治疗相关的髓样新生物（t-MN）是具有侵略性的髓样新生物。预测异基因干细胞移植（alloSCT）后生存的因素尚不清楚。我们研究了t-MN诊断、alloSCT前和alloSCT后因素的预后效用。主要终点是3年总生存率（OS）、复发率（RI）和非复发性死亡率（NRM）。t-MDS和t-AML的alloSCT后OS没有差异（20.1与19.6个月，P = 1），尽管t-MDS的3年RI明显高于t-AML（45.1%与26.9%，P = 0.03）。在t-MDS中，alloSCT前单体染色体5（HR 3.63，P = 0.006）或单体染色体17（HR 11.81，P = 0.01）存在与更高的RI相关。复杂核型是唯一在所有时间点上对生存不利的因素。包含遗传信息产生了2个风险类别：高风险组定义为（TP53/BCOR/IDH1/GATA2/BCORL1）中存在病理变异的人群，以及标准风险组（余下的患者），其3年后的alloSCT后OS分别为0%和64.6%（P = 0.001）。我们得出结论，尽管alloSCT在一部分t-MN患者中是治愈的，但结果仍然不佳，特别是在高风险类别中。t-MDS患者，尤其是那些alloSCT前疾病持续存在的患者，存在着较高的复发风险。t-MN诊断时的疾病相关因素是alloSCT后生存预后的最具预测性的因素；疾病后期可用的因素的效用则是增量的。©2023.作者在Springer Nature Limited独家许可下发表。

在乳腺癌（BC）中缺乏雌激素受体、孕激素受体和人表皮生长因子受体-2的表达是将肿瘤分类为三阴性乳腺癌（TNBC）的基础。大多数TNBC是侵袭性肿瘤，常见转移和降低的标记物表达，这些标记物可以帮助识别转移病灶是否来源于乳腺。乳腺标记物（如大囊性疾病液体蛋白-15（GCDPF-15）、GATA结合蛋白3（GATA3）、乳球蛋白（MGB）和SOX10）并不是唯一特异于BC的标记物。我们的目的是在一系列细胞角蛋白-5表达的TNBC中评估三指毛鼻脚综合征1型（TRPS1）蛋白作为乳腺标记物，这些前期已经表征了其他乳腺标记物的表达。在组织微阵列中，对117个TNBC进行了TRPS1免疫染色。阳性的分界值为≥10%。还评估了这种分类的可再现性。在92/117（79%）的病例中检测到TRPS1阳性表达，这超过了之前测试的标记物表达，如SOX10的82（70％），GATA3的11（9％），MGB的10（9％）和GCDFP-15的7（6％）。在25个TRPS1阴性病例中，11个病例与SOX10阳性相关，而5至6个二重阴性病例仍对其他标记物呈阳性。评估显示了实质性的一致性。在比较的五个标记物中，TRPS1似乎是CK5表达的TNBC的乳腺起源最敏感的标记物。通常将阴性病例标记为SOX10，其余病例仍可能对任何其他三种标记物表现出阳性。 TRPS1在乳腺标记物组中具有作用。©2023年。作者。

头颈部鳞状细胞癌（HNSCC）包括一些由人乳头瘤病毒（HPV）驱动的癌症亚型。我们使用单细胞RNA测序对HPV阳性和HPV阴性的口咽肿瘤进行了分析，揭示了肿瘤内部和之间高水平的细胞多样性。首先，我们发现个体肿瘤内存在不同的染色体异常，这种基因组不稳定性能够在病理阴性边缘下鉴别恶性细胞。其次，我们揭示了HNSCC亚型和其他细胞状态（如细胞周期、衰老和上皮间质转化）之间的差异。第三，我们发现在HPV阳性的肿瘤内病毒基因表达存在异质性。在一部分细胞中失去或抑制了HPV表达，这些细胞与HPV相关的细胞周期表型降低、对治疗的响应下降、侵袭能力增强和预后不良有关。这些发现表明，HPV表达的多样性必须在诊断和治疗HPV阳性肿瘤时考虑，并具有重要的预后影响。© 2023.作者（们）独家许可Springer Nature America，Inc.

遗传变异解释的复杂性意味着接受遗传性癌症综合征基因检测的一部分个体在时间推移中会重新被分类。这种重新分类可能涉及病原性的明显升级或降级，这可能对医疗管理产生重大影响。迄今为止，很少有研究考察了遗传性癌症综合征环境下重新分类的心理社会影响。为了解决这个问题，我们对18个有BRCA1、BRCA2或Lynch综合征相关的（MLH1、MSH2、MSH6或PMS2）基因变异被重新分类的个体进行了半结构化电话访谈。通过归纳质性方法对访谈进行了分析，并通过主题分析识别出了涌现的主题。发现参与者的回忆水平不同。最初进行检测的常见动机包括具有显著的个人和/或家族癌症病史以及希望“找到答案”。没有一个将不确定结果升级的个体报告了负面的心理社会结果；大多数人报告已适应他们的重新分类结果，并积极评价他们的基因检测经验。然而，那些可能病原/病原性结果被降级的个体报告了重新分类后的愤怒、震惊和悲伤感，突显出可能需要为一些人提供额外的心理社会支持。还概述了基因咨询问题和临床实践的建议。©2023年，作者。

评估重建和去噪算法对用减去微型计算机断层扫描(micro-CT)量化的碘浓度(CI)的准确性和精度的影响。评估了两种重建算法：滤波反向投影(FBP)算法和同时迭代重建技术(SIRT)算法。使用了三维双边滤波(BF)进行去噪。幻象研究评估并比较了图像质量以及四种情境下CI的准确性和精度，即滤波FBP、滤波SIRT、非滤波FBP和非滤波SIRT。在化学诱导的乳腺癌动物模型中进行了体内实验。幻象研究中所有情境中测得的CI值和名义值之间的关系均呈线性(R2>0.95)。与FBP相比，SIRT显著提高了CI的准确性和精度，具有较低的偏置(调整p值=0.0308)和重复性系数(调整p值<0.0001)。去噪仅在滤波SIRT图像中显著降低了偏差；对于重复性系数未发现显著差异。幻象和体内研究表明，CI是所有情境下可重复的成像参数(Pearson r>0.99，p值<0.001)。在幻象研究中，对比度噪声比在评估的情境中未发现显著差异；在体内研究中使用SIRT和BF算法时发现了显著改善。SIRT和BF算法相对于FBP和非滤波图像显著提高了CI的准确性和精度，鼓励在减去微型CT成像中使用它们。© 2023年。作者(们)。

在多种癌症类型中，包括非小细胞肺癌（NSCLC），次生淋巴结构（TLS）的存在与良好的预后有关。然而，在接受抗PD-1抗体加化疗作为新辅助治疗（新辅助化疗免疫治疗）的NSCLC中，TLS的形成及其与治疗反应的关系仍未知。在这里，我们研究了接受新辅助治疗的可切除性NSCLC中TLS的成熟和丰度。我们回顾性地收集了来自三个基于不同治疗的队列中可切除性NSCLC（II-IIIA期）患者的福尔马林固定石蜡嵌入（FFPE）组织，包括：天真（N=40），新辅助化疗免疫治疗（N=40）和新辅助化疗（N=41）。通过免疫组织化学染色检测肿瘤组织中的TLS，分析不同治疗组之间的TLS成熟和丰度的差异，以及与患者的病理反应和预后的关系。使用多重免疫荧光染色探索免疫微环境的特征。新辅助化疗免疫治疗组和化疗组相比，具有更高的主要病理反应率（MPR）和病理完全缓解率（pCR）（MPR：45.0% vs 17.1%；pCR：35.0% vs 4.9%）。在三个队列中，新辅助化疗免疫治疗的NSCLC显示出最高的TLS成熟和丰度。无论是新辅助化疗免疫治疗组还是化疗组，TLS的成熟和丰度均显著与MPR相关。在所有三个队列中，TLS成熟和丰度较高的患者显示出更好的无病生存（DFS）。TLS成熟也是新辅助化疗免疫治疗组和治疗天真组DFS的独立预测因素。使用成对活检-手术样本的多重免疫组织化学分析显示，在实现MPR的患者中，新辅助化疗免疫治疗后CD8+ T细胞的浸润增加，而M1和M2巨噬细胞的浸润减少。当跨三个队列进行成熟TLS实现MPR的免疫细胞浸润特征的交叉比较时，没有显著差异。这些结果表明TLS成熟与MPR有关，并且是可切除新辅助化疗免疫治疗的NSCLCDFS的独立预测因素。TLS成熟的诱导可能是新辅助化疗免疫治疗在可切除NSCLC中的潜在作用机制。©作者（或其雇主）2022年。在CC BY-NC下允许重新使用。不允许商业再使用。由BMJ出版。

组织内发生的免疫和炎症过程通常无法通过血细胞计数、常规循环生物标志物或成像检测到，这代表了未满足的生物医学需求。在这里，我们概述最近的进展，表明液体活检可以广泛地了解人类免疫系统动态。细胞自由DNA (cfDNA) 的核小体大小片段从死亡细胞释放到血液中，包含丰富的表观遗传信息，如甲基化、断裂和组蛋白标记模式。这些信息可以推断出 cfDNA 细胞的起源，以及细胞死亡前的基因表达模式。我们提出，分析免疫细胞来源的 cfDNA 的表观遗传特征可以揭示健康人群中免疫细胞周转动态，并告知癌症、局部炎症、感染性或自身免疫性疾病，以及对疫苗的反应的研究和诊断。版权所有© 2023 Elsevier Ltd。保留所有权利。

前列腺癌（PCA）是一种常见的恶性泌尿生殖肿瘤，严重影响患者的生存率。铜依赖性程序性细胞死亡机制——铜脱落黄嘌呤-核酸酶（cuproptosis）在PCA的肿瘤发展、疗法抵抗和免疫微环境调节中发挥着重要作用。然而，针对前列腺癌的cuproptosis研究仍处于早期阶段。使用公开的TCGA和GEO数据集，我们首先获取了PCA患者的转录组和临床信息。识别了与cuproptosis相关的基因（CRG）表达，并基于LASSO-COX方法建立了一个预测模型。根据Kaplan-Meier方法评估了该模型的预测性能。使用GEO数据集，我们进一步确认了模型中关键基因的水平。根据肿瘤免疫功能受损和排斥（TIDE）评分预测肿瘤对免疫检查点（ICP）抑制剂的响应。利用癌症药物敏感性基因组学（GDSC）预测肿瘤细胞的药物敏感性，而使用基因集变异分析（GSVA）分析与cuproptosis特征相关的富集通路。随后，验证了PDHA1基因在PCA中的功能。基于五个与cuproptosis相关的基因（ATP7B、DBT、LIPT1、GCSH、PDHA1）建立了预测风险模型。低风险组的无进展生存期明显长于高风险组，并展现出对ICB治疗的更好响应。此外，根据回归分析的结果，PDHA1在PCA的病理过程中非常重要，并进行了外部数据集的验证。PCA高表达PDHA1的患者不仅具有较短的PFS，而且很少从ICB治疗中获益，还不太容易对多种靶向治疗药物做出反应。在初步的研究中，PDHA1 knockdown明显降低了PCA细胞的增殖和侵袭能力。本研究建立了一种基于cuproptosis相关基因的前列腺癌预测模型，该模型可以准确预测PCA患者的预后，有益于个体化治疗，并可帮助临床医生为PCA患者做出临床决策。此外，我们的数据显示，PDHA1在调节免疫治疗和其他靶向治疗的敏感性的同时促进了PCA细胞的增殖和侵袭，是PCA治疗的重要靶点。本研究符合癌症研究标准，语言流畅，符合本国语言标准。翻译版权 © 2023 Elsevier Inc.

原句结构不变：Serial multi-omic analysis of proteome, phosphoproteome, and acetylome provides insights into changes in protein expression, cell signaling, cross-talk and epigenetic pathways involved in disease pathology and treatment. However, ubiquitylome and HLA peptidome data collection used to understand protein degradation and antigen presentation have not together been serialized, and instead require separate samples for parallel processing using distinct protocols. Here we present MONTE, a highly sensitive multi-omic native tissue enrichment workflow, that enables serial, deep-scale analysis of HLA-I and HLA-II immunopeptidome, ubiquitylome, proteome, phosphoproteome, and acetylome from the same tissue sample. We demonstrate that the depth of coverage and quantitative precision of each 'ome is not compromised by serialization, and the addition of HLA immunopeptidomics enables the identification of peptides derived from cancer/testis antigens and patient specific neoantigens. We evaluate the technical feasibility of the MONTE workflow using a small cohort of patient lung adenocarcinoma tumors.© 2023. The Author(s). 蛋白质组、磷酸化蛋白组和乙酰化蛋白组的串联多组学分析可研究疾病病理学和治疗中与蛋白质表达、细胞信号传递、跨谈和表观遗传途径有关的变化。但是，为了理解蛋白质降解和抗原呈递，泛素组和HLA肽组数据采集仍需使用不同的协议并分开取样进行平行加工，未能进行串联。在此，我们提供了MONTE，一种高灵敏度的多组学天然组织富集工作流程，可以从同一组织样本中对HLA-I和HLA-II免疫肽组、泛素组、蛋白质组、磷酸化蛋白组和乙酰化蛋白组进行串联、深度规模的分析。我们证明了每个“组学”的覆盖深度和定量精确度不会因为串联而受损，HLA免疫肽组学的添加可以识别出来源于癌症/睾丸抗原和患者特异性新抗原的肽段。我们使用小型肺腺癌患者队列评估了MONTE工作流程的技术可行性。© 2023. 作者。

基因组范围关联研究所发现的与疾病相关变异的绝大多数都映射到强有力的调控元件——增强子上。这些元件能在细胞类型和时序下协调转录复合物被招募至目标基因的启动子上，从而上调转录。这些变异使得许多常见遗传疾病，包括近乎所有癌症，与数千个增强子相关联。但是，由于绝大多数增强子的调控靶基因未知，所以这些疾病的大部分发病机制仍然未知。因此，尽可能地鉴定出多个增强子的靶基因对于学习增强子的调控活动在疾病中的功能和贡献至关重要。我们基于从科学文献中筛选出的实验结果和机器学习方法，开发了一种基于细胞类型的评分体系，用于预测增强子和靶基因之间的关系。我们对每个可能的顺式增强子-基因组合进行了基因组范围的计分，并在四个广泛使用的细胞系中验证了其预测能力。借助一个跨多个细胞类型训练的汇总最终模型，我们对所有可能的顺式基因-增强子调控联系（约17M）进行了评分，并将其添加到公开的PEREGRINE数据库中（ www.peregrineproj.org ）。这些评分为增强子-靶基因调控预测提供了一个数量化的框架，并可纳入下游的统计分析中。© 2023. 作者。