De wereld van kankerbiologie onderzoekt hoe gezonde cellen veranderen in kwaadaardige tumoren en welke moleculaire mechanismen hieraan ten grondslag liggen. Dit veld gaat verder dan alleen het bestuderen van ziekteprocessen; het probeert te begrijpen waarom behandelingen soms falen en hoe nieuwe therapieën specifiek op de ziekte kunnen inwerken. Het is een dynamisch gebied waar fundamenteel onderzoek direct kan leiden tot doorbraken in de medische praktijk.

Op Gist.Science verzamelen we de allernieuwste inzichten uit deze discipline, direct afkomstig van bioRxiv. Wij verwerken elk nieuw preprint dat in deze categorie wordt gepubliceerd en maken het onderzoek toegankelijk voor iedereen. Voor elke studie bieden we zowel een begrijpelijke samenvatting in gewone taal als een gedetailleerde technische analyse, zodat zowel leek als expert snel de kern van de ontdekkingen kan vatten. Hieronder vindt u de meest recente publicaties binnen kankerbiologie.

A Comparison of Mechanisms Driving Lesion Outcomes during Lung Tumor and Tuberculosis Granuloma Formation

Deze studie introduceert TumorSim, een agent-gebaseerd model dat de ruimtelijke en temporele dynamiek van kleine longkanker (SCLC) simuleert en vergelijkt met tuberculose-granulomen, waardoor nieuwe inzichten worden verkregen in de twee-fasen vorming van laesies en de complexe rol van chemokines zoals CCL5 bij de immuunrespons.

Michael, C. T., Budak, M., Kirschner, D.2026-02-27📄 cancer biology

Leukemia stem cell expansion cultures reveal clonal drivers of leukemogenesis and therapy response

Deze studie introduceert een schaalbaar kweeksysteem voor leukemie-stamcellen dat het mogelijk maakt om clonale drijvers van ziekteontwikkeling en therapieresistentie te identificeren, waardoor nieuwe therapeutische doelen voor acute myeloïde leukemie worden onthuld.

Singh, I., Polazzi, A., Maya Pombo, A., Lopez Osias, M., Bauer, C., Guarini, M., Sanchez-Sanchez, P., Goulet, L., Gallardo, C., Fernandez-Perez, D., Bowman, R. L., Rodriguez-Fraticelli, A. E.2026-02-25📄 cancer biology

Domain-adaptation deep learning models do not outperform simple baseline models in single-cell anti-cancer drug sensitivity prediction

Deze studie toont aan dat complexe deep learning-modellen voor domeinadaptatie geen betere prestaties leveren dan eenvoudige baseline-modellen bij het voorspellen van de gevoeligheid van kankercellen voor medicijnen op enkel-cel-niveau, omdat de verbeteringen voornamelijk worden gedreven door hyperparameter-tuning en supervisie met labels in de doelgroep in plaats van de adaptatiestrategie zelf.

Esteban-Medina, M., Bohl, M., Beerenwinkel, N., Lenhof, K.2026-02-25📄 cancer biology

Mega-frequency mutagenesis: generation of non-random precise mutations with extremely high frequency upon adaptation of cancer cells to drugs and stress

Dit onderzoek toont aan dat kankercellen tijdens de aanpassing aan medicijnen en stress een mechanisme activeren dat niet-willekeurige, precieze mutaties met een extreem hoge frequentie genereert, voornamelijk in niet-delende cellen en geconcentreerd rond bindingsmotieven van specifieke transcriptiefactoren.

Oleynik, V., Edathil Kadangodan, A., Gahramanov, V., Das, S. R., Levi, B., Yaglom, J., Anoshkin, K., Kumar, S., Steinberg, B. G., Reizel, Y., Polonsky, P., Koman, I., Levitt, V., Pinhasov, A., Marusyk (…)2026-02-23📄 cancer biology

eIF4E and Ezrin cooperate in pseudopods to drive a localized migratory translation program in acute myeloid leukemia

Deze studie toont aan dat eIF4E en Ezrin in acute myeloïde leukemie-cellen fysiek samenwerken in pseudopoden om een lokaal vertaalprogramma te activeren dat de migratie en ziekteprogressie aandrijft.

Kraljacic, B., Martinez, L. M., Retiz, A., Perron, S., Shi, N., Embree, C. M., Yip, W., Trujillo-Alonso, V., Chu Carty, M., Lassman, E., Alilovic, K., Carreno, S., Roboz, G. J., Guzman, M. L., Borden (…)2026-02-23📄 cancer biology

Functional and sensitivity profiling of theKITMutation Landscape in Melanoma

Deze studie onthult dat KIT-mutaties in melanoom bij Aziatische patiënten heterogeen zijn en dat een genotype-gestuurde aanpak nodig is, waarbij specifieke mutaties zoals N822K resistent zijn voor imatinib maar gevoelig voor bredere KIT-remmers, wat de basis legt voor gepersonaliseerde therapieën.

Yeung, S. F., Chan, M. S. M., Law, C. T. Y., Law, A. C. H., Lee, C., Leung, A. M. F., Chau, M. P. K., Chan, H. H. Y., Chen, J. X., Ko, B. C. B., Chan, K. K. L., Cho, W. C., Tsui, S. K. W.2026-02-20📄 cancer biology