XiaoMi-AI文件搜索系统
World File Search SystemDecipher
肝细胞癌（HCC）中的解剖肿瘤异质性
免疫疗法（Atezolizumab）与贝伐单抗的结合试验，索拉非尼（sorafenib）作为晚期HCC的第一线治疗。3尽管这些结果被认为是一个很大的突破，但我们承认，与索拉非尼相比，联合疗法仅在2个月内将无进展的生存率略有提高。显然，迫切需要为HCC开发更好的疗法，为了做到这一点，我们首先必须了解耐药性的原因。至关重要的因素之一，不仅是开发新疗法，而且还针对识别新型生物标记或预测对治疗的反应的主要挑战是肿瘤异基因性。因此，解密的肿瘤异质性对于改善HCC患者的临床结局至关重要。
通过解读和靶向个性化蛋白质网络改变来克服黑色素瘤对 BRAFV600E 抑制的耐药性
图 1：传统生物标志物分析与患者特异性信号特征分析。遗传/蛋白质生物标志物分析依赖于对常见癌症类型相关基因或蛋白质表达水平的评估（左）。药物组合的设计是根据对周围信号网络状态的推断，基于先前的知识（左）。相比之下，患者特异性信号特征 (PaSSS) 分析涉及数百种癌症相关蛋白质的蛋白质组学分析，并无偏倚地识别每个样本中改变的信号特征，即不依赖于先前对信号通路的了解。这使得能够合理设计基于患者特异性独特重新连接信号网络的个性化靶向药物组合（右）。
利用微型荧光显微镜解读自由活动动物的大脑功能
动物行为受环境刺激调节，并受神经网络活动影响，这强调了评估自由行为动物不同细胞群的形态功能特性的重要性。近年来，已经开发出许多光学工具来监测和调节蛋白质、细胞或网络水平的神经元和神经胶质活动，并为研究自由行为动物的大脑功能开辟了新途径。基因编码的传感器和执行器等工具现在通常用于研究大脑活动和功能，通过它们在不同神经元群中的表达来研究它们。与此同时，显微镜在过去几十年中也取得了重大进展。微型显微镜（微型显微镜也称为微型内窥镜）的出现已成为研究自由行为小鼠不同大脑区域细胞和网络水平大脑活动的首选方法。这种技术还允许在动物头戴显微镜执行行为任务时进行纵向研究。在这篇综述中，我们将讨论微型内窥镜成像以及这些设备为研究提供的优势。我们还将讨论微内窥镜成像的当前局限性和未来潜在的改进。
揭示慢性炎症性脱髓鞘性多发性神经病的免疫机制
简介慢性炎症性脱髓鞘性多发性神经病 (CIDP) 是一种周围神经和神经根的自身免疫性疾病。它是人类最常见的慢性自身免疫性神经病，估计每 10,000 人中就有 1 人患有此病 (1)。尽管已描述了多种慢性炎症性神经病亚型和变体以及相应的各种缩写词，但 CIDP 仍然是最常见的形式，我们在此特别关注 CIDP 和 CIDP 模型。尽管对患者的首次描述可能起源于 19 世纪，但 Peter Dyck 及其同事在 1975 年首次将 CIDP 描述为“一种疾病分类实体”(2)。CIDP 的特征是运动和感觉功能的对称性丧失，诊断测试显示脱髓鞘的电生理学和组织学证据。其他病理特征包括间质水肿、洋葱球形成（提示反复脱髓鞘和髓鞘再生）以及由单核细胞和淋巴细胞组成的神经内膜炎症细胞浸润。对于大多数患者而言，CIDP 的临床病程进展缓慢：但三分之一的患者可表现为复发缓解型疾病 (3)，根据定义，该疾病进展或复发超过 8 周。这种时间进程将 CIDP 与急性炎症性脱髓鞘性多发性神经病 (AIDP) 和格林-巴利综合征 (GBS) 的其他亚型区分开来，后两者是单相的，通常在 3 至 4 周内达到高峰；尽管它们的临床病程也非常不均一。受 GBS 对应物成功的启发（4、5），国际 CIDP 结果研究 (ICOS) 最近启动，旨在更好地定义 CIDP 异质性并确定临床和生物学结果决定因素 (6)。这项前瞻性、观察性、多中心队列研究有望提供大量有关 CIDP 自然史的信息。与大多数其他慢性神经病不同，CIDP 是可以治愈的，尽管具有相当大的社会经济影响和不同的成功率。目前 CIDP 治疗的主要方法是糖皮质激素、静脉注射免疫球蛋白 (IVIg) 和血浆置换。使用目前的治疗方法，只有 11% 的 CIDP 患者在停止治疗后病情稳定超过 5 年 (7)。此外，12% 的患者尽管接受了治疗，但仍有进展或复发，51% 的患者需要继续治疗以防止病情进展。因此，更具体、更有效的 CIDP 治疗方法是可取的，了解潜在的发病机制将促进这些治疗方法的发展。本综述将综合
解读乳腺癌信号网络格局可改善药物敏感性预测
摘要尽管乳腺癌的遗传和表观遗传异常已得到广泛研究，但仍然很难确定哪些患者会对特定疗法产生反应。这在一定程度上是由于我们缺乏对细胞信号传导变异性如何影响药物敏感性的了解。在这里，我们使用质谱流式细胞术来表征 62 个乳腺癌细胞系和 5 个健康组织细胞系的单细胞信号传导图。在存在或不存在五种激酶抑制剂的情况下，我们在生长因子 EGF 刺激下对每种细胞系中的 34 种标记物进行了量化。这些数据来自 4,000 种条件下的 8000 多万个单细胞，用于拟合机械信号网络模型，这些模型为癌细胞处理信息的生物学原理提供了前所未有的见解。对于针对 PI3K-MTOR 信号通路的药物，我们的动态单细胞模型比静态批量测量更准确地预测了药物敏感性。最后，我们利用信号传导表型作为替代指标，确定了与药物敏感性相关的基因组特征，包括预测 PI3K 抑制敏感性的 DDIT3 错义突变。这提供了原理证明，即单细胞测量和建模可以为将来的患者匹配适当的治疗方法提供参考。