化疗作为常用的抗癌治疗方式，常常受到化疗药物稳定性差、溶解度低、副作用严重以及癌细胞的多药耐药等多种障碍的挑战。纳米颗粒作为化疗药物的载体和结合不同治疗方法的平台有效地参与了克服这些缺点。特别是，纳米粒子能够响应肿瘤微环境特征（例如缺氧、酸性pH、高水平的谷胱甘肽和过表达的过氧化氢）或激光的外在刺激等特定刺激而诱导治疗效果，从而带来更精确和选择性的治疗。其中，共价有机框架（COF）纳米结构近年来引起了生物医学领域的极大兴趣。这些生物相容性多孔结晶聚合物具有大表面积、高孔隙率、结构稳定性和可定制的架构，可以适当地转化为有前途的药物输送和联合治疗诱导平台。本研究重点关注纳米级 COF 的刺激响应特性，旨在概述其在单独化疗或与声动力、化学动力、光动力和光热疗法相结合的癌症治疗中的潜力。

自驱动纳米马达具有强大的推进和穿透能力，可以提高纳米粒子的细胞摄取效率，增强其对肿瘤细胞的细胞毒性，为治疗重大疾病开辟新途径。在这项研究中，提出了通过交替拉伸和收缩温度敏感聚合物（TS-P）链来驱动纳米电机的概念。 TS-Ps 成功连接到 Cu2-xSe@Au (CS@Au) 纳米粒子的一侧，形成 Janus 结构，该结构被指定为 Cu2-xSe@Au 聚合物 (CS@Au-P) 纳米电机。在近红外（NIR）光照射下，Cu2-xSe纳米粒子产生光热效应，改变系统温度，触发TS-P结构的交替，产生机械力，推动CS@Au-P纳米电机运动。纳米马达显着提高了纳米颗粒的细胞摄取并增强了它们在肿瘤中的渗透和积累。此外，CS@Au-P纳米电机卓越的光热转换效率表明它们作为光热疗法（PTT）纳米材料的潜力。所制备的材料在体内和体外均表现出良好的生物相容性和抗肿瘤作用，为纳米电机在肿瘤治疗中的设计和应用提供了新的研究见解。© 2024 Wiley‐VCH GmbH。

他法西他单抗联合来那度胺 (TAFA-LEN) 在抗 CD19 CAR T 细胞治疗前或治疗后的相关性目前存在争议。我们分析了 DESCAR-T 注册中心中接受 axi-cel 或 tisa-cel ≥ 3 线 (L3) 和 TAFA-LEN 治疗的大 B 细胞淋巴瘤患者（n=15，“TL-pre-CAR-T”组） ）或直接在（n=52，“TL-post-CAR-T”组）CAR T 细胞之后。我们在 TL-post-CAR-T 组中使用逆概率加权比较 TAFA-LEN 与其他治疗方法。在 TL-post-CAR-T' 组中，中位随访时间 (mFUD) 为 7 个月，中位无进展生存期、总生存期和自第一次治疗进展以来的缓解持续时间 (mPFS2/mOS2/ mDOR2) 分别为 3、4.7 和 8.1 个月。 TAFA-LEN 后的最佳总体缓解率 (bORR) 和最佳完全缓解率 (bCRR) 分别为 13.5% 和 7.7%。 CAR T 细胞治疗后复发 > 6 个月的患者的结果更好（mPFS2：5.6 个月与 2 个月，p=0.0138；mOS2：未达到与 3.8 个月，p=0.0034）。 TAFA-LEN 与其他治疗之间的 bORR 和 bCRR 分别为 20.6% vs. 24.9% 和 11.6% vs. 15.6%。 TAFA-LEN 和其他治疗之间的结果相似（mPFS2：2.9 [2-2.6] 与 2.4 [1.5-4.2] 个月，p=0.91；mOS2：3.3 [1.8-6.4] 与 5.5 [4.4-6.3] 个月，p=0.06）。在 TL-pre-CAR-T 组的探索性分析中（自 CAR-T 细胞以来的 mFUD：2.8 个月），CAR-T 之前的中位 TAFA-LEN 治疗持续时间为 3.7 个月，并且没有报告患者 CD19 阴性。 CAR T细胞输注后的bORR、bCRR、6个月PFS和OS率分别为45.5%、36.4%、20.1%和58.2%。 TAFA-LEN 和比较挽救治疗均未改善 CAR T 细胞治疗后复发患者的预后。版权所有 © 2024 美国血液学会。

唾液乳杆菌是人类和动物饮食中的益生菌菌株。给断奶仔猪施用益生菌可以通过优化胃肠道细菌组成来改善其生长。为了进一步研究胃肠道和肺部之间的细菌通讯对身体免疫力的影响，我们在低氨气体环境中饲养断奶仔猪。添加唾液乳杆菌以探讨其对肺部免疫的影响及其细菌易位的可能性。将一百六十头断奶仔猪分为四组：添加唾液乳杆菌、添加罗伊氏乳杆菌、对照组和抗生素药物组（金霉素） - 补充。饲养时间为28 d。施用乳酸菌菌株的仔猪的体重优于对照仔猪（P < 0.01）。回肠和肺细胞中免疫因子白细胞介素2（IL-2）、IL-4、干扰素α（IFN-α）和肿瘤坏死因子α（TNF-α）的转录水平显着升高（P < 0.01） ）。分离肺和回肠粘液组织以对细菌组成进行测序，这表明肺在门水平上的丰富度较高，而在回肠中并不显着。回肠和肺部的功能细菌更为丰富。两种组织中乳杆菌属、普雷沃氏菌属、放线杆菌属和普雷沃氏菌科_NK3B31_群的比例均有所增加，而链球菌属、埃希氏菌属和支原体的比例较低。微生物属组成与免疫因子水平之间的相关性表明，乳酸菌的丰度在肺和回肠中发挥着同样的积极作用。支原体在回肠和肺部免疫中发挥负面作用。肺部检测到更多的罗伊氏乳杆菌和厌氧益生菌。唾液乳杆菌和罗伊氏乳杆菌在回肠膜上的定植优化了回肠微生物组成，吸引了其他益生菌转移到肺部，提高了肺部微生物群的丰度，接触低浓度氨后免疫力增强。版权所有 © 2024 作者。由爱思唯尔公司出版。保留所有权利。

少数研究调查了地理可及性对癌症生存的影响，大多数研究侧重于参考护理中心的可及性，使用总体死亡率并仅限于特定的癌症部位。本研究旨在探讨法国 10 种最常见癌症患者获得初级保健与死亡率之间的关系，同时控制社会经济剥夺。这项研究总共纳入了法国 10 种最常见癌症部位的 151,984 例确诊病例。 21 2013 年至 2015 年间法国癌症登记处。使用两个指数估算获得初级保健的机会：Accessibilité Potentielle Localisée 指数（接触全科医生的机会）和 Scale 指数（接触一系列初级保健临床医生的机会）。使用基于基于生命表和观察到的死亡率的预期死亡率的附加框架对超额死亡率进行建模。生活在初级保健机会较少的地区的患者对于一些非常常见的癌症部位（如乳腺癌（女性）、肺癌（女性）、肺癌）的超额死亡率更高。男性）、肝癌（男性和女性）和结直肠癌（男性），占我们样本中诊断出的患者的 46%。对乳腺癌的效果最大；诊断后 1 年的超额风险比估计为 1.69 (95% CI, 1.20-2.38)，诊断后 5 年的超额风险比估计为 2.26 (95% CI, 1.07-4.80)。这项研究表明，这种初级保健获取机会的差异与癌症患者的死亡率过高，应成为卫生政策制定者减少医疗保健可及性方面的不平等的优先事项。© 2024 美国癌症协会。

网络推理或重建算法在成功分析和识别组学命中之间的因果关系方面发挥着不可或缺的作用，以检测各种背景下失调和改变的信号成分，包括疾病状态和药物扰动。然而，信号网络的准确表示和复杂相互作用组中稀疏组学数据集中上下文特定相互作用的识别对综合方法提出了重大挑战。为了应对这些挑战，我们提出了 pyPARAGON（用于多组学数据集成的 Graphlet 引导网络上的 PAgeRANk-flux），这是一种将网络传播与 graphlet 相结合的新颖工具。 pyPARAGON 通过利用网络而不是依赖蛋白质之间的成对连接来提高准确性并最大限度地减少信号网络中非特异性相互作用的包含。通过对基准信号通路的综合评估，我们证明 pyPARAGON 在节点传播和边缘推理方面优于最先进的方法。此外，pyPARAGON 在发现癌症驱动网络方面表现出良好的性能。值得注意的是，我们通过将 105 个乳腺癌肿瘤的磷酸蛋白质组数据与相互作用组整合并展示肿瘤特异性信号通路，展示了其在基于网络的患者肿瘤分层中的实用性。总的来说，pyPARAGON 是一种在信号网络背景下分析和集成多组学数据的新颖工具。 pyPARAGON 可在 https://github.com/netlab-ku/pyPARAGON 获取。© 作者 2024。由牛津大学出版社出版。

核受体结合 SET 结构域蛋白 2 (NSD2) 显着促进癌症的发展，使其成为癌症药物发现的有希望的靶点。这项研究探索天然化合物作为 NSD2 在癌症治疗中的潜在选择性抑制剂。该研究采用综合计算机方法，利用药效团建模、分子对接、药代动力学分析和分子动力学模拟。使用第一个与 NSD2 结合的选择性和有效配体进行基于电子药效团模型的筛选，从 SuperNatural 3.0 数据库（包含 449,008 个分子）中鉴定出 49,248 种天然化合物，与已开发的药效团假设具有可接受的一致性。随后，进行分子对接以评估突出的化合物，从而根据以 G 分数表示的结合亲和力，选择了超过参考抑制剂的 10 种候选化合物。前三个命中（SN0450102、SN0410255 和 SN0142336）的配体-残基相互作用分析揭示了与 NSD2 活性位点的多种关键相互作用，包括氢键、pi-pi 堆积以及与 NSD2-PWWP1 中关键氨基酸残基的疏水接触领域。药代动力学分析证实了精制命中的药物敏感性，表明良好的细胞渗透性和最小的血脑屏障渗透性。 200 纳秒的分子动力学模拟证实了蛋白质-配体复合物的稳定性，均方根偏差和均方根波动分析的波动最小。总体而言，这项研究确定了有前景的天然化合物作为治疗 NSD2 相关癌症的潜在药物。版权所有：© 2024 Mohamed 等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，允许在任何媒体上不受限制地使用、分发和复制，前提是注明原始作者和来源。

过去必须进行侵入性开放手术才能进入肿瘤块以进行切除或切除。随后开发了微创腹腔镜手术以及基于导管的方法，例如支架置入术、血管内手术、化疗栓塞、近距离放射治疗，这些方法最大限度地减少了副作用并降低了患者的风险。完全无创的手术在降低风险、手术时间、恢复时间、感染可能性或其他副作用方面带来了更多好处。事实证明，将来自体外的超声波专门聚焦在疾病部位是一种安全的无创方法，可用于局部消融热疗、机械消融和靶向药物输送。几十年前就提出了聚焦超声作为一种医疗干预措施，但只有利用先进的放射成像功能来规划、指导、监测和控制治疗过程才变得可行。本次综述的目的是描述执行这些任务的成像能力和方法，重点是磁共振成像和超声。一些程序已经投入临床实践，更多程序处于临床试验阶段。成像完全集成在工作流程中，包括以下内容：（1）规划，定义目标区域和有风险的邻近器官； （2）通过测温成像、空化反馈和运动控制进行实时治疗监测，以确保邻近正常组织的靶向性和安全性； (3)通过评估消融和生理参数（例如血液供应）来评估治疗效果。本综述还重点关注声敏微粒和纳米颗粒，例如注入血液中的微泡。它们能够将超声能量沉积到微血管水平，诱导血管炎症和关闭，加速血栓溶解，并进行靶向药物递送干预，包括局灶性基因递送。尤其令人兴奋的是通过在大脑内所需区域打开血脑屏障来进行无创药物输送的能力。总体而言，图像引导下的聚焦超声正在迅速发展，成为治疗疾病和治愈患者的首选无创介入放射学工具。版权所有 © 2024 作者。由 Wolters Kluwer Health, Inc. 出版

各种辅助治疗对低级别胶质瘤（LGG）的有效性仍存在不确定性。预测个体治疗效果 (ITE) 并提供治疗建议的机器学习 (ML) 模型可以帮助根据每位患者的需求定制治疗方案。我们试图使用 ML 模型来辨别 LGG 患者放疗 (RT) 或放化疗 (CRT) 的个体适合性对 10 个 ML 模型进行了评估，这些模型经过训练可以推断 4,042 名 LGG 患者的 ITE。我们将遵循模型提供的治疗建议的患者与未遵循模型提供的治疗建议的患者进行了比较。为了降低治疗选择偏差的风险，我们采用了逆概率治疗加权（IPTW）。平衡生存套索网络（BSL）模型在我们测试的所有模型中显示出最显着的保护效果（风险比（HR）：0.52， 95% CI，0.41-0.64；IPTW 调整后 HR：0.58，95% CI，0.45-0.74；限制平均生存时间 (DRMST) 差异：9.11，95% CI，6.19-12.03；IPTW 调整后 DRMST：9.17 ，95% CI，6.30-11.83）。 CRT 在“推荐 CRT”组中表现出保护作用（IPTW 调整后 HR：0.60，95% CI，0.39-0.93），但在“推荐 RT”组中表现出不良作用（IPTW 调整后 HR：1.64， 95% CI，1.19-2.25）。此外，模型预测年轻患者以及病变重叠或肿瘤跨越中线的患者更适合 CRT（HR：0.62，95% CI，0.42-0.91；IPTW 调整后的 HR：0.59，95% CI，0.36-0.97 ）。我们的研究结果强调了 BSL 模型在指导 LGG 患者辅助治疗选择方面的潜力，有可能延长生存时间。这项研究强调了机器学习在定制患者护理、了解治疗选择的细微差别以及推进个性化医疗方面的重要性。版权所有：© 2024 Zhu 等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，允许在任何媒体上不受限制地使用、分发和复制，前提是注明原始作者和来源。

由于大脑发育的脆弱性增加以及错过早期发育机会，接受中枢神经系统 (CNS) 恶性肿瘤治疗的幼儿面临学业功能困难的高风险。现有文献对这一人群的学术研究是有限的。我们调查了儿童早期接受中枢神经系统肿瘤治疗的患者的学业准备情况、其临床和人口预测因素及其与远端学业结果的关系。一项前瞻性、纵向、多中心研究对 70 名新诊断的中枢神经系统肿瘤患者进行了化疗、联合或联合治疗。无需光子或质子照射。患者在基线、六个月、一年以及五年内每年接受一次学术技能评估。评估衡量了阅读和数学方面的学术准备度和学术成就。混合线性模型显示，随着时间的推移，学术准备技能的发展缓慢。社会经济地位（SES）可以预测所有时间点的学术准备情况。其他人口统计（例如，治疗年龄）和临床（例如，分流状态、治疗暴露）变量不能预测学业准备情况。远端阅读难度按比例大于规范预期，而数学难度没有差异。学业准备程度可以预测阅读和数学方面的最终学业成绩。儿童早期中枢神经系统恶性肿瘤的治疗似乎会减缓学业准备技能的发展，而 SES 可以预测风险。学术准备技能可以预测后续的学术成就。不成比例的长期幸存者在阅读方面的表现低于基于年龄的预期。这些发现表明需要针对这一人群的早期学术技能进行监测和干预。© 作者 2024。由牛津大学出版社出版。版权所有。如需权限，请发送电子邮件至：journals.permissions@oup.com。