皮肤黑色素瘤（SKCM）是皮肤癌的一种形式，是最可怕和致命的恶性肿瘤之一。探索基于肿瘤微环境（TME）的预后指标将有助于提高 SKCM 患者免疫治疗的疗效。这项研究分析了 SKCM scRNA-seq 数据，对非恶性细胞进行聚类，可用于将 TME 探索为九种免疫/基质细胞类型，包括 B 细胞、CD4 T 细胞、CD8 T 细胞、树突状细胞、内皮细胞、成纤维细胞、巨噬细胞、神经元和自然杀伤 (NK) 细胞。利用癌症基因组图谱 (TCGA) 的数据，我们采用 SKCM 表达谱来识别差异表达的免疫相关基因 (DEIAG)，然后将其纳入加权基因共表达网络分析 (WGCNA) 以研究 TME 相关的中枢基因。基于关键基因发现候选小分子药物。用于构建 TIMAS 的肿瘤免疫微环境相关基因 (TIMAG) 已被鉴定和验证。最后，分析了TIAMS亚组的特征以及TIMAS预测免疫治疗结果的能力。我们确定了五个 TIMAG（CD86、CD80、SEMA4D、C1QA 和 IRF1）并使用它们构建 TIMAS。此外，还确定了五种潜在的 SKCM 药物。结果显示，TIMAS-low患者与免疫相关信号通路、MUC16突变频率高、T细胞浸润高、M1巨噬细胞相关，更利于免疫治疗。总的来说，通过综合分析 scRNA-seq 和批量 RNA-seq 数据构建的 TIMAS 是预测 ICI 治疗结果和改善 SKCM 患者个体化治疗的有前途的标记。© 2024。作者，获得 Springer-Verlag 独家许可GmbH 德国，隶属于施普林格自然集团。

肝转移是结直肠癌 (CRC) 患者死亡的主要原因。中性粒细胞胞外陷阱（NET）成为癌症进展和转移的关键参与者，显示出作为预后生物标志物的前景。我们的目标是制定一个基于中性粒细胞胞外陷阱相关基因的预测模型，并确定对抗 CRLM 的新治疗靶点。我们从基因表达综合 (GEO) 数据库中获取基因表达谱。中性粒细胞胞外陷阱相关基因集从相关文献中获得，并与GEO数据集交叉引用。通过最小绝对收缩和选择算子回归以及随机森林建模进行筛选，鉴定出差异表达基因（DEG），从而建立列线图和亚型分析。随后，对特征基因CYP4F3进行了彻底分析，并通过免疫组织化学染色证实了我们的发现。我们确定了 7 个 DEG（ATG7、CTSG、CYP4F3、F3、IL1B、PDE4B 和 TNF），并建立了 CRLM 发生和预后的列线图。 CYP4F3在CRC和结直肠肝转移（CRLM）中高表达，与CRLM预后呈负相关。它可能作为 CRLM 的潜在治疗靶点。已开发出一种与 NET 相关的新型预后特征，其中 CYP4F3 被确定为 CRLM 的风险因素和潜在目标。© 2024。作者。

乳腺癌（BC）是一种多方面的恶性肿瘤，发病率和死亡率逐年上升。化疗是治疗乳腺癌不可或缺的方法，但耐药性带来了巨大的挑战。通过转录组数据分析，我们确定了两组在这种情况下表现出差异表达的基因。此外，我们还证实了这些基因与外泌体相关基因之间的重叠，随后在细胞系中进行了验证。该研究筛选了已识别的基因以确定 BC 的预后标记，并利用它们制定预后模型。使用测试数据集验证了高风险组和低风险组之间的预后和免疫力的差异。我们根据 BC 样本中预后基因的表达水平辨别了不同的 BC 亚型。研究了不同亚型之间预后、免疫力和药物敏感性的差异。利用单细胞测序和预后基因表达的数据，AUCell 算法用于对单个细胞簇进行评分并分析高分组中涉及的通路。随后使用 RT-qPCR 验证预后基因（CCT4、CXCL13、MTDH、PSMD2 和 RAB27A）。因此，我们建立了一个预测乳腺癌预后的模型，该模型取决于耐药性和 ERG。此外，我们还评估了该模型的预后价值。被确定为预后标记的基因现在可以作为精确治疗这种疾病的参考。© 2024。作者。

ccRCC 是 RCC 的主要形式，占大多数病例。癌症的形成和人体对抗肿瘤的能力与γδT细胞密切相关。我们检查并分析了535名被诊断患有ccRCC的个体和72名对照个体的基因表达模式，全部来自TCGA -KIRC数据集，随后通过分子生物学实验验证。在ccRCC中，我们发现了304个模块基因（DEGRG），这些基因差异表达并与γδ T细胞相关。使用通过单变量 Cox 和 LASSO 回归分析确定的 13 个差异 DEGRG 构建了 ccRCC 风险模型，这些差异与预后相关。该风险模型在训练和验证数据集中都表现出了出色的性能。高危组和低危组之间免疫检查点抑制剂和肿瘤免疫微环境的比较表明，免疫治疗可以为低危患者带来积极的结果。此外，在敲除与不同类型癌症相关的基因 TMSB10 后，在细胞培养物中观察到 ccRCC 细胞增殖、迁移和侵袭的抑制。 总之，我们使用以 γδ T 为中心的风险模型创建了精确的预测生物标志物细胞，可以预测临床结果并为创新靶向疗法的进展提供方向。© 2024。作者。

全面的基因组分析（CGP）可以帮助发现临床上有用的候选抗肿瘤药物；然而，不同类型的 CGP 测试以及公共数据库之间的变异注释有时会有所不同。本研究的目的是阐明评估恶性实体瘤患者中检测到的变异的基因组图谱。目前的横断面研究使用了来自 57,084 名在癌症基因组学中心接受 CGP 的恶性实体瘤患者的数据， Advanced Therapeutics (C-CAT)于2019年6月1日至2023年8月18日期间进行。使用公共数据库注释了变异的致病性。对检测到的变异进行重新注释的结果是，20.1%为致病性，1.4%为良性。每个患者的平均致病变异数为 4.30（95% 置信区间：4.27-4.32）。在整个队列中，5.7% 的人没有致病变异。基因的共现取决于肿瘤类型。使用肿瘤/正常组、仅肿瘤组和液体组分别在 6.2%、8.8% 和 15.8% 的患者中检测到种系结果，最常见的基因是 BRCA2，其次是 TP53 和 BRCA1。变异应该重新注释，因为 CGP 中包含了一些良性变异或意义不明的变异，从这些结果得出的基因组图谱将帮助研究人员和医生解释 CGP 测试的结果。使用纯肿瘤组或循环肿瘤 DNA 组从患者中提取推定种系致病性变异的方法需要改进。© 2024。作者获得日本临床肿瘤学会的独家许可。

结直肠癌 (CRC) 是第三大诊断最多、死亡率最高的恶性肿瘤，在全世界范围内带来严重的健康问题。寻找有效治疗结直肠癌的方法具有挑战性，并引起严重关切。山奈酚是一种有效的抗癌生物活性化合物，通常被建议用于治疗各种癌症，包括结直肠癌。然而，其对抗结直肠癌的潜在分子机制仍不清楚。本研究深入研究了山奈酚的分子途径和针对 CRC 靶标的潜在分子机制。检索了山奈酚的目标蛋白编码基因，并筛选了 CRC 相关基因。验证了疾病特异性指数≥0.6的12个常见靶点在CRC不同阶段的蛋白表达。选择过表达的USP1、SETD7、POLH、TDP1和RACGAP1进行进一步研究。使用分子对接和分子动力学（MD）模拟评估山奈酚与相应蛋白质的结合亲和力。 SETD7 表现出最高的结合亲和力和最低的结合能（- 8.06 kcal/mol）。此外，MD模拟和MM-PBSA赋予SETD7-山奈酚复合物具有最小的均方根偏差、较低的相互作用能和较高的构象稳定性。构建的 SETD7 的蛋白质-蛋白质相互作用揭示了直接相互作用因子，即 DNMT1、FOXO1、FOXO3、FOXO4、H3-3B、H3-4、H3C12、H3C13、SETD7、SIRT1 和 TP53，通过 FOXO 信号传导在癌症进展中具有潜在作用。总之，我们的研究揭示了山奈酚对多个CRC靶点的多靶点和协同作用及其潜在机制。最后，该研究建议进行体外和体内试验来验证 CRC 的抗癌药物。© 2024。作者获得 Springer Nature Switzerland AG 的独家许可。

我们开发了一种机器学习（ML）模型来预测不符合现有日本内镜治愈标准的早期胃癌（EGC）患者淋巴结转移（LNM）的风险，并将其性能与最常见的临床结果进行比较风险评分系统，eCura系统。我们使用了2010年至2021年间来自21个机构的4,042名连续接受内镜粘膜下剥离术（ESD）和/或手术的EGC患者的数据。所有切除的EGC均经组织学证实不满足当前日本内镜检查的要求固化性标准。在所有患者中，3,506 名构成开发基于神经网络的 ML 模型的训练队列，536 名构成验证队列。我们的 ML 模型的性能（通过受试者工作特征曲线 (AUC) 下的面积来衡量）与验证队列中 eCura 系统的性能进行了比较。LNM 率分别为 14% (503/3,506) 和 7% (39 /536）分别在训练和验证队列中。 ML 模型在验证队列中识别出 AUC 为 0.83（95% 置信区间，0.76-0.89）的 LNM 患者，而 eCura 系统识别出 AUC 为 0.77（95% 置信区间，0.70-0.85）的 LNM 患者（P = 0.006，DeLong 检验）。对于不符合现有日本内镜治愈标准的 EGC 患者，我们的 ML 模型在预测 LNM 风险方面表现优于 eCura 系统。我们开发了一种基于神经网络的机器学习模型，可以预测不符合内镜治愈标准的早期胃癌患者淋巴结转移的风险。© 2024。作者。

细胞外囊泡（EV）是用于细胞间通讯的膜结合纳米颗粒。 EV 的亚型，即外泌体和微泡，可将多种生物活性物质转移至靶细胞，并最终干扰免疫反应。尽管是一种很有前景的方法，但癌症免疫疗法目前面临着包括免疫抵抗在内的一些挑战。肿瘤微环境中各种来源分泌的EV会引起免疫细胞耗竭，降低CAR T细胞和免疫检查点抑制剂等免疫治疗的疗效。本文详细介绍了各种类型的EV在抑制免疫反应和免疫治疗中的作用机制，并对基于 EV 的治疗进行了全面的综述。通过利用 EV 的独特特征，天然或改良的 EV 被创新地用作新型癌症疗法。它们偶尔会与目前已建立的治疗方法结合起来，以克服其不足之处。研究 EV 和基于 EV 的治疗的特性和相互作用对于确定癌症治疗的未来步骤至关重要。

生长抑素受体 (SSTR) 成像特征可预测接受肽受体放射性核素治疗 (PRRT) 的神经内分泌肿瘤 (NET) 患者的治疗结果。然而，综合（所有转移性病灶）、纵向（时间变化）和病灶水平的测量特征从未被探索过。这些特征可以捕捉疾病对治疗反应的异质性。此外，缺乏结合这些特征的模型。在这项工作中，我们评估了综合、纵向、病变水平 68GA-SSTR-PET 特征与多元线性回归 (MLR) 模型相结合的预测能力。这项回顾性研究纳入了接受 [177Lu]Lu-DOTA-TATE 治疗的 NET 患者，在基线和治疗后使用 [68Ga]Ga-DOTA-TATE 进行成像。所有病变均被分割、解剖标记并纵向匹配。测量了病变水平的摄取和摄取的变化。设计和选择患者级别的特征用于无进展生存期 (PFS) 建模。该模型通过一致性指数、患者分类（ROC 分析）和生存分析（Kaplan-Meier 和 Cox 比例风险）进行验证。 MLR 以单一特征预测为基准。36 名 NET 患者被纳入并分层为反应不佳和良好的患者（PFS ≥ 25 个月）。选择了四个患者级别特征，MLR 一致性指数为 0.826，AUC 为 0.88（特异性为 0.85，敏感性为 0.81）。生存分析得出显着的患者分层 (p<.001) 和风险比 (3⨯10-5)。最后，在一项基准研究中，MLR 建模方法优于所有单一特征预测因子。综合、病变级别、纵向 68GA-SSTR-PET 分析与 MLR 建模相结合，可以对 NET 患者的 PRRT 结果进行出色的预测，优于非-全面、患者水平和单时间点特征预测。神经内分泌肿瘤、肽受体放射性核素治疗、生长抑素受体成像、结果预测、治疗反应评估。© 2024。作者，获得 Springer-Verlag 独家许可GmbH 德国，隶属于施普林格自然集团。

考虑到胰岛素抵抗在各种形式的癌症中的显着参与，据推测，实施有效减轻胰岛素抵抗的糖尿病饮食可能会降低女性个体患乳腺癌的易感性。使用关键词“乳腺癌”或“乳腺肿瘤”或“乳腺肿瘤”和“饮食”或“糖尿病饮食”或“低碳水化合物饮食”或“碳水化合物限制饮食”或“高蛋白低-“碳水化合物饮食”或“降低糖尿病风险的饮食”或“DRRD”为主要关键词。研究表明，DRRD 评分与乳腺癌风险呈负相关。事实上，DRRD 评分每增加 3 分，患乳腺癌的风险就会降低 7%。研究表明，乳腺癌患者的 DRRD 评分较高与癌症风险降低和生存机会较高相关。这项研究的结果表明，较高水平的糖尿病风险降低饮食 (DRRD) 依从性之间存在正相关关系并提高了存活率。这表明乳腺癌幸存者在诊断后根据糖尿病饮食进行饮食调整可能会受益。