Kidney fibrosis is the hallmark of chronic kidney disease progression; however, at present no antifibrotic therapies exist1–3. The origin, functional heterogeneity and regulation of scar-forming cells that occur during human kidney fibrosis remain poorly understood1,2,4. Here, using single-cell RNA sequencing, we profiled the transcriptomes of cells from the proximal and non-proximal tubules of healthy and fibrotic human kidneys to map the entire human kidney. This analysis enabled us to map all matrix-producing cells at high resolution, and to identify distinct subpopulations of pericytes and fibroblasts as the main cellular sources of scar-forming myofibroblasts during human kidney fibrosis. We used genetic fate-tracing, time-course single-cell RNA sequencing and ATAC–seq (assay for transposase-accessible chromatin using sequencing) experiments in mice, and spatial transcriptomics in human kidney fibrosis, to shed light on the cellular origins and differentiation of human kidney myofibroblasts and their precursors at high resolution. Finally, we used this strategy to detect potential therapeutic targets, and identified NKD2 as a myofibroblast-specific target in human kidney fibrosis. A range of techniques are used to investigate the molecular landscape of chronic kidney disease, and the results suggest that distinct populations of pericytes and fibroblasts are the main source of myofibroblasts in kidney fibrosis.

Previous studies suggested that serum levels of microRNA (miR)-371a-3p (so-called M371 test) have a much higher sensitivity and specificity than the classic markers of testicular germ cell tumors (GCTs) and are applicable toward both seminoma and nonseminoma. We sought to confirm the usefulness of this test as a novel biomarker for GCT.

Abstract The current COVID-19 pandemic represents a global challenge. A better understanding of the immune response against SARS-CoV-2 is key to unveil the differences in disease severity and to develop future vaccines targeting novel SARS-CoV-2 variants. Feature barcode technology combined with CITE-seq antibodies and DNA-barcoded peptide-MHC I Dextramer reagents enabled us to identify relevant SARS-CoV-2-derived epitopes and compare epitope-specific CD8 + T cell populations between mild and severe COVID-19. We identified a strong CD8 + T cell response against an S protein-derived epitope. CD8 + effector cells in severe COVID-19 displayed hyperactivation, T cell exhaustion and were missing characteristics of long-lived memory T cells. We identify A*0101 WTAGAAAYY as an immunogenic CD8 + T cell epitope with the ability to drive clonal expansion. We provide an in-depth characterization of the CD8 + T cell-mediated response to SARS-CoV-2 infection which will be relevant for the development of molecular and targeted therapies and potential adjustments of vaccination strategies.

Abstract Morphologic examination of tissue biopsies is essential for histopathological diagnosis. However, accurate and scalable cellular quantification in human samples remains challenging. Here, we present a deep learning-based approach for antigen-specific cellular morphometrics in human kidney biopsies, which combines indirect immunofluorescence imaging with U-Net-based architectures for image-to-image translation and dual segmentation tasks, achieving human-level accuracy. In the kidney, podocyte loss represents a hallmark of glomerular injury and can be estimated in diagnostic biopsies. Thus, we profiled over 27,000 podocytes from 110 human samples, including patients with anti-neutrophil cytoplasmic antibody-associated glomerulonephritis (ANCA-GN), an immune-mediated disease with aggressive glomerular damage and irreversible loss of kidney function. Previously unknown morphometric signatures of podocyte depletion were identified in patients with ANCA-GN, which allowed patient classification and showed potential for risk stratification in combination with routine clinical tools. Together, our approach enables robust and scalable molecular morphometric analysis of human tissues, yielding deeper biological insights into the human kidney pathophysiology. Summary Deep learning enables robust and scalable molecular morphometric analysis of human tissues, yielding deeper biological insights into the human kidney pathophysiology.

The evidence available shows that transperineal prostate biopsy is significantly superior to transrectal biopsy in terms of infectious complications and is therefore recommended as the first choice in the European Association of Urology guidelines.

Due to the proliferation-induced high demand of cancer cells for folic acid (FA), significant overexpression of folate receptors 1 (FR1) is detected in most cancers. To our knowledge, a detailed characterization of FR1 expression and regulation regarding therapeutic and diagnostic feasibilities in prostate cancer (PCa) has not been described. In the present study, cell cultures, as well as tissue sections, were analyzed using Western blot, qRT-PCR and immunofluorescence. In addition, we utilized FA-functionalized lipoplexes to characterize the potential of FR1-targeted delivery into PCa cells. Interestingly, we detected a high level of FR1-mRNA in healthy prostate epithelial cells and healthy prostate tissue. However, we were able to show that PCa cells in vitro and PCa tissue showed a massively enhanced FR1 membrane localization where the receptor can finally gain its function. We were able to link these changes to the overexpression of GPI–transamidase (GPI-T) by image analysis. PCa cells in vitro and PCa tissue show the strongest overexpression of GPI-T and thereby induce FR1 membrane localization. Finally, we utilized FA-functionalized lipoplexes to selectively transfer pDNA into PCa cells and demonstrate the therapeutic potential of FR1. Thus, FR1 represents a very promising candidate for targeted therapeutic transfer pathways in PCa and in combination with GPI-T, may provide predictive imaging in addition to established diagnostics.

Non-antimicrobial prophylactic options for recurrent urinary tract infections (rUTIs) can be personalized for each patient. A combination of different non-antibiotic strategies may provide the optimal strategy for reducing rUTIs. Management of rUTIs remains challenging for urologists and distressing for patients.

Introduction: To assess gender-specific differences in recurrence-free (RFS), progression-free (PFS), cancer-specific survival (CSS) and overall survival (OS) among patients with intermediate or high-risk non-muscle invasive bladder cancer (NMIBC) receiving BCG is the primary aim of this systematic review and meta-analysis. Methods: In July 2023, we performed a literature search using MEDLINE, Embase and Cochrane Library. This study was prospectively registered at PROSPERO (CRD 2023443269). The detailed review protocol is accessible via CRD. Results: The systematic literature search identified 6,723 studies, of which 38 fulfilled the inclusion criteria. Random effect meta-analysis for RFS, based on data from 24 studies, revealed no statistically significant gender-specific difference (HR comparing males to females=0.9618, 95% CI: 0.8408-1.1003, p=0.5707). Similarly, for PFS, incorporating data from 14 studies, no statistically significant difference (HR =0.9540, 95% CI: 0.7709- 1.1805, p=0.6648), for CSS, analysis of data from three studies yielded no statistically significant difference (HR =0.9228, 95% CI: 0.6196-1.3743, p=0.6925), and for OS, based on data from two studies, no statistically significant difference was observed (HR = 1.1436, 95% CI: 0.5092-2.5684, p=0.7452). The risk of bias assessment indicated an overall moderate to high risk of bias. Conclusion: The findings indicate no association between gender and oncologic outcomes following BCG.

Abstract Multi-omics datasets can provide molecular insights beyond the sum of individual omics. Diverse tools have been recently developed to integrate such datasets, but there are limited strategies to systematically extract mechanistic hypotheses from them. Here, we present COSMOS (Causal Oriented Search of Multi-Omics Space), a method that integrates phosphoproteomics, transcriptomics, and metabolics datasets. COSMOS combines extensive prior knowledge of signaling, metabolic, and gene regulatory networks with computational methods to estimate activities of transcription factors and kinases as well as network-level causal reasoning. COSMOS provides mechanistic hypotheses for experimental observations across multi-omics datasets. We applied COSMOS to a dataset comprising transcriptomics, phosphoproteomics, and metabolomics data from healthy and cancerous tissue from nine renal cell carcinoma patients. We used COSMOS to generate novel hypotheses such as the impact of Androgen Receptor on nucleoside metabolism and the influence of the JAK-STAT pathway on propionyl coenzyme A production. We expect that our freely available method will be broadly useful to extract mechanistic insights from multi-omics studies. Abstract Figure