Medulloblastomas are heterogeneous and include relatively good-prognosis tumors characterized by Wnt pathway activation, as well as those that cannot be successfully treated with conventional therapy. Developing a practical therapeutic stratification that allows accurate identification of disease risk offers the potential to individualize adjuvant therapy and to minimize long-term adverse effects in a subgroup of survivors.Using formalin-fixed paraffin-embedded (FFPE) tissue for immunohistochemistry, fluorescent in situ hybridization, and direct sequencing to identify tumors with a Wnt pathway signature and those harboring copy number abnormalities (CNAs) of potential prognostic significance (MYC/MYCN amplification, CNAs of chromosome 6 and 17), we evaluated clinical, pathologic, and molecular outcome indicators and stratification models in a cohort (n = 207) of patients with medulloblastoma 3 to 16 years of age from the International Society of Pediatric Oncology CNS9102 (PNET3) trial.Metastatic disease and large-cell/anaplastic (LC/A) phenotype were the clinicopathologic variables associated with poor progression-free survival (PFS). Nuclear immunoreactivity for β-catenin, CTNNB1 mutation, and monosomy 6 all identified a group of good-prognosis patients. MYC amplification was associated with poor outcome, but other CNAs were not. Low-risk medulloblastomas were defined as β-catenin nucleopositive tumors without metastasis at presentation, LC/A phenotype, or MYC amplification. High-risk medulloblastomas were defined as tumors with metastatic disease, LC/A phenotype, or MYC amplification. Low-risk, standard-risk, and high-risk categories of medulloblastoma had significantly (P < .0001) different outcomes.Integrating assays of molecular biomarkers undertaken on routinely collected diagnostic FFPE tissue into stratification schemes for medulloblastoma alongside clinical and pathologic outcome indicators can refine current definition of disease risk and guide adjuvant therapy.

The potential of preoperative CT in the assessment of myeloid immune response and its application in predicting prognosis and immune-checkpoint therapy outcomes in hepatocellular carcinoma (HCC) has not been explored.

Observational studies have established an association between serum uric acid and cardiovascular disease (CVD). However, these studies are susceptible to uncontrolled confounders and reverse causality bias. To overcome these challenges, we employed a two-sample Mendelian randomization (MR) approach to investigate the causal link between serum uric acid and CVD. We utilized Genome-wide association study (GWAS) data for serum uric acid and six CVD: coronary artery disease (CAD), hypertension, myocardial infarction (MI), heart failure (HF), angina, and coronary heart disease (CHD). MR analyses employed inverse variance weighting (IVW), MR-Egger, weighted median, and weighted model. Sensitivity analyses were conducted to assess result reliability, including Cochrane's Q test, MR-Egger intercept, MR-PRESSO, and the leave-one-out approach. IVW analysis revealed that a genetic predisposition to elevated serum uric acid levels significantly increases the risk of CVD, with higher odds ratios (ORs) observed for CAD (OR: 1.227; 95 % CI: 1.107–1.360, P = 0.0002), hypertension (OR: 1.318, 95 %CI: 1.184–1.466, P = 2.13E-06), MI (OR: 1.184, 95 %CI: 1.108–1.266, P = 2.13E-06), HF (OR: 1.158, 95 %CI: 1.066–1.258, P = 2.13E-06), angina (OR: 1.150, 95 %CI: 1.074–1.231, P = 0.0002) and CHD (OR: 1.170, 95 %CI: 1.072–1.276, P = 0.0005). Sensitivity analysis research results have robustness. This MR study robustly demonstrates a significant causal relationship between genetically elevated serum uric acid and various cardiovascular diseases, suggesting that higher levels may enhance the risk of cardiovascular events. Consequently, patients with elevated uric acid levels warrant early and aggressive interventions to mitigate cardiovascular risks.

Background Atrial fibrillation (AF) is a common persistent arrhythmia characterized by rapid and chaotic atrial electrical activity, potentially leading to severe complications such as thromboembolism, heart failure, and stroke, significantly affecting patient quality of life and safety. As the global population ages, the prevalence of AF is on the rise, placing considerable strains on individuals and healthcare systems. This study utilizes bioinformatics and Mendelian Randomization (MR) to analyze transcriptome data and genome-wide association study (GWAS) summary statistics, aiming to identify biomarkers causally associated with AF and explore their potential pathogenic pathways. Methods We obtained AF microarray datasets GSE41177 and GSE79768 from the Gene Expression Omnibus (GEO) database, merged them, and corrected for batch effects to pinpoint differentially expressed genes (DEGs). We gathered exposure data from expression quantitative trait loci (eQTL) and outcome data from AF GWAS through the IEU Open GWAS database. We employed inverse variance weighting (IVW), MR-Egger, weighted median, and weighted model approaches for MR analysis to assess exposure-outcome causality. IVW was the primary method, supplemented by other techniques. The robustness of our results was evaluated using Cochran's Q test, MR-Egger intercept, MR-PRESSO, and leave-one-out sensitivity analysis. A “Veen” diagram visualized the overlap of DEGs with significant eQTL genes from MR analysis, referred to as common genes (CGs). Additional analyses, including Gene Ontology (GO) enrichment, Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways, and immune cell infiltration studies, were conducted on these intersecting genes to reveal their roles in AF pathogenesis. Results The combined dataset revealed 355 differentially expressed genes (DEGs), with 228 showing significant upregulation and 127 downregulated. Mendelian randomization (MR) analysis identified that the autocrine motility factor receptor (AMFR) [IVW: OR = 0.977; 95% CI, 0.956–0.998; P = 0.030], leucine aminopeptidase 3 (LAP3) [IVW: OR = 0.967; 95% CI, 0.934–0.997; P = 0.048], Rab acceptor 1 (RABAC1) [IVW: OR = 0.928; 95% CI, 0.875–0.985; P = 0.015], and tryptase beta 2 (TPSB2) [IVW: OR = 0.971; 95% CI, 0.943–0.999; P = 0.049] are associated with a reduced risk of atrial fibrillation (AF). Conversely, GTPase-activating SH3 domain-binding protein 2 (G3BP2) [IVW: OR = 1.030; 95% CI, 1.004–1.056; P = 0.024], integrin subunit beta 2 (ITGB2) [IVW: OR = 1.050; 95% CI, 1.017–1.084; P = 0.003], glutaminyl-peptide cyclotransferase (QPCT) [IVW: OR = 1.080; 95% CI, 1.010–0.997; P = 1.154], and tripartite motif containing 22 (TRIM22) [IVW: OR = 1.048; 95% CI, 1.003–1.095; P = 0.035] are positively associated with AF risk. Sensitivity analyses indicated a lack of heterogeneity or horizontal pleiotropy ( P &gt; 0.05), and leave-one-out analysis did not reveal any single nucleotide polymorphisms (SNPs) impacting the MR results significantly. GO and KEGG analyses showed that CG is involved in processes such as protein polyubiquitination, neutrophil degranulation, specific and tertiary granule formation, protein-macromolecule adaptor activity, molecular adaptor activity, and the SREBP signaling pathway, all significantly enriched. The analysis of immune cell infiltration demonstrated associations of CG with various immune cells, including plasma cells, CD8T cells, resting memory CD4T cells, regulatory T cells (Tregs), gamma delta T cells, activated NK cells, activated mast cells, and neutrophils. Conclusion By integrating bioinformatics and MR approaches, genes such as AMFR, G3BP2, ITGB2, LAP3, QPCT, RABAC1, TPSB2, and TRIM22 are identified as causally linked to AF, enhancing our understanding of its molecular foundations. This strategy may facilitate the development of more precise biomarkers and therapeutic targets for AF diagnosis and treatment.

Abstract The aim of the study was to analyze the change trend of serum ALP over time and identify factors influencing its levels in peritoneal dialysis patients. Then to investigate the impact of serum ALP changes on calcium and phosphorus metabolism in single peritoneal dialysis center utilizing repeated measurement data. A retrospective cohort study was conducted with a total follow-up duration of 30 months. Serum ALP and other biomarkers, including calcium (Ca), phosphorus (P), 25(OH)D, intact parathyroid hormone (iPTH), albumin(ALB), and hemoglobin(Hb) were measured every 3 months. The generalized estimation equation (GEE) was utilized to analyze the change trend of serum ALP over time, and to assess whether there were differences in changes over time between different genders and different primary disease groups. Additionally, factors influencing serum ALP levels were analyzed, and the impact of serum ALP changes on calcium and phosphorus metabolism was also explored. A total of 34 patients were included in the study. Serum ALP and other indicators were measured repeatedly, with a maximum of 8 times and a minimum of 4 times. The median of serum ALP values at all measurement times for all selected patients was 89 U/L. The GEE analysis revealed that serum ALP gradually increased with time, and patients in diabetes group increased faster than those in non-diabetes group. A positive correlation was observed between serum ALP and dialysis duration, also between serum ALP and hemoglobin. However, variations in serum ALP did not significantly affect serum corrected calcium, phosphorus, or iPTH concentrations. The serum ALP levels of peritoneal dialysis patients increase gradually over time, and the concentrations are influenced by dialysis duration. The changes in serum ALP values do not have a significant impact on serum calcium, phosphorus, and iPTH levels.