课程文献中心 更多>>

关键词： 基因变异   晚期肿瘤   患者来源肿瘤模型   PTC模型  

摘要： 肿瘤是由基因变异引发的疾病,其显著特点是患者之间存在高度异质性,这主要源于驱动突变的差异。这种高度的异质性极大地挑战了肿瘤治疗,主要表现为患者对药物的敏感性差异显著[1]。当一线或二线治疗方案出现耐药后,患者肿瘤常会逐渐增大并向周围组织或器官扩散,形成转移灶,最终发展为危及生命的晚期肿瘤。因此,晚期肿瘤的治疗是当前临床面临的主要难题之一。近年来,利用患者来源的肿瘤模型在体外模拟肿瘤并进行药物敏感性测试,已成为精准医疗领域的研究热点[2-3]。

关键词： ND7/23细胞   细胞凋亡   肿瘤坏死因子α   酶联免疫吸附测定   HE染色  

摘要： 目的筛选TNF-α诱导小鼠×大鼠杂交脊髓神经元样细胞ND7/23凋亡的最适浓度和时间,以此来构建细胞损伤模型。方法通过培养不同浓度和时间条件下TNF-α刺激的ND7/23细胞,设置TNF-α的五个浓度组(0、0.625、1.25、2.5、5 ng/ml)和四个时间组(0、6、12、24 h),采用无染色观察、HE染色、TUNEL染色以及Elisa检测Bax和Bcl-2浓度的方法,系统筛选TNF-α诱导ND7/23细胞凋亡的最佳条件。结果在TNF-α作用下,2.5 ng/ml浓度处理12 h组细胞在形态学上表现出最显著的凋亡特征,与对照组相比,细胞凋亡率明显增加(P<0.05),且Bax、Bcl-2和Bax/Bcl-2的数值均在各组间差异有统计学意义(P<0.05)。而低浓度(0.625和1.25 ng/ml)TNF-α处理12 h未见明显凋亡,虽然高浓度(5 ng/ml)或长时间(24 h)处理组的Bax/Bcl-2比值最高(P<0.05),但是细胞大量坏死。结论2.5 ng/ml TNF-α处理12 h是诱导ND7/23细胞凋亡的最佳条件,同时也为后续研究TNF-α诱导的脊髓神经元凋亡机制及新药筛选提供了可靠的细胞损伤模型。

关键词： Gβ1   ESM-1   胃肠道神经内分泌肿瘤  

摘要： 目的本研究旨在探讨胃肠道神经内分泌肿瘤(GI-NEN)中异三聚体G蛋白β亚基1(Gβ1)和内皮特异性分子1(ESM-1)的表达及其与临床病理特征的关系和意义。方法收集整理2019年1月至2024年12月福建中医药大学附属福鼎医院收治的GI-NEN患者84例,并以无胃肠疾病进行体检人员20例(N组)、混合性神经内分泌瘤-非神经内分泌肿瘤患者12例(MiNEN组)以及胃肠道腺癌患者30例(GIC组)作为对照。观察GI-NEN的病理特征,通过免疫组织化学法观察Gβ1和ESM-1蛋白的表达;分析Gβ1和ESM-1表达与GI-NEN临床病理特征的关系;分析Gβ1和ESM-1表达的相关性。结果GI-NEN具有一定的病理形态特征并伴有INSM1、CgA、Syn等特异性免疫组化指标的表达。Gβ1在GI-NEN组表达中显著高于N、MiNEN和GC组(P<0.05);ESM-1在GI-NEN组表达中显著高于N组(P<0.05);但与MiNEN组、GC组表达无明显差异(P>0.05)。Gβ1和ESM-1表达均与患者病理分级有关(P<0.05),Gβ1和ESM-1在NEC中阳性表达率均显著高于NET,而与患者性别、年龄、肿瘤部位、肿瘤数量、肿瘤大小、神经侵犯、脉管癌栓和临床分期情况无明显相关性(P>0.05)。根据Spearman相关性分析,在GI-NEN中Gβ1表达和ESM-1表达呈正相关(P<0.01)。结论Gβ1和ESM-1在GI-NEN呈高表达,并与病理分级相关,二者可能与GI-NEN的发生、发展中起着协同作用,可作为GI-NEN诊断的辅助指标,并有望成为GI-NEN治疗的潜在靶点。

关键词： 双能量CT   临床分期   胃腺癌   肿瘤侵袭   分化程度  

摘要： 目的:探究双能量CT(DECT)对不同临床分期胃腺癌患者肿瘤侵袭特征的评估价值。方法:回顾性分析2023年7月—2024年7月南平市第一医院收治的106例(临床分期Ⅰ期21例,Ⅱ期29例,Ⅲ期56例)胃腺癌患者资料,所有患者均接受术前DECT扫描。经手术病理检查包括低分化65例,中高分化41例。根据临床分期分层,比较不同分化程度患者DECT参数,并绘制受试者工作曲线(ROC)分析DECT对肿瘤侵袭特征的预测价值。结果:临床分期Ⅰ~Ⅱ期患者中,低分化患者静脉期标准化碘浓度、能谱曲线斜率均高于中高分化患者,差异有统计学意义(P<0.05);临床分期Ⅲ期患者中,低分化患者静脉期标准化碘浓度高于中高分化患者,差异有统计学意义(P<0.05),动脉期、静脉期、延迟期能谱曲线斜率均高于中高分化患者,差异有统计学意义(P<0.05);ROC结果显示:静脉期标准化碘浓度、能谱曲线斜率预测临床分期Ⅰ~Ⅱ期患者低分化曲线下面积分别为0.692、0.678,联合预测曲线下面积为0.757;静脉期标准化碘浓度、动脉期、静脉期、延迟期能谱曲线斜率预测临床分期Ⅲ期患者低分化AUC分别为0.662、0.628、0.799、0.811,联合预测AUC为0.910。结论:DECT对不同临床分期胃腺癌患者肿瘤侵袭特征预测价值均良好,可用于术前分化程度分析指导。

关键词： 高级别梭形细胞肿瘤   DCTN1::ALK融合  

摘要： ALK重排梭形细胞肿瘤是一类罕见的软组织肿瘤,主要特征为间变性淋巴瘤激酶(ALK)基因重排,该病可发生于任何年龄段,但以儿童和青少年为主,临床表现多样,病理学特征复杂,本文报道1例罕见的具有DCTN1::ALK融合的高级别梭形细胞肿瘤,并对其临床病理特征及分子机制进行探讨,以提高对本病的认识,避免误诊。

关键词： 桂皮醛   抗肿瘤作用   细胞凋亡   自噬   氧化应激  

摘要： 桂皮醛是中药桂枝挥发油中的主要活性成分,在抗肿瘤方面潜力较大,对肝癌、胃癌、乳腺癌、结直肠癌等多种恶性肿瘤抑制作用显著,作用机制包括诱导肿瘤细胞凋亡、自噬、氧化应激和铁死亡,抑制细胞增殖、侵袭与转移,阻滞细胞周期以及逆转耐药性等,具有多靶点、多途径作用的优势,是一种有效安全的潜在抗肿瘤药物。目前,桂皮醛的临床转化仍面临诸多挑战:其一,挥发性强、水溶性差和生物利用度低等特性极大地限制了其临床应用;其二,缺乏高效的体内递送系统,需进一步发展纳米颗粒等封装技术以提高稳定性,并实现靶向递送;其三,用药剂量尚未统一,需建立安全有效的标准化给药方案;其四,桂皮醛的抗肿瘤作用机制尚未完全阐明,铁死亡诱导、周期阻滞等关键机制仍需深入研究。未来应综合运用代谢组学、蛋白组学、网络药理学等多学科技术,系统筛选药效靶标,结合分子信息学、结构生物学等明确桂皮醛如何调控多种信号通路、抑癌基因及相关蛋白及其之间的联系,为其临床开发提供新策略与理论依据。

关键词： 胃肿瘤   淋巴结外侵犯   预后   肿瘤分期   逆概率治疗加权法  

摘要： 背景与目的:肿瘤沉积(TD)在胃癌(GC)中的预后意义尚未被第8版AJCC pTNM分期完全体现。本研究评估TD数目对原发性胃癌预后的影响,并基于TD数目提出并验证一种改良的pN分期(mpN),将TD数目>1者归类为pN3b,比较其与第8版AJCC pN分期的预测性能。方法:回顾性双中心队列研究。测试队列纳入2011—2015年中山大学肿瘤防治中心1327例行根治性切除且淋巴结取样≥16枚的原发性GC患者;验证队列为2015—2022年广东省人民医院340例。按TD数目分为低TD(≤1个)和高TD(>1个)组。采用Kaplan-Meier生存分析、逆概率治疗加权(IPTW)、Cox回归、时间依赖性受试者工作特征(tROC)、C指数与Akaike信息标准(AIC)评估预后及分期模型性能。主要终点为总生存(OS),次要终点为无病生存(DFS)。结果:测试队列中435/1327(32.7%)为TD阳性。TD存在与较差的OS(IPTW校正HR=2.69,95%CI=2.18~3.31,P<0.01)和DFS(HR=2.82,95%CI=2.32~3.42,P<0.01)相关;在多变量分析中,TD仍为OS(HR=1.65,95%CI=1.34~2.05,P<0.01)和DFS(HR=1.74,95%CI=1.43~2.11,P<0.01)的独立危险因素。随TD数目增加,5年OS和3年DFS显著下降;基于X-tile确定的截断值1将患者分为低/高TD组,高TD组预后显著更差(OS:校正HR=3.65,95%CI=2.74~4.88;DFS:校正HR=3.74,95%CI=2.85~4.91,均P<0.01)。将TD数目>1个者升为pN3b构建的mpN分期,在测试队列中对5年OS的tROC曲线下面积(tAUC)为0.746(vs.0.703,AJCC),C指数0.738(vs.0.721,AJCC),AIC 5805.27(vs.5849.30,AJCC);在验证队列中亦显示一致的改进。结论:TD在胃癌预后中具有显著的不良影响,且TD数目>1个可作为将患者分层至更高风险(pN3b)的阈值。将TD数目纳入mpN分期可提高预后预测准确性。建议病理报告例行记录TD及其数目,并在更大、多中心前瞻性队列中进一步验证mpN分期的临床应用价值。

关键词： 智能化   DensNet   稀疏子空间聚类   ResNet   小样本   乳腺肿瘤  

摘要： 针对现有乳腺肿瘤诊断深度学习模型依赖大量的标注数据,且人工参与量大的问题,提出了一种小样本场景下、参数自优化的乳腺肿瘤动态对比增强磁共振图像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)分割与诊断一体化框架。在分割阶段,通过简单线性迭代聚类(simple linear iterative clustering,SLIC)与灰度共生矩阵(gray level co-occurrence matrix,GLCM)构建多维纹理特征空间,随后通过稀疏子空间聚类(sparse subspace clustering,SSC)与谱聚类实现图像分割,根据CH指标及采用网格搜索自动选取超像素块数和聚类数。在肿瘤诊断阶段,通过构建微调的DenseNet169模型,完成肿瘤区域识别;对肿瘤区域利用ResNet50提取特征,结合支持向量机(support vector machine,SVM)完成良恶性诊断。实验结果表明,在自建数据库上,肿瘤区域识别的准确率达到95.59%,肿瘤良恶性诊断的准确率达95.90%。该智能分割与诊断框架通过将无监督分割技术与深度学习有机结合,实现了分割与诊断的一体化流程。

关键词： 肝移植   免疫抑制剂   抗肿瘤   卡培他滨  

摘要： 卡培他滨是一种经典的抗代谢化疗药物,作为5-氟尿嘧啶(5-fluorouracil,5-FU)的口服前药,被广泛应用于结直肠癌、乳腺癌等多种恶性肿瘤的治疗。近年来,随着研究的深入,卡培他滨在移植肿瘤学领域的应用逐渐受到关注。移植肿瘤学作为一门新兴的交叉学科,旨在解决移植术后肿瘤复发和免疫排斥两大难题。传统的免疫抑制药物虽然能有效预防排斥反应,但可能增加肿瘤复发的风险。因此,开发既具有免疫抑制作用又具有抗肿瘤效果的药物显得尤为重要。卡培他滨凭借其独特的药理作用机制和良好的生物利用度,在移植肿瘤学中展现出广阔的应用前景。本文旨在综述卡培他滨在移植免疫相关领域中的最新研究进展,探讨其在预防移植后肿瘤复发、提高患者生存率以及作为免疫抑制剂方面的潜力,并展望其未来的研究方向和临床应用前景。