头颈部鳞状细胞癌患者可从抗程序性死亡受体1及其配体（PD-1/PD-L1）的免疫治疗中获益，但是相对较低的反应率阻碍了这种治疗方法在头颈部鳞状细胞癌治疗中的临床应用。而高度微卫星不稳定型肿瘤抗PD-1/PD-L1治疗的客观反应率较高。目前，国内关于头颈部鳞状细胞癌中微卫星不稳定性患病率、发病机制和临床疗效的数据有限。本文介绍微卫星不稳定性的发生机制及检测方法，总结微卫星不稳定性在头颈部鳞状细胞癌中的研究现状。.

Spatial transcriptomics (ST) technologies have transformed our ability to study tissue architecture by capturing gene expression profiles along with their spatial context. However, the high-dimensional ST data often have limited spatial resolution and exhibit considerable noise and sparsity, thus posing significant challenges for deciphering subtle spatial patterns. To address these challenges, we introduce DeepFuseNMF, a novel multi-modal dimensionality reduction framework that enhances spatial resolution by integrating low-resolution ST data with high-resolution histology images. DeepFuseNMF incorporates nonnegative matrix factorization into a neural network architecture for interpretable high-resolution embedding learning and spatial domain detection. Furthermore, DeepFuseNMF seamlessly handles multiple samples simultaneously and is compatible with various types of histology images. Extensive evaluations using synthetic datasets and real ST datasets from various technologies and tissue types demonstrate DeepFuseNMF's ability to produce highly interpretable high-resolution embeddings and to detect refined spatial structures. DeepFuseNMF represents a powerful multi-modal data integration approach to fully leverage the rich information in ST data and associated high-resolution image data, paving the way for understanding the organization and function of complex tissue structures.

Bladder urothelial carcinoma (BLCA), like other cancers, is strongly associated with genetic and epigenetic changes. TWIST1 is an epithelial-mesenchymal transition (EMT) promoter that has been linked to the development of many malignancies. It is still unclear, however, what role TWIST1 plays in BLCA, and the relationship between TWIST1 transcript levels and its promoter methylation and immune infiltration has been reported even less. This study aimed to reveal the potential role of TWIST1 promoter methylation-related changes in BLCA.

Intrahepatic cholangiocarcinoma (iCCA) is an aggressive cancer with an extremely poor prognosis, and new treatment options are needed. Recently, immunotherapy has emerged as an efficient treatment against malignant tumors, but less effective in iCCA. Activation of stimulator of interferon genes (STING) signaling could reignite immunologically inert tumors, but the expression and role of STING in iCCA remains to be determined. Here, we show STING is expressed in iCCA, and patients with high expression of STING in early-stage iCCA have a longer overall survival than those have low expression. Increased immune cell infiltration in early-stage iCCA corresponds to elevated STING expression. In mice iCCA models, treatment with the STING agonist MSA-2 show stage-specific inhibitory effects on tumors, with beneficial effects in early-stage tumors but not with advanced-stage cancer. This discrepancy was associated with greater programmed cell death ligand 1 (PD-L1) expression in advanced-stage tumors. Combination therapy targeting PD-L1 and MSA-2 strikingly reduced tumor burden in such tumors compared to either monotherapy. Cumulatively, these data demonstrate that STING agonism monotherapy improves the immune landscape of the tumor microenvironment in early-stage iCCA, while combination therapy ameliorates advanced-stage iCCA.

Limited studies have investigated the predictive value of multiomics signatures (radiomics, deep learning features, pathological features and DLG3) in breast cancer patients who underwent neoadjuvant chemotherapy (NAC). However, no study has explored the relationships among radiomic, pathomic signatures and chemosensitivity. This study aimed to predict pathological complete response (pCR) using multiomics signatures, and to evaluate the predictive utility of radiomic and pathomic signatures for guiding chemotherapy selection. The oncogenic function of DLG3 was explored in breast cancer cells via DLG3 knockdown. Immunohistochemistry (IHC) was used to evaluate the relationship between DLG3 expression and docetaxel/epirubin sensitivity. Machine learning (ML) and deep learning (DL) algorithms were used to develop multiomics signatures. Survival analysis was conducted by K-M curves and log-rank. Multivariate logistic regression analysis was used to develop nomograms. A total of 311 patients with malignant breast tumours who underwent NAC were retrospectively included in this multicentre study. Multiomics (DLG3, RADL and PATHO) signatures could accurately predict pCR (AUC: training: 0.900; testing: 0.814; external validation: 0.792). Its performance is also superior to that of clinical TNM staging and the single RADL signature in different cohorts. Patients in the low DLG3 group more easily achieved pCR, and those in the high RADL Signature_pCR and PATHO_Signature_pCR (OR = 7.93, 95 % CI: 3.49–18, P < 0.001) groups more easily achieved pCR. In the TEC regimen NAC group, patients who achieved pCR had a lower DLG3 score (4.00 ± 2.33 vs. 6.43 ± 3.01, P < 0.05). Patients in the low RADL_Signature_DLG3 and PATHO_Signature_DLG3 groups had lower DLG3 IHC scores (P < 0.05). Patients in the high RADL signature, PATHO signature and DLG3 signature groups had worse DFS and OS. Multiomics signatures (RADL, PATHO and DLG3) demonstrated great potential in predicting the pCR of breast cancer patients who underwent NAC. The RADL and PATHO signatures are associated with DLG3 status and could help doctors or patients choose proper neoadjuvant chemotherapy regimens (TEC regimens). This simple, structured, convenient and inexpensive multiomics model could help clinicians and patients make treatment decisions.

Abstract Purpose: Colorectal medullary carcinoma is extensive lymphocyte infiltration and associated with an active immune response. However, studies to comprehensively explore the immune landscape and efficacy of immune checkpoint blockade therapy in MeC are limited. Experimental Design: We screened 47 cases of MeC from Harbin Medical University Cancer Hospital cohort. The immunological characteristics of MeC were analyzed by targeted exon sequencing, NanoString nCounter gene expression sequencing, immunohistochemistry, multiplexed immunofluorescence and T cell antigen receptor-sequencing. An additional 47 MeC patients received ICB therapy were included in the retrospective analysis to verify the efficacy of immunotherapy. Results: Genomically, MeC tend to have a higher proportion of mismatch repair protein deficiency/microsatellite instability, ARID1A mutation, and ASCL2 amplification. Gene expression shows enriched immune response-related pathways while down-regulated oncogenic pathways, such as Glycolysis, Epithelial mesenchymal transition, and Wnt beta catenin signaling. Further immune-characterization showed that MeC showed advantages in antigen presentation, co-stimulatory molecules, effector molecules, immune checkpoints, and immune cell abundance. More importantly, both MSI and microsatellite stable type MeC showed a similar state of high infiltration of immune cells, even better than MSI-nMeC. MeC infiltrated massive highly clonal immune cells, especially intraepithelial CD8+T cells. In the retrospective cohort, there were 30 patients with MeC received ICB achieved complete or partial response with an objective response rate of 63.8%, especially including 16 patients with MSS-CRC. Conclusion: MeC is a pathological subtype with an active immune response and is a promising group for ICB therapy. This heightened immune response was not limited to the patient's microsatellite status.

Olaparib (AZD2281) is used as a first-line maintenance treatment for patients with ovarian cancer (OC) with a breast cancer susceptibility gene (

It is unknown whether acral melanomas (AM) associated with pre-existing nevi have similar risk to other acral melanomas.