摘要 目的 激素受体 (HR) 和人表皮生长因子受体 2 (HER2) 是指导乳腺癌全身治疗选择的主要参数,但会在疾病过程中发生变化。本研究旨在评估晚期乳腺癌 (ABC) 患者的活检率和受体亚型不一致率。方法 从荷兰东南部晚期乳腺癌 (SONABRE) 登记处选取 2007 年至 2018 年 7 家医院确诊为 ABC 的患者。进行多变量逻辑回归分析以确定影响活检和不一致率的因素。结果 总体而言,2854 名患者中有 60% 在诊断时进行了转移部位的活检。与活检率降低相关的因素之一是 HR + /HER2 + 原发性肿瘤亚型(与 HR + /HER2- 亚型相比:OR = 0.68;95% CI:0.51–0.90)。在 748 名接受原发性肿瘤和转移部位活检的患者中,总受体不一致率为 18%。其中 HR + /HER2 + 原发性肿瘤亚型的不一致率最高,为 55%。在 624 名异时性转移患者中,HR + /HER2 + 亚型仍然是与较高不一致率显著相关的唯一预测因素,无论先前的(新)辅助治疗如何(OR = 7.49;95% CI:3.69-15.20)。结论 HR + /HER2 + 亚型的不一致率最高,但活检率在所有四种受体亚型中最低。先前的全身治疗与亚型不一致没有独立相关性。这项研究强调了获取转移性疾病活检的重要性,尤其是 HR + /HER2 + 亚型,以确定最佳治疗策略。
结果 在汇总分析中,758 名女性的中位年龄为 49 岁,12% 为亚裔,6% 为黑人,75% 为白人。总体而言,pCR 结果与 ERBB2 富集(风险比 [HR],0.45;95% CI,0.29-0.70;P < .001)和基底样(HR,0.19;95% CI,0.04-0.86;P = . 03)亚型的 EFS 相关,但与管腔 A 或 B 肿瘤无关。在意向治疗人群中,与单独使用曲妥珠单抗相比,双曲妥珠单抗加拉帕替尼阻断有 EFS 获益的趋势;然而,在 ERBB2 富集亚型中,曲妥珠单抗加拉帕替尼与单独使用曲妥珠单抗相比具有显著且独立的 EFS 益处(HR,0.47;95% CI,0.27-0.83;P = .009)。总体而言,618 个基因表达特征中有 275 个(44.5%)与 pCR 显著相关,618 个基因表达特征中有 9 个(1.5%)与 EFS 显著相关。ERBB2/HER2 扩增子和多种免疫特征与 pCR 显著相关。管腔相关特征与较低的 pCR 率但较好的 EFS 相关,尤其是在有残留疾病的患者中,并且与激素受体状态无关。pCR 的显著调整 HR 范围为 0.45 至 0.81(较高的 pCR)和 1.21-1.94(较低的 pCR 率);EFS 的显著调整 HR 范围为 0.71 至 0.94。
弓形虫是一种单细胞寄生虫,能够感染几乎所有的恒温动物,对全球公共卫生构成严重风险。关于尼日利亚高原州鸟类中传播的弓形虫毒株的现有文献有限。因此,本研究旨在识别和确认弓形虫感染,并确定 DNA 序列与世界其他地区鸟类 DNA 序列的关系。为此,对 25 种鸟类的大脑和心脏组织进行了取样,并进行了嵌套聚合酶链式反应 (nPCR) 和 B1 基因序列分析。在 7/7(100.0%)的野生鸟类和 15/18(83.3%)的家鸡(Gallus gallus domesticus)的心脏和脑组织中发现了弓形虫的 DNA。本研究对弓形虫病原体序列进行最大似然法系统发育树分析,结果表明该序列与I型RH株(GenBank: AF179871)具有共同祖先,弓形虫病原体序列
摘要。乳腺癌长期以来一直是女性死亡的主要原因。由于能够记录基因表达数据的 RNA 测序工具的出现,现在诊断、治疗和预后已成为可能。分子亚型与制定临床策略和预后密切相关,本文重点介绍如何使用基因表达数据将乳腺癌分为四种亚型,即 Basal、Her2、LumA 和 LumB。在第 1 阶段,我们提出了一种基于深度学习的模型,该模型使用自动编码器来降低维数。通过使用自动编码器,特征集的大小从 20,530 个基因表达值减少到 500 个。该编码表示被传递到第二阶段的深度神经网络,以将患者分为四种乳腺癌分子亚型。通过部署第 1 阶段和第 2 阶段的组合网络,我们已经能够在 TCGA 乳腺癌数据集上获得 0.907 的平均 10 倍测试准确率。所提出的框架在 10 次不同的运行中都相当稳健,如分类准确度的箱线图所示。与文献中报道的相关工作相比,我们取得了有竞争力的结果。总之,所提出的基于两阶段深度学习的模型能够准确地对四种乳腺癌亚型进行分类,突出了自动编码器推断紧凑表示的能力和神经网络分类器正确标记乳腺癌患者的能力。
摘要 近年来,精准医疗方法根据患者的个体情况定制医疗方案,并结合基因、环境和生活方式的变化,已经改变了许多医学领域的医疗保健,最显著的是肿瘤学。将类似的方法应用于帕金森病 (PD) 可能会促进疾病改良剂的开发,这些药物可能有助于减缓病情进展,甚至可能避免一组高危人群的病情发展。迫切需要进行此类试验,部分原因是临床试验的负面结果,在临床试验中,干预措施将所有 PD 患者视为一个同质群体。在这里,我们回顾了目前在 PD 精准干预方面发展的障碍。我们还回顾并讨论了针对 PD 遗传形式(即 GBA 相关和 LRRK2 相关 PD)的临床试验。
。cc-by-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权所有,该版本发布于2025年1月8日。 https://doi.org/10.1101/2025.01.07.631645 doi:biorxiv preprint
当前的化学测试策略的检测能力有限,其检测非生物毒性致癌物(NGTXC)的能力受到限制。表观遗传异常在癌变期间发生,无论分子启动事件是否与遗传毒性(GTXC)或NGTXC事件有关;因此,可以利用表观遗传标记来开发新的方法方法,以改善两种类型的致癌物的检测。这项研究使用叙利亚仓鼠胎儿细胞来建立致癌物诱导的DNA甲基化从原代细胞变化,直到衰老 - 衰老,这是必不可少的致癌步骤。将暴露于溶剂对照7天的细胞与幼稚的原发性培养物进行了比较,与苯并[a] pyrene暴露了7天的细胞,以及随后转化阶段的细胞:正常菌落,形态转化的菌落,衰老,衰老,衰老,bypass和持续的扩散。DNA甲基化变化通过降低的代表性亚硫酸盐测序在第7天最少。在细胞衰老过程中产生了深刻的DNA甲基化变化,其中一些早期差异甲基化区域(DMR)通过最终的持续性促进阶段保留。通过Pyrosequencing验证了一组这些DMR(例如POU4F1,AIFM3,B3GALNT2,BHLHE22,GJA8,KLF17和L1L),并通过Pyrosequencing验证,并在从不同的实验室中获得的多个克隆中证实了它们的可重复性。这些DNA甲基化变化可以用作生物标志物,以增强对细胞转化的客观性和机械理解,并可用于预测衰老 - 肿瘤和化学致癌性。
I 型 IFN 对宿主对病毒感染的反应至关重要,也与多种自身免疫性疾病的发病机制有关。I 型 IFN 家族中有多种亚型,特别是 13 种不同的 IFN-α 基因,它们通过哺乳动物细胞中普遍表达的相同异二聚体受体发出信号。进化遗传学研究和功能性抗病毒检测都强烈表明 13 种 IFN-α 亚型之间存在不同的功能和活性,但我们仍然对这些不同的作用缺乏清晰的认识。本综述总结了描述 IFN-α 亚型不同功能的研究证据,并强调了报告之间存在差异的潜在原因。我们研究了急性和慢性病毒感染以及自身免疫,并整合了最近对抗 IFN-α 自身抗体在这些不同情况下塑造 I 型 IFN 反应的重要性的认识。
神经元分化是一个复杂的过程,其功能障碍会导致脑部疾病。开发新工具以针对神经元分化过程中的特定步骤至关重要,这有利于更好地理解所涉及的分子机制,并最终为神经发育障碍制定有效的治疗策略。通过与细胞外基质蛋白的相互作用,整合素家族的细胞粘附分子通过调节细胞迁移、神经突生长、树突棘形成和突触可塑性,在功能性神经元回路的形成中发挥重要作用。然而,不同的整合素受体如何促进神经元分化的连续阶段仍有待阐明。在这里,我们实施了一个 CRISPR 激活系统来增强特定整合素亚基在神经元分化的体外模型(鼠神经母细胞瘤 Neuro2a 细胞系)中的内源性表达。通过将 CRISPR 激活与形态学和 RT-qPCR 分析相结合,我们表明 α V 家族的整合素是神经元分化的强大诱导剂。此外,我们确定了 α V 整合素在控制神经突生长方面具有亚型特异性作用。虽然 α V β 3 整合素在增殖条件下启动 Neuro2a 细胞的神经元分化,但 α V β 5 整合素似乎负责促进已分化细胞中的复杂树突分化。有趣的是,原代神经元在发育过程中表现出 β 3 和 β 5 整合素亚基的互补表达模式。我们的研究结果揭示了分化过程中 α V 整合素亚型之间存在发育转换,并表明 CRISPRa 及时控制调节 α V 整合素的表达提供了一种促进神经元分化的方法。
二维神经元培养物概括大脑体内环境的能力有限。在这里,我们引入了一个三维体外模型,用于人类神经元转换,超过了二维培养物的空间和时间约束。专注于与帕金森氏病有关的诱导dopaine神经元(IDAS)的直接转换,该模型在2周内产生功能成熟的IDAS,并允许长期生存。作为概念证明,我们使用单核RNA测序和iDan生成期间的毛谱系跟踪,并发现所有神经胶质亚型都会产生神经元,并且该元素依赖于三个神经转化因子的协调表达。我们还展示了随着时间的流逝,成熟和功能性IDAS的形成。该模型促进了转化过程的分子研究,以增强对转化结果的理解,并为旨在推进患病大脑中替代性治疗策略的体外重编程研究提供了系统。