XiaoMi-AI文件搜索系统
World File Search SystemBLCA
系统阐明和药理学靶向...
GBM PRAD 4.70E-07 PRAD GBM 1.30E-11 GBM KIRC 7.20E-07 KIRC GBM 6.90E-11 GBM BLCA 2.10E-05 BLCA GBM 1.10E-06 PRAD KIRC 3.40E-11 KIRC PRAD 2.20E-04 PRAD BLCA 8.10E-08 BLCA PRAD 2.30E-07 KIRC BLCA 2.10E-05 BLCA KIRC 1.30E-08 表 1：不同肿瘤环境中 TI 与 P-Treg MR 蛋白的 GSEA，Bonferroni 校正。
膀胱癌中与癌症相关的成纤维细胞
上下文：膀胱癌（BLCA）是一种高度普遍的肿瘤，并且是世界范围内的健康问题，尤其是在男性中。最近的工作强调了肿瘤微环境（TME）在癌症生物学中具有转化含义的意义。癌症相关的纤维细胞（CAF）是TME中突出的，异质的细胞种群。CAF与几种肿瘤中的肿瘤发育，进展和预后不良有关。但是，它们在BLCA中的作用尚未被深深利用。目的：回顾CAF在BLCA生物学中的作用，并对CAF起源，亚型，标记以及表型和功能特征提供了解以改善患者的管理。证据获取：进行了PubMed搜索，以审查使用“癌症相关的纤维细胞”和“膀胱癌”或“'尿皮细胞cer'”一词发表的手稿。审查了所有摘要，并分析了所有相关手稿的全部内容。此外，考虑了其他肿瘤中CAF的选定手稿。证据综合：在BLCA中，CAF的研究比在其他肿瘤中的研究少。多亏了新技术，例如单细胞RNA-seq和空间转录，现在可以准确地绘制并分子定义正常膀胱和BLCA中纤维细胞的表型。批量转录组分析揭示了非肌肉侵入性和肌肉侵入性BLCA中的亚型存在。这些子类型在其CAF内容上显示出不同的功能。有必要在BLCA中更深入地了解CAF生物学。我们提供了这些肿瘤亚型中CAF的表型多样性的高分辨率图。临床前研究和最近有前途的临床试验通过cafs或其效应子和免疫微环境的靶向靶向来利用这些知识。结论：当前对BLCA CAFS和TME的知识正在越来越多地用于改善BLCA治疗。患者摘要：肿瘤细胞被无量细胞所包围，这些细胞有助于确定癌症的行为。是与癌症相关的纤维细胞。通过这些细胞相互作用建立的“社区”可以
硫酸酶修饰因子2作为尿路上皮癌的预测生物标志物
摘要硫酸酶介导细胞表面硫酸盐硫酸盐的硫酸化水平调节信号转导，从而促进癌症的进展。硫酸酶激活需要修饰其催化结构域的硫酸酶修饰因子（SUMF）。SUMF家族在尿路上皮癌（UC）中的作用尚未得到充分评估。在这项研究中，我们使用了在线数据库和免疫组织化学来评估UC中SUMF和相关候选靶标的遗传变化以及MRNA和蛋白质表达。我们发现在UC组织中将SUMF1和SUMF2扩增。较高的SUMF2 mRNA水平与癌症基因组（TCGA）数据集的膀胱UC（BLCA）中的总生存期（OS）和无病生存（DFS）有关。较高的SUMF2蛋白水平与BLCA患者的等级（P <0.001），T状态（P = 0.01）和阶段（P = 0.006）有关。我们还检查了上层UC（UTUC）中的SUMF2表达水平。sumf2表达与UTUC患者的阶段（p = 0.046），较差的OS（P = 0.0022）和DFS（P = 0.019）相关。SUMF2的敲低可显着降低5637个细胞的迁移和侵袭能力。 此外，SUMF2 mRNA水平与BLCA中的FBXW7 mRNA水平负相关。 SUMF2高 / FBXW7低表达曲线预测BLCA中最差的生存率。 综上所述，SUMF2表达与UC患者的不利临床结局有关，并且可以作为UC分期的有用的预后生物标志物。SUMF2的敲低可显着降低5637个细胞的迁移和侵袭能力。此外，SUMF2 mRNA水平与BLCA中的FBXW7 mRNA水平负相关。SUMF2高 / FBXW7低表达曲线预测BLCA中最差的生存率。综上所述，SUMF2表达与UC患者的不利临床结局有关，并且可以作为UC分期的有用的预后生物标志物。
2025; 15（5）：1966-1986。 doi：10.7150/thno.103175研究论文TBX3塑造免疫抑制微环境并诱导免疫疗法抗性
背景：识别预测免疫疗法功效的生物标志物并发现联合疗法的新靶标是改善膀胱癌（BLCA）患者预后的关键要素。方法：首先，我们使用来自多个公共数据库的数据探索了正常和Pan-Cancer组织中TBX3的表达模式以及TBX3与免疫微环境之间的相关性。然后，我们组合了各种技术，包括大量RNA测序，单细胞RNA测序，高通量细胞因子阵列，功能实验，Procartaplex多重免疫测定和组织全景组织量化测定，以证明TBX3将Immunosupsporcement tamorsument（bla）塑造为bla s inrosement（bla）。结果：我们将TBX3确定为与BLCA中的免疫抑制微环境相关的关键因素。我们发现TBX3主要在恶性细胞中表达，其中TBX3高肿瘤细胞增加了TGFβ1的分泌，从而促进了与癌症相关的成纤维细胞（CAF）浸润，从而形成了一种免疫抗抑制性的微节流。我们进一步证明，TBX3通过与TGFβ1启动子结合来增强TGFβ1的表达，并阻止TGFβ1抵消TBX3的免疫抑制作用。此外，TBX3通过降低GZMB + CD8 + T细胞的比例来降低CD8 + T细胞的杀菌效率，并敲击TBX3与抗PD-1处理相结合的TBX3增加了CD8 + T细胞的浸润增加了VIVO中的CD8 + T细胞浸润和降低CAF。最后，我们发现TBX3预测了现实世界中免疫疗法队列和多个公共队列中的免疫疗法功效。我们还验证了TBX3 +恶性细胞与CD8 + T细胞之间的反比关系以及组织微阵列中与CAF的正相关关系。结论：总而言之，TBX3通过诱导免疫抑制微环境促进BLCA的进展和免疫疗法抗性，而靶向TBX3可以增强BLCA免疫疗法的功效。
基于肌肉侵入性膀胱癌的遗传景观的硅药物反应预测中个性化的展示研究
改进且便宜的分子诊断允许从“一种尺寸适合所有疗法”转移到针对单个肿瘤的个性化疗法。然而，基于全面测序的大量潜在目标仍然是一个尚未解决的挑战，可以阻止其在临床实践中的常规使用。因此，我们设计了一个工作流，该工作流选择基于多摩学测序和计算机药物预测的最有希望的治疗靶标。在这项研究中，我们证明了关注膀胱癌（BLCA）的工作流程，迄今为止，尚无可靠的诊断来预测治疗方法的潜在益处。在TCGA-BLCA队列中，我们的工作流程确定了由21个基因和72种药物组成的面板，这些小组建议对95％的患者进行个性化治疗，包括5个尚未报道为BLCA临床测试的预后标记。自动化的预测是通过手动策划的数据补充的，从而可以进行准确的灵敏度或抗药性指导的药物反应预测。我们根据在手动策展期间发现的陷阱讨论了药物相互作用数据库的潜在改进。
综合生物信息学方法揭示 LRP1 表达在卵巢癌中的预后意义
摘要：过度活跃的肿瘤微环境 (TME) 导致卵巢癌 (OC) 中癌细胞的无限制存活、耐药性和转移。然而，OC 的 TME 内治疗靶点仍然难以捉摸，量化 TME 活性的有效方法仍然有限。在此，我们采用综合生物信息学方法来确定哪些免疫相关基因 (IRG) 调节 TME，并进一步评估它们在 OC 进展中的潜在治疗诊断 (治疗 + 诊断) 意义。使用稳健的方法，我们开发了一个预测风险模型，以回顾性检查来自癌症基因组图谱 (TCGA) 数据库的 OC 患者的临床病理参数。预后模型的有效性通过来自国际癌症基因组联盟 (ICGC) 队列的数据得到证实。我们的方法确定了九个 IRG，AKT2、FGF7、FOS、IL27RA、LRP1、OBP2A、PAEP、PDGFRA 和 PI3，它们形成了 OC 进展的预后模型，区分出低风险组内临床结果明显更好的患者。我们验证了该模型作为独立的预后指标，并证明当与临床列线图一起使用时具有增强的预后意义，以实现准确预测。LRP1 表达升高表明膀胱癌 (BLCA)、OC、低级别神经胶质瘤 (LGG) 和胶质母细胞瘤 (GBM) 预后不良，也与其他几种癌症的免疫浸润有关。与免疫检查点基因 (ICG) 的显著相关性凸显了 LRP1 作为生物标志物和治疗靶点的潜在重要性。此外，基因集富集分析突出了 LRP1 参与代谢相关途径，支持其在 BLCA、OC、低级别神经胶质瘤 (LGG)、GBM、肾癌、OC、BLCA、肾肾透明细胞癌 (KIRC)、胃腺癌 (STAD) 以及胃和食管癌 (STES) 中的预后和治疗相关性。我们的研究在癌症的 TME 中生成了九个 IRG 的新特征，这些特征可以作为潜在的预后预测因子，并为改善 OC 的预后提供宝贵的资源。
双囊MTORC1抑制剂在肿瘤模型中诱导凋亡细胞死亡，以多活化的MTORC1
简介PI3K/AKT/MTOR网络是一种关键的细胞内信号，该途径指导生理和病理条件下的细胞生长和代谢（1）。雷帕霉素（MTOR）进化保守的哺乳动物靶标是在哺乳动物细胞中表达的丝氨酸/苏氨酸激酶（2）。mTOR是MTORC1和MTORC2蛋白复合物中的关键蛋白（3），MTORC1调节参与蛋白质合成，基因表达，葡萄糖和脂质代谢和核苷酸生物合成的信号传导级联反应（4）。mTORC1磷酸化4E结合蛋白1（4EBP1）和S6激酶（S6K），涉及cap依赖性翻译起始和伸长的下游靶标（5）。在结节性硬化症复合物（TSC）肿瘤和多种癌症类型中发生的TSC1或TSC2的完全丧失（6-8）导致MTORC1的组成型非调节激活（9）。鉴于人类肿瘤中PI3K/AKT/MTOR信号的频繁激活，已经开发了几代MTOR抑制剂（1）。Rapalogs治疗了几种与TSC相关的肿瘤以及肾细胞癌（RCC）（10）。但是，旋转在治疗RCC，膀胱癌（BLCA），
AMARETTO 用于网络生物学和医学
通过基于图的多组学、临床、成像和扰动数据融合将疾病、驱动因素、靶点和药物联系起来 我们提出*AMARETTO 作为网络生物学和医学的软件工具箱，旨在开发一个用于癌症诊断、预后和治疗决策的数据驱动平台。*AMARETTO 通过基于网络图的多组学、临床、成像、驱动和药物扰动数据融合，将疾病、驱动因素、靶点和药物联系起来，涵盖癌症的模型系统和患者研究。*AMARETTO 平台采用模块化方法，基于多模态和多尺度网络结构建模整合先前的生物学知识：(1) AMARETTO 算法从功能基因组学或多组学数据中学习调控回路网络（驱动因素和靶基因回路），并将这些回路与每个生物系统（例如模型系统或患者）内的临床、分子和成像衍生的表型相关联； (2) 社区-AMARETTO 算法学习跨多个生物系统（例如模型系统和患者、群组和个体、疾病和病因、体外和体内系统）衍生的网络共享或不同的调节电路子网络；（3）扰动-AMARETTO 算法分别将模型系统中的遗传和化学扰动映射到患者衍生的网络上以进行驱动因素和药物发现，并优先考虑主要驱动因素、目标和药物以进行后续实验验证；（4）成像-AMARETTO 算法将放射学和组织病理学成像数据映射到患者衍生的多组学网络上，以进行非侵入性和组织病理学成像诊断。我们通过 Jupyter Notebook 工作流程展示了 *AMARETTO 在多个用例中的实用性，这些用例整合了多组学、临床、成像以及驱动和药物扰动数据，涵盖了癌症的模型系统和患者研究：（1）一项关于丙型和乙型肝炎病毒诱发的肝细胞癌 (LIHC) 的研究，其中发现驱动因素和药物，用于跨肝细胞癌全病因的化学预防，并在大鼠模型中进行了实验验证；（2）一项关于多形性胶质母细胞瘤 (GBM) 和低级别胶质瘤 (LGG) 的研究，其中发现与非侵入性成像诊断的成像衍生特征相关的诊断和预后分子亚类的驱动因素；以及（3）一项关于五个 SCC 癌症部位的鳞状细胞癌 (SCC) 的泛癌症研究，特别是肺 (LUSC)、头颈部 (HNSC)、食道 (ESCA)、宫颈 (CESC) 和膀胱 (BLCA)。