79 Arbeiten
Die Onkologie beschäftigt sich mit der Erforschung und Behandlung von Krebs, einer der komplexesten Herausforderungen für die moderne Medizin. In diesem Bereich geht es darum, zu verstehen, wie sich Tumore entwickeln, wie sie den Körper beeinflussen und welche neuen Wege es gibt, um Patienten wirksam zu therapieren. Gist.Science macht die neuesten wissenschaftlichen Erkenntnisse aus diesem Feld für ein breites Publikum zugänglich, ohne dabei auf wichtige Details zu verzichten.
Jede neue Vorveröffentlichung aus medRxiv in dieser Kategorie wird von uns sorgfältig geprüft und aufbereitet. Wir bieten für jeden Artikel sowohl eine verständliche Zusammenfassung in einfacher Sprache als auch eine detaillierte technische Auswertung an, damit Sie sich schnell ein fundiertes Bild machen können. So bleiben Sie stets über den aktuellen Stand der Krebsforschung informiert, unabhängig von Ihrem wissenschaftlichen Hintergrund.
Nachfolgend finden Sie die neuesten Beiträge aus der Onkologie, die wir kürzlich für Sie zusammengefasst haben.
Diese Studie identifiziert das urinhaltige CPG, ein Gallensäure-Glucuronid, das mit dem AhR/CYP-Xenobiotika-Metabolismus verknüpft ist, als einen nicht-invasiven Biomarker, der mit Lungenkrebs bei Nichtrauchern assoziiert ist und in der Lage ist, ein schlechteres Überleben vorherzusagen, unabhängig von etablierten Markern wie Creatin-Ribosid und NANA.
Diese Studie zeigt, dass bei der mit Neurofibromatose Typ 2 assoziierten Schwannomatose der spezifische Ort einer Keimbahn-*NF2*-Variante die klinische Schwere bestimmt und die Art der somatischen Zweit-Hits einschränkt, was einen Kompensationsmechanismus offenbart, bei dem schwere Keimbahnmutationen mit milderen somatischen Varianten assoziiert sind, was die variable Expressivität der Erkrankung teilweise erklärt.
Die Arbeit stellt CNVisor vor, ein statistisches Framework, das eine schnelle, intraoperative genomweite Profilierung von Kopienzahlvariationen bei ZNS-Tumoren mittels Ultra-Low-Coverage-Long-Read-Sequenzierung innerhalb von 20 Minuten ermöglicht und dadurch eine Echtzeit-Genomik-gestützte Tumorklassifikation und -stratifizierung erleichtert.
Diese Studie zeigt, dass die Kombination von Plasma-Citrullin-Spiegeln mit der Fäkal-Elastase-1-Testung die diagnostische Genauigkeit für das duktale Pankreasadenokarzinom bei symptomatischen Patienten signifikant verbessert, wobei ein kombinierter AUC-Wert von 0,96 im Vergleich zu 0,67 für die alleinige Fäkal-Elastase-1-Testung erreicht wird.
Diese Studie zeigt, dass eine erhöhte TRAF6-Expression als unabhängiger prognostischer Biomarker für ein schlechtes Überleben und Radioresistenz bei Gebärmutterhalskrebs dient, während deren Knockdown maligne Phänotypen unterdrückt und die Radiosensitivität erhöht, was darauf hindeutet, dass TRAF6 ein vielversprechendes therapeutisches Ziel darstellt.
Diese Studie zeigt, dass die Liquid Biopsy des Kammerwassers ein umfassendes Multi-Omics-Profiling sowie eine hochgenaue, auf maschinellem Lernen basierende molekulare Stratifizierung des Retinoblastoms ermöglicht und damit eine sichere, nicht-invasive Plattform für die Risikobewertung und Präzisionsdiagnostik in der augenerhaltenden Behandlung etabliert.
Diese Studie nutzt räumliche Multi-Omik, um aufzuzeigen, dass Patienten mit nicht-profitablerlem hepatozellulärem Karzinom, die mit Y90-Radioembolisation und Nivolumab behandelt wurden, eine intrinsisch immundefiziente Tumormikroumgebung aufweisen, die durch LAG-3-assoziierte CD8+-T-Zell-Erschöpfung und immunsuppressive Makrophagen gekennzeichnet ist, was zur Identifizierung einer 72-Gen-Signatur zur Frühprognose einer progressiven Erkrankung führte.
Diese Phase-I-Studie demonstrierte, dass der Exportin-1-Inhibitor Selinexor sicher mit der Standard-Chemoradiation bei neu diagnostiziertem Glioblastom in einer maximal tolerierten Dosis von 60 mg zweimal wöchentlich kombiniert werden kann, wobei vorläufige Wirksamkeitssignale und ein potenzieller Radiosensibilisierungseffekt, belegt durch eine verzögerte Pseudoprogression, gezeigt wurden.
Dieses Papier präsentiert ein sechsstufiges computergestütztes Framework, das veröffentlichte aggregierte Studiendaten nutzt, um eine Risikostratifizierung auf Patientenebene sowie langfristige Toxizitätsprognosen für seltene Krebsarten wie das Ewing-Sarkom zu generieren, wobei der Mangel an individuellen Patientendatensätzen, die für traditionelles maschinelles Lernen erforderlich sind, überwunden wird und gleichzeitig eine hohe Genauigkeit sowie eine signifikant verbesserte prognostische Auflösung erreicht wird.
Diese Studie nutzt ein In-silico-klinisches Testmodell, um zu demonstrieren, dass die Patientenheterogenität die Wirksamkeit der MV-BiTE-Therapie signifikant beeinflusst, was darauf hindeutet, dass Nicht-Responder auf Standardprotokolle von häufigeren, niedrig dosierten Verabreichungen profitieren könnten.