代谢重编程与肿瘤抗血管生成治疗的抗药性相关，然而其分子机制尚未清楚阐明。在这里，我们在结直肠癌（CRC）小鼠模型和人类参与者中鉴定了糖酵解酶烯醇酶2（ENO2）作为导致抗血管生成治疗抗药性的驱动因素。ENO2过表达诱导神经内分泌分化，在CRC中促进恶性行为并使其对抗血管生成药物失去敏感性。机制上，ENO2衍生代谢物磷酸烯醇丙酮酸（PEP）选择性抑制组蛋白去乙酰化酶-1（HDAC1）活性，增加β-连环蛋白的乙酰化并激活CRC中的β-连环蛋白通路。在体外和携带药物耐药CRC异种移植瘤的小鼠中，使用烯醇酶抑制剂AP-III-a4或POMHEX抑制ENO2能增强抗血管生成药物的疗效。综上，我们的发现揭示了ENO2作为CRC抗血管生成治疗抗药性的有效预测生物标记物和治疗靶点，并发现了PEP在调节抗血管生成治疗抗药性中作为内源性HDAC1抑制剂的以往未定义和与代谢无关的作用。©2023. 作者/出版公司享有Springer Nature Limited的专属许可。

大多数子宫内膜癌（EC）患者的早期诊断具有良好的预后，而复发或转移的局部晚期患者预后较差。辅助治疗可以改善高危因素患者的预后。不幸的是，尚未达成具有重要预后价值的分子分类一致性，需要进一步细化。本研究旨在基于子宫内膜癌患者衍生的类器官（PDO）方法，鉴定在EC中具有预后价值的新靶点，并进一步研究其疗效和机制。使用癌症基因组图谱（TCGA）数据库确定SNORD14E表达；利用CCK8、Transwell、伤愈和移植模型实验研究SNORD14E的效应；采用流式细胞术测量细胞凋亡。设计靶向SNORD14E的反义寡核苷酸（ASO），建立EC患者的PDO模型。采用移植模型和PDO模型评估靶向SNORD14E的ASO的效果。通过RNA-seq、Nm-seq和RNA免疫沉淀（RIP）实验验证SNORD14E诱导的剪接和修饰。进行迷你基因记者基因检测验证可变外显子上的剪接和剪接因子。采用Actinomycin-d（Act-D）和低脱氧核糖核苷酸三磷酸浓度下的反转录随后聚合酶链式反应（RTL-P）确认2'-O甲基化修饰对FOXM1的影响。我们发现SNORD14E在EC组织中过表达，高表达的SNORD14E分布在TCGA生物分子分类亚组中没有差异。此外，SNORD14E能够降低EC患者的无病生存期（DFS）和无复发生存期（RFS）。SNORD14E在体外促进了EC细胞的增殖、迁移和侵袭，并抑制了细胞凋亡。靶向SNORD14E的ASO抑制了细胞的增殖、迁移和侵袭，同时促进了细胞凋亡。靶向SNORD14E的ASO抑制了移植模型中的肿瘤生长。TCGA-UCEC数据库显示根据EMSO-ESGO-ESTRO指南推荐进行辅助治疗的中-高风险和高风险患者中，SNORD14E高表达的比例超过50％。接下来，我们根据EMSO-ESGO-ESTRO指南，纳入了8例高风险和高风险EC患者，并成功构建了EC-PDO。靶向SNORD14E的ASO抑制了EC-PDO的生长。从机制上讲，SNORD14E可以识别FOXM1的mRNA，并招募SRSF1促进FOXM1可变外显子VIIa的剪切，导致FOXM1恶性亚型FOXM1b和FOXM1c的过度表达。此外，SNORD14E通过2'-O甲基化修饰FOXM1 mRNA，延长了FOXM1 mRNA的半衰期。由于异常的FOXM1表达引起的β-连环蛋白核红素的核聚集导致EC进展。靶向SNORD14E的ASO可以成为EC的有效治疗方法。© 2023. 意大利国家癌症研究所'Regina Elena'。

肿瘤分化是许多癌症辅助治疗的重要指标，然而非小细胞肺癌（NSCLC）是个例外。此外，关于N0-1和N2期NSCLC患者是否进行术后放疗（PORT）存在争议。我们旨在评估肿瘤相关因素对完全切除的III期A期NSCLC患者的总生存期（OS）、癌特异性生存期（CSS）和远处控制（DC）的影响。 从台湾癌症登记处（2007年1月至2017年12月）中找到了接受完全切除和辅助化疗的非转移性III期A期非小细胞肺癌（NSCLC）患者。进行逻辑回归分析以确定与PORT相关的因素。通过对数秩检验和Cox回归分析比较生存和复发结果。使用倾向评分匹配对进行敏感性分析。 总计1,897名患者被纳入研究，并根据是否接受PORT分为PORT组和非PORT组。在调整混杂因素后，发现PORT与改善生存结果无关。在肿瘤分化差和N2病情的患者中，观察到OS的绝对益处（调整风险比[aHR] 0.76），CSS的绝对益处（aHR 0.80）和DC的绝对益处（aHR 0.74）。对配对倾向评分pN2病情和肿瘤分化差亚组的多变量风险模型也显示出PORT治疗的显著生存益处。 在III期A期NSCLC完全切除的肿瘤分化差患者中，接受PORT治疗的pN2病情显示出较低的远处复发风险和较好的生存结果。 版权所有©2023 Elsevier B.V.发表。

在行使了细胞毒性手术（CRS）和腹腔加热化疗（HIPEC）的弥散性阑尾癌（dAC）患者中，对于那些可能早期复发的患者进行特征化和预测，可以为个性化随访提供一个框架。本研究旨在：（1）对于在接受CRS ± HIPEC之后的2年内有可能复发的dAC患者进行特征化；（2）利用自动机器学习（AutoML）来预测有风险的患者；（3）识别对预测有影响的因素。我们使用了一个由12个医疗机构组成的cohort，其中收治了2000年至2017年间接受CRS ± HIPEC的dAC患者。使用H2O.ai的AutoML训练预测模型。将早期复发（ER）患者与无复发或2年后复发的患者（对照组；C）进行比较，但是75％的数据用于训练，25％用于验证，模型进行了5倍交叉验证。总共纳入了949名患者，其中早期复发（ER）患者为337名（35.5％）。早期复发（ER）患者的炎症标志物更高，病情负担更重，反应不佳，并接受更多的术中液体/血液制品。最佳性能的AutoML模型是Stacked Ensemble（曲线下面积=0.78，曲线下面积精度召回=0.66，阳性预测值=85％，阴性预测值=63％）。预测受血液标志物、手术过程和与病情负担更重相关的因素的影响。在这个接受CRS ± HIPEC的dAC患者的多机构研究中，AutoML在预测ER患者方面表现良好。提示肿瘤生物学较差的变量对预测最有影响。我们的工作为在手术后早期较短间隔随访中受益于识别ER患者提供了一个框架。版权所有 © 2023 Elsevier Inc.。保留所有权利。

肿瘤浸润淋巴细胞（TILs）的功能异常直接与肿瘤生长和转移失控相关。急需新的方法和深入的了解来拯救TILs的功能异常。在这里，我们基于肿瘤的MHC-I表位和MHC-II表位设计了两种异质抗原，并通过静电作用和π-π堆积将异质抗原组装成异质抗原组装纳米疫苗（HANV）。HANV不仅显著增加了CD8+和CD4+ TILs的丰度，还在体内诱导了CD8+和CD4+ TILs的更强多功能性。CD8+和CD4+ TILs的增强多功能性与黑色素瘤携带的小鼠模型中肿瘤生长和转移的抑制正相关。我们还验证了核苷酸结合寡聚化结构域含2（NOD2）以一种暂时的免疫调节方式显著增强了TILs的抗肿瘤能力。这项研究提出了一种以HANV为理性策略塑造TILs多功能性以抑制肿瘤生长和转移的新见解。版权所有 © 2023. Elsevier Ltd. 发布。

为了回顾有关机器学习在子宫内膜癌中的文献、报告最常用的算法，并与传统预测模型进行比较，进行了系统的文献回顾，时间范围为1985年1月至2021年3月，对电子数据库进行了广泛的搜索。首先按标题筛选，然后按全文筛选。使用MINORS（非随机研究方法学指数）标准对质量进行评估。使用JMP 15.0中的Pearson'sΧ2检验推导P值。在筛选的4295篇文章中，包括了30项关于机器学习在子宫内膜癌中的研究。最常见的应用领域是患者数据集（33.3%，n=10）、术前诊断（30%，n=9）、基因组学（23.3%，n=7）和血清生物标志物（13.3%，n=4）。最常用的模型是神经网络（n=10，33.3%）和支持向量机（n=6，20%）。关于机器学习在子宫内膜癌中的出版物数量从2010年的1篇增加到2021年的29篇。有8项研究比较了机器学习和传统统计学。在患者数据集研究中，两个机器学习模型（20%）与 logistic 回归模型表现相似（准确度：0.85 vs 0.82，p=0.16）。机器学习算法在基于 MRI 定位子宫内膜癌方面表现与传统方法相似（准确度：0.87 vs 0.82，p=0.24），而在一个血清生物标志物研究中在预测子宫外疾病方面优于传统方法（准确度：0.81 vs 0.61）。关于生存结果，一项研究将机器学习与Kaplan-Meier进行比较，报告了在一致性指数方面没有差异（83.8% vs 83.1%）。尽管机器学习是一种创新和新兴技术，但在子宫内膜癌中表现与传统回归模型相似。需要更多的研究来评估其在子宫内膜癌中的作用。CRD42021269565.© IGCS and ESGO 2023. 禁止商业再使用。请参阅权限和许可。由BMJ出版。

糖尿病加速肌肉萎缩，导致骨骼肌的恶化。本研究旨在评估β2-肾上腺素能受体激动剂沙丁胺醇（SLB）在链脲佐菌素（STZ）诱导的糖尿病大鼠的肌肉萎缩中的潜在作用。雄性斯普拉格·道利大鼠随机分为四组（n=6）：对照组，SLB组，STZ组（单次腹腔注射55 mg/kg），STZ + SLB组（口服沙丁胺醇6 mg/kg，连续4周）。在最后一次SLB剂量后，动物进行了评估肌力和协调能力的测试，包括前肢握力、悬挂丝、活动仪、旋转杆和足迹评估。大鼠随后被牺牲，收集血清和腓肠肌（GN）进行进一步分析。血清评估包括促炎症标志物（肿瘤坏死因子α、白细胞介素-1β、白细胞介素-6）、肌肉标志物（肌酸激酶、肌生成素）、睾酮和脂质标志物。肌肉氧化应激（丙二醛、蛋白质羰基）、抗氧化剂（谷胱甘肽、过氧化氢酶、超氧化物歧化酶）和组织学也进行了检测。此外，进行了1H核磁共振血清代谢组学分析。SLB明显增强了STZ诱导的糖尿病大鼠的肌肉握力、协调能力和抗氧化水平，同时减少了促炎症标志物和氧化应激。降低的血清肌肉生物标志物，增加的睾酮，恢复的脂质水平和改善的肌肉细胞结构表明SLB对糖尿病大鼠的肌肉状况具有积极效果。代谢组学分析显示，STZ组显著增加了苯丙氨酸/酪氨酸比值（PTR）、乳酸/丙酮酸比值（LPR）、乙酸、琥珀酸、异丁酸和组氨酸。SLB治疗恢复了STZ诱导的糖尿病组扰乱的血清代谢物。总之，沙丁胺醇显著保护了STZ诱导的糖尿病大鼠的骨骼肌消耗。版权所有 © 2023 Elsevier B.V. 保留所有权利。

放射线诱导的肺损伤（RILI）是癌症患者胸部放疗常见的并发症。对RILI潜在机制的全面理解对于开发有效的预防和治疗策略至关重要。为了研究RILI，我们利用了接受12.5 Gy整体胸部照射的小鼠模型。通过定量实时聚合酶链反应（qRT-PCR）、酶联免疫吸附检测法（ELISA）、组织学、免疫组织化学、Western blot、RNA测序和流式细胞术的组合进行了RILI的评估。此外，我们建立了一个由巨噬细胞、肺上皮细胞和成纤维细胞组成的胞外培养系统用于体外研究。在该系统中，肺上皮细胞接受了4 Gy剂量的照射，并采用STING基因敲除的巨噬细胞。进行了转化检查以探索术前肺组织中STING表达、循环CCL2动态变化和RILI发展之间的关系。我们的研究结果显示，在受到放射线照射的小鼠肺中，cGAS-STING途径显著激活，并且巨噬细胞M1极化。体外研究表明cGAS-STING信号通路缺陷导致巨噬细胞极化和RILI受损。通过RNA测序、细胞因子分析和使用CCL2抑制剂Bindarit进行救治实验，我们确定了CCL2参与了巨噬细胞极化和RILI发展的调控。此外，使用胸部放疗前后收集的患者样本进行的转化研究提供了额外的证据，支持cGAS-STING信号活性、CCL2上调与放射性肺炎发展之间的关联。cGAS-STING信号通路在RILI发病过程中通过CCL2在调控巨噬细胞的招募和极化中起关键作用。© 2023年，BioMed Central有限公司，为Springer Nature的一部分。

骨胼胝体（Encephalitozoon cuniculi）是一种单细胞、产孢、依赖于细胞内的真核生物，属于小孢子虫门。它已知会感染免疫受损和免疫正常的哺乳动物，包括人类。该寄生虫和宿主关系的评估已经使用了体外细胞培养和动物模型。例如，Balb/c和C57BL/6小鼠品系被互相使用，尽管后者由于感染后观察到更高的真菌负荷而被认为更易感染。在本研究中，我们确定了C57BL/6小鼠在接受或不接受免疫抑制剂环磷酰胺（Cy）处理并经腹腔注射接种骨胼胝体后的免疫反应特征。感染14天后，收集血清以分析Th1、Th2和Th17细胞因子水平。此外，进行腹腔冲洗，并收集脾脏样本进行免疫细胞表型分析，收集肝脏、脾脏、肾脏、肺、肠和中枢神经系统（CNS）样本进行组织病理学分析。尽管感染小鼠显示出巨噬细胞的绝对数量减少，但它们显示出M1型表型，CD4+T细胞、CD8+T细胞、B-1和B-2淋巴细胞数量增加，以及Th1炎症细胞因子（干扰素[IFN]-γ、肿瘤坏死因子[TNF]-α和白细胞介素[IL]-2）和Th17为主导。此外，Cy感染的小鼠显示出巨噬细胞数量减少，表现为M1型表型，但CD4+T细胞、CD8+T细胞、B-1和B-2淋巴细胞数量减少，以及Th1炎症细胞因子（IFN-γ、TNF-α和IL-2）和Th2（IL-4）为主导。该组同时显示出更高的真菌负荷，发展出更严重的骨胼胝体病，这与T和B淋巴细胞数量减少以及Th1和Th2细胞因子的混合表型有关。版权所有 © 2023。由Elsevier Inc.出版。

了解肿瘤蛋白53（TP53）突变驱动的克隆演化和随后的转化的遗传和非遗传决定因素，对于设计合理的治疗策略是至关重要的一步。在这里，我们对转化为TP53突变的二次急性骨髓白血病（sAML）的骨髓增殖性肿瘤患者的造血干/祖细胞（HSPCs）进行等位分辨单细胞多组学分析。所有患者在转化时都显示出主导性的TP53 "多命中点" HSPC克隆，这些克隆在TP53突变和野生型（WT）AML的独立队列中强烈预测不良结果的白血病干细胞转录标志。通过对序列样本、前驱性TP53杂合克隆和体内干扰的分析，我们展示了慢性炎症的一个迄今未知的影响，即抑制了TP53 WT HSPCs的同时增强了TP53突变细胞的适应优势并促进了遗传演化。我们的发现将有助于发展TP53突变性白血病的风险分层、早期检测和治疗策略，并对其他癌症类型具有广泛的相关性。©2023. 作者。