädiktive Modellierung als Konzept therapeutischer Entscheidungsfindungen in der Onkologie
30 schema:pagination 477
31 schema:productId Na62913118de547a9bf80ba839d316565
32 Nc6b96f4734124d189fdf17914074cab9
33 Nfa8bb87991614fed83c6e46a118a5aa4
34 schema:sameAs https://app.dimensions.ai/details/publication/pub.1021229626
35 https://doi.org/10.1007/s00761-011-2025-9
36 schema:sdDatePublished 2019-04-10T20:01
37 schema:sdLicense https://scigraph.springernature.com/explorer/license/
38 schema:sdPublisher N674ef2fdee4141dc9c578109d70095ad
39 schema:url http://link.springer.com/10.1007%2Fs00761-011-2025-9
40 sgo:license sg:explorer/license/
41 sgo:sdDataset articles
42 rdf:type schema:ScholarlyArticle
43 N179092de2d114c8797a196551248bb5e schema:issueNumber 6
44 rdf:type schema:PublicationIssue
45 N2f2f057ba90049de8c7444fabfc9776c schema:volumeNumber 17
46 rdf:type schema:PublicationVolume
47 N32b7df742f8a463ca3fee5bf72967ba1 rdf:first sg:person.01074415550.10
48 rdf:rest rdf:nil
49 N557cbc43d01c4d088d146a5fce6abb4f rdf:first sg:person.01110111205.41
50 rdf:rest N32b7df742f8a463ca3fee5bf72967ba1
51 N674ef2fdee4141dc9c578109d70095ad schema:name Springer Nature - SN SciGraph project
52 rdf:type schema:Organization
53 Na62913118de547a9bf80ba839d316565 schema:name doi
54 schema:value 10.1007/s00761-011-2025-9
55 rdf:type schema:PropertyValue
56 Nc6b96f4734124d189fdf17914074cab9 schema:name dimensions_id
57 schema:value pub.1021229626
58 rdf:type schema:PropertyValue
59 Nd717a6c6269242a8a45056a32bb92f22 rdf:first sg:person.01075662517.55
60 rdf:rest N557cbc43d01c4d088d146a5fce6abb4f
61 Nfa8bb87991614fed83c6e46a118a5aa4 schema:name readcube_id
62 schema:value 6526177c6e85ff6e1b65cc4152785331e7ff6de95c8614b1fdf485d9a60f9514
63 rdf:type schema:PropertyValue
64 sg:journal.1119546 schema:issn 0947-8965
65 1433-0415
66 schema:name Der Onkologe
67 rdf:type schema:Periodical
68 sg:person.01074415550.10 schema:affiliation https://www.grid.ac/institutes/grid.6363.0
69 schema:familyName Schlag
70 schema:givenName P.M.
71 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01074415550.10
72 rdf:type schema:Person
73 sg:person.01075662517.55 schema:affiliation https://www.grid.ac/institutes/grid.419538.2
74 schema:familyName Lehrach
75 schema:givenName H.
76 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01075662517.55
77 rdf:type schema:Person
78 sg:person.01110111205.41 schema:affiliation https://www.grid.ac/institutes/grid.6363.0
79 schema:familyName Schäfer
80 schema:givenName R.
81 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01110111205.41
82 rdf:type schema:Person
83 sg:pub.10.1038/468902a schema:sameAs https://app.dimensions.ai/details/publication/pub.1020039854
84 https://doi.org/10.1038/468902a
85 rdf:type schema:CreativeWork
86 sg:pub.10.1038/nature01511 schema:sameAs https://app.dimensions.ai/details/publication/pub.1012180132
87 https://doi.org/10.1038/nature01511
88 rdf:type schema:CreativeWork
89 sg:pub.10.1038/nature08987 schema:sameAs https://app.dimensions.ai/details/publication/pub.1010562574
90 https://doi.org/10.1038/nature08987
91 rdf:type schema:CreativeWork
92 sg:pub.10.1038/nbt.1590 schema:sameAs https://app.dimensions.ai/details/publication/pub.1037970273
93 https://doi.org/10.1038/nbt.1590
94 rdf:type schema:CreativeWork
95 sg:pub.10.1038/nm.1889 schema:sameAs https://app.dimensions.ai/details/publication/pub.1035057748
96 https://doi.org/10.1038/nm.1889
97 rdf:type schema:CreativeWork
98 sg:pub.10.1038/nm1087 schema:sameAs https://app.dimensions.ai/details/publication/pub.1026059473
99 https://doi.org/10.1038/nm1087
100 rdf:type schema:CreativeWork
101 sg:pub.10.1038/nm754 schema:sameAs https://app.dimensions.ai/details/publication/pub.1013090465
102 https://doi.org/10.1038/nm754
103 rdf:type schema:CreativeWork
104 sg:pub.10.1038/nrc1097 schema:sameAs https://app.dimensions.ai/details/publication/pub.1044819609
105 https://doi.org/10.1038/nrc1097
106 rdf:type schema:CreativeWork
107 https://doi.org/10.1016/j.cell.2009.02.024 schema:sameAs https://app.dimensions.ai/details/publication/pub.1028941463
108 rdf:type schema:CreativeWork
109 https://doi.org/10.1016/j.cell.2009.12.040 schema:sameAs https://app.dimensions.ai/details/publication/pub.1028106155
110 rdf:type schema:CreativeWork
111 https://doi.org/10.1016/j.cell.2011.02.013 schema:sameAs https://app.dimensions.ai/details/publication/pub.1023540354
112 rdf:type schema:CreativeWork
113 https://doi.org/10.1074/jbc.272.39.24113 schema:sameAs https://app.dimensions.ai/details/publication/pub.1012643578
114 rdf:type schema:CreativeWork
115 https://doi.org/10.1126/science.1160342 schema:sameAs https://app.dimensions.ai/details/publication/pub.1042163407
116 rdf:type schema:CreativeWork
117 https://doi.org/10.1158/1078-0432.ccr-06-3043 schema:sameAs https://app.dimensions.ai/details/publication/pub.1047434792
118 rdf:type schema:CreativeWork
119 https://doi.org/10.1158/1078-0432.ccr-09-0872 schema:sameAs https://app.dimensions.ai/details/publication/pub.1024797984
120 rdf:type schema:CreativeWork
121 https://doi.org/10.1200/jco.2007.14.0418 schema:sameAs https://app.dimensions.ai/details/publication/pub.1026959381
122 rdf:type schema:CreativeWork
123 https://doi.org/10.1371/journal.pmed.0020017 schema:sameAs https://app.dimensions.ai/details/publication/pub.1023971579
124 rdf:type schema:CreativeWork
125 https://doi.org/10.1371/journal.pone.0007768 schema:sameAs https://app.dimensions.ai/details/publication/pub.1031287736
126 rdf:type schema:CreativeWork
127 https://www.grid.ac/institutes/grid.419538.2 schema:alternateName Max Planck Institute for Molecular Genetics
128 schema:name Max-Planck-Institut für Molekulare Genetik, Berlin, Deutschland
129 rdf:type schema:Organization
130 https://www.grid.ac/institutes/grid.6363.0 schema:alternateName Charité
131 schema:name Charité Comprehensive Cancer Center, Charité – Universitätsmedizin Berlin, Invalidenstraße 80, 10115, Berlin, Deutschland
132 Institut für Pathologie, Charité – Universitätsmedizin Berlin, Berlin, Deutschland
133 rdf:type schema:Organization
 




Preview window. Press ESC to close (or click here)


...