In light of the historic Paris Agreement at the UN Climate Change Conference aimed at combating global warming, there has been increased momentum to quantify and mitigate greenhouse gas (GHG) emissions from Water Resources Recovery Facilities (WRRFs). However, the current methodologies for estimating GHG emissions from WRRFs are fraught with high degrees of uncertainty. To address this, a range of modelling approaches has been employed to estimate GHG emissions, specifically nitrous oxide (N2O) and methane (CH4), and to optimize and mitigate such emissions through linking operational processes. This article conducts a thorough and critical examination of GHG emissions modelling efforts in WRRFs, covering mechanistic, data-driven, and hybrid models for N2O and CH4, alongside empirical, steady-state, and dynamic plant-wide models. It emphasizes the applicability and limitations of these methods in full-scale applications, highlighting the calibration complexities of mechanistic models and the limited explainability of data-driven tools. The review also discusses innovative emerging approaches, such as hybrid modelling and knowledge-based AI, and stresses the necessity for novel, model-aided strategies to quantify and monitor fugitive methane emissions effectively. By elucidating knowledge gaps, addressing literature discrepancies, and reviewing diverse modelling methodologies, this article significantly enhances the current understanding of GHG modelling in WRRFs, paving the way for more sustainable and environmentally responsible wastewater management practices.

Abstract Background Activating BRAF gene alterations are central to melanocytic tumor pathogenesis. A small, emerging subset of melanocytic tumors driven by BRAF fusions has distinct therapeutic implications and has been described to have Spitzoid morphology patterns. However, such morphological patterns do not encompass all cases, and little is known about the functional molecular events. Materials and Methods We conducted a retrospective search through our molecular archives to identify melanocytic tumors with BRAF fusions. We reviewed clinical, histopathological, and genomic features. We further explored transcriptomic and protein‐level findings. Results Histopathologic patterns varied, with many cases without a distinctive pattern. We identified novel and diverse BRAF gene fusion partners. Differential transcriptomic analysis between low‐risk BRAF fusion tumors and reference BRAF V600E tumors showed no differentially expressed genes. However, quantitatively stronger MAPK pathway activation of BRAF fusion tumors over BRAF V600E tumors was demonstrated by statistically significant stronger staining of p‐ERK immunohistochemistry. Gene‐specific RNA analysis shows comparable BRAF transcript levels between the two groups. Discussion and Conclusion The quantitatively stronger activation of the MAPK pathway of BRAF fusion tumors, instead of qualitatively different transcriptomes, may account for the morphology difference from conventional BRAF V600E tumors. BRAF fusions likely act through dysregulated protein function rather than RNA upregulation related to the characteristics of the fusion partners.

ABSTRACT Background Spatial and single-cell transcriptomics have revealed significant heterogeneity in tumor and normal tissues. Each approach has its advantages: The Visium platform for spatial transcriptomics (ST) offers lower resolution than single-cell analysis, but histology enables the examination of cell morphology, tissue architecture, and potential cell-cell interactions. Single-cell transcriptomics (SC) provides high resolution, but manual cell-type annotation depends on incomplete scientific knowledge from heterogeneous experiments. When investigating poorly defined phenomena, such as the transition from normal tissue to cancer and metaplasia, researchers might overlook critical and unexpected findings in downstream analysis if they rely on pre-existing annotations to determine cell types, particularly in the context of phenotypic plasticity. Results We employ our deep-transfer learning framework, DEGAS, to identify benign morphology glands in normal prostate tissue that are associated with poor progression-free survival in cancer patients and exhibit transcriptional signatures of carcinogenesis and de-differentiation. We confirm this finding in an additional ST dataset and use novel published methods to integrate SC data, showing that cells annotated as cancerous in the SC data map to regions of benign glands in another dataset. We pinpoint several genes, primarily MSMB, with expression closely correlated with progression-free survival scores, which are known markers of de-differentiation, and attribute their expression specifically to luminal epithelia, which are the presumed origin of most prostatic cancers. Discussion Our work shows that morphologically normal epithelia can have transcriptional signatures like that of frank cancer, and that these tissues are associated with poor progression-free survival. We also highlight a critical gap in single-cell workflows: annotating continuous transitional phenomena like carcinogenesis with discrete labels can result in incomplete conclusions. Two approaches can help mitigate this issue: Tools like DEGAS and Scissor can provide a disease-association score for SC and ST data, independent of cell type and histology. Additionally, researchers should adopt a bidirectional approach, transferring histological labels from ST data to SC data using tools like RCTD, rather than only using SC cell-type assignments to annotate ST data. Employed together, these methods can offer valuable histology and disease-related information to better define tissue subtypes, especially epithelial cells in the process of carcinogenesis. Conclusions DEGAS is a vital tool for generating clinically-oriented hypotheses from SC and ST data, which are heterogeneous, information-rich assays. In this study, we identify potential signatures of carcinogenesis in morphologically benign epithelia, which may be the precursors to cancer and high-grade pre-malignant lesions. Validating these genes as a panel may help identify patients at high risk for future cancer development, recurrence, and assist researchers in studying the biology of early carcinogenesis by detecting metaplastic changes before they are morphologically identifiable.

Acral fibrochondromyxoid tumor (AFCMT) is a recently described likely benign mesenchymal neoplasm arising in the distal extremities with distinctive histologic features and a recurrent THBS1::ADGRF5 fusion. We studied an additional 37 cases of AFCMT and expanded on the so-far reported clinicopathologic and molecular findings. Tumors occurred in 21 females and 16 males, ranging in age from 17-78 years (median age: 47), and solely involved the hands (24/37, 65%) or feet (13/37, 35%). Histologic examination revealed well-delineated uni- or multinodular tumors with prominent vasculature-rich septa and bland, chondrocyte-like tumor cells set within abundant chondromyxoid stroma. Immunohistochemical studies showed tumor cells were positive for CD34 (25/27; 93%) and ERG (27/27; 100%), while negative for S100 protein (0/31). Molecular analysis revealed evidence of a THBS1::ADGRF5 fusion in 17 of 19 (89%) successfully tested tumors. Clinical follow-up was available in 8 cases (median: 97 months), with multiple local recurrences in 1 case at 276, 312, and 360 months. We conclude that AFCMT is a distinct entity with reproducible morphologic, immunohistochemical, and molecular genetic features that should be differentiated from other similar appearing acral mesenchymal neoplasms.