胰腺癌作为一种恶性消化系统肿瘤，具有较高的死亡率。黄体芽菌素是从传统中草药蒿玄参（Xanthium strumarium L）中提取的一种倍萜内酯单体化合物。已有报道显示黄体芽菌素对视网膜母细胞瘤、胶质瘤、肝癌、结肠癌、肺癌和乳腺癌等多种癌细胞表现出抑制作用。然而，在胰腺癌细胞中，目前仅有一份关于黄体芽菌素对MIA PaCa-2细胞中前列腺素E2合成抑制和caspase 3/7活化诱导的报告存在，需要进一步的系统的体外和体内研究及相关机制的探索。本研究旨在探索黄体芽菌素在胰腺癌细胞中的体内外效果及其分子机制。通过细胞计数试剂盒-8（CCK-8）实验、乳酸脱氢酶（LDH）实验、二酯类荧光素乙酸缀合酯（CFDA SE）细胞增殖实验、克隆形成实验、伤口愈合实验、Transwell实验、Annexin V-FITC/propidium iodide（PI）双染实验、Hoechst核染色、Western blot分析、磷酸化蛋白质组学和活性氧（ROS）测量，评估了黄体芽菌素在胰腺癌细胞中的抗癌效果和机制。使用裸小鼠模型研究了黄体芽菌素在胰腺癌细胞中的体内抗癌效果。本研究表明，黄体芽菌素能够阻止胰腺癌细胞的增殖和转移，并触发磷脂酰丝氨酸（PS）的外露、染色质浓缩和caspase的活化，从而诱导细胞凋亡。磷酸化蛋白质组学分析表明，黄体芽菌素抑制了与增殖相关的蛋白质RBL1的磷酸化，而氧化应激能导致RBL1的磷酸化去除。进一步的研究发现，黄体芽菌素显著上调了胰腺癌细胞中的ROS水平，抗氧化剂N-乙酰半胱氨酸（NAC）可以逆转黄体芽菌素诱导的细胞增殖抑制和凋亡。此外，黄体芽菌素在裸小鼠的异种移植模型中可以抑制胰腺癌细胞的生长，对小鼠毒性较低。黄体芽菌素可能通过ROS/RBL1信号通路抑制胰腺癌细胞的增殖并触发凋亡。版权 © 2023 Elsevier GmbH。保留所有权利。

Toll样受体4（TLR4）基因促进腺癌细胞迁移。吗啡是TLR4的激动剂，对癌症发展有双重作用。吗啡在癌症进展中的促进或抑制作用存在争议。本研究旨在评估吗啡对人类MDA-MB-231乳腺癌细胞株中TLR4、髓系分化初级反应蛋白88依赖蛋白（ MyD88）和核因子κB（NF-κB）表达的影响。细胞在吗啡孵育24小时后，使用Boyden 室系统进行检测。通过定量实时聚合酶链反应（RT-PCR）评估TLR4、MyD88和NF-κB mRNA表达，使用ELISA试验测定白细胞介素-2β的浓度。根据结果，三个剂量的吗啡（0.25、1.25和0.025μM）增加了TLR4和NF-κB基因的表达，而MyD88的mRNA表达没有显著变化。此外，吗啡和脂多糖（LPS）处理显著降低了TLR4、MyD88和NF-κB的表达。然而，白细胞介素-2β浓度没有明显变化。这些发现确认了吗啡在体外对TRL4表达和MyD88信号通路的兴奋作用。 版权声明：© 2023 高级生物医学研究。

已经报道了偏头痛与特定癌症风险的关联。本试验旨在研究偏头痛与头颈癌（HNC）发病之间的关联。在2000年至2013年期间，在台湾的全国人口基于队列注册处识别了1755名个体。主要终点变量是偏头痛患者与非偏头痛对照组中新发生的头颈癌。使用Cox比例风险回归法推导HNC的风险。进行亚组分析以确定患有偏头痛相关的HNC的亚群。进行亚结果分析以提供偏头痛相关的HNC的亚型。利用倾向性评分匹配验证结果。共有351名患有偏头痛的患者中有4名和1404名非偏头痛对照组中有7名患者发展为HNC。偏头痛患者的HNC发生率高于非偏头痛对照组（每10万人年108.93 vs 48.77）（调整风险比aHR=2.908，95% CI=0.808-10.469；P=0.102）。偏头痛患者伴有光环的HNC风险（aHR=5.454，95% CI=0.948-26.875；P=0.264）和没有光环的HNC风险（aHR=2.777，95% CI=0.755-8.473；P=0.118）得到揭示。由偏头痛引起的非鼻咽癌（每10万人年112.79）的发病率高于鼻咽癌（每10万人年105.33）。在小样本的偏头痛患者中观察到HNC的发病率较高，特别是在具有光环的患者中。偏头痛相关的HNC包括非鼻咽癌。需要进行更大样本的研究以证实偏头痛患者患HNC的高风险。© 2023 Wiley Periodicals LLC.

已有回顾性研究表明，与其他患者相比，使用二甲双胍的头颈部鳞状细胞癌（HNSCC）患者表现出更好的生存率。我们旨在确定二甲双胍与化疗放疗相结合是否能改善HNSCC患者的生存率，与历史对照组进行比较。我们在新诊断的HNSCC患者中进行了一项I/II期单臂临床试验（NCT02949700）。患者在放疗期间接受基于铂的化疗放疗，同时口服二甲双胍，剂量分别为850 mg BID或1500 mg BID，在放疗前进行为期2周的前导期。在整个研究期间，我们确定了毒性反应、疾病反应和生存指标。共有25名患者对毒性和生存进行了评估；其中9名患者未能达到预定的70％用药遵从度。在I期中未发现剂量限制性毒性，而在整个研究期间，与二甲双胍相关的4级不良事件也未出现。II期中的主要结果显示，响应率为96％。在符合协议的p16 +亚组中，3年总生存率约为70％，而在符合协议的p16-亚组中为0％。在二甲双胍遵从度大于等于70％和二甲双胍遵从度小于70％的参与者中，二甲双胍遵从度大于等于70％的队列中的生存状况表明了一种趋势的改善，尽管这种差异并不显著。在HNSCC患者中，二甲双胍在同时化疗放疗期间耐受性良好。它作为化疗放射敏化剂的有效性尚不明确，需要进一步进行随机对照的临床试验来研究这一患者群体。版权所有© 2023 Elsevier Ltd.。保留所有权利。

检查点抑制剂（CI）疗法已经显示出对局部复发或转移性头颈鳞状细胞癌（R L/M HNSCC）的治疗有益。以往的研究表明，在CI进展后，救治化疗（SCT）对于R/M HNSCC有更优越的益处。我们的目标是描述在尼伐曼单抗（nivolumab）进展后进行SCT的益处。如果患者在2017年至2022年之间接受了至少一次SCT注射治疗R/M HNSCC，他们就有资格参加此研究。这项研究是一项回顾性和单中心的研究。主要终点是救治化疗（SCT1）第一个方案的客观缓解率（ORR）。次要终点包括疾病控制率（DCR），SCT第二个疗程的ORR（ORR2），SCT1和SCT2（PFS2）的无进展生存期（PFS）以及总生存期（OS）。共有83名患者接受了SCT。SCT1的ORR为32%。中位无进展生存期（PFS）为2.20个月（95%CI 2.06-3.71）。中位总生存期（OS）为5.55个月（95%CI 4.82-10.20）。在复发设置中，对于SCT1的第一线治疗的ORR是独立的预后因子，对SCT1的PFS和OS有影响。在R/M HNSCC中，nivolumab后的SCT与32%的ORR相关。这些结果与其他出版物一致，表明在先前的免疫治疗中，SCT具有更优越的益处，与肿瘤结果无关。版权所有 © 2023 Elsevier Ltd. 保留所有权利。

PG545（Pixatimod）是一种高度硫酸化的小分子，以其抑制肝素酶（heparanase）和破坏肝素结合生长因子（heparan-binding-growth factors，HB-GF）介导的信号传导能力而闻名。之前的研究表明，PG545能够抑制卵巢癌（OC）中的生长因子介导的信号传导，增强化疗的响应。在这里，我们研究了PG545在OC细胞中引起DNA损伤的前期未知机制，并发现PG545能够诱导DNA单链断裂和双链断裂，以一种自噬依赖的方式降低RAD51的表达，并抑制同源重组修复（HRR）。这些变化伴随着PG545抑制肝素硫酸蛋白聚糖相互作用DNA修复蛋白DEK的内吞作用，导致DEK在肿瘤微环境（TME）中被隔离，并失去核内对HRR所需的DEK。因此，PG545与多聚（ADP核糖）聚合酶抑制剂（PARPis）在OC细胞系体外和55%原发性培养的患者腹水样本体外表现出协同作用。此外，PG545与鲁卡帕尼（rucaparib）的协同作用也在体内展示出增加的DNA损伤、增加的抗肿瘤效果以及增加携带HRR能力的OVCAR5异种移植瘤小鼠的存活率，与单药治疗相比。PG545/鲁卡帕尼的组合也在免疫能力正常的同种移植ID8F3 OC模型中观察到协同的抗肿瘤活性。总的来说，这些结果表明，通过使用PG545靶向DEK-HSPG在TME的相互作用可能是一种抑制DNA修复并使细胞对PARPis敏感的新方法。©2023. 作者。

恶性肿瘤必须激活端粒维护机制才能实现复制的不朽性。人类端粒保护1（POT1）基因的突变常常在具有异常长端粒的癌症中检测到，这表明POT1功能的丧失会破坏端粒长度稳态调控，促进端粒的延长。然而，我们对导致端粒延长的机制的理解尚不完整。小鼠基因组编码两种POT1蛋白，即POT1a和POT1b，具有hPOT1功能分离的特点。我们对Pot1b-/-肉瘤进行了连续移植，以更好地了解POT1b在调节端粒长度维护中的作用。早期的Pot1b-/-肉瘤虽然最初具有缩短的端粒，但是晚期的Pot1b-/-细胞显示明显过度延长的端粒，被复制蛋白A（RPA）复合物识别为损伤的DNA。位于端粒的RPA-ATR依赖性DNA损伤响应促进端粒酶的招募，以促进端粒的超长度延伸。POT1b，而不是POT1a，能够解折在超长度端粒中存在的G四链体，以抑制DNA损伤响应。我们的发现表明RPA-ATR DDR的抑制在POT1b和人类POT1之间是保守的，这表明类似的机制可能解释了携带人类POT1突变的人类癌症观察到的表型。© 作者（们） 2023. 由牛津大学出版社代表核酸研究出版。

高级别胶质瘤（HGG）是神经外科实践中最罕见、同时也最具侵袭性的肿瘤类型之一。在当前的文献中，鲜有研究评估这些肿瘤切除后早期结果的动力学，并研究它们与优质护理的关联性。本文作者旨在利用美国外科医师学院（ACS）全国外科质量改进计划（NSQIP）数据库，确定HGG手术后30天再入院和再手术的临床预测因素，并试图创建预测每个结果的基于网络的应用程序。作者采用ACS NSQIP数据库，对在2016年1月1日至2020年12月31日期间接受枕上HGG切除术的患者进行了回顾性、多中心队列分析。提取了人口统计学和合并症数据。主要结果为30天内非计划再入院和再手术。对可用数据进行了80:20的分层拆分。进行监督式机器学习算法的训练，以预测30天后的结果。 我们的队列中共有9418名患者。手术后30天内非计划再入院的观察率为13.0%（n = 1221）。在预测因素方面，体重、慢性类固醇使用、术前血尿素氮水平和白细胞计数与再入院风险增加相关。手术后30天内非计划再手术的观察率为5.2%（n = 489）。在预测因素方面，增加的体重、较长的手术时间和住院和手术之间的天数与早期再手术的风险增加相关。随机森林算法显示了早期再入院的最高预测性能（曲线下面积[AUC] = 0.967），而XGBoost算法显示了早期再手术的最高预测性能（AUC = 0.985）。针对这两个结果，部署了基于网络的工具（https://glioma-readmission.herokuapp.com/ and https://glioma-reoperation.herokuapp.com/）。在本研究中，作者首次提供了对接受枕上HGG切除术的患者短期结果的全国范围分析。多个患者、医院和入院因素与再入院和再手术相关，机器学习证实了预测患者预后的有效性，从而在术前有更好的规划和随后改善个体化患者护理。

脊索瘤是一类罕见的来源于脊索残留物的肿瘤，占所有原发性骨恶性肿瘤的1%至4%，常发生在颅骨和骶骨。尽管进行了边缘负性切除和术后放疗，脊索瘤往往会复发。此外，免疫组化（IHC）标记物尚未评估为预测脊索瘤复发的指标。本研究旨在利用经过训练的多树型机器学习（ML）算法，识别预测术后长期（≥1年）脊索瘤复发的IHC标记物。作者回顾了2017年1月至2021年6月期间，在Mayo Clinic的Minnesota、Florida和Arizona三个地点接受骨瘤和脊柱脊索瘤治疗的患者记录。从每个患者的记录中提取了人口统计学数据、治疗类型、组织病理学以及其他相关临床因素。使用80/20的比例拆分，训练和测试决策树和随机森林分类器，根据未见数据预测长期复发。共确定了151例诊断和治疗脊索瘤的患者：其中58例为颅骨脊索瘤、48例为移动脊柱脊索瘤，45例为骶尾椎脊索瘤。颈部脊索瘤患者是所有组中年龄最大的组（58±14岁，p=0.009）。大多数患者为男性（n=91，60.3%）和白人（n=139，92.1%）。大多数患者进行了切除术或伴放射疗法（n=129，85.4%）。伴放疗的次全切除（n=51，33.8%）是最常见的治疗方式，其次是全切除再放疗（n=43，28.5%）。多变量分析表明，S100和泛细胞角蛋白更有可能预测术后复发风险增加（OR 3.67，95% CI 1.09-12.42，p=0.03；和OR 3.74，95% CI 0.05-2.21，p=0.02，分别）。在决策树分析中，37%的患者出现了>1897天的临床随访，并有90%的机会被分类为复发（准确率=77%）。随机森林分析（500棵树）显示，患者年龄、手术治疗类型、肿瘤位置、S100、泛细胞角蛋白和EMA是预测长期复发的因素。IHC和临床病理学变量与基于树的ML工具的结合成功地展示了识别复发模式的高能力，准确率为77%。S100、泛细胞角蛋白和EMA是复发的IHC驱动因素。这显示了ML算法在分析和预测小样本罕见疾病结果方面的能力。

由于脑膜瘤的WHO分级不能完全反映其临床行为，因此需要澄清其他可能表明肿瘤侵袭性增大和复发风险增加的因素。在本研究中，作者们使用Ki-67作为临床预后标志物，独立于WHO分级，通过多参数MRI放射组学特征鉴定了脑膜瘤的标志。回顾性分析了2012年至2018年间所有切除的脑膜瘤。术前磁共振图像用于高通量放射组学特征提取，并随后用于开发机器学习算法，基于Ki-67指数< 5%和≥5%，独立于WHO分级对脑膜瘤进行分层。根据机器学习对Ki-67分层的预测与基于组织病理学Ki-67的结果进行比较，评估了无进展生存期（PFS），在机器学习预测的Ki-67层的基础上，与基于组织病理学Ki-67的结果相比较。共纳入了343例脑膜瘤：其中291例属于WHO分级I级，43例属于II级，9例属于III级病例。复发率总体为19.8%（I级为15.1%，II级为44.2%，III级为77.8%），随访中位数为28.5个月。II级和III级肿瘤的Ki-67指数较I级肿瘤更高，尽管脑膜瘤的肿瘤和周围水肿容量独立于脑膜瘤WHO分级具有相当大的变异。识别了46个高效的放射组学特征（形态学特征1个，基于强度的特征7个，纹理特征38个），并用它们构建了支持向量机模型，以基于5%的Ki-67阈值对肿瘤进行分层，结果表明，在发现（n = 257）和验证（n = 86）数据集中，曲线下面积分别为0.83（95% CI 0.78-0.89）和0.84（95% CI 0.75-0.94）。组织病理学Ki-67与机器学习预测的Ki-67相比较，表现出很好的性能（整体准确度> 80%），I级脑膜瘤的分类准确度最高。机器学习分类器预测的Ki-67明显预示着Ki-67指数≥5%的脑膜瘤PFS较短，与使用组织病理学Ki-67观察到的不同患者预后结果相一致。Ki-67增殖指数可以作为WHO分级无关的脑膜瘤侵袭性增加的替代标志物。利用放射组学特征分析的机器学习方法可用于术前预测脑膜瘤的Ki-67，这提供了增强的分析洞察力，有助于改善诊断分类并指导个体化治疗策略。