Traditional Chinese medicine (TCM) is increasingly extensively being applied as a complementary and alternative therapy for gastric cancer (GC); however, there is a lack of large-scale evidence-based deep learning for the guidance of its clinical prescription.The combinational search terms of "Gastric cancer and/or gastric malignancy" and "Traditional Chinese Medicine" were used to retrieve clinical study-based herbal prescriptions from public database over the past 3 decades [1990-2020]. Association rules mining (ARM) was used to analyze the prescription patterns of the herbs extracted from the eligible studies. Deep machine learning and computational prediction were conducted to explore candidate prescriptions with general applicability for GC. The action mechanism of the preferred prescription was investigated through network pharmacology, and further validated via in vivo and in vitro experiments.A total of 194 clinical study-based herbal prescriptions with good efficacy for GC were collected. TCM with focus on invigorating the Spleen and tonifying the vital-Qi is a promising adjuvant therapy for GC. The preferred prescription is composed of Atractylodis Macrocephalae Rhizoma, Astragali Radix, Pinelliae Rhizoma, Citri Reticulatae Pericarpium, Herba Hedyotidis Diffusae, Crataegi Fructus, and so on. We screened 74 bioactive compounds and 2,128 predictive targets of the preferred prescription from public databases. Eventually, 135 GC-related genes were identified as the targets of the preferred prescription. The compound-target network revealed that the crucial substances in the preferred prescription are quercetin, kaempferol, baicalein, and nobiletin. Experimentally, the preferred prescription was validated to modulate GC cell survival and inhibit tumor progression mainly via the hTERT/MDM2-p53 signaling pathway in vivo and in vitro.TCM aimed at invigorating the Spleen and tonifying the vital-Qi is a promising adjuvant therapy for GC, which offers a guidance for worldwide use of TCM in the treatment of GC.

Abstract The hubs of the intra-grey matter (GM) network were sensitive to anatomical distance and susceptible to neuropathological damage. However, few studies examined the hubs of cross-tissue distance-dependent networks and their changes in Alzheimer’s disease (AD). Using resting-state fMRI data of 30 AD patients and 37 normal older adults (NC), we constructed the cross-tissue networks based on functional connectivity (FC) between GM and white matter (WM) voxels. In the full-ranged and distance-dependent networks (characterized by gradually increased Euclidean distances between GM and WM voxels), their hubs were identified with weight degree metrics (frWD and ddWD). We compared these WD metrics between AD and NC; using the resultant abnormal WDs as the seeds, we performed seed-based FC analysis. With increasing distance, the GM hubs of distance-dependent networks moved from the medial to lateral cortices, and the WM hubs spread from the projection fibers to longitudinal fascicles. Abnormal ddWD metrics in AD were primarily located in the hubs of distance-dependent networks around 20-100mm. Decreased ddWDs were located in the left corona radiation (CR), which had decreased FCs with the executive network’s GM regions in AD. Increased ddWDs were located in the posterior thalamic radiation (PTR) and the temporal-parietal-occipital junction (TPO), and their FCs were larger in AD. Increased ddWDs were shown in the sagittal striatum, which had larger FCs with the salience network’s GM regions in AD. The reconfiguration of cross-tissue distance-dependent networks possibly reflected the disruption in the neural circuit of executive function and the compensatory changes in the neural circuits of visuospatial and social-emotional functions in AD.

Abstract The temporal synchronization of BOLD signals within white matter (WM) and between WM and grey matter (GM) exhibited intrinsic architecture and cognitive relevance. However, few studies examined the network property within- and between-tissue in Alzheimer’s disease (AD). The hub regions with high weighted degree (WD) were prone to the neuropathological damage of AD. To systematically investigate the changes of hubs within- and between-tissue functional networks in AD patients, we used the resting-state fMRI data of 30 AD patients and 37 normal older adults (NC) from the ADNI open database, and obtained four types of voxel-based WD metrics and four types of distant-dependent WD metrics (ddWD) based on a series of Euclidean distance ranges with a 20mm increment. We found that AD patients showed decreased within-tissue ddWD in the thalamic nucleus and increased between-tissue ddWD in the occipito-temporal cortex, posterior thalamic radiation, and sagittal stratum, compared to NC. We also found that AD patients showed the increased between-tissue FCs between the posterior thalamic radiation and occipito-temporal cortex, and between the sagittal stratum and the salience and executive networks. The dichotomy of decreased and increased ddWD metrics and their locations were consistent with previous studies on the neurodegnerative and compensatory mechanisms of AD, indicating that despite the disruptions, the brain still strived to compensate for the neural inefficiency by reorganizing functional circuits. Our findings also suggested the short-to-medium ranged ddWD metrics between WM and GM as useful biomarker to detect the compensatory changes of functional networks in AD.