Purpose Preoperative chemotherapy is an accepted standard in the treatment of localized esophagogastric adenocarcinoma. Adding radiation therapy to preoperative chemotherapy appears promising, but its definitive value remains unknown. Patients and Methods Patients with locally advanced (uT3-4NXM0) adenocarcinoma of the lower esophagus or gastric cardia were randomly allocated to one of two treatment groups: induction chemotherapy (15 weeks) followed by surgery (arm A); or chemotherapy (12 weeks) followed by chemoradiotherapy (3 weeks) followed by surgery (arm B). Primary outcome was overall survival time. A total of 354 patients were needed to detect a 10% increase in 3-year survival from 25% to 35% by addition of radiation therapy. The study was prematurely closed due to low accrual. Results The median observation time was 46 months. A total of 126 patients were randomly assigned and 119 eligible patients were evaluated. The number of patients undergoing complete tumor resection was not different between treatment groups (69.5% v 71.5%). Patients in arm B had a significant higher probability of showing pathologic complete response (15.6% v 2.0%) or tumor-free lymph nodes (64.4% v 37.7%) at resection. Preoperative radiation therapy improved 3-year survival rate from 27.7% to 47.4% (log-rank P = .07, hazard ratio adjusted for randomization strata variables 0.67, 95% CI, 0.41 to 1.07). Postoperative mortality was nonsignificantly increased in the chemoradiotherapy group (10.2% v 3.8%; P = .26). Conclusion Although the study was closed early and statistical significance was not achieved, results point to a survival advantage for preoperative chemoradiotherapy compared with preoperative chemotherapy in adenocarcinomas of the esophagogastric junction.

Abstract Hepatocellular carcinoma (HCC) can have viral or non-viral causes 1–5 . Non-alcoholic steatohepatitis (NASH) is an important driver of HCC. Immunotherapy has been approved for treating HCC, but biomarker-based stratification of patients for optimal response to therapy is an unmet need 6,7 . Here we report the progressive accumulation of exhausted, unconventionally activated CD8 + PD1 + T cells in NASH-affected livers. In preclinical models of NASH-induced HCC, therapeutic immunotherapy targeted at programmed death-1 (PD1) expanded activated CD8 + PD1 + T cells within tumours but did not lead to tumour regression, which indicates that tumour immune surveillance was impaired. When given prophylactically, anti-PD1 treatment led to an increase in the incidence of NASH–HCC and in the number and size of tumour nodules, which correlated with increased hepatic CD8 + PD1 + CXCR6 + , TOX + , and TNF + T cells. The increase in HCC triggered by anti-PD1 treatment was prevented by depletion of CD8 + T cells or TNF neutralization, suggesting that CD8 + T cells help to induce NASH–HCC, rather than invigorating or executing immune surveillance. We found similar phenotypic and functional profiles in hepatic CD8 + PD1 + T cells from humans with NAFLD or NASH. A meta-analysis of three randomized phase III clinical trials that tested inhibitors of PDL1 (programmed death-ligand 1) or PD1 in more than 1,600 patients with advanced HCC revealed that immune therapy did not improve survival in patients with non-viral HCC. In two additional cohorts, patients with NASH-driven HCC who received anti-PD1 or anti-PDL1 treatment showed reduced overall survival compared to patients with other aetiologies. Collectively, these data show that non-viral HCC, and particularly NASH–HCC, might be less responsive to immunotherapy, probably owing to NASH-related aberrant T cell activation causing tissue damage that leads to impaired immune surveillance. Our data provide a rationale for stratification of patients with HCC according to underlying aetiology in studies of immunotherapy as a primary or adjuvant treatment.

Abstract Fast and reliable detection of patients with severe and heterogeneous illnesses is a major goal of precision medicine 1,2 . Patients with leukaemia can be identified using machine learning on the basis of their blood transcriptomes 3 . However, there is an increasing divide between what is technically possible and what is allowed, because of privacy legislation 4,5 . Here, to facilitate the integration of any medical data from any data owner worldwide without violating privacy laws, we introduce Swarm Learning—a decentralized machine-learning approach that unites edge computing, blockchain-based peer-to-peer networking and coordination while maintaining confidentiality without the need for a central coordinator, thereby going beyond federated learning. To illustrate the feasibility of using Swarm Learning to develop disease classifiers using distributed data, we chose four use cases of heterogeneous diseases (COVID-19, tuberculosis, leukaemia and lung pathologies). With more than 16,400 blood transcriptomes derived from 127 clinical studies with non-uniform distributions of cases and controls and substantial study biases, as well as more than 95,000 chest X-ray images, we show that Swarm Learning classifiers outperform those developed at individual sites. In addition, Swarm Learning completely fulfils local confidentiality regulations by design. We believe that this approach will notably accelerate the introduction of precision medicine.

Abstract Natural killer (NK) cells as components of the innate immunity substantially contribute to antitumor immune responses. However, the tumor-associated ligands engaging activating NK cell receptors are largely unknown. An exception are the MHC class I chain-related molecules MICA and MICB and the UL16-binding proteins (ULBP) which bind to the activating immunoreceptor NKG2D expressed on cytotoxic lymphocytes. A therapeutic induction of NKG2D ligands that primes cancer cells for NK cell lysis has not yet been achieved. By microarray studies, we found evidence that treatment of human hepatocellular carcinoma cells with the histone deacetylase inhibitor (HDAC-I) sodium valproate (VPA) mediates recognition of cancer cells by cytotoxic lymphocytes via NKG2D. VPA induced transcription of MICA and MICB in hepatocellular carcinoma cells, leading to increased cell surface, soluble and total MIC protein expression. No significant changes in the expression of the NKG2D ligands ULBP1-3 were observed. The induction of MIC molecules increased lysis of hepatocellular carcinoma cells by NK cells which was abolished by addition of a blocking NKG2D antibody. Importantly, in primary human hepatocytes, VPA treatment did not induce MIC protein expression. Taken together, our data show that the HDAC-I VPA mediates specific priming of malignant cells for innate immune effector mechanisms. These results suggest the clinical evaluation of HDAC-I in solid tumors such as hepatocellular carcinoma, especially in combination with immunotherapy approaches employing adoptive NK cell transfer.

As technical developments in omics and biomedical imaging drive the increase in quality, modality, and throughput of data generation in life sciences, the need for information systems capable of integrative, long-term storage and management of these heterogeneous digital assets is also increasing. Here, we propose an approach based on principles of Service Oriented Architecture design, to allow the integrated management and analysis of multi-omics and biomedical imaging data. The proposed architecture introduces an interoperable image management system, the OMERO server, into the backend of qPortal, a FAIR-compliant web-based platform for omics data management. The implementation of an integrated metadata model, the development of software components to enable the communication with the OMERO server, and an extension to the data management operations of established software, allows for FAIR management of heterogeneous omics and biomedical imaging data within an integrated system, which facilitates metadata queries from web-based scientific applications. The applicability of the proposed architecture is demonstrated in two prototypical use cases, a plant biology study using confocal scanning microscopy, and a clinical study on hepatocellular carcinoma, with data from a variety of medical imaging and omics modalities. We anticipate that FAIR data management systems for multi-modal data repositories will play a pivotal role in data-driven research, as the joint analysis of omics and imaging data becomes not only desirable but necessary to derive novel insights into biological processes. In particular for powerful machine learning applications where the availability of large datasets with high quality phenotypic annotations is a requirement.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Deep metabolomic, proteomic and immunologic phenotyping of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) patients have matched a wide diversity of clinical symptoms with potential biomarkers for coronavirus disease 2019 (COVID-19). Within here, several studies described the role of metabolites, lipoproteins and inflammation markers during infection and in recovered patients. In fact, after SARS-CoV-2 viral infection almost 20-30% of patients experience persistent symptoms even after 12 weeks of recovery which has been defined as long-term COVID-19 syndrome (LTCS). Emerging evidence revealed that a dysregulated immune system and persisting inflammation could be one of the key drivers of LTCS. However, how these small biomolecules such as metabolites, lipoprotein, cytokines and chemokines altogether govern pathophysiology is largely underexplored. Thus, a clear understanding how these parameters into an integrated fashion could predict the disease course may help to stratify LTCS patients from acute COVID-19 or recovered specimen and would help to elucidate a potential mechanistic role of these biomolecules during the disease course. Here, we report an integrated analysis of blood serum and plasma by in vitro diagnostics research NMR spectroscopy and flow cytometry-based cytokine quantification in a total of 125 individuals (healthy controls (HC; n=73), recovered (n=12), acute (n=7) and LTCS (n=33)). We identified that in LTCS patients lactate and pyruvate were significantly different from either healthy controls or acute COVID-19 patients. Further correlational analysis of cytokines and metabolites indicated that creatine, glutamine, and high-density lipoprotein (HDL) phospholipids were distributed differentially amongst patients or individuals. Of note, triglycerides and several lipoproteins (apolipoproteins Apo-A1 and A2) in LTCS patients demonstrate COVID-19-like alterations compared to HC. Interestingly, LTCS and acute COVID-19 samples were distinguished mostly by their creatinine, phenylalanine, succinate, 3-hydroxybutyrate (3-HB) and glucose concentrations, illustrating an imbalanced energy metabolism. Most of the cytokines and chemokines were present at low levels in LTCS patients compared with HC except IL-18 chemokine, which tended to be higher in LTCS patients and correlated positively with several amino acids (creatine, histidine, leucine, and valine), metabolites (lactate and 3-HB) and lipoproteins. The identification of these persisting plasma metabolites, lipoprotein and inflammation alterations will help to better stratify LTCS patients from other diseases and could help to predict ongoing severity of LTCS patients. Graphical abstract Layman summary & significance of the research Almost 20-30% of individuals infected with the SARS-CoV-2 virus regardless of hospitalization status experience long-term COVID-19 syndrome (LTCS). It is devasting for millions of individuals worldwide and hardly anything is known about why some people experience these symptoms even after 3 to 12 months after the acute phase. In this, we attempted to understand whether dysregulated metabolism and inflammation could be contributing factors to the ongoing symptoms in LTCS patients. Total blood triglycerides and the Cory cycle metabolites (lactate and pyruvate) were significantly higher, lipoproteins (Apo-A1 and A2) were drastically lower in LTCS patients compared to healthy controls. Correlation analysis revealed that either age or gender are positively correlated with several metabolites (citrate, glutamate, 3-hydroxybutyrate, glucose) and lipoproteins (Apo-A1, HDL Apo-A1, LDL triglycerides) in LTCS patients. Several cytokines and chemokines were also positively correlated with metabolites and lipoproteins thus, dysregulation in metabolism and inflammation could be a potential contributory factor for LTCS symptoms.