结论 CRISPR/Cas9 基因组编辑技术具有巨大潜力,可以彻底改变癌症治疗,解决 CAR-T 和其他自适应细胞治疗中的移植物抗宿主病和 T 细胞耗竭等复杂挑战。然而,它在实体肿瘤中的应用存在重大障碍,包括生产时间长、成本高、脱靶效应以及与 CAR-T 疗法和肿瘤浸润相关的递送问题。此外,克隆选择和癌症增殖的挑战继续削弱传统抗癌治疗的有效性。尽管存在这些障碍,正在进行的研究旨在利用 CRISpr/Cas9 的能力来治疗由结构变异或拷贝数异常引起的肿瘤,有可能使其成为未来癌症管理策略中的关键工具。
IDCC25 作者和审稿人使用生成式 AI 工具的指南 本指南基于:Lin, Z. (2024)。面向学术出版的 AI 政策框架,认知科学趋势,28(2),85-88。检索自 https://doi.org/10.1016/j.tics.2023.12.002 定义 生成式 AI 是一种人工智能技术,可以生成各种类型的内容,包括文本、图像、音频和合成数据。示例包括但不限于 ChatGPT、NovelAI、Gemini、Jasper AI、Rytr AI、DALL-E 等。出版道德 | 爱思唯尔政策。(nd)。爱思唯尔。 2024 年 5 月 9 日检索自 https://www.elsevier.com/about/policies-and-standards/publishing-ethics 作者指南 如果使用生成式人工智能开发投稿或投稿的任何部分,则必须描述其用途和目的。作者应准备好提供有关其投稿中所用工具和生成内容的提示的信息。作者有责任对人工智能生成的内容进行适当审查,以避免不准确和抄袭。使用生成式人工智能创建内容并不意味着相关工具的作者身份。 为本指南提供指导的出版商政策:出版伦理最佳实践指南 | Wiley。(nd)。2024 年 5 月 9 日检索自 https://authorservices.wiley.com/ethics-guidelines/index.html#22 ChatGPT 和生成式人工智能。(2023 年 1 月 27 日)。 SAGE Publications Inc. https://us.sagepub.com/en-us/nam/chatgpt-and-generative-ai 审稿人指南 审稿人不得将稿件或稿件的任何部分上传到生成式 AI 工具中,即使是为了改善其审稿的语言和可读性。这是基于对稿件中个人数据和/或专有信息的机密性的尊重,以及通过防止它们成为训练数据集的一部分来尊重知识产权。此外,审稿过程是一项人类活动
挪威医疗产品管理局 (NoMA) 是挪威唯一一家负责药品单一技术评估 (STA) 的 HTA 机构,负责对新干预措施和现有药品的新适应症进行评估。NoMA 是卫生和护理服务部下属的一个机构。本文件及其内容反映了第 34 号白皮书 (2015-2016) (1) 和第 38 号白皮书 (2020-2021) (3) 中所述的原则。第 34 号白皮书在下文中称为优先级设置白皮书 (“Prioriteringsmeldingen”)。在挪威进行 STA 的目的是解决此处概述的三个优先级标准:效益、资源使用和严重性,以及不确定性和预算后果。根据提交的范围,优先级标准以定量 (CUA) 或定性的方式进行评估。本指南详细说明了提交药品技术评估文件的原则和方法要求,促进及时、可靠、一致且与决策者和主要利益相关者的需求相关的评估。指南并未详细说明 NoMA 如何进行评估。指南旨在为准备经济评估文件的卫生技术开发商提供信息。指南不适用于个人患者层面的临床决策。它们应该用于准备药品 STA 文件,无论是申请国家保险计划(“Folketrygden”)公共融资的卫生技术开发商,还是专科医疗服务。本文件《药品单一技术评估提交指南》包括成本效益和预算影响分析所需的文件类型和方法指导。虽然提交模板指定了 STA 中不同部分的要求,但这些指南旨在作为参考文件,根据需要与模板中的特定部分一起提供。指南将根据需要进行审查和修订。此次修订主要是为了与即将于 2025 年在欧盟生效的 HTA 法规相协调,挪威承诺参与该法规。
摘要:剂量限制性毒性和患者之间显著的药代动力学差异常常使得药物难以安全有效地给药。用于监测患者特定药代动力学的分析方法缓慢而繁琐,进一步加剧了这一问题,这些方法不可避免地依赖于抽血和事后实验室分析。为了满足对改进“治疗药物监测”的迫切需求,我们正在开发基于电化学适体 (EAB) 的传感器,这是一种微创生物传感器架构,可以提供实时、秒级分辨率的生物体药物水平测量。EAB 传感器的一个主要优势是它们可推广到各种治疗剂的检测,因为它们不依赖于靶标的化学或酶反应性。然而,迄今为止,已证明可使用体内 EAB 传感器测量的四种治疗药物类别中,有三种与核酸结合是其作用方式的一部分,因此,该方法在多大程度上可以推广到不与核酸结合的治疗药物仍是一个悬而未决的问题。在这里,我们展示了在活体大鼠模型中,在按人体相关剂量给药后,对血浆甲氨蝶呤(一种抗代谢物(作用方式不依赖于 DNA 结合)化疗药物)进行实时体内测量。通过提供数百个药物浓度值,由此产生的秒级分辨率测量成功确定了关键的药代动力学参数,包括药物的消除率、血浆峰浓度和暴露(曲线下面积),精度达到前所未有的 5% 到 10%。凭借这种精度水平,我们可以轻松识别出即使是在健康大鼠中,在给予相同质量调整的甲氨蝶呤剂量的情况下,药物暴露量也存在显著(>2 倍)差异。通过提供实时、秒级分辨的甲氨蝶呤药代动力学窗口,此类测量可用于精确“个性化”这种毒性较大但又至关重要的化疗药物的给药。
R. Konane Bay 1,† , 张天仁 2 , Shinichiro Shimomura 1,3 , Mark Ilton 4 , Keiji Tanaka 3 , Robert
请保存分层的原生设计文件:PSD、AI、EPS。如果您的设计被选中,我们可能会要求提供原生设计文件。如果您没有 Photoshop 或未发送分层文件,则可能需要在您的原生软件中应用修订并重新提交。
物理互联网 (PI, π) 对运输和物流效率提升寄予厚望。PI 代表物理对象的物流网络,类似于数据互联网 (DI)。道路交通代表这些物流网络之一。在这里,仍然有很多空载和未充分利用的行程(国际运输论坛,2019 年)。因此,基于道路的物理互联网 (RBPI) 具有很大的潜力,它将对运输和物流战略以及车辆设计产生影响。在 DI 上,物流策略在协议中实施。为了将这些概念转移到 RBPI,已经分析了 DI 的相关协议并将其转移到物理对象世界。但是,并非所有功能都可以一对一地转移,例如如果发生损坏或丢失,DI 中的数据包可由集线器简单地重新生成。为了应对挑战,我们根据设计科学原理 (vom Brocke, 2007) 设计了一个具有适当转换定制的框架工件。由此得出了对未来车辆的要求。本文为 RBPI 的实施做出了贡献,以使公路车辆适应未来的运输和物流世界。
本稿件由 UT-Battelle, LLC 撰写,合同编号为 DE-AC05-00OR22725,由美国能源部提供。美国政府保留此权利,而出版商在接受文章发表时,即承认美国政府保留一项非独占、已付费、不可撤销的全球许可,可出于美国政府目的出版或复制本稿件的已出版形式,或允许他人这样做。能源部将根据 DOE 公共访问计划 (http://energy.gov/downloads/doe-public-access-plan) 向公众提供这些联邦资助研究的成果。