光动力疗法(PDT)依赖于一系列导致细胞死亡的光学和光化学反应。虽然对各种癌症有效,但由于黑色素的高光吸收,PDT在治疗色素黑色素瘤方面的成功率较低。在这里,使用〜100 fs脉冲的近近红外激光光对光子坐骨的2-光子激发(2p -pdt)来解决此限制。使用色素和非有色的鼠类黑色素瘤克隆细胞系在体外阐明黑色素在启用而不是阻碍2p -PDT中的关键作用。比较了临床光敏剂(visudyne)和卟啉二聚体(Oxdime)之间的光循环毒素 - 比较600-倍倍高于σ2p值。出乎意料的是,尽管两种细胞系中的1p -PDT响应都是相似的,但2p激活在杀死色素方面比非色素细胞更有效,这表明黑色素2p -pdt具有主要的作用。在体内的结膜黑色素瘤模型中证明了临床翻译的潜力,在该模型中完全消除了小肿瘤。the工作阐明了在多 - 光子PDT中的黑色素贡献,从而使基于光的治疗方法可以提高,这些治疗以前认为在色素的肿瘤中不适合使用。
摘要:黑色素瘤是最致命的皮肤癌,尽管靶向疗法和免疫疗法取得了进展,但它仍然是最难治疗的癌症之一。大约 50% 的晚期黑色素瘤无法从此类疗法中获益,因此需要新的治疗方法。姜黄素及其类似物已显示出良好的抗癌特性,人们正在考虑将其与最近的疗法联合使用或序贯使用,以改善患者的治疗效果。我们小组之前发表了一种新型姜黄素相关化合物的合成和抗黑色素瘤和神经母细胞瘤细胞的抗癌活性表征 (D6)。这里,从一小部分先前筛选的与 D6 和姜黄素结构相关的 C2 对称羟基联苯化合物中筛选出两种羟基联苯化合物 - 即化合物 11 和 12,它们对黑色素瘤细胞显示出最佳的抗肿瘤潜力(11 的 IC 50 值为 1.7 ± 0.5 µ M,12 的 IC 50 值为 2.0 ± 0.7 µ M),并且对高达 32 µ M 的正常成纤维细胞无毒性。通过进行剂量反应和克隆生长抑制试验,在五种黑色素瘤细胞系中深入表征了它们的抗增殖活性,结果显示这两种化合物都具有持久且不可逆的作用。通过膜联蛋白 V 和 TUNEL 测定确定了细胞凋亡诱导,而蛋白质印迹显示 caspase 活化和 PARP 裂解。用化合物 11 或 12 处理细胞后,细胞周期分析显示 G2/M 转换停滞。综合所有这些证据,11 和 12 被证明是开发针对恶性黑色素瘤的新型抗癌药物的良好候选先导化合物。
通过近红外 (NIR) 药剂进行的近红外 (NIR) 激光诱导光疗已显示出在癌症治疗中的巨大潜力。然而,由于光疗引起的肿瘤内热量不均匀或细胞毒性单线态氧 ( 1 O 2 ) 分布不均匀导致肿瘤杀伤不足,从而导致肿瘤复发和疗效不佳。为了达到较高的肿瘤杀伤效率,解决方案之一是采用光疗与其他疗法(尤其是化疗药物)的联合治疗。在本文中,通过结合化疗、光热疗法 (PTT) 和光动力疗法 (PDT),设计了一种简单有效的多模式治疗系统,实现了恶性胶质瘤的综合治疗,恶性胶质瘤是脑中最具侵袭性的肿瘤之一。合成了 IR-780 (IR780) 染料标记的成管类肽 (PepIR) 并自组装成晶体纳米管(PepIR 纳米管)。这些 PepIR 纳米管表现出优异的 PDT/PTT 效果,因为通过调节 IR780 密度,IR780 光敏剂在晶体纳米管内被有效填充并相互分离;因此,这些 IR780 分子的自猝灭显著减少。此外,由于纳米管的表面积大,可以实现有效的 DOX 负载,有助于对胶质瘤细胞进行有效的协同化疗。鉴于类肽和类肽纳米管的独特性质,我们相信本研究开发的多模态 DOX 负载 PepIR 纳米管为未来临床胶质瘤治疗提供了巨大的希望。
生命科学共享资源和医学与健康科学共享资源的一部分本文最初发表为:Mutsaers, SE, Pixley, FJ, Pre ̂ le, CM, & Hoyne, GF (2020)。间皮细胞调节健康和疾病中的免疫反应:免疫治疗在恶性间皮瘤中的作用。Current Opinion in Immunology, 64, 88-109。
方法:招募了总共333例肺结核(训练队列中的233例,在验证队列中为100例)。从MRI图像(CE T1W和T2W)中提取了总共2,824个放射线特征。逻辑回归(LR),幼稚的贝叶斯(NB),支持向量机(SVM),随机森林(RF)和极端梯度提升(XGBOOST)分类器用于构建预测模型,并在应用最佳预测模型后为每个患者获得了放射线学分数(RAD分数)。临床因素和RAD分数共同基于多元逻辑回归分析构建了一个nom图模型,并使用接收器操作特征曲线(AUC)下的区域评估了五个预测模型的诊断性能。
医生的判断(5)。为了克服这一限制,Wildman-Tobriner等人进行的研究。深入研究了人工智能(AI)在优化美国放射学院(ACR)TI-RADS的潜力。他们强调,AI技术的整合可以提高特异性(6)。放射素学可以从传统图像中深入提取和量化肉眼无法察觉的微妙特征,从而为临床决策提供了更客观和更定量的基础(7)。这种创新不仅减少了人为因素的影响,而且还将甲状腺结节的诊断推向了更准确和更有效的轨道。放射线分析是一种基于计算机的基于计算机的图像分析技术,该技术广泛用于器官疾病的诊断,分级,分期和预后预测,例如甲状腺,乳房,胸部和肺,肝,肾脏,肾脏和妇科(8)。几项研究确定,结合放射素学方式可以进一步改善与临床和超声信息结合使用的基本诊断性能。Yoon等人建立的预测模型。(9)使用多元逻辑回归分析分析表明,接收器操作特征(ROC)曲线(AUC)的恶性甲状腺结节(AUC)由组合放射线与临床变量组合的模型明显高于仅临床变量物(0.839 vs. 0.839 vs. 0.583)的模型。Liang等。Liang等。(10)比较了四个Ti-Rads分数的放射线分数,发现放射线分数模型比使用任何Ti-Rads得分模型增加了更多的好处。
以小结节(IA阶段)为特征的早期肺腺癌(LUAD)的预防和精确治疗仍然对临床医生来说是一个重大挑战,这在很大程度上是由于对对不稳定性腺癌的预旧植物范围内的致癌机制的有限理解。我们的研究强调了由TP53突变驱动的癌细胞表现出高表达的癌细胞(CENPF)的关键作用,在TP53突变驱动的过程中,在从质量研究到侵入性LUAD的过渡期间,这些突变变得越来越普遍。从生物学上讲,癌细胞(CENPF +)表现出强大的增殖和类似茎状的能力,从而推动了早期LUAD的恶性进展。在临床上,组织中针对CENPF的自身抗体和组织中的癌细胞(CENPF +)升高与早期LUAD的进展呈正相关,尤其是在IA阶段的早期LUAD的进展。我们的发现表明,癌细胞(CENPF +)在策划Luad的恶性进化中起着核心作用,并具有作为早期检测和治疗疾病的新生物标志物的潜力。
免疫检查点分子主要包括程序性死亡受体1(PD-1)/程序性死亡配体1(PD-L1)和细胞毒性T淋巴细胞相关抗原4(CTLA-4)(3,4)。PD-1是重要的免疫抑制分子,属于CD28超家族成员(5)。PD-1/PD-L1抑制剂可以阻断PD-1与PD-L1的结合,阻断负向调控信号,恢复T细胞活性,增强抗肿瘤免疫应答,从而达到抗肿瘤的作用(6,7)。PD-1和PD-L1抑制剂在多种晚期恶性肿瘤的治疗中均显示出显著的疗效。以PD-1单抗和PD-L1单抗(8-10)为代表的药物在非小细胞肺癌、食管癌、微卫星不稳定肿瘤的治疗上取得突破,被批准用于治疗多种恶性肿瘤。近年来,免疫检查点抑制剂(ICI)让免疫治疗在肿瘤治疗中备受关注。国产廉价PD-1单抗的逐步上市,将使更多的中国晚期癌症患者受益。信迪利单抗是国产PD-1抗体,有研究表明,在外周血单个核细胞(PBMC)和注射PBMC的小鼠中,信迪利单抗的PD-1占有率高于nivolumab和pembrolizumab。在患者中,单次静脉输注辛蒂利单抗后,观察到4周内PD-1的持续占有率≥95%(11)。在多项研究中,该药物对多种类型的癌症均显示出良好的抗肿瘤作用。
摘要:胰腺导管腺癌 (PDAC) 占所有胰腺肿瘤的 90%,是一种极具破坏性的疾病,预后不良且发病率不断上升。缺乏可用的特定诊断测试和有限的治疗机会加剧了这一问题。在过去的 10 年里,人们越来越关注间皮素 (MSLN) 作为一种有前途的 PDAC 相关抗原。MSLN 在正常组织 (腹膜、胸膜和心包) 中的表达有限,在 80% 到 90% 的 PDAC 中过度表达,使其成为治疗 PDAC 患者的理想候选药物。此外,它在恶性进展中的作用与其参与肿瘤细胞增殖和化疗耐药性有关,凸显了其靶向性的重要性。因此,一些临床试验正在研究 PDAC 中的抗 MSLN 有效性。在这篇综述中,我们概述了 MSLN 在 PDAC 进展过程中所起的不同作用。最后,我们还总结了目前正在临床上测试的不同 MSLN 靶向治疗方法。
Chaitra Bandiwadkar 1,6, Naorem Leimarembi Devi 2,3,6, Aliasgar voiyadi 4,6, Vikas Singh 4,6, Prakash Shetty 4,6, Sridhar Epari 5,6, Harshali Tandel 1,6, Gorantla v Raghuram 1,6, Snehal Shabrish 1,6, Pratik Chandrani 2,3,6, *,Indraneel Mittra 1,6, *Chaitra Bandiwadkar 1,6, Naorem Leimarembi Devi 2,3,6, Aliasgar voiyadi 4,6, Vikas Singh 4,6, Prakash Shetty 4,6, Sridhar Epari 5,6, Harshali Tandel 1,6, Gorantla v Raghuram 1,6, Snehal Shabrish 1,6, Pratik Chandrani 2,3,6, *,Indraneel Mittra 1,6, *