De-Chen Lin, Ming-Rong Wang and colleagues report exome sequencing, RNA sequencing, and copy number analyses of esophageal squamous cell carcinoma. They identified recurrent mutations in FAT1, FAT2, ZNF750, EP300 and KMT2D. Esophageal squamous cell carcinoma (ESCC) is prevalent worldwide and particularly common in certain regions of Asia. Here we report the whole-exome or targeted deep sequencing of 139 paired ESCC cases, and analysis of somatic copy number variations (SCNV) of over 180 ESCCs. We identified previously uncharacterized mutated genes such as FAT1, FAT2, ZNF750 and KMT2D, in addition to those already known (TP53, PIK3CA and NOTCH1). Further SCNV evaluation, immunohistochemistry and biological analysis suggested their functional relevance in ESCC. Notably, RTK-MAPK-PI3K pathways, cell cycle and epigenetic regulation are frequently dysregulated by multiple molecular mechanisms in this cancer. Our approaches also uncovered many druggable candidates, and XPO1 was further explored as a therapeutic target because it showed both gene mutation and protein overexpression. Our integrated study unmasks a number of novel genetic lesions in ESCC and provides an important molecular foundation for understanding esophageal tumors and developing therapeutic targets.

Accurate and reliable mathematical modeling is essential for the optimal control and performance analysis of polymer electrolyte membrane fuel cell (PEMFC) systems, which are mainly implemented based on accurate parameter estimation. In this paper, a multi-strategy tuna swarm optimization (MS-TSO) is proposed to estimate the parameters of PEMFC voltage models and compare them with other optimizers such as differential evolution, the whale optimization approach, the salp swarm algorithm, particle swarm optimization, Harris hawk optimization and the slime mould algorithm. In the optimizing routine, the unidentified factors of the PEMFCs are used as the decision variables, which are optimized to minimize the sum of square errors between the estimated and measured data. The optimizers are examined based on three PEMFC datasets including BCS500W, NedStackPS6 and harizon500W as well as a set of experimental data which are measured using the Greenlight G20 platform with a 25 cm2 single cell at 353 K. It is confirmed that MS-TSO gives better performance in terms of convergence speed and accuracy than the competing algorithms. Furthermore, the results achieved by MS-TSO are compared with other reported approaches in the literature. The advantages of MS-TSO in ascertaining the optimum factors of various PEMFCs have been comprehensively demonstrated.

Abstract To determine the prevalence and clinical prediction factors associated with deleterious mutations among 882 high-risk Chinese individuals who underwent multigene panel testing for hereditary breast and ovarian cancer (HBOC) risk assessment. Subjects were selected from individuals referred for genetic testing using a 21-gene panel (Oseq-BRCA) between January 2015 and March 2018. The distribution and prevalence of deleterious mutations were analyzed for the full cohort as well as subtypes. Overall, 176 deleterious mutations were observed in 19.50% (n = 172) individuals. Of these, 26 mutations are not reported in public databases and literatures. In the ovarian cancer only subgroup, 115 deleterious mutations were identified in 429 patients (48.6%). Patients with ovarian cancer with mutations were enriched for a family history of breast or ovarian cancers (p < 0.05). In the breast cancer only subgroup, 31 deleterious mutations were identified in 261 patients. Most mutations occurred in BRCA1 (8; 25.8%) and BRCA2 (11; 35.5%). An additional 12 deleterious mutations (38.7%) were found in 7 other susceptibility genes. An increased frequency of mutation rate (57.9%) was observed in the subgroup of subjects with histories of both breast and ovarian cancer. Taken together, 19.50% of individuals carried a deleterious mutation in HBOC susceptibility genes in our cohort. Subgroup of subjects with histories of both breast and ovarian cancer had the highest prevalence of mutations. Our results highlighted the genetic heterogeneity of HBOC and the efficiency of multigene panel in performing risk assessment.

Proton exchange membrane fuel cells have attracted widespread attention due to their cleanliness and high energy density, but the performance degradation during operation greatly limits their commercialization. Therefore, the reliable degradation prediction of fuel cell performance is of great significance. The recovery phenomenon of the reversible voltage loss that occurs during the operation of fuel cells has posed great difficulties for model training and prediction. Moreover, the models may easily and erroneously learn the combined trends in the recovery of reversible voltage loss and performance degradation. To address this issue, this paper employs the Transformer model to predict the performance degradation of fuel cells. By utilizing the unique self-attention structure and masking mechanism of the Transformer model, the signal for the recovery of the reversible voltage loss is adopted as the input for the model to avoid interference from information before voltage recovery on subsequent predictions. Experimental results show that the model has the highest prediction accuracy at various prediction starting points. Meanwhile, it can predict the accelerated performance degradation of fuel cells, which has positive implications for health management.

Abstract Objectives To construct a combined model based on bi-regional quantitative dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI), as well as clinical-radiological (CR) features for predicting microvascular invasion (MVI) in solitary Barcelona Clinic Liver Cancer (BCLC) stage A hepatocellular carcinoma (HCC), and to assess its ability for stratifying the risk of recurrence after hepatectomy. Methods Patients with solitary BCLC stage A HCC were prospective collected and randomly divided into training and validation sets. DCE perfusion parameters were obtained both in intra-tumoral region (ITR) and peritumoral region (PTR). Combined DCE perfusion parameters ( C DCE ) were constructed to predict MVI. The combined model incorporating C DCE and CR features was developed and evaluated. Kaplan–Meier method was used to investigate the prognostic significance of the model and the survival benefits of different hepatectomy approaches. Results A total of 133 patients were included. Total blood flow in ITR and arterial fraction in PTR exhibited the best predictive performance for MVI with areas under the curve (AUCs) of 0.790 and 0.792, respectively. C DCE achieved AUCs of 0.868 (training set) and 0.857 (validation set). A combined model integrated with the α-fetoprotein, corona enhancement, two-trait predictor of venous invasion, and C DCE could improve the discrimination ability to AUCs of 0.966 (training set) and 0.937 (validation set). The combined model could stratify the prognosis of HCC patients. Anatomical resection was associated with a better prognosis in the high-risk group ( p < 0.05). Conclusion The combined model integrating DCE perfusion parameters and CR features could be used for MVI prediction in HCC patients and assist clinical decision-making. Critical relevance statement The combined model incorporating bi-regional DCE-MRI perfusion parameters and CR features predicted MVI preoperatively, which could stratify the risk of recurrence and aid in optimizing treatment strategies. Key Points Microvascular invasion (MVI) is a significant predictor of prognosis for hepatocellular carcinoma (HCC). Quantitative DCE-MRI could predict MVI in solitary BCLC stage A HCC; the combined model improved performance. The combined model could help stratify the risk of recurrence and aid treatment planning. Graphical Abstract

Amplification of the epidermal growth factor receptor (EGFR) and its active mutant type III (EGFRvIII), frequently occurr in glioblastoma (GBM), contributing to chemotherapy and radiation resistance in GBM. Elucidating the underlying molecular mechanism of temozolomide (TMZ) resistance in EGFRvIII GBM could offer valuable insights for cancer treatment.