免疫代谢在肿瘤微环境（TME）中对免疫治疗反应的影响在结直肠癌（CRC）中仍不确定。我们对训练和验证队列中的CRC患者进行了免疫代谢亚型（IMS）分型，鉴定出三种CRC的IMS亚型，分别为C1、C2和C3，具有不同的免疫表型和代谢特性。C3亚型在训练队列和机构内验证队列中均表现出最差的预后。单细胞转录组显示S100A9+巨噬细胞群体在C3中促进了免疫抑制TME。组合应用PD-1阻断和S100A9抑制剂tasquinimod可以逆转C3亚型的功能失调免疫治疗反应。综上所述，我们开发了IMS系统，鉴定出了一种免疫耐受的C3亚型，表现出最差的预后。通过去除体内S100A9+巨噬细胞，多组学引导的PD-1阻断和tasquinimod组合战略提高了免疫治疗的反应。版权所有©2023年作者。Elsevier Inc.保留所有权利。

TRPC1能够调节肿瘤的生长和浸润，但是它在舌鳞状细胞癌（TSCC）中的作用尚不清楚。本研究旨在探讨TRPC1敲低对TSCC细胞功能的影响及其潜在的分子机制。将TSCC细胞系转染TRPC1或阴性对照小干扰核糖核酸，然后进行PI3K激活剂的孵育。与对照组相比，TSCC细胞系（包括SCC-15、CAL-33、HSC-3和YD-15）中TRPC1呈显著上调（均P < 0.05）。由于SCC-15和YD-15细胞中TRPC1表达明显上调，因此选择它们进行进一步的研究。TRPC1敲低既能在YD-15细胞中又能在SCC-15细胞中抑制细胞增殖（48小时和72小时均P < 0.05）、促进凋亡（均P < 0.05）和抑制浸润（均P < 0.05）。同时，TRPC1敲低能够减弱磷脂肌醇3-激酶和蛋白激酶B的磷酸化水平（均P < 0.05）。此外，PI3K激活剂能够减弱TRPC1敲低对细胞增殖、凋亡和浸润的影响（均P < 0.05）。TRPC1被认为是TSCC治疗的潜在靶点，其敲低能够通过使PI3K/AKT通路失活来抑制生长和浸润。

基因组关联研究(GWAS)已经发现了200多个与乳腺癌风险相关的位点。大部分候选致病变异体位于非编码区域，可能通过调节基因表达来调节癌症风险。然而，在解释和转化GWAS结果方面，确定关联的确切目标以及识别它介导的表型是一个重大挑战。在这里，我们展示了混合CRISPR筛选在识别GWAS靶基因和定义它介导的癌症表型方面非常有效。通过CRISPR介导的基因激活或抑制，我们测量了在2D、3D和免疫缺陷小鼠中增殖的效果以及对DNA修复的影响。我们进行了60项CRISPR筛选，并确定了20个高度自信预测为GWAS靶标的基因，这些基因通过推动增殖或调节乳腺细胞DNA损伤反应来促进癌症。我们验证了这些基因中的一部分被乳腺癌风险变异体调控的结论。我们展示了表型CRISPR筛选可以准确地确定风险位点的基因靶标。除了定义与乳腺癌风险增加有关的风险位点的基因靶标外，我们还提供了一个平台，用于确定由风险变异介导的基因靶标和表型。©2023.作者。

血管内皮生长因子受体2（VEGFR2）在抗血管生成中发挥关键作用，这是癌症治疗的基本策略。我们报道了AK109的人体首次研究，它是一种新型的抗VEGFR2单克隆抗体，旨在表征其安全性和药代动力学/药效学（PK/PD）特性，并探索合并实体瘤患者的初步抗肿瘤功效。这是一个多中心、开放标签的Ⅰ期研究，包括剂量递增和扩大剂量（NCT04547205）。晚期癌症患者接受逐渐递增的AK109治疗，每2周和每3周1次。使用3+3设计确定最大耐受剂量。血液样本用于PK/PD分析。主要终点是安全性和建议的Ⅱ期剂量（RP2D）。共招募了40名患者。未观察到剂量限制性毒性。但是，38名患者报告了治疗相关的不良事件（TRAEs）；10名患者出现了≥3级TRAEs。最常见的TRAEs是蛋白尿（n = 24，60％），高血压（n = 13，32.5％），谷草转氨酶升高（n = 11，27.5％），血小板减少（n = 10，25％）和贫血（n = 10，25％）。共有28名患者（70％）报告了特殊关注的不良事件（AESIs）。最常见的AESI是蛋白尿（60％）、高血压（32.5％）和出血（32.5％），主要包括牙龈出血和尿道出血。AK109在2-12 mg/kg的剂量递增中表现出了近似线性的PK曝露。PD分析显示快速的靶向作用。在40名患者中，有4名患者实现了部分缓解，21名患者实现了稳定疾病，客观缓解率为10％，疾病控制率为62.5％。根据安全性、PK/PD特性和初步的抗肿瘤活性，选定12 mg/kg Q2W和15 mg/kg Q3W作为RP2D。AK109表现出可管理的安全性和有前途的抗肿瘤作用，支持在大人群中进行进一步的临床开发。版权所有 © 2023 The Authors。由Elsevier Ltd.发布。保留所有权利。

恶性腹水在转移性胰腺癌（mPC）中很常见，其管理仍然是临床挑战。早期识别存在腹水风险的患者可支持和指导治疗决策。通过回顾性图表审查收集2010年至2019年间在维也纳医科大学治疗mPC的患者数据。腹水被定义为腹部超声或CT扫描诊断的临床相关腹腔积液。我们调查了一般危险因素，转移部位，肝功能，全身炎症以及门静脉梗阻（PVO）和腹水发展之间的关系。在本研究中包括581位mPC患者中，122人（21.0％）在诊断转移性疾病后中位数8.7个月后出现腹水。腹水的发生导致死亡风险增加8.9倍[置信区间（CI）为7.2-11，P < 0.001]，之后中位总生存期为1个月。腹水的临床危险因素是男性[Hazard Ratio（HR）1.71，CI 1.00-2.90，P = 0.048]，腹膜癌转移（HR 6.79，CI 4.09-11.3，P < 0.001），肝转移（HR 2.16，CI 1.19-3.91，P = 0.011），白蛋白-胆红素（ALBI）评分3级（HR 6.79，CI 2.11-21.8，P = 0.001），PVO（HR 2.28，CI 1.15-4.52，P = 0.019）和高C-反应蛋白（CRP）（HR 4.19，CI 1.58-11.1，P = 0.004）。mPC患者在腹水诊断后的生存期非常有限。男性、肝和腹膜转移、肝功能受损、PVO以及全身炎症被识别为这个独特大实际患者群体中腹水发展的独立危险因素。版权所有©2023作者。由Elsevier Ltd.出版。保留所有权利。

迷走神经（VN）是自主神经系统的主要副交感神经。它广泛分布于胃肠道并在生理条件下与交感神经一起维护胃肠道内环境平衡。VN与肿瘤微环境的各种组分通信，以积极、动态地影响胃肠道肿瘤（GITs）的进展。介入迷走神经的神经支配可以延缓GIT进展。腺相关病毒载体、纳米技术和体内神经生物学技术的进展使得可以创造精确调控的“肿瘤神经治疗”。此外，神经生物学技术和单细胞测序的结合可能会揭示出更多VN和GIT的见解。本综述旨在总结VN与胃肠道TME之间的通信机制，并探讨VN基于肿瘤神经治疗在GITs中的潜力和挑战。版权所有©2023 Elsevier B.V.发表。

应激颗粒（SGs）是非翻译信使核糖核蛋白体（mRNPs）组成的非膜亚细胞器，在癌细胞（包括胰腺癌，尤其是胰腺导管癌（PDAC），5年生存率仅为10%）中响应各种环境刺激而聚集形成，但相关SGs和胰腺癌的研究尚未编编译。本文将探讨SGs的动态及其在胰腺癌中所起的积极作用，例如SGs促进PDAC的生存能力以及抑制凋亡，同时强调SGs在胰腺癌中与KRAS、P53和SMAD4等特征突变之间的关联以及SGs在抗肿瘤药物抗性中的功能。这种新型的压力管理技术可能会为未来的治疗选择打开大门。 版权所有 © 2023 Elsevier B.V. 发行.

双特异性酪氨酸磷酸化调节激酶1A（DYRK1A）是一种具有进化保守性的蛋白激酶，是双特异性酪氨酸调节激酶（DYRK）家族中最研究的成员。已经表明，它参与了许多疾病的发展，低或高表达DYRK1A蛋白都可能导致紊乱。因此，DYRK1A被认为是这些疾病治疗的关键靶点，天然或合成DYRK1A抑制剂的研究变得越来越流行。在这里，我们从DYRK1A的结构和功能、DYRK1A在各种疾病中的作用（包括糖尿病、神经退行性疾病和各种癌症）以及其天然和合成抑制剂的研究等方面提供了全面的综述。版权所有 © 2023 Elsevier Inc. 发布。

在同时患有卵巢和子宫内膜癌的女性中成功怀孕结果非常罕见。我们报道了一位因同步子宫内膜和卵巢癌而接受保守治疗的年轻女性成功怀孕的情况。这位30岁的未生育女士接受了探查性剖腹手术、左侧输卵管和卵巢切除术以及宫腔镜刮除手术，以治疗左侧附件肿块。组织学检查显示左侧卵巢内膜样癌和被切除息肉中度分化腺癌。她接受了分期手术和宫腔镜检查，确认以上发现，并没有发现进一步的肿瘤扩散。她接受了高剂量口服孕激素（乙酰美格莉酮，160mg）和3.75mg/月的乙酰鹿胎瘤释放激素注射剂治疗三个月，以及四个疗程的碳酸铂和紫杉醇化疗，之后又接受了三个月的月经周期注射乙酰鹿胎瘤释放激素。在自然受孕失败后，她进行了六个周期的促排卵治疗，以及宫腔内人工授精，但都未能成功。最后她接受了供卵试管婴儿技术，并在怀孕37周时行剖腹产，生下一个健康的婴儿，体重为2.7kg。手术中发现了一个5×6cm的右侧卵巢囊肿，在穿刺时排出了巧克力色的液体，并进行了囊肿切除术。组织学检查显示右侧卵巢为内膜样囊肿。为了保留其生育能力，子宫得以保留。她正接受定期随访，出生后9个月的情况正常。她每三个月注射一次的针剂为醋酸甲羟孕酮沉淀悬液。© 2023.作者。

医学图像分割是许多临床方法中的基础性且关键性步骤。半监督学习已广泛应用于医学图像分割任务中，因为它减轻了获取经过专家审查的标注的沉重负担并利用了更容易获得的未标记数据的优势。虽然已证明一致性学习通过强制对不同分布下的预测进行不变性可是一种有效的方法，但现有方法不能充分利用来自未标记数据的区域级形状约束和边界级距离信息。本文提出了一种新颖的基于不确定性引导的互相一致性学习框架，通过集成来自最新预测的任务内一致性学习和来自任务层面正则化的任务间一致性学习以利用几何形状信息，从而有效地利用未标记数据。该框架基于模型的估计分割不确定性来选择相对确定的预测进行一致性学习，从而有效地利用未标记数据中更可靠的信息。在两个公开可用的基准数据集上的实验表明：（1）我们提出的方法可以通过利用未标记数据实现显著的性能提升，在左心房分割和脑肿瘤分割上与监督基线相比，Dice系数分别提高了4.13％和9.82％；（2）与其他半监督分割方法相比，我们的方法在相同的骨干网络和任务设置下在两个数据集上都取得了更好的分割效果，展示了我们的方法的有效性和稳健性以及其他医学图像分割任务的潜在可转移性。版权所有© 2022 Elsevier B.V. 发表。