T 细胞受体 (TCR) 对人类免疫系统至关重要，了解其细微差别可以显着增强我们预测癌症相关免疫反应的能力。然而，现有方法常常忽视 T 细胞受体 (TCR) 的序列内和序列间相互作用，限制了基于序列的癌症相关免疫状态预测的发展。为了应对这一挑战，我们提出了 BertTCR，这是一种创新的深度学习框架，旨在使用 TCR 预测与癌症相关的免疫状态。 BertTCR 将预训练的蛋白质大语言模型与深度学习架构相结合，使其能够从 TCR 中提取更深层的上下文信息。与三种最先进的基于序列的方法相比，BertTCR 将甲状腺癌检测的外部验证集的 AUC 提高了 21 个百分点。此外，该模型在涵盖 17 种癌症和健康样本的 2000 多个公开 TCR 库上进行了训练，并且已在多个公共外部数据集上对其区分癌症患者和健康个体的能力进行了验证。此外，BertTCR可以准确地对各种癌症类型和健康个体进行分类。总体而言，BertTCR 是基于 TCR 的癌症相关免疫状态预测的先进方法，为广泛的免疫状态预测任务提供了广阔的前景。© 作者 2024。由牛津大学出版社出版。

在本研究中，我们引入了通过集成基于单参考的反卷积来稳健估计细胞类型比例（ReCIDE），这是一种通过集成基于单参考的反卷积来稳健估计细胞类型比例的创新框架。 ReCIDE 在基准数据集和真实数据集中优于现有方法，特别是在估计稀有细胞类型比例方面表现出色。通过使用 ReCIDE 对三阴性乳腺癌 (TNBC) 患者的公开批量数据进行探索性分析，我们证明了 TNBC 患者的预后与 T 细胞和血管周围样细胞亚型的比例之间存在显着相关性。基于这一发现，我们开发了 TNBC 患者的预后评估模型。我们的贡献提出了一种提高反卷积精度的新颖框架，展示了其在医学研究中的有效性。© 作者 2024。由牛津大学出版社出版。

众所周知，吸烟是多种疾病的重要危险因素。偏头痛是一种需要仔细生活方式管理的疾病，目前缺乏提倡戒烟作为预防措施的具体指南。尽管横断面研究表明吸烟与偏头痛风险增加之间存在潜在联系，但研究结果不一致且相互矛盾。迄今为止，还没有前瞻性研究调查吸烟对偏头痛风险的影响。这项纵向研究旨在调查吸烟对女性偏头痛发病率的影响，并检查更年期状态的改变作用使用具有全国代表性的国民健康保险服务 (NHIS) 数据，对 2009 年参加全国乳腺癌筛查的 40 岁以上女性进行随访直至 2019 年底。关于吸烟状况的基线数据（非吸烟、戒烟和吸烟状况）当前吸烟者）以及吸烟的持续时间和数量被收集。在调整人口统计、合并症和女性生殖因素后，使用 Cox 比例风险回归模型检查吸烟对偏头痛发生风险的独立影响。结果按更年期状态进行分层，并进行交互分析（吸烟 × 更年期）。分析总共包括 1,827,129 名女性。与不吸烟者相比，有吸烟史的女性患偏头痛的风险更高。具体而言，过去（调整后的风险比 [HR] 1.044，95% CI 1.000-1.089）和当前使用香烟（调整后的 HR 1.050，95% CI，1.023-1.079）的女性患偏头痛的风险高于不吸烟者。绝经前女性（调整后 HR 1.140，95% CI，1.108-1.172）的效果大于绝经后女性（调整后 HR 1.045，95% CI 1.018-1.073；P<.001）。该风险随着吸烟量的增加而增加，与绝经前女性的相关性更大 (P<.001)。吸烟会增加女性偏头痛的风险，且呈剂量依赖性关系。更年期会改变这种效果。我们的研究结果表明，吸烟是偏头痛的一个重要的可改变危险因素，对绝经前女性的影响更大。吸烟和雌激素之间的相互作用可能会增加偏头痛大脑的脆弱性。© Seung Ae Kim、Kyungdo Han、Soyoun Choi、Michelle Sojung Youn、Hyemin Jang、Mi Ji Lee。最初发表于 JMIR 公共卫生和监测 (https://publichealth.jmir.org)。

癫痫持续状态 (SE) 在院内死亡率和费用方面造成了巨大负担，但 SE 原因、患者合并症、死亡率和费用之间的关系仍不清楚。我们使用大型综合数据库确定了 SE 的院内死亡率和成本驱动因素。我们进行了一项回顾性队列研究，涉及自 2015 年 1 月 1 日起首次住院且 ICD-10 代码诊断为 SE 的患者。截至2019年12月31日，使用覆盖99%人口的法国健康保险数据库。提取每次住院的患者特征、SE 原因、重症监护病房 (ICU) 入院情况、机械通气、出院状况和健康保险费用。我们确定了 52,487 名因首次 SE 住院的患者。 11,464 名患者发生院内死亡 (21.8%)，相关因素包括年龄（比值比 [OR]，10.3，95% 置信区间 [CI] 7.87-13.8，80 岁以上患者与 10-19 岁患者相比）、急性原因（缺氧原因的 OR，15.3，95% CI 13.9-16.8）、肿瘤（OR，1.75，95% CI 1.63-1.8）、合并症（与 0 相比，3 种或更多合并症的 OR，3.00，95% CI 2.79-3.24） ）和延长机械通气（OR，2.61，95% CI 2.42-2.82）。每次 SE 住院的报销费用中位数为 6517 欧元（3364-13,354），费用因素反映了院内死亡率。原因和合并症是癫痫持续状态死亡率和住院费用的主要决定因素，以及与癫痫持续状态较高相关的因素。死亡率往往还与较高的成本相关。需要进一步研究以确定其长期影响。© 2024。Springer-Verlag GmbH 德国，施普林格自然的一部分。

颅脑计算机断层扫描 (CT) 扫描是排除小儿创伤性脑损伤 (TBI) 后颅内病变最广泛使用的工具。然而，在儿科人群中，辐射暴露可能导致血液和脑肿瘤的风险增加。 2019 年国家健康与护理卓越研究所 (NICE) 指南将血清生物标志物测量（特别是 S100B）定义为“大脑肌钙蛋白”，由于其能够预测颅内后遗症，已逐渐成为 TBI 管理的补充工具。该系统评价是按照 PRISMA 协议（系统评价和荟萃分析的首选报告项目）进行的。不包括研究出版物的时间顺序限制。研究报告了 TBI 儿童接受血清 S100B 测量和计算机断层扫描 (CT) 扫描的数据。在筛选的 380 篇文章中，10 篇研究符合纳入标准。急诊科 (ED) 收治的轻度 TBI 患者为 1325 名 (80.25%)。总体汇总敏感性和特异性分别为 98% (95% CI, 92-99%) 和 45% (95% CI, 29-63%)。荟萃分析显示较高的阴性预测值 (NVP)（99%；95% CI，94-100%）和较低的阳性预测值（PPV）（41%；95% CI，16-79%）。曲线下面积 (AUC) 为 76% (95% CI, 65-85%)。总体汇总阴性预测值 (NPV) 为 99%（95% CI，99-100%）。在 mTBI 诊断工作流程中测量血清 S100B 有助于在 ED 环境中做出明智的决策，从而可能安全地减少使用CT 扫描在儿科人群中的应用。高灵敏度和出色的阴性预测值看起来很有希望，并且似乎接近成人的值。尽管如此，必须指出研究中发现的高度异质性（>90%）。为了将 S100B 定期引入儿科 TBI 工作流程中，重要的是进行进一步研究，以获得基于儿科参考区间的截止水平。© 2024。作者。

铝佐剂仍然是最常用的疫苗佐剂。然而，铝佐剂在触发体液免疫方面相当有效，但在激活细胞免疫方面通常表现出有限的能力。本文通过在铝佐剂的制备过程中添加锰离子，得到锰修饰的铝(Mn-Al)佐剂，其能够有效刺激体液和细胞免疫反应。这种Mn-Al佐剂可以增强抗原吸附并促进树突状细胞(DC)内化抗原。随后，释放的Mn2可以激活干扰素基因途径的环磷酸鸟苷-磷酸腺苷合酶刺激剂，进一步促进DC活化。当与模型抗原卵清蛋白（OVA）结合时，锰铝佐剂疫苗可在体内诱导高水平的抗原特异性抗体滴度和高比例的抗原特异性细胞毒性T细胞。此外，与高剂量的铝佐剂相比，锰铝佐剂疫苗引发更强的抗原特异性体液和细胞免疫反应。此外，在Mn-Al佐剂存在下用OVA免疫小鼠显着抑制了B16-OVA肿瘤的生长。此外，当与人乳头瘤病毒抗原配制时，锰铝佐剂疫苗表现出比铝佐剂疫苗更好的体内疫苗接种性能。因此，锰改性铝佐剂可能成为一种新型疫苗佐剂，具有替代传统铝佐剂的潜力。© 2024 Wiley‐VCH GmbH。

ALK 驱动的神经母细胞瘤患者可能对酪氨酸激酶抑制剂有反应，但会出现治疗耐药性，并且目前用于检测残留疾病的方法敏感性有限。在这里，我们提出了一个由 5 名患有复发性或难治性 ALK 驱动的神经母细胞瘤患者组成的未经选择的全国队列，这些患者接受了 lorlatinib 作为单一疗法的治疗，并测试了靶向循环肿瘤 DNA (ctDNA) 分析作为这些患者治疗决策指南的潜力。我们开发了一个测序面板，用于超灵敏检测与神经母细胞瘤或酪氨酸激酶抑制剂耐药相关的 ALK 突变，并将其用于从 4 名携带体细胞 ALK 突变的患者纵向收集的 83 个血浆样本中进行 ctDNA 分析。所有四名 ALK p.R1275Q 患者均出现重大缓解，并在开始 lorlatinib 后存活 35-61 个月。第五名 ALK p.F1174L 患者最初有部分缓解，但治疗 10 个月后复发。在所有病例中，ctDNA 在劳拉替尼单药治疗开始时均被检测到，并逐渐下降，与临床反应相关。在两名出现复发的患者中，ctDNA 分别在临床检测疾病进展前九个月和三个月增加。在一名复发肿瘤中携带 HRAS p.Q61L 的患者中，回顾性 ctDNA 分析显示，在接受 lorlatinib 治疗八个月后，该突变从头出现。我们的结论是，一些复发或难治性高危神经母细胞瘤患者对劳拉替尼单药治疗表现出持久的反应，靶向 ctDNA 分析可有效评估 ALK 驱动的神经母细胞瘤的治疗和早期检测复发。

从表型和分子测序数据重建生物实体（例如基因、细胞、生物体、种群和物种）的进化历史是许多生物学、古生物学和生物医学学科的核心。通常，由于数据的不确定性和不完整性，真实的进化历史（系统发育）很难估计。统计建模方法通过引入和研究所有可能的进化历史的概率分布来解决这个问题，但也可能由于错误指定而引入不确定性。在实践中，通常通过采样来部署计算方法来学习这些分布。然而，这种方法从根本上具有挑战性，因为它需要在系统发育树空间（或树空间）上设计和实现各种统计方法。尽管在树空间上开发统计数据的问题已在文献中受到广泛关注，并且已经取得了许多突破，它在很大程度上仍然没有解决。解决这个问题的挑战有两个：树空间具有非平凡的、常常违反直觉的几何形状，这意味着许多经典的欧几里得统计数据不能立即应用；许多具有良好统计特性的树空间参数化在计算上是困难的，因此它们不能用于数据分析。因此，没有单一的传统方法可以估计任何树空间中最基本的统计数据（例如均值和方差），并且在实践中使用了各种启发式方法。尽管存在许多树总结方法来根据树空间的几何形状来近似概率分布的平均值，并且这个想法在理论上有希望，但没有任何尝试产生总结树样本的实用方法。在本文中，我们提出了一种树总结方法以及我们选择的树空间的有用属性，同时关注其对真实数据集的系统发育分析的影响。我们进行了广泛的基准研究，并证明我们的方法在许多重要的“质量”统计数据方面优于当前最流行的方法。此外，我们将我们的方法应用于从癌症进化到语言学的三个经验数据集，并在所有数据集中找到了对相应进化问题的新见解。因此，我们得出的结论是，该树空间是一个很有前途的候选者，可以作为分析开发系统发育树统计数据的基础，以及用于进化数据分析的新计算工具。可以在 https://github.com/bioDS/Centroid 上获得实现。 -代码。补充数据可在生物信息学在线获取。© 作者 2024。由牛津大学出版社出版。

循环细胞游离 DNA (cfDNA) 作为癌症筛查和诊断的非侵入性生物标志物被广泛探索。解码 cfDNA 中起源细胞的能力将为病理生理机制提供生物学见解，帮助癌症表征并指导临床管理和随访。我们开发了一种基于 DNA 甲基化特征的反卷积算法 MetDecode，用于癌症组织起源识别。我们从头开始构建了参考图谱，并发布了结直肠癌、乳腺癌、卵巢癌和宫颈癌以及血细胞衍生实体的全基因组甲基化测序数据。 MetDecode 使用从输入 cfDNA 甲基化概况中动态学习的甲基化模式对图谱中不存在的贡献者进行建模。此外，我们的模型考虑了每个标记区域的覆盖范围，以减轻潜在的噪声源。计算机模拟实验显示，cfDNA 中肿瘤组织贡献的检测限低至 2.88%。 MetDecode 产生的 Pearson 相关系数高于 0.95，并且在模拟中优于其他方法（p < 0.001；T 检验；单方面）。在癌症患者的血浆 cfDNA 谱中，MetDecode 在 84.2% 的病例中分配了正确的组织来源。总之，MetDecode 可以通过准确估计多个组织的贡献来揭示 cfDNA 池成分的变化，同时提供不完善的参考图集。MetDecode 可在 https://github.com/JorisVermeeschLab/MetDecode 上获取。补充数据可在以下位置获取：在线生物信息学。© 作者 2024。由牛津大学出版社出版。

由于表现和症状的广泛性，人类疾病的异质性给诊断和治疗带来了挑战。随着标记多组学数据的快速发展，综合机器学习方法通​​过在更细粒度的水平上重新定义这些疾病，在治疗方面取得了突破。这些方法通常在可扩展性、过度简化和丢失数据的处理方面存在局限性。在本研究中，我们引入了多组学图诊断（MOGDx），这是一种灵活的命令行工具，用于集成多组学数据以执行异构分类任务疾病。 MOGDx 有一个网络分类法。它融合了患者相似性网络，通过基因组数据的简化向量表示增强了该集成网络，并使用图卷积网络执行分类。 MOGDx 在癌症基因组图谱中的三个数据集上进行了评估，其中涉及乳腺癌、肾癌和低级别胶质瘤。 MOGDx 展示了最先进的性能以及在每项任务中识别相关多组学标记的能力。与其他网络整合方法相比，它整合了更多的基因组测量和更大的患者覆盖范围。总体而言，MOGDx 是一种很有前景的工具，可用于整合多组学数据、对异质疾病进行分类以及帮助解释基因组标记数据。MOGDx 源代码可从 https://github.com/biomedicalinformaticsgroup/MOGDx https://github.com/ 获取biomedicalinformaticsgroup/MOGDx。补充材料可在随附文件 SupplementaryMaterial.pdf 中找到。© 作者 2024。由牛津大学出版社出版。