使用便携式 96 孔生物电子传感阵列对 47 名患者进行胰腺癌前体筛查,以在囊肿液和血浆中进行单分子检测,可在护理点 (POC) 部署。胰腺癌前体是粘液囊肿,通过最先进的细胞病理学分子分析(例如 KRAS mut DNA)诊断的灵敏度最高为 80%。同时增加与恶性转化相关的蛋白质(例如 MUC1 和 CD55)的检测被认为是提高诊断准确性的关键。这里提出的生物电子阵列基于单分子大晶体管 (SiMoT) 技术,可以在单分子识别极限 (LOI)(1% 的假阳性和假阴性)下检测核酸和蛋白质。它包括一个类似于酶联免疫吸附测定 (ELISA) 的 8 × 12 阵列有机电子一次性盒式磁带,其中带有电解质门控有机晶体管传感器阵列,以及一个可重复使用的读取器,集成了定制的 Si-IC 芯片,通过安装在 USB 连接的智能设备上的软件进行操作。该盒式磁带配有 3D 打印的传感门盖板。5 到 6 名患者血浆或囊液中的 KRAS mut 、MUC1 和 CD55 生物标志物在 1.5 小时内以单分子 LOI 进行多路复用。胰腺癌前体通过机器学习分析进行分类,从而产生至少 96% 的诊断敏感性和 100% 的诊断特异性。这项初步研究为基于 POC 液体活检对血浆中胰腺癌前体进行早期诊断开辟了道路。
摘要:连接性大疱性表皮松解症 (JEB) 是一种严重的起泡性皮肤病,由编码皮肤完整性所必需的结构蛋白的基因突变引起。在本研究中,我们开发了一种适用于研究 JEB 相关 COL17A1 基因表达的细胞系,该基因编码 XVII 型胶原蛋白 (C17),C17 是一种跨膜蛋白,参与连接基底角质形成细胞和皮肤下层真皮。利用化脓性链球菌的 CRISPR/Cas9 系统,我们将 GFP 的编码序列与 COL17A1 融合,导致 GFP-C17 融合蛋白在人类野生型和 JEB 角质形成细胞中在内源性启动子的控制下组成性表达。我们通过荧光显微镜和蛋白质印迹分析证实了 GFP-C17 的准确全长表达和定位到质膜。正如预期的那样,GFP-C17 mut 融合蛋白在 JEB 角质形成细胞中的表达未产生特定的 GFP 信号。然而,在表达 GFP-COL17A1 mut 的 JEB 细胞中,CRISPR/Cas9 介导的 JEB 相关移码突变修复导致 GFP-C17 恢复,这在融合蛋白的全长表达、其在角质形成细胞单层质膜内以及 3D 皮肤等效物的基底膜区内的准确定位中显而易见。因此,这种基于荧光的 JEB 细胞系有可能作为筛选个性化基因编辑分子和体外应用以及在适当的动物模型中体内应用的平台。
钙网蛋白 ( CALR ) 突变是 JAK2 野生型 (WT) 骨髓增生性肿瘤 (MPN)(包括原发性血小板增多症和骨髓纤维化)的主要致癌驱动因素,其中突变型 (MUT) CALR 越来越多地被认为是合适的突变特异性药物靶点。然而,我们目前对其作用机制的理解来自于小鼠模型或永生化细胞系,其中跨物种差异、异位过表达和缺乏疾病渗透性阻碍了转化研究。在这里,我们描述了第一个人类基因工程模型 CALR MUT MPN,使用 CRISPR/Cas9 和腺相关病毒载体介导的敲入策略在原代人类造血干细胞和祖细胞 (HSPC) 中建立可重复和可追踪的体外和异种移植小鼠表型。我们的人源化模型重现了许多疾病特征:不依赖血小板生成素的巨核细胞生成、髓系谱系偏斜、脾肿大、骨髓纤维化和巨核细胞引发的 CD41 + 祖细胞扩增。令人惊讶的是,引入 CALR 突变会强制人类 HSPC 进行早期重编程并诱导内质网应激反应。观察到的分子伴侣补偿性上调揭示了新的突变特异性脆弱性,CALR 突变细胞对 BiP 分子伴侣和蛋白酶体的抑制具有优先敏感性。总体而言,我们的人源化模型改进了纯鼠模型,并为在人类环境中测试新型治疗策略提供了现成的基础。
Villanueva 实验室发现 S6K2 抑制剂具有抗黑色素瘤潜力,这也使他们发现了另一种对抗 MAPK 抑制剂治疗无效的黑色素瘤的方法。当他们抑制 S6K2 时,研究小组注意到它对另一个名为 PPARα 的基因有影响。在进一步了解 PPARα 对 NRAS MUT 黑色素瘤的影响后,研究人员利用这一发现,使用两种化合物(非诺贝特(可激活 PPARα)和 DHA(也称为 Omega-3))的联合治疗,成功诱导已知对 MAPK 抑制剂治疗有抵抗力的黑色素瘤细胞死亡。
1 Louvain药物研究所(LDRI),代谢和营养研究小组(MUT),UCLOUVAIN,UCLOUVAIN,UNIVERITURIQUE CATHOLIFICE DE LOUVAIN,布鲁塞尔,比利时,比利时2 Walloon生命科学与生物技术学方面的卓越表现 Louvain, Brussels, Belgium 4 Human Microbiome Research Program, Faculty of Medicine, University of Helsinki, Helsinki, Finland 5 Laboratory of Microbiology, Wageningen University, Wageningen, The Netherlands 6 Department of Internal Medicine I, Gastroenterology, Hepatology, Endocrinology & Metabolism, Medizinische Universitat Innsbruck, Innsbruck, Austria 7新南威尔士大学,新南威尔士大学,新南威尔士大学,新南威尔士州,新南威尔士大学的Microbiome Research Center,澳大利亚新南威尔士大学1 Louvain药物研究所(LDRI),代谢和营养研究小组(MUT),UCLOUVAIN,UCLOUVAIN,UNIVERITURIQUE CATHOLIFICE DE LOUVAIN,布鲁塞尔,比利时,比利时2 Walloon生命科学与生物技术学方面的卓越表现 Louvain, Brussels, Belgium 4 Human Microbiome Research Program, Faculty of Medicine, University of Helsinki, Helsinki, Finland 5 Laboratory of Microbiology, Wageningen University, Wageningen, The Netherlands 6 Department of Internal Medicine I, Gastroenterology, Hepatology, Endocrinology & Metabolism, Medizinische Universitat Innsbruck, Innsbruck, Austria 7新南威尔士大学,新南威尔士大学,新南威尔士大学,新南威尔士州,新南威尔士大学的Microbiome Research Center,澳大利亚新南威尔士大学
1 Louvain药物研究所(LDRI),代谢和营养研究小组(MUT),UCLOUVAIN,UCLOUVAIN,UNIVERITURIQUE CATHOLIFICE DE LOUVAIN,布鲁塞尔,比利时,比利时2 Walloon生命科学与生物技术学方面的卓越表现 Louvain, Brussels, Belgium 4 Human Microbiome Research Program, Faculty of Medicine, University of Helsinki, Helsinki, Finland 5 Laboratory of Microbiology, Wageningen University, Wageningen, The Netherlands 6 Department of Internal Medicine I, Gastroenterology, Hepatology, Endocrinology & Metabolism, Medizinische Universitat Innsbruck, Innsbruck, Austria 7新南威尔士大学,新南威尔士大学,新南威尔士大学,新南威尔士州,新南威尔士大学的Microbiome Research Center,澳大利亚新南威尔士大学1 Louvain药物研究所(LDRI),代谢和营养研究小组(MUT),UCLOUVAIN,UCLOUVAIN,UNIVERITURIQUE CATHOLIFICE DE LOUVAIN,布鲁塞尔,比利时,比利时2 Walloon生命科学与生物技术学方面的卓越表现 Louvain, Brussels, Belgium 4 Human Microbiome Research Program, Faculty of Medicine, University of Helsinki, Helsinki, Finland 5 Laboratory of Microbiology, Wageningen University, Wageningen, The Netherlands 6 Department of Internal Medicine I, Gastroenterology, Hepatology, Endocrinology & Metabolism, Medizinische Universitat Innsbruck, Innsbruck, Austria 7新南威尔士大学,新南威尔士大学,新南威尔士大学,新南威尔士州,新南威尔士大学的Microbiome Research Center,澳大利亚新南威尔士大学
摘要 ─ 提出了一种基于平面结构的嵌套互补开口环谐振器 (CSRR)。这项工作的主要目的是获得更高的品质因数 (Q 因子),同时将复介电常数的误差检测降至最低。传感器在 3.37GHz 谐振频率下工作,并通过 ANSYS HFSS 软件进行仿真。随后,在传感器上放置了多个被测材料 (MUT),制造并测试了设计的传感器。结果实现了 464 的高空载 Q 因子。理论、模拟和测量的误差检测参数结果具有很好的一致性,低于 13.2% 的实部介电常数和 2.3% 的损耗角正切。所提出的传感器在食品工业、生物传感和制药工业应用中非常有用。