As a "cold tumor", triple-negative breast cancer (TNBC) exhibits limited responsiveness to current immunotherapy. How to enhance the immunogenicity and reverse the immunosuppressive microenvironment of TNBC remain a formidable challenge. Herein, an "in situ nanovaccine" Au/CuNDs-R848 was designed for imaging-guided photothermal therapy (PTT)/chemodynamic therapy (CDT) synergistic therapy to trigger dual immunoregulatory effects on TNBC. On the one hand, Au/CuNDs-R848 served as a promising photothermal agent and nanozyme, achieving PTT and photothermal-enhanced CDT against the primary tumor of TNBC. Meanwhile, the released antigens and damage-associated molecular patterns (DAMPs) promoted the maturation of dendritic cells (DCs) and facilitated the infiltration of T lymphocytes. Thus, Au/CuNDs-R848 played a role as an "in situ nanovaccine" to enhance the immunogenicity of TNBC by inducing immunogenic cell death (ICD). On the other hand, the nanovaccine suppressed the myeloid‐derived suppressor cells (MDSCs), thereby reversing the immunosuppressive microenvironment. Through the dual immunoregulation, "cold tumor" was transformed into a "hot tumor", not only implementing a "turning foes to friends" therapeutic strategy but also enhancing immunotherapy against metastatic TNBC. Furthermore, Au/CuNDs-R848 acted as an excellent nanoprobe, enabling high-resolution near-infrared fluorescence and computed tomography imaging for precise visualization of TNBC. This feature offers potential applications in clinical cancer detection and surgical guidance. Collectively, this work provides an effective strategy for enhancing immune response and offers novel insights into the potential clinical applications for tumor immunotherapy.

With the rapid development of the Energy Internet, higher accuracy is demanded in the load forecasting and classification of power systems. This study aims to explore load classification and forecasting methods based on neural network models to improve the efficiency and accuracy of load management in the Energy Internet. By deeply analyzing the load characteristics of the Energy Internet, this paper constructs a neural network model containing multilayer perceptrons, specifically targeting the classification and prediction of different types of load data. This study first establishes a comprehensive dataset by collecting and processing large-scale historical load data from the Energy Internet, including residential, industrial, and commercial electricity usage data. Then, we use these data to train the neural network model, enabling it to identify and predict consumption patterns of different load types. Furthermore, this paper also explores the impact of different network structures, activation functions, and training methods on the model's performance to determine the optimal model configuration. Experimental results show that our neural network model demonstrates high accuracy and reliability in load classification and prediction. Particularly in peak load forecasting and abnormal load identification, the model performs better than traditional statistical methods. This research not only provides an effective tool for load management in the Energy Internet but also lays a foundation for future research in smart grids and sustainable energy systems.

As the most common and lethal cancer of the female gonads, ovarian cancer (OC) has a grave impact on people's health. OC is asymptomatic, insidious in onset, difficult to diagnose and treat, fast-growing, and easy to metastasize and has poor prognosis and high mortality. How to detect OC as early as possible and treat it without side effects has become a challenging medical problem. Herein, the ultrasmall Au-GRHa nanosystem was designed for dual-mode imaging-guided photothermal therapy of OC. The synthesized Au-GRHa nanosystem has ultrasmall size, good biocompatibility, and excellent fluorescence and CT imaging performance, which could detect the OC tumor accurately and intuitively and is expected to provide intraoperative visual navigation for clinical surgery. With its excellent photothermal property, the Au-GRHa nanosystem can be utilized for photothermal therapy of OC, thus providing an alternative to, and reducing the hazards posed by, traditional radiotherapy and chemotherapy. In addition, GnRHa endows the AuNDs with excellent ability to target the Gonadotropin-Releasing Hormone Receptor (GnRH-R), which enhances the uptake of AuNDs by OC tumor cells, improving the targeting accuracy and efficacy of photothermal therapy for OC. This work will facilitate the biomedical applications of the Au-GRHa nanosystem and provide good insights into FL/CT imaging-guided photothermal therapy of OC.