Polymeric delivery systems could enable the fast- and low-side-effect transport of various RNA classes. Previously, we demonstrated that polyvinylamine (PVAm), a cationic polymer, transfects many kinds of RNAs with high efficiency and low toxicity both in vitro and in vivo. The modification of poly lactic-co-glycolic acid (PLGA) with cartilage-targeting peptide (CAP) enhances its stiffness and tissue-specific delivery of RNA to overcome the avascular nature of articular cartilage. Here we describe the protocol to use PVAm as an RNA carrier, and further, by modifying PVAm with PLGA and CAP, the corresponding co-polymer could be applied for functional RNA delivery for osteoarthritis treatment.

SUMMARY Neurotensin (NTS) is a secretory peptide produced by the lymphatic endothelial cells (LEC). Our previous study revealed that NTS suppressed the activity of brown adipose tissue via the interactions with NTSR2. In the current study, we found that the depletion of Ntsr2 in the white adipocytes upregulated food intake, while the local treatment of NTS suppressed the food intake. Mechanistic study revealed that the suppression of NTS-NTSR2 signaling enhanced the phosphorylation of ceramide synthetase 2 (CerS2), increased the abundance of its products ceramide C20-C24 and downregulated the production of GDF15 in the white adipose tissues, which was responsible for the elevation of food intake. With four populations of different age and ethnic background, we discovered a potential causal and positive correlation between ceramide C20-24 and food intake in human. Our study identified that NTS-NTSR2 signaling can perform the neurological regulation via controlling the production of ceramide in the white adipocytes.

Background: A more accurate assessment of extrahepatic metastases (EHMs) with colorectal cancer liver metastases (CRLMs) improve patient prognosis without unnecessary surgery and economic burden.At present, PET-CT can only be used as a second-line modality.We aimed to construct a predictive model for EHMs, and provide guidance for the selective application of 18 F-FDG PET/CT.Methods: The clinical data of patients with CRLMs between December 2018 and February 2023 were retrospectively retrieved from the medical records of three large-capacity hospitals.Moreover, we explored the need for 18 F-FDG PET/CT to be used selectively for detecting EHMs with CRLMs.Results: A total of 471 patients from two hospitals were included in the training set, 174 of whom had CRLMs and EHMs.Notably, the percentages of patients with positive serum CEA, CA19-9 and CA-125 levels were significantly greater in patients with CRLMs and EHMs than in those with liver-limited metastases.Univariate and multivariate logistic regression analyses revealed that the serum levels of CEA and CA-125 and multiple liver metastases were independent risk factors for EHMs.Additionally, we recruited 190 patients with CRLMs from one of the hospitals as the validation set.The nomogram model achieved stable and accurate prediction results in the training and validation sets (AUC = 0.768 and 0.733), and was significantly superior to CEA and CA19-9.Moreover, the sensitivity and specificity of 18 F-FDG PET/CT for the diagnosis of EHMs were 100% and 88%, respectively.Conclusions: We constructed and validated a nomogram on predicting the risk of EHMs in patients with CRLMs, which can guide clinicians to selective application of 18 F-FDG PET/CT.

BACKGROUND Patients with chronic obstructive pulmonary disease (COPD) frequently experience exacerbations requiring multiple hospitalizations over prolonged disease courses, which predispose them to generalized anxiety disorder (GAD). This comorbidity exacerbates breathing difficulties, activity limitations, and social isolation. While previous studies predominantly employed the GAD 7-item scale for screening, this approach is somewhat subjective. The current literature on predictive models for GAD risk in patients with COPD is limited. AIM To construct and validate a GAD risk prediction model to aid healthcare professionals in preventing the onset of GAD. METHODS This retrospective analysis encompassed patients with COPD treated at our institution from July 2021 to February 2024. The patients were categorized into a modeling (MO) group and a validation (VA) group in a 7:3 ratio on the basis of the occurrence of GAD. Univariate and multivariate logistic regression analyses were utilized to construct the risk prediction model, which was visualized using forest plots. The model’s performance was evaluated using Hosmer-Lemeshow (H-L) goodness-of-fit test and receiver operating characteristic (ROC) curve analysis. RESULTS A total of 271 subjects were included, with 190 in the MO group and 81 in the VA group. GAD was identified in 67 patients with COPD, resulting in a prevalence rate of 24.72% (67/271), with 49 cases (18.08%) in the MO group and 18 cases (22.22%) in the VA group. Significant differences were observed between patients with and without GAD in terms of educational level, average household income, smoking history, smoking index, number of exacerbations in the past year, cardiovascular comorbidities, disease knowledge, and personality traits (P < 0.05). Multivariate logistic regression analysis revealed that lower education levels, household income < 3000 China yuan, smoking history, smoking index ≥ 400 cigarettes/year, ≥ two exacerbations in the past year, cardiovascular comorbidities, complete lack of disease information, and introverted personality were significant risk factors for GAD in the MO group (P < 0.05). ROC analysis indicated that the area under the curve for predicting GAD in the MO and VA groups was 0.978 and 0.960. The H-L test yielded χ 2 values of 6.511 and 5.179, with P = 0.275 and 0.274. Calibration curves demonstrated good agreement between predicted and actual GAD occurrence risks. CONCLUSION The developed predictive model includes eight independent risk factors: Educational level, household income, smoking history, smoking index, number of exacerbations in the past year, presence of cardiovascular comorbidities, level of disease knowledge, and personality traits. This model effectively predicts the onset of GAD in patients with COPD, enabling early identification of high-risk individuals and providing a basis for early preventive interventions by nursing staff.