Esophageal squamous cell carcinoma (ESCC) is one of the most common cancers worldwide and the fourth most lethal cancer in China. However, although genomic studies have identified some mutations associated with ESCC, we know little of the mutational processes responsible. To identify genome-wide mutational signatures, we performed either whole-genome sequencing (WGS) or whole-exome sequencing (WES) on 104 ESCC individuals and combined our data with those of 88 previously reported samples. An APOBEC-mediated mutational signature in 47% of 192 tumors suggests that APOBEC-catalyzed deamination provides a source of DNA damage in ESCC. Moreover, PIK3CA hotspot mutations (c.1624G>A [p.Glu542Lys] and c.1633G>A [p.Glu545Lys]) were enriched in APOBEC-signature tumors, and no smoking-associated signature was observed in ESCC. In the samples analyzed by WGS, we identified focal (<100 kb) amplifications of CBX4 and CBX8. In our combined cohort, we identified frequent inactivating mutations in AJUBA, ZNF750, and PTCH1 and the chromatin-remodeling genes CREBBP and BAP1, in addition to known mutations. Functional analyses suggest roles for several genes (CBX4, CBX8, AJUBA, and ZNF750) in ESCC. Notably, high activity of hedgehog signaling and the PI3K pathway in approximately 60% of 104 ESCC tumors indicates that therapies targeting these pathways might be particularly promising strategies for ESCC. Collectively, our data provide comprehensive insights into the mutational signatures of ESCC and identify markers for early diagnosis and potential therapeutic targets. Esophageal squamous cell carcinoma (ESCC) is one of the most common cancers worldwide and the fourth most lethal cancer in China. However, although genomic studies have identified some mutations associated with ESCC, we know little of the mutational processes responsible. To identify genome-wide mutational signatures, we performed either whole-genome sequencing (WGS) or whole-exome sequencing (WES) on 104 ESCC individuals and combined our data with those of 88 previously reported samples. An APOBEC-mediated mutational signature in 47% of 192 tumors suggests that APOBEC-catalyzed deamination provides a source of DNA damage in ESCC. Moreover, PIK3CA hotspot mutations (c.1624G>A [p.Glu542Lys] and c.1633G>A [p.Glu545Lys]) were enriched in APOBEC-signature tumors, and no smoking-associated signature was observed in ESCC. In the samples analyzed by WGS, we identified focal (<100 kb) amplifications of CBX4 and CBX8. In our combined cohort, we identified frequent inactivating mutations in AJUBA, ZNF750, and PTCH1 and the chromatin-remodeling genes CREBBP and BAP1, in addition to known mutations. Functional analyses suggest roles for several genes (CBX4, CBX8, AJUBA, and ZNF750) in ESCC. Notably, high activity of hedgehog signaling and the PI3K pathway in approximately 60% of 104 ESCC tumors indicates that therapies targeting these pathways might be particularly promising strategies for ESCC. Collectively, our data provide comprehensive insights into the mutational signatures of ESCC and identify markers for early diagnosis and potential therapeutic targets.

It has been shown that 5-methylcytosine (m5C), one of the most abundant modifications on RNA, regulates various biological processes. However, the function of m5C modification in the nervous system is still largely unknown. Here, we show that the m5C reader Ybx1 is highly expressed in the developing mouse hippocampus in the central nervous system (CNS). Conditional knockout of Ybx1 in the dentate gyrus (DG) decreases mossy fiber growth and affects short-term memory. In the peripheral nervous system (PNS), the mRNA of Ybx1 is enriched in the axons of dorsal root ganglion (DRG) neurons and can be locally translated. Inhibition of local translation of Ybx1 results in a decrease in axon growth. We further identify 28 target mRNAs of Ybx1 in DRG neurons, including Ttl and Mmp24. Axon-specific knockdown of Ttl and Mmp24 decreases axon growth rate both in DRG and DG. It could be a general mechanism that locally translated Ybx1 regulates axon growth by controlling local translation in both CNS and PNS.

Introduction In the context of the COVID-19 pandemic, it becomes important to comprehend service utilization patterns and evaluate disparities in mental health-related service access among children. Objective This study uses administrative health records to investigate the association between early developmental vulnerability and healthcare utilization among children in Alberta, Canada from 2016 to 2022. Methods Children who participated in the 2016 Early Development Instrument (EDI) assessment and were covered by public Alberta health insurance were included (N = 23 494). Linear regression models were employed to investigate the association between service utilization and vulnerability and biological sex. Separate models were used to assess vulnerability specific to each developmental domain and vulnerability across multiple domains. The service utilization was compared between pre- and post-pandemic onset periods. Results The analysis reveals a significant decrease in all health services utilization from 2016 to 2019, followed by an increase until 2022. Vulnerable children had, on average, more events than non-vulnerable children. There was a consistent linear increase in mental health-related utilization from 2016 to 2022, with male children consistently experiencing higher utilization rates than females, particularly among vulnerable children. Specifically, there was a consistent linear increase in the utilization of anxiety-related services by children from 2016 to 2022, with females having, on average, 25 more events than males. The utilization of ADHD-related services showed different patterns for each group, with vulnerable male children having more utilization than their peers. Conclusion Utilizing population-wide data, our study reveals sex specific developmental vulnerabilities and its impact on children’s mental health service utilization during the COVID-19 pandemic, contributing to the existing literature. With data from kindergarten, we emphasize the need for early and targeted intervention strategies, especially for at-risk children, offering a path to reduce the burden of childhood mental health disorders.

Chronic stress exerts profound effects on mental health, contributing to disorders such as depression, anxiety, and cognitive impairment. This study examines the potential of psilocybin to alleviate behavioral despair and cognitive deficits in a rodent model of chronic stress, focusing on the interplay between the Hypothalamic-Pituitary-Adrenal (HPA) axis and the Endocannabinoid System (ECS). Twenty-two male Wistar rats were divided into control and stress groups. Animals within the stress group were exposed to predator odor and chronic social instability to induce chronic stress, and were either sham treated, or given psilocybin. Behavioral assessments were conducted using the Open Field Test, Sucrose Preference Test, Novel Object Recognition, Elevated Plus Maze, and Forced Swimming Test to evaluate locomotion, anhedonia, memory, anxiety, and behavioral despair, respectively. Blood and brain samples were analyzed for biochemical markers. Results indicated that psilocybin significantly reduced stress-induced behavioral despair and cognitive impairments, likely through ECS-mediated downregulation of the HPA axis. These findings suggest that early intervention with psilocybin has sustained beneficial effects on stress-related behavioral and cognitive disturbances, underscoring its potential as a novel therapeutic approach for stress-related mental health disorders.

The global prevalence of mental health disorders is increasing, leading to a significant economic burden estimated in trillions of dollars. In automated mental health diagnosis, the scarcity and imbalance of clinical data pose considerable challenges for researchers, limiting the effectiveness of machine learning algorithms. To cope with this issue, this paper aims to introduce a novel clinical transcript data augmentation framework by leveraging large language models (CALLM). The framework follows a "patient-doctor role-playing" intuition to generate realistic synthetic data. In addition, our study introduces a unique "Textbook-Assignment-Application" (T-A-A) partitioning approach to offer a systematic means of crafting synthetic clinical interview datasets. Concurrently, we have also developed a "Response-Reason" prompt engineering paradigm to generate highly authentic and diagnostically valuable transcripts. By leveraging a fine-tuned DistilBERT model on the E-DAIC PTSD dataset, we achieved a balanced accuracy of 0.77, an F1-score of 0.70, and an AUC of 0.78 during test set evaluations, which showcase robust adaptability in both Zero-Shot Learning (ZSL) and Few-Shot Learning (FSL) scenarios. We further compare the CALLM framework with other data augmentation methods and PTSD diagnostic works and demonstrates consistent improvements. Compared to conventional data collection methods, our synthetic dataset not only demonstrates superior performance but also incurs less than 1% of the associated costs.