我们描述了一种使用悬浮生物反应器从人类多能干细胞中稳健生成 3D 胰岛样类器官的可扩展方法。我们的方案涉及 6 个阶段、20 天的定向分化过程，从而产生 104-105 个类器官。这些类器官包含具有葡萄糖反应性胰岛素和胰高血糖素分泌的 α 和 β 样细胞。我们详细介绍了将干细胞培养、传代和冷冻保存为悬浮簇的方法，以及通过特定的生长培养基和逐步添加的外源因子来分化它们的方法。此外，我们还致力于研究应用的质量控制措施、故障排除策略和功能测定。© 2024。编辑（如果适用）和作者获得 Springer Science Business Media, LLC（该公司的一部分）的独家许可。施普林格自然。

低社会经济地位（SES）是包括癌症在内的多种疾病的死亡和免疫功能障碍的危险因素。然而，癌症的独特之处在于使用同种异体造血细胞移植（HCT）作为血液恶性肿瘤的治疗方法，将健康的造血细胞从一个人转移到另一个人。这就提出了一个问题：根据低社会经济地位评估，HCT 细胞捐献者的社会劣势是否可能会影响 HCT 接受者随后的健康结果。为了评估 SES 相关健康风险的细胞移植性，我们分析了在 125 个美国移植中心因血液恶性肿瘤接受移植的 2,005 名 HCT 接受者的健康结果，并测试了他们的结果是否随细胞捐赠者的 SES 的变化而有所不同（控制其他已知的 HCT 相关风险因素）。与来自 SES 最低四分位的捐赠者的细胞移植的受者相比，接受来自 SES 最低四分位的捐赠者的细胞移植的受者的总生存率降低了 9.7%（P = 0.001），并且 3 年内治疗相关死亡率增加了 6.6%（P = 0.008）。 SES 最高四分位数。这些结果与之前的研究一致，即社会经济劣势与免疫细胞功能和造血功能的改变有关，并且它们揭示了在细胞转移到新的宿主环境后，这些影响会出现意想不到的持续性。这些与社会经济地位相关的健康结果差异强调需要绘制健康社会决定因素所涉及的生物机制，并制定干预措施来阻止这些影响并增强 HCT 捐赠者和接受者的健康。

许多组织特异性成体干细胞谱系维持增殖和分化之间的平衡。在这里，我们研究了 H3K4me3 甲基转移酶 Set1 如何调节果蝇的早期雄性生殖细胞。 set1 的早期种系特异性敲除会导致暂时进展的缺陷，由于生殖细胞丢失而产生并发育成数量过多的早期生殖细胞。这些种系缺陷也会非细胞自主地影响生态位结构和囊肿干细胞谱系。此外，野生型 Set1（而非催化失活的 Set1）挽救了 set1 敲低表型，凸显了 Set1 甲基转移酶活性的功能重要性。此外，RNA-seq 实验揭示了关键信号通路组件，例如 JAK-STAT 通路 stat92E 和 BMP 通路 mad 基因，这些基因在 set1 敲低后上调。遗传相互作用分析支持 set1 和 JAK-STAT 或 BMP 通路之间的功能关系，因为 stat92E 和 mad 突变都会抑制 set1 敲低表型。这些发现增强了我们对成体干细胞谱系增殖和分化之间平衡的理解。抑制组蛋白甲基转移酶时，生殖细胞损失，随后出现过度增殖表型，这也引起了人们对在癌症治疗中使用其抑制剂的担忧。© 2024。由 The Company of Biologies Ltd 出版。

少转移性前列腺癌（OmPCa）的特点是转移灶数量有限，局限于有限的器官范围，这给临床带来了独特的挑战。前列腺细胞减灭术（CRP）在治疗这一特定转移阶段中的作用已引起人们的关注，但仍存在争议。本研究旨在通过综合以往研究的结果并分析多中心回顾性队列数据来评估 CRP 在 OmPCa 中的有效性。我们重点评估总生存期 (OS)、无进展生存期 (PFS)、癌症特异性生存期 ( CSS）和去势抵抗性前列腺癌无癌生存期（CRPCFS）作为主要结局。还对 2008 年 1 月至 2018 年 6 月接受 CRP 治疗的 OmPCa 患者与仅接受雄激素剥夺疗法 (ADT) 的患者进行了多中心比较回顾性分析。我们收集并分析了患者人口统计、肿瘤特征、手术结果和生存指标的数据。定量分析包括18项研究（2项随机对照试验（RCT）和16项非RCT研究），共1733例寡转移性前列腺癌患者，这是目前同一课题研究中纳入样本数最多的一次。汇总分析表明，细胞减灭术与 OS 显着改善相关（风险比 [HR]：0.50，95% 置信区间 [CI]：0.40-0.60）、PFS（HR：0.39，95%[CI]：0.27-0.51）与非手术治疗相比，CSS（HR：0.44，95％[CI]：0.23-0.65）和CRPCFS（HR：0.48，95％[CI]：0.36-0.59）。此外，OS，PFS和CRPCFS显示在所有分析（RCT 和非 RCT）中，CRP 组的结果均较好。此外，在我们的多中心回顾性研究分析中，纳入了 64 例寡转移性前列腺癌患者，其中 32 例接受了 CRP（50%），32 例仅接受了 ADT（50%）。 %）。中位随访时间为40.1（18.9-51.3）个月。两个匹配队列之间的OS（P=0.0182）、PFS（P=0.0297）和CRPCFS（P=0.0125）有统计学差异。 ，我们观察到 8 例 (25%) 围手术期并发症，最常见的是尿失禁 (9.4%)。在 OmPCa 治疗方案中将 CRP 与 ADT 结合使用可显着提高患者的 OS、PFS 和无 CRPC 结局生存率，强调了这种手术方法在特定患者群体中的潜在益处。版权所有 © 2024 作者。由 Wolters Kluwer Health, Inc. 出版

最近发表的来自喀麦隆卡波西肉瘤病例对照研究的近全长 KSHV 基因组显示了病毒重组和混合感染的有力证据，但没有与疾病相关的序列变异。使用相同的方法，对来自 76 名患有 KSHV 相关疾病的个体的另外 102 个 KSHV 基因组进行了测序。诊断包括所有 KSHV 相关疾病 (KAD)：卡波西肉瘤 (KS)、原发性渗出性淋巴瘤 (PEL)、KSHV 相关大细胞淋巴瘤 (KSHV-LCL)、一种多中心 Castleman 病 (KSHV-MCD) 和 KSHV炎症细胞因子综合征（KICS）。参与者来自 22 个不同的国家，为获得各种 KSHV 基因组的新的近全长序列提供了机会。其中包括 KSHV K1 亚型 A、B、C 和 F 以及 E 亚型的基因组近全长序列，此前尚未获得这些基因组的完整序列。观察到高水平的重组。十四个人 (18%) 显示出感染多种 KSHV 变体（来自两到四个独特基因组）的证据。对从同一参与者的不同采样点（包括 PBMC、组织活检、口腔液和积液）获得的序列进行了 26 次比较，确定了不同生物区室之间接近完整的基因组保守性。在编码区和非编码区中鉴定出了多态性，包括 K3 和 K15 基因中的插入缺失以及本文首次报道的序列倒置。 KSHV ORF46 中的一个此类多态性（针对 KSHV K1 亚型 E2）编码了尿嘧啶 DNA 糖基化酶的亮氨酸环延伸中的突变，导致该蛋白质的生化功能发生改变。这证实了 KSHV 序列变异可能产生功能性后果，值得进一步研究。这项研究代表了迄今为止对 KAD 个体中 KSHV 基因组序列进行的最大规模、最多样化的分析，并提供了有关全球 KSHV 基因组学的重要新信息。版权：这是一篇开放获取文章，没有任何版权，可以自由复制、分发、传输、修改、构建或由任何人出于任何合法目的以其他方式使用。该作品在知识共享 CC0 公共领域奉献下提供。

唾液是一种对患者友好的治疗药物监测 (TDM) 基质，但在常规护理中很少使用。这是由于基于唾液的 TDM 结果无法确定剂量。本研究旨在检索唾液血浆浓度数据，并随后确定影响药物排泄到唾液中的理化特性，以增加基于唾液 TDM 的基础知识。检索了 Medline、Web of Science 和 Embase (1974-2023)用于人体临床研究，确定唾液和血浆中的药物药代动力学。包括至少十名受试者和每个受试者五对唾液血浆浓度的研究。对于每项研究，确定唾液和血浆之间浓度-时间曲线下面积的比率以评估唾液中的排泄。每种药物的理化特性（例如 pKa、亲脂性、分子量、极性表面积、可旋转键和未与血浆蛋白结合的药物分数）均从 PubChem 和 Drugbank 获得。药物根据其电离性进行分类，然后通过 Henderson-Hasselbalch 方程调整蛋白质结合和生理 pH 值来预测唾液与血浆的比率。对每种药物类别进行 Spearman 相关分析，以确定预测唾液排泄的因素 (α = 5%)。研究质量通过干预工具非随机研究的偏倚风险进行评估。总体而言，纳入了 42 项研究，包括 40 种药物（抗精神病药物、抗微生物药物、免疫抑制剂、抗血栓药物、抗癌药物和心脏药物）。两性组（0.59）、碱性组（0.43）和酸性组（0.41）药物的唾液与血浆比率中值相似，中性组药物最低（0.21）。唾液中酸性药物的排泄量 (n = 5) 较高，与较低的电离和蛋白质结合相关（预测与观察到的唾液与血浆比率之间的相关性：R2 = 0.85，p = 0.02）。对于碱性药物 (n = 21)，pKa 预测唾液排泄（Spearman 相关系数：R = 0.53，p = 0.02）。对于两性药物 (n = 10)，氢键供体 (R = - 0.76，p = 0.01) 和极性表面积 (R = - 0.69，p = 0.02) 是预测因子。对于中性药物 (n = 10)，蛋白质结合 (R = 0.84，p = 0.004)、亲脂性 (R = - 0.65，p = 0.04) 和氢键供体计数 (R = - 0.68，p = 0.03) 是预测因子。被认为可能适合基于唾液的 TDM 的药物有苯妥英、他克莫司、伏立康唑和拉莫三嗪。这些研究具有低至中度的偏倚风险。许多常用药物会排泄到唾液中，这可以通过药物的电离状态、蛋白质结合、亲脂性、氢键供体计数和极性表面积来部分预测。需要评估药物转运蛋白和生理因素对排泄的贡献。对可能适合基于唾液的 TDM 的药物的持续研究将有助于采用这种以人为本的 TDM 方法来改善患者的治疗结果。© 2024。作者。

实体瘤是人类最常见的癌症类型，根据起源细胞分为肉瘤、淋巴瘤和癌。其中，由身体组织内衬的上皮细胞和腺细胞产生的癌症是最常见的。近年来，在世界范围内观察到实体瘤的发病率显着增加。在这种背景下，寻找更有效的癌症治疗方法的努力使人们对肿瘤微环境及其组成部分有了更深入的了解。目前，正在深入研究癌细胞与肿瘤微环境元素之间的相互作用。研究取得了显着进展，这主要归功于先进体外模型的发展，例如有助于理解并最终发现针对特定类型癌症的新有效治疗方法的芯片肿瘤模型。本文的目的是回顾肿瘤微环境和癌细胞成分，以及旨在模拟肿瘤的芯片上肿瘤模型的进展，为当前最先进的技术提供视角。最近使用这种重现肿瘤微环境的微型设备的研究使我们能够更好地了解癌症及其治疗方法。然而，该技术目前的应用存在一些局限性，寻求更深入的癌症知识和改进当前疗法的新策略的研究人员必须克服这些局限性，才能实现广泛的应用。

前瞻性随机试验报告了在异体造血干细胞移植（Allo-HSCT）与无关供者（UD）的情况下基于抗胸腺细胞球蛋白（ATG）的移植物抗宿主病（GvHD）预​​防的益处。然而，最佳 GvHD 预防策略最近因移植后环磷酰胺 (PTCY) 的使用增加而受到挑战。我们从 EBMT 登记处报告了 960 名骨髓增生异常肿瘤 (MDS) 患者接受 UD 异基因造血干细胞移植并使用 PTCY 或 ATG 作为 GvHD 预防的结果。主要结局是总生存期（OS）和无进展生存期（PFS）。两组的疾病特征相似。第 28 天，ATG 的中性粒细胞植入明显更好（93% vs 85%，p<0.001）。中位随访时间为 4.4 年（95% 置信区间 [CI] 4.2 - 4.8），PTCY 组的 5 年 OS 为 58% (95% CI 50-65)，PTCY 组的 5 年 OS 为 49% (95% CI 46-53%) ）在 ATG 组中，p=0.07。 PTCY 的 5 年 PFS 较高，为 53% (95% CI 45-60)，而 ATG 为 44% (95% CI 40-48)，p=0.043。使用PTCY时，II-IV级aGvHD发生率较低（23% [95% CI 17-29%] vs 30% [95% CI 27-33%]），p=0.044，而5时cGvHD发生率没有差异年。多变量分析证实，PTCY 具有更好的 OS 和 PFS，ATG 的 HR 为 1.32 (1 - 1.74)，p=0.05；PTCY 的 PFS 更好，ATG 的 HR 为 1.33 (1.03 - 1.73)，p=0.03。这项研究表明，在这种情况下，使用 PTCY 代替 ATG 进行 GvHD 预防仍然是一个有效的选择。进一步的前瞻性随机研究对于证实这些结果至关重要。版权所有 © 2024 美国血液学会。

双光子自发荧光（TPAF）成像能够以高时空分辨率提供精确的细胞代谢信息，使其成为一种有前途的活检工具。该技术受到光学系统或数据处理的复杂性的极大阻碍。在此，对激发波长进行了优化，以同时激发黄素腺嘌呤二核苷酸和烟酰胺腺嘌呤二核苷酸，并消除意外的 TPAF。在优化的单波长激发下无需额外校准即可稳健地获得光学氧化还原比（ORR）图像。以肝细胞癌和转移瘤为例，对TPAF法的体外、离体和体内活检进行了系统的研究和比较。结果表明，所提出的 TPAF 方法简化了光学系统，提高了 ORR 的鲁棒性，并能够实现早期癌症诊断，与以前的方法相比显示出显着的优势。

抗癌肽（ACP）是未来有前途的治疗方法，但其实验发现仍然耗时且昂贵。为了加速发现过程，我们提出了一种计算筛选工作流程，用于根据预测的类别概率、抗肿瘤活性和毒性来识别、过滤和优先考虑肽序列。该工作流程用于从白色念珠菌的基因组序列中识别具有有效抗结直肠癌活性的新型 ACP。结果，在 HCT116 结肠癌细胞系中鉴定并验证了四种候选药物。其中，PCa1 和 PCa2 最为有效，IC50 值分别为 3.75 和 56.06 μM，对癌细胞的选择性是正常细胞的 4 倍。在结肠异种移植裸鼠模型中，两种肽的施用均导致肿瘤生长的显着抑制，且没有引起明显的副作用。总之，这项工作不仅为 ACP 发现提供了经过验证的计算工作流程，而且还引入了两种肽 PCa1 和 PCa2，作为有望进一步开发为结肠癌靶向治疗的有希望的候选肽。该方法作为 Web 服务可在 https://app.cbbio.online/acpep/home 上获取，源代码可在 https://github.com/cartercheong/AcPEP_classification.git 上获取。