黑色素瘤是一种高度侵袭性的皮肤癌,治疗难度极大,尤其是晚期或转移性病例。尽管免疫疗法,尤其是针对 CTLA-4 和 PD-1 的免疫检查点抑制剂 (ICI),已经改变了黑色素瘤的治疗方式,但许多患者的反应有限或产生耐药性,这凸显了对新治疗策略的需求。淋巴细胞活化基因 3 (LAG-3) 已成为癌症免疫疗法的一个有希望的靶点。LAG-3 抑制剂已显示出恢复 T 细胞功能和增强抗肿瘤免疫力的潜力,尤其是与现有的 ICI 联合使用时。本综述讨论了晚期黑色素瘤 LAG-3 抑制的最新进展,强调了其在克服耐药性和改善患者预后方面的作用。
精神分裂症是一种在病理生理、临床表现和功能结果方面复杂且异质性强的精神疾病(1-5)。该疾病对功能结果的多个方面产生重大影响,例如社交、职业和独立生活技能(6-14)。在与疾病相关的方面中,阴性症状和认知障碍似乎是功能不良结果的主要预测因素,比阳性症状、混乱和抑郁更为重要(7、9、12、15-21)。阴性症状是精神分裂症的核心特征,它们通常在疾病的不同阶段保持稳定,这在很大程度上导致患者的残疾(15、22-27)。它们可分为两个领域:动机缺陷,包括意志缺乏、快感缺乏和社交缺失,以及表达缺陷,包括情感迟钝和失语症(22、24、28-30)。虽然神经认知功能障碍不是诊断标准的一部分,但大多数精神分裂症患者 (SCZ) 及其未受影响的亲属都存在神经认知功能障碍,并对日常功能产生重大影响(31-35)。精神分裂症患者的不同神经认知领域均受到损害,例如注意力、处理速度、工作记忆、视觉空间学习和记忆、言语学习和记忆、推理和解决问题以及执行功能(36)。一些研究调查了可能导致精神分裂症不同临床特征的大脑改变。静息状态下的功能性磁共振成像 (fMRI) 被广泛用于收集大脑未执行任何任务时大脑活动和连接的宝贵信息(37-40)。阴性症状与多个大脑区域和回路内活动和连接的不同改变有关(28、41-44)。动机缺陷领域似乎与大脑中与动机不同方面有关的通路改变有关,而这些通路在精神分裂症患者中往往会受损。这些通路主要涉及“动机价值体系或奖励”和“动机显着性”回路内的大脑区域(28)。具体而言,已发现动机缺陷领域与右侧腹侧壳核-内侧眶额皮质通路(45)、扣带回-岛叶通路(46)、左侧背尾状核-背外侧前额皮质通路(47)、楔前叶(48)以及内侧前额叶和颞叶通路(49)内的静息态功能连接功能障碍有关,也与腹侧被盖区与右侧腹外侧前额皮质、双侧岛叶皮质和右侧枕叶复合体(50)之间的功能连接改变有关。表达缺陷领域似乎与神经发育过程的改变有关(22、51-53)。很少有 rs-fMRI 研究调查了表达缺陷区域的神经关联,结果表明额极皮质功能连接异常可能与该区域有关(54、55)。最有可能与该区域病理生理有关的大脑区域是皮质运动区、腹外侧前额皮质、前扣带皮层、杏仁核和基底神经节(41)。
微电极阵列提供了记录对大脑研究至关重要的电生理活动的方法。尽管它起着根本性的作用,但没有办法定制电极布局以满足特定的实验或临床需求。此外,目前的电极在覆盖范围、易碎性和成本方面存在很大局限性。使用克服这些局限性的 3D 纳米粒子打印方法,我们展示了利用 3D 打印过程灵活性的电极的首次体内记录。可定制且物理上坚固的 3D 多电极设备具有高电极密度(2600 个通道/cm 2 面积),组织损伤最小,信噪比极佳。这种制造方法还允许灵活的重新配置,包括不同的单个柄长度和布局,具有较低的总通道阻抗。这在一定程度上是通过定制的 3D 打印多层电路板实现的,这本身就是一项制造进步,可以支持多种生物医学设备的可能性。这种有效的设备设计可以实现整个大脑的有针对性和大规模电信号的记录。
检测化学和生物物质,以涉及各种应用方案,例如可穿戴电子设备,智能点(POC)诊断,环境监测等。[1,2]要适当地满足这些新兴要求,理想的生化传感器应具有诸如高灵敏度,长期鲁棒性,快速响应,实时监测能力,出色的选择性,低单位成本,检测下限,较大的动态范围,低功耗等等等特性[3]但是,人类仍然需要进行陡峭的攀登之旅才能实现这些目标。值得注意的是,2019年冠状病毒病的全球大流行(Covid-19)表明,我们的技术储备在满足这种紧急,庞大和多功能的要求方面并没有充分准备,并引起了对生化感测技术的极大关注。迄今为止,包括化学主义的几种主要技术路线,[4,5] plasonic,[6,7]电化学,[8,9]声传感器,[10,11]等。已经开发出来,每个传感器中的每一个都在某些上述方面具有针对各种实际应用方案的特定优点。纳米制造技术的快速开发用于不同材料和各种结构,由于其小特征和主动结构特性,例如高地表到数量,独特的物理特性,独特的物理特性等,戏剧性地增强了这些传感设备的性能。[12–14]
特邀演讲嘉宾/小组成员:Debbie G. Senesky(斯坦福大学)、David Gottfried(佐治亚理工学院)、Mihail Roco(NSf)、Mary Tang(斯坦福大学)、Branden Brough(NNCO)、James Moore(NSF EHR 理事会)、Melissa Cowan(英特尔)、Jeffrey Miller(Kavli 基金会)、Victor Zhirnov(半导体研究公司)、Cherie Kagan(宾夕法尼亚大学)、Nadia Carlsten(SandboxAQ)、Jared Ashcroft(微纳米技术教育中心)、Rae Ostman(国家非正式 STEM 教育网络)、Tavarez Holston(佐治亚皮埃蒙特技术学院)、Holly Leddy(杜克大学)、Landon Loeber(美光科技)、Lora Weiss(芯片研发计划办公室)、Barry Johnson(NSF-TIP)、Richard Schneider(谷歌)、Ira Bennett(亚利桑那州立大学)、Vijay Narasimhan(EMD 电子), Raymond Samuel(北卡罗来纳州立农业技术大学)、Philip Hockberger(Waymaker Group)、Christopher Gourlay(澳大利亚国家制造工厂)、Michael Spencer(摩根州立大学)。
摘要AI的发展为传播者(即,对话代理人),已经为AI在人们的社会世界中的位置以及人类和机器之间的感知过程,尤其是自闭症患者,尤其是可能从这种互动中受益的人。当前的研究旨在在1-4周内探索六个自闭症和六个非自闭症成年人与对话虚拟人(CVH/对话剂/聊天机器人)的相互作用。使用半结构化访谈,对话性聊天案和研究后的在线问题,我们介绍了与人类chatbot互动,聊天机器人人性化/DEHU MANIVIANGE和CHATBOT的自闭症/非独立性特征有关的发现。发现表明,尽管自闭症用户愿意与聊天机器人交谈,但没有迹象表明与聊天机器人建立关系。我们的分析还强调了自闭症用户对聊天机器人的同理心的期望。对于非自动用户的情况,他们试图通过不断测试AI对话/认知技能来扩展对话代理的能力。此外,非自动用户对Kuki的基本对话技能感到满意,而在Con Trary,自闭症参与者中,他们期望更多的深度对话,因为他们更信任Kuki。这些发现提供了针对自闭症用户的新型人与chatbot互动模型的见解,以通过陪伴和社交联系来支持他们。
研究已提供证据表明,人类脑类器官 (hCO) 重现了早期大脑发育的基本里程碑,但关于其功能和电生理特性的许多重要问题仍然存在。高密度微电极阵列 (HD-MEA) 是一种有吸引力的分析平台,可用于在细胞和网络规模上进行神经元网络的功能研究。在这里,我们使用 HD-MEA 从切片 hCO 中获取大规模电生理记录。我们记录了几周内 hCO 切片的活动,并从药理学角度探究观察到的神经元动态。此外,我们还展示了如何对获得的记录进行尖峰分类并随后进行跨尺度研究的结果。例如,我们展示了如何在 HD-MEA 上跟踪几天内的单个神经元以及如何推断轴突动作电位速度。我们还从 hCO 记录中推断出假定的功能连接。引入的方法将有助于更好地理解脑类器官中正在发育的神经元网络,并为它们的功能表征提供新方法。
最近的研究表明,代谢重编程通过色氨酸分解代谢的犬尿氨酸途径 (KP) 在癌症相关药物耐药性中发挥着关键作用。该途径由吲哚胺 2,3-双加氧酶 1 (IDO1) 驱动,通过营造免疫抑制环境促进免疫逃避并促进肿瘤进展。在 IDO1 抑制剂与免疫检查点抑制剂 (ICI) 联合使用的 III 期研究中,联合疗法无效。在这篇综述中,我们回顾了当前的进展,探索了未来的方向,并强调了在适当的患者群体中双重抑制 KP 限速酶 IDO1 和色氨酸 2,3-双加氧酶-2 (TDO2) 的重要性。我们认为双重抑制可以最大限度地发挥 KP 抑制的治疗潜力。此外,我们还深入研究了癌症中复杂的细胞相互作用以及肿瘤微环境 (TME) 内的代谢依赖性。我们将讨论临床前研究、最近的临床试验和有前景的治疗组合的见解,以阐明和促进 KP 研究癌症相关结果的明确方向。
在现代植物育种中,基因组选择已成为选择仅部分表型的大型繁殖种群中的优质基因型的黄金标准。许多育种计划通常依赖于单核苷酸多态性(SNP)标记来捕获全基因组的选择候选数据。为此,具有中等至高标记密度的SNP阵列代表了一种强大且具有成本效益的工具,可从大规模繁殖群体中生成可重现,易于处理的高通量基因型数据。但是,SNP阵列容易出现导致等位基因呼叫失败的技术错误。为了克服这个问题,基于失败的SNP调用纯粹是技术性的,通常会估算失败的呼叫。但是,这忽略了失败调用的生物学原因,例如:缺失 - 越来越多的证据表明基因存在 - 缺失和其他类型的基因组结构变体可以在表型表达中发挥作用。由于缺失通常不与其弯曲的SNP不平衡,因此缺少SNP调用的排列可能会掩盖有价值的标记 - 性状关联。在这项研究中,我们使用四个参数和两个机器学习模型分析了为低油菜籽和玉米分析的数据集,并证明基因组预测中的等位基因调用失败对重要的农艺性状具有很高的预测。我们根据种群结构和连锁不平衡提出了两个统计管道,这使可能由生物学原因引起的失败SNP调用过滤。对于所检查的人群和特征,基于这些过滤的失败等位基因调用的预测准确性与基于标准SNP的预测具有竞争力,这是基因组预测方法中缺失数据的潜在价值的基础。SNP与所有失败的等位基因调用或过滤等位基因调用的组合并不能以基于基因组关系估计的冗余性而获得的基于SNP的预测的预测均超过预测。