Hiroshima University

FRIDAY, Jan. 23, 2026 -- Brain-derived neurotrophic factor (BDNF) is positively associated with both depressive symptoms and asthma severity in patients with asthma, according to a study published online Nov. 11 in the Journal of Allergy and Clinical Immunology: In Practice . Kazuma Kawamoto, M.D., from the Hiroshima University Graduate School of Biomedical and Health Sciences in Japan, and colleagues sought to identify factors associated with serum BDNF levels and depressive symptoms in 140 patients with asthma. The researchers found that serum BDNF levels were positively associated with the severity of depressive symptoms in patients with asthma. Elevated BDNF levels were associated with increased Hospital Anxiety and Depression Scale (HADS) depression scores and greater asthma severity in a multivariable linear regression analysis. High HADS depression scores were also associated with lower physical activity levels and poor asthma control. "Unlike major depressive disorder , patients with asthma who have depressive symptoms show higher, not lower, serum BDNF levels," coauthor Hiroshi Iwamoto, M.D., Ph.D., also from Hiroshima University, said in a statement. "These results suggest that the biological mechanisms underlying depressive symptoms in asthma may be different from those in major depressive disorder." Several authors disclosed ties to the pharmaceutical industry. Abstract/Full Text

ChemSocRev (Chemical Society Reviews) 是英国皇家化学会出版的一本顶尖期刊，发表高影响力、高权威性和高可读性的综述论文。从 1947 年创办的前身 Quarterly Review of the Chemical Society 算起，ChemSocRev 在这 70 多年里发表了许多影响深远的综述论文，已经成长为化学科学领域最具影响力和认可度的期刊之一，同时在所有科技期刊中也长期稳居各种影响力指标排名的前列。 对蛋白质-配体间相互作用的精确建模是理性药物发现的基石，但这一目标的实现仍存在持续挑战。一方面，分子相互作用十分复杂；另一方面，虽然分子动力学模拟、分子对接和自由能计算等基于物理原理的方法提供了具有理论严谨性的见解，但它们的实际应用常受到计算成本高、大系统扩展性有限以及实际应用中预测准确性存疑等问题的限制。 深度学习 (deep learning, DL) 的最新进展引入了强大的数据驱动范式，在多个维度补充和扩展了基于物理的策略。鉴于此，由北京大学来鲁华教授领衔的团队在 ChemSocRev 发表综述，重点概述这方面的进展，强调对它们进行整合的新兴策略，审视当前挑战，并展望未来方向。欢迎下滑阅读了解更多 ⬇️ Review Article 深度学习时代药物发现—蛋白-配体相互作用建模 Modeling protein–ligand interactions for drug discovery in the era of deep learning  Yuzhe Wang, Yibo Li, Jiaxiao Chen and Luhua Lai*Chem. Soc. Rev., 2025, 54, 11141-11183   请点击文末「阅读原文」链接，或复制以下链接到浏览器中打开原文： https://doi.org/10.1039/D5CS00415B 王宇哲  2022 年本科毕业于北京大学，获得化学和艺术史双学位。现于北京大学来鲁华教授的指导下攻读生命科学博士学位。他的研究方向是开发用于从头设计蛋白质和肽结合剂的计算方法。 李亦博  2018 年获得北京大学医学部药学院药物化学硕士学位，2024 年博士毕业于北京大学前沿交叉学科研究院。现于北京大学化学与分子工程学院来鲁华教授课题组开展博士后研究。他的研究方向是开发用于从头药物设计的生成式人工智能方法。 陈佳晓 2021 年本科毕业于华中科技大学，2025 年博士毕业于北京大学前沿交叉学科研究院。现为北京大学定量生物学中心博士后研究员。她的研究方向主要集中于蛋白质功能预测和表型药物发现。 来鲁华 1989 年博士毕业于北京大学，后留校任教，并于 1992 年晋升为教授。1998 至 1999 年在美国加州大学伯克利分校担任访问学者。现为北京大学化学与分子工程学院和定量生物学中心博雅特聘教授，也是北京大学-清华大学生命科学联合中心和北京大学成都前沿交叉生物技术研究院 PI。担任 Journal of Medicinal Chemistry 和 Quantitative Biology 期刊的副主编、中国化学会物理化学学科委员会主任。 致力于为改善人类健康的新药研发，开展物理化学与生命科学的交叉研究。科研团队设计计算方法和软件，并将它们与实验方法相结合，用于研究相应的生物分子和系统。目前的研究重点是基于结构和人工智能的小分子与蛋白质设计、机制理解以及针对蛋白质变构调节、固有无序蛋白质和蛋白质-蛋白质相互作用的药物设计。    引言 开发一款新型小分子药物平均需要 10–15 年时间，投入资金高达 20–30 亿美元。面对超过 10⁶⁰ 种可能药物分子的巨大化学空间，传统试错式筛选方法显得力不从心。 在这一背景下，理性药物设计应运而生，其核心在于精准理解蛋白-配体相互作用。 小分子配体通过与特定蛋白质靶标结合来调控其功能，这一过程涉及氢键、疏水作用、π-π 堆积等多种物理相互作用的复杂平衡。然而，结合自由能是众多能量贡献的微小差值，任何细微的计算误差都可能导致预测结果严重偏离实际情况。此外，蛋白质和配体的构象灵活性以及结合过程中的「诱导契合 (induced fit)」效应，更增加了精确建模的难度。 尽管挑战重重，计算建模已成为现代药物研发不可或缺的工具。从 20 世纪 70 年代的定量构效关系 (quantitative structure–activity relationship, QSAR) 模型，到 80–90 年代随着 X 射线晶体学和核磁共振技术发展而兴起的分子动力学 (molecular dynamics, MD) 模拟和分子对接 (molecular docking) 等基于结构的方法，计算手段不断演进。 然而，传统方法仍存在明显局限：早期 QSAR 模型描述能力有限，且难以整合蛋白质结构信息；分子对接在处理柔性靶标时准确性不足；而分子动力学模拟虽精度较高，但计算成本巨大，难以应用于大体系。 近年来，深度学习 (deep learning, DL) 技术的迅猛发展正为这一领域带来范式转变。通过 Transformer 等先进神经网络架构，深度学习能够从海量数据中挖掘隐藏规律，为药物发现注入新动力。尤其令人振奋的是，AI 设计的分子在临床试验一期阶段显示出显著更高的成功率。 例如，在该篇综述撰写期间，英矽智能 (Insilico Medicine) 公司报道了首款由 AI 主导研发、用于特发性肺纤维化治疗的 TNIK 小分子抑制剂，其已在 IIa 期临床试验中证明了安全性和初步有效性。这一突破性进展标志着人工智能在药物发现领域的巨大潜力，也亟需对当前进展进行全面审视。 该综述系统梳理了深度学习时代蛋白质-配体相互作用建模的最新发展，重点探讨了以下五大技术维度的创新与融合（见下图），展示了人工智能如何与传统方法互补协同，共同推动药物研发进入新的发展阶段。 深度学习增强的分子动力学模拟 (Section 2) 深度学习通过实现更精确、可扩展的机器学习力场 (Section 2.1) 和加速分子动力学采样 (Section 2.2)，显著推动了该领域的发展。 此外，得益于大量的分子动力学轨迹，那些旨在表征柔性蛋白质-配体相互作用的深度学习模型有了宝贵的训练数据 (Section 2.3)。 深度学习优化的分子对接与虚拟筛选 (Section 3) 通过直接预测结合姿态 (Section 3.1) 和提高基于结合结构的亲和力预测准确性 (Section 3.2)，深度学习可以优化该过程。此外，传统的基于对接的虚拟筛选方案正逐渐被深度学习方法增强或重构 (Section 3.3)。 深度学习驱动的端到端生物分子结构建模 (Section 4)  当蛋白结构尚未获得实验测定时，由实验解析结构数据训练得到的高精度结构预测模型可直接由序列信息推断出蛋白构象，为下游方法（如分子动力学模拟和分子对接）提供可靠起点 (Section 4.1)。近来，蛋白-配体复合物的生成模型已经出现，能够直接对这些复合物进行建模，为药物发现提供了巨大潜力 (Section 4.2)。不只是静态结构，基于深度学习的生成式建模已进展到直接生成生物分子的结构系综 (structural ensemble)，捕捉靶点蛋白的固有灵活性和蛋白-配体相互作用的动态特性，这些都是理性药物设计的关键方面 (Section 4.3)。 基于深度生成模型的结构新药设计 (Section 5) 基于深度学习方法（包括自回归和非自回归模型）可从已知的蛋白-配体复合物中学习相互作用模式，从而可以生成出具有高结合潜力的新化合物，这彻底改变了基于结构的药物设计 (Section 5.1)。特别地，许多此类方法采用基于片段的策略来提高生成分子的有效性和可合成性，促进了下游先导化合物优化工作 (Section 5.2)。另一个新兴方向是整合丰富的药理学和生物物理先验知识来指导生成过程 (Section 5.3)。 新兴的基于序列的蛋白-配体相互作用建模方法 (Section 6)  这些新兴的方法借助了蛋白质语言模型和分子基础模型的最新进展，旨在直接从仅含序列的大规模蛋白质-配体相互作用数据集中学习相互作用模式 (Section 6.2)。特别地，基于序列的结合预测为超大规模虚拟筛选提供了高效策略。此外，从靶点蛋白序列和相互作用网络直接发现候选药物的方法正日益受到关注 (Section 6.3)。 上述五个方面深度互联，引领着蛋白-配体相互作用建模的革命性突破，共同实现着药物研发范式的重塑。    为进一步方便读者，作者们还维护了一个 GitHub 仓库，整理了深度学习蛋白-配体相互作用建模相关的论文、工具和资源： https://github.com/YuzheWangPKU/awesome-protein-ligand-interactions 综述目录 Introduction引言 Deep learning-augmented molecular dynamics 深度学习技术增强的分子动力学模拟 原文 Fig. 2：深度学习与分子动力学 (MD) 模拟的结合  MD simulations with machine learning force fields 使用机器学习力场的分子动力学模拟 Deep learning-accelerated MD sampling 深度学习加速的分子动力学采样 Elucidating MD trajectories with deep learning 利用深度学习解读分子动力学轨迹 Deep learning-enhanced molecular docking and virtual screening深度学习技术强化的分子对接和虚拟筛选 原文 Fig. 3：深度学习与分子对接和虚拟筛选的结合  Deep learning-based binding pose prediction 基于深度学习的结合姿态预测 Deep learning scoring functions and binding affinity prediction 深度学习打分函数与结合强度预测 Deep learning-accelerated virtual screening 深度学习加速的虚拟筛选 End-to-end structural modeling端到端结构建模 原文 Fig. 4：基于深度学习的结构预测方法 – 关键进展  Protein structure prediction and applications in drug discovery 蛋白质结构预测及在药物发现中的应用 Generative modeling of protein–ligand complexes 蛋白-配体复合物的生成式建模 Structural ensemble generation of biomolecules 生物分子的结构系综生成 Structure-based de novo drug design with deep generative models通过深度生成模型开展基于结构的从头药物设计 原文 Fig. 5：基于结构的从头药物设计方法总揽  Autoregressive and non-autoregressive molecule generation 自回归和非自回归分子生成 Fragment-based molecule generation and lead optimization 基于片段的分子生成和先导物优化 Drug design incorporating pharmacological and biophysical priors 结合药理学和生物物理学先验知识的药物设计  Sequence-based methods for drug discovery基于序列的药物发现方法 原文 Fig. 6：基于序列的药物发现方法总揽  Representation learning of protein sequences and molecules 蛋白质序列和分子的表示学习 Sequence-based binding prediction 基于序列的结合预测 Sequence and network-based drug discovery 基于序列和网络的药物发现 Conclusion and outlook结论与展望 期刊介绍 The home of high impact reviews from across the chemical sciences rsc.li/chem-soc-rev Chem. Soc. Rev. 2-年影响因子*39.0分 5-年影响因子*50.1分 JCR 分区*Q1  化学-多学科 CiteScore 分†73.2分 中位一审周期‡26  天 Chem Soc Rev (Chemical Society Reviews) 是全球领先的综述类期刊，所发表的高影响力、高易读性的综述论文代表了化学科学的最前沿，体现了最高的质量和强大的国际影响力。本刊特别鼓励论文作者之间的跨国和跨学科合作。 Chair Duncan Graham🇬🇧 思克莱德大学 Associate editors Louise Berben🇺🇸 加州大学戴维斯分校 Vy Dong🇺🇸 加州大学尔湾分校 Rebecca Goss🇬🇧 圣安德鲁斯大学 Xian-He Bu (卜显和)🇨🇳 南开大学 Editorial board members Giulia Grancini🇮🇹 帕维亚大学 Osamu Ishitani🇯🇵 广岛大学 Tatjana Parac-Vogt🇧🇪 鲁汶大学 Raghavan B. Sunoj🇮🇳 印度理工学院孟买校区 * 2024 Journal Citation Reports (Clarivate, 2025) † CiteScore 2024 by Elsevier ‡ 中位数，仅统计进入同行评审阶段的稿件 欢迎联系我们发布论文报道📧 RSCChina@rsc.org 点击下方「阅读原文」查看论文全文 ↓↓↓

11月，2025年美国肝病研究学会年会（AASLD）在华盛顿成功召开，在此为大家总结了有关HBV RNA的最新研究成果，主要是HBV RNA 区分 HBeAg（-）慢乙肝的部分治愈与无症状携带者、HBV RNA与慢乙肝患者NAs治疗抗病毒应答的关联、HBV RNA在经干扰素治疗后对HBeAg清除的预测作用、HBV RNA 与 HCC 患者的肿瘤发生和复发相关、治疗结束点HBV RNA 预测慢乙肝停用NAs药物后的 8 年结局、HBV RNA联合PreS1 预测接受ETV治疗的慢乙肝患者的肝癌风险、免疫诱导抑制剂下控制 HBV RNA对于改善 HCC 患者预后的作用等，这些崭新的研究成果为开发、研究HBV治疗策略注入了新鲜的血液。 01 HBV RNA and quantitative HBsAg differentiate partial cure from inactive carriers with HBsAg negative chronic hepatitis B [HBV RNA 和定量 HBsAg 区分 HBeAg 阴性慢性乙型肝炎的部分治愈与无症状携带者] 单位：美国国立卫生研究院，雅培实验室 内容摘要背景与目的： 功能性治愈（乙肝表面抗原 (HBsAg) 消失和 HBV DNA 阴性）是慢性乙型肝炎 (CHB) 的主要治疗终点。HBsAg 可以同时来源于 cccDNA 和整合的 HBV DNA (iDNA)。因此，可能存在由于来自整合 HBV DNA 的 HBsAg 而未能实现功能性治愈的个体，即部分治愈 (PC)。我们假设 HBV RNA（一种 cccDNA 活性的标志物）可用于识别此类受试者。本研究旨在检查 HBeAg（-）CHB不同阶段受试者的病毒学特征，以区分 PC 患者与无症状携带者 (IC) 以及那些不同的灰区患者。 方法： 将未治疗的HBeAg阴性慢性乙型肝炎受试者根据采集血清时的HBV DNA和ALT水平分为7组：HBsAg消失组、部分治愈组（PC）（HBV DNA <10 IU/mL且ALT正常）、不活跃携带者组（IC）（HBV DNA <2000 IU/mL且ALT正常）、灰色区1（GZ1）（HBV DNA <2000 IU/mL且ALT升高）、灰色区2（GZ2）（HBV DNA >2000 IU/mL且ALT正常）、灰色区3（GZ3）（HBV DNA >2000 IU/mL且ALT >ULN且<2×ULN）、免疫活跃组（IA）（HBV DNA >2000 且 ALT >2×ULN）。将储存的血清检测qHBsAg、HBsAg亚型（大、中、小）、HBV RNA，以及磷酸化和非磷酸化HBcAg。多因素逻辑回归分析识别HBV RNA阴性的预测因素。 结果： 测试了 180 份样本：30 例 HBsAg 消失，30 例 PC，30 例 IC，20 例 GZ1，20 例 GZ2，20 例 GZ3，和 30 例 IA。HBV RNA 检测阴性的比例在 HBsAg 消失组为 73%，PC 组为 43%，IC 组为 17%，GZ1 组为 5%，GZ2 组为 0%，GZ3 组为 10%，IA 组为0%。qHBsAg 水平 <100 IU/mL 的比例在 HBsAg 消失组为 97%，PC 组为 43%，IC 组为 30%，GZ1 组为 15%，GZ2 组为 5%，GZ3 组为 15%，IA 组为 0%。HBV RNA 阴性且 qHBsAg<100 的病毒学特征在 PC 组中观察到 33%，IC 组 10%，GZ1 组 5%，GZ3 组 5%，而 HBsAg 消失组为 73%，这可以将 PC 组与 IA 和 GZ1 区分开来。 02 Association of baseline serum HBV RNA and antiviral response in chronic hepatitis B patients with nucleos(t)ide analogue treatment  [基线血清 HBV RNA 与慢性乙型肝炎患者核苷（酸）类似物治疗抗病毒应答的关联] 单位：南京大学医学院附属鼓楼医院 内容摘要 背景与目的： 乙型肝炎病毒 (HBV) RNA 是一种新的血清学标志物，可以反映肝内 HBV 共价闭合环状 DNA (cccDNA) 的转录活性。我们研究了慢性乙型肝炎 (CHB) 患者血清 HBV RNA 水平与抗病毒应答之间的关联。 方法： 共纳入 685 例接受核苷（酸）类似物 (NAs) 治疗的 CHB 患者。对样本中的 HBV RNA进行定量（LOD= 10 拷贝/mL）。生化应答 (BR)、病毒学应答 (VR) 和血清学应答 (SR) 分别定义为 ALT 正常 (<40 U/L) 、HBV DNA 水平低于检测下限 (<20 IU/mL) 和 HBeAg 清除（针对 HBeAg 阳性患者）。 结果： 基线时，患者中位年龄为 41.0 岁，其中 52.7% 为 HBeAg 阳性。ALT、HBV RNA、HBV DNA 和 HBsAg 的中位水平分别为 68.2 U/L、4.7 Log10 拷贝/mL、6.2 Log10 IU/mL 和 3.6 Log10 IU/mL。HBeAg 阳性患者的 HBV RNA 中位水平（6.3 Log10 拷贝/mL vs. 2.4 Log10 拷贝/mL, P<0.001）高于 HBeAg 阴性患者。血清 HBV RNA 水平与血清 HBV DNA (r=0.82, P<0.001) 和 HBsAg 水平 (r=0.69, P<0.001) 呈正相关。NAs 治疗 48 周后，分别有 73.9%、72.5% 和 9.4% 的患者达到 BR、VR 和 SR。基线 HBV RNA <5 Log10 拷贝/mL 的患者其 VR (92.0% vs. 50.0%, P<0.001) 和 SR (20.0% vs. 6.6%, P<0.001) 率显著高于基线 HBV RNA ≥5 Log10 拷贝/mL 的患者。然而，不同 HBV RNA 水平患者的 BR 率 (75.4% vs. 72.7%, P=0.505) 相当。在调整了年龄、性别、ALT 水平和 HBeAg 状态后，基线 HBV RNA <5 Log10 拷贝/mL 与更高的VR率 相关 (OR 4.0, 95% CI: 2.3-6.9, P<0.001)；也与更高的 SR率相关 (OR 4.4, 95% CI: 2.0-9.6, P<0.001)。 结论： 基线 HBV RNA <5 Log10 拷贝/mL 与接受 NAs 治疗的 CHB 患者较高的 VR 和 SR 率相关。血清 HBV RNA 可能作为预测接受 NA 治疗的 CHB 患者治疗反应的一个有前景的标志物。 03 Assessment of traditional and novel virologic markers as predictors of functional cure and HBsAg loss with pegylated interferon in chronic hepatitis B: a systematic review and meta-analysis  [评估传统和新型病毒学标志物作为聚乙二醇干扰素治疗慢性乙型肝炎功能性治愈和 HBeAg 清除预测因子的系统评价和荟萃分析] 单位：福建医科大学附属第一医院 内容摘要背景与目的： 聚乙二醇干扰素 (PEG IFN) 治疗慢性乙型肝炎后，功能性治愈（HBsAg 消失）率仍然不令人满意。为指导 PEG-IFN 治疗，本研究评估了病毒学标志物在识别具有较高功能性治愈和/或乙肝 e 抗原 (HBeAg) 清除或血清转换可能性的患者中的作用。 方法： 系统检索了截至 2023 年 11 月的 PubMed、Embase、Cochrane Library 和 Web of Science，以确定关于预测 PEG-IFN 治疗后功能性治愈和 HBeAg 消失的病毒学标志物的研究。使用汇总受试者工作特征曲线 (SROC) 评估预测有效性。 结果： 我们分析了 38 项研究（8,289 名患者）。第 24 周 HBsAg 下降对于预测功能性治愈具有最高的受试者工作特征曲线下面积 (AUROC) (0.89) 和敏感性 (0.88)，而基线 HBsAg 具有相当的 AUROC (0.86) 和最高的特异性 (0.79)，两者均显著优于基线乙肝核心相关抗原（HBcrAg）和乙型肝炎病毒 (HBV) RNA（所有 P<0.001）。对于 HBeAg 消失或血清转换，第 12 周的 HBV DNA、HBV RNA、HBeAg 和 HBeAg 下降，以及第 24 周的 HBV DNA 和 HBeAg 下降，均表现出相当的预测价值 (AUROC=0.75–0.78)。第 24 周的 HBV RNA 和 HBeAg 显示出最佳敏感性 (0.87)，而第 12 周的 HBeAg 下降具有最高特异性 (0.83)。 结论： 第 24 周 HBsAg 下降和基线 HBsAg 水平是比新型病毒学标志物更好的功能性治愈预测因子，而治疗中的 HBV RNA 和 HBeAg 水平及动态变化是预测HBeAg清除最可靠的指标。 04 Significance of HBV RNA in patients with hepatitis B hepatocellular carcinoma  [HBV RNA 在乙型肝炎肝细胞癌患者中的意义] 单位：北京大学第一医院 内容摘要 背景与目的： 根据中国专家共识，血清乙型肝炎病毒 (HBV) RNA 水平可以反映肝内 cccDNA 转录活性，并与患者的病毒学应答和预后相关。HBV RNA 被推荐用于临床检测。然而，HBV RNA 在 HBV 相关肝细胞癌 (HCC) 患者中的意义尚不清楚。在这项研究中，我们调查了 HBV RNA 水平在 HBV 相关 HCC 患者肿瘤发展和复发中的意义。 方法： 回顾性纳入 2020 年 6 月至 2023 年 4 月在北京佑安医院 接受肝切除术的 HBV 相关 HCC 患者。血清中检测到 HBV RNA 定义为阳性。将患者分为 HBV RNA 阳性和阴性组。收集患者的性别、年龄、抗病毒治疗、术前血清学和病毒学标志物以及肿瘤特征。观察终点是肝细胞癌患者肝切除术后 2 年复发。使用 Kaplan-Meier 曲线分析 HBV RNA 与复发的关系。 结果： 该研究纳入了 80 例 HBV 相关 HCC 患者。平均年龄为 55.8 岁，38.7% 的患者为 HBV RNA 阳性。在 HBV RNA 阳性患者中，24 个月时的复发率为 42.3%，中位无复发生存 (RFS) 时间为 9 个月。在 HBV RNA 阴性患者中，24 个月时的复发率为 42.1%，中位 RFS 时间为 12 个月。25.0% 的 HBV 阳性患者有多发肿瘤，多于 HBV 阴性患者。  结论： HBV 相关 HCC 患者中 HBV RNA 阳性者易发生多发肿瘤且复发更快。有微血管侵犯和低分化肿瘤的患者具有更高的 HBV RNA 水平。HBV RNA 监测在某种程度上与 HCC 患者的肿瘤发生和复发相关。 05 End-of-therapy HBsAg, HBcrAg, and HBV RNA predict 8-year outcomes after nucleos (t)ide analogue cessation in chronic hepatitis B [治疗结束时HBsAg、HBcrAg 和 HBV RNA 预测慢性乙型肝炎停用核苷（酸）类似物后 8 年结局] 单位：国立台湾大学医院 内容摘要背景与目的： 核苷（酸）类似物 (NA) 是治疗乙型肝炎病毒 (HBV) 感染的基石。有限疗程的 NA 疗法已被提出以促进乙肝表面抗原 (HBsAg) 清除；然而，病毒学复发 (VR, HBV DNA > 2000 IU/ mL) 和临床复发 (CR, VR发生 且 ALT > 2 倍正常值上限) 很常见。定量 HBsAg、乙肝核心相关抗原 (HBcrAg) 和 HBV RNA 在预测 NA 停药后结局中的作用尚未确定。 方法： 前瞻性纳入在一家三级医疗中心停用 NA 疗法的非肝硬化慢性乙型肝炎 (CHB) 患者。收集治疗结束 (EOT) 时的血清以量化 HBsAg、HBcrAg 和 HBV RNA。在治疗停止后的第 1、3 个月及之后每 3 个月对患者进行前瞻性监测。对 HBsAg、HBcrAg 和 HBV RNA 水平进行对数转换或分类，用于单变量和多变量分析，以预测 VR、CR 和 HBsAg 血清清除。 结果： 总共纳入了 260 名患者（39.6% 初始为 HBeAg 阳性），其中 194 名 (74.6%) 符合亚太肝脏研究协会 (APASL) 的 NA 停药指南。在 NA 停药前，156 名 (60.0%) 患者接受了恩替卡韦治疗，81 名 (31.1%) 患者接受了基于替诺福韦的治疗，其余患者接受了其他 NAs 或联合治疗。中位治疗和随访时间分别为 37 个月和 7.9 年。在 EOT 时，HBV RNA 水平<5 copies/mL, 5–10 copies/mL, 以及≥10 copies/mL的患者比例分别为39.2%，25.0%，和35.8%。在随访结束时，分别有229 (88.1%) 和 148 (56.9%) 的患者发生了VR 和CR,。多元逻辑回归显示，HBV RNA (aHR: 1.69, 95% CI: 1.46-1.95, P < 0.0001) 显著预测了VR； 同样也能显著预测CR (aHR: 1.34, 95% CI: 1.14-1.57, P = 0.0003) 。此外，EOT HBV RNA ≥ 10 copies/mL 比 HBV RNA ≤ 10 copies/mL 带来更高的 VR (2.16 倍) 和 CR (1.57 倍) 风险。EOT HBV RNA 阳性（≥ 5 或 < 5 copies/mL）可对 HBsAg 血清清除的风险进行分层。在符合 APASL 标准的患者中，EOT HBV RNA 仍然可以预测 VR 和 CR。 结论： 无论HBeAg的状态如何，EOT HBV RNA 、HBsAg、HBcrAg 均能预测随后的复发。EOT 时较低的 HBsAg 水平是后续 HBsAg 血清清除的最强预测因子。 06 Combined assessment of pres1 and HBV RNA for predicting hepatocellular carcinoma in chronic hepatitis B patients receiving entecavir therapy [联合评估PreS1 和 HBV RNA 用于预测接受恩替卡韦治疗的慢性乙型肝炎患者的肝细胞癌风险] 单位：广岛大学 内容摘要 背景与目的： 预测慢性乙型肝炎 (CHB) 患者的肝细胞癌 (HCC) 风险对于确定适当的治疗策略非常重要。PreS1 参与病毒的感染性和复制，而 HBV RNA 反映病毒的转录活性。然而，这些标志物之间的关系及其各自对 HCC 风险的影响仍不清楚。本研究旨在评估 PreS1 和 HBV RNA 水平在预测恩替卡韦 (ETV) 治疗后 HCC 风险的临床效用。 方法： 共纳入 87 名开始 ETV 治疗的初治 CHB 患者（中位年龄：49 岁；中位观察期：8.7 年）。使用 PreS1 特异性抗体通过 ELISA 定量血清 PreS1 抗原水平，并对HBV RNA 水平进行定量。 结果： 基线 PreS1 和 HBV RNA 水平之间存在显著相关性 (r = 0.610, P < 0.001)。然而，在 ETV 开始后这些标志物的降低之间没有发现相关性。在 1 年时，PreS1 或 HBV RNA 水平较低的患者与水平较高的患者相比，表现出显著更高的 HBV DNA 抑制率（分别为 P = 0.001 和 P < 0.001）。值得注意的是，同时具有低 PreS1 和低 HBV RNA 水平的组实现 HBV DNA 抑制最快。根据基线 PreS1 和 HBV RNA 水平，将患者分为四组。低 PreS1 和高 HBV RNA 组显示最高的 HCC 发生率，其次是高 PreS1 和低 HBV RNA 组。 结论： 联合评估 PreS1 和 HBV RNA 水平可以更准确地对 CHB 患者的抗病毒应答和 HCC 风险进行分层。特别是，具有低 PreS1 和高 HBV RNA 水平的患者发生 HCC 的风险最高，可能需要加强监测和早期治疗干预。 07 Immune checkpoint inhibitor-induced rapid decline in HBV markers improves the prognosis of HBV-related hepatocellular carcinoma patients  [免疫检查点抑制剂诱导的HBV标志物快速下降改善HBV相关肝细胞癌患者的预后] 单位: 南方医科大学南方医院 内容摘要 背景与目的： 关于免疫检查点抑制剂 (ICIs) 在 HBV 相关肝细胞癌 (HCC) 患者中的抗病毒疗效研究有限。我们旨在确定 ICIs 在 HBV 相关 HCC 患者中的抗病毒效果，并研究 HBV 标志物下降与 HCC 预后的相关性。 方法： 对 318 例 HBV 相关 HCC 患者进行了一项回顾性队列研究，包括 268 例接受 ICIs（联合或不联合靶向治疗；ICI 组）和 50 例仅接受靶向治疗（非 ICI 组）的患者。在随访期间，测量了qHBsAg、HBV DNA、HBV RNA 和 HBcrAg 的水平。根据 RECIST 1.1 评估肿瘤反应。 结果： ICI 组患者的 qHBsAg、HBV DNA、HBV RNA 和 HBcrAg 水平下降幅度大于非 ICI 组（图 1）。在第 96 周，接受 ICIs 的患者与仅接受靶向治疗的患者相比，表现出显著更高的 HBsAg 消失或下降 ≥0.5 Log10 IU/mL（41.6% vs. 14.9%；HR: 5.74, 95% CI: 1.40-23.60, p = 0.006）、HBV RNA 转阴或下降 ≥0.5 Log10 拷贝/mL（94.1% vs. 100%；HR: 1.80, 95% CI: 1.08–2.99, p = 0.021）和 HBcrAg 转阴或下降 ≥1 Log10 U/mL（46.3% vs. 18.1%；HR: 4.29, 95% CI: 1.34–13.72, p = 0.007）。此外，实现 HBsAg 消失或下降 ≥0.5 Log10、HBV DNA 转阴、或 HBV RNA 转阴或下降 ≥0.5 Log10 患者的改善总生存期（OS）显著优于未达到者（HBsAg: 77.8% vs. 61.9%, p = 0.046; HBV DNA: 78.2% vs. 26.7%, p < 0.001; HBV RNA: 70.3% vs. 46.0%, p = 0.001）。 结论： ICIs 可能作为管理或消除 HBV 感染的有效策略。有效抑制 HBV 标志物对于改善 HCC 患者的预后至关重要。 往期回顾 前沿速递 | 10月病原体RNA研究新进展 前沿速递 | 9月病原体RNA研究新进展 前沿速递 | 8月病原体RNA研究新进展 前沿速递 | 7月病原体RNA研究新进展 前沿速递 | 6月病原体RNA研究新进展 免责声明：本篇文章使用的图片等素材均源于互联网，我们尊重所有原创作者的权益权利，如果存在侵权，请及时联系我们删除。 关于仁度 上海仁度生物科技股份有限公司（股票代码：688193）成立于2007年，是国内最早一批专注于RNA分子诊断技术和产品的生命科学企业之一，致力于开发临床需求尚未满足的创新诊断技术和产品。公司拥有RNA实时荧光恒温扩增（SAT）的独家专利技术平台，以该技术平台为基础自主研发了一系列分子诊断试剂和设备一体化产品，专注于为生殖、呼吸、消化、血液、食品、环境安全等领域病原体的精准诊断、有效防控和个性化诊疗提供解决方案。 仁爱生命 度衡健康 专注病原体RNA临床检测