ایجاد تکنیکی برای کاشت درون پروستات اسفروئیدهای سرطان پروستات (PCa) و شناسایی تأثیر سازماندهی سه بعدی سلول های PCa بر پیشرفت و متاستاز تومور در یک مدل in vivo بود.

در جمعیت mCRPC که قبلاً از شیمی درمانی medi-care استفاده نکرده بودند، 1L آبیراترون با OS بدتر در مقابل انزالوتامید در کل جمعیت و در میان زیرگروه‌هایی با سن بالاتر و بیماری‌های مرتبط همراه بود، که از یافته‌های مطالعات قبلی در دنیای واقعی حمایت می‌کرد و نشان دهنده نابرابری در نتایج بود.

در بیوپسی‌های تومور متاستاتیک ، آندروژن درمانی دوقطبی تغییرات بیان ژن پیش‌التهابی را ایجاد کرد که محدود به بیمارانی بود که به پاسخ بالینی دست می‌یابند. این داده‌ها نشان می‌دهند که آندروژن درمانی دوقطبی ممکن است پاسخ‌های ایمنی ضد توموری را افزایش دهد که با مسدود کردن ایست بازرسی ایمنی بیشتر تقویت می‌شوند.

این فناوری به عنوان یک روش تشخیص امیدوار کننده در کنار روش‌های تشخیصی دیگر به کار گرفته شود، هر چند در حال حاضر تیم تحقیقاتی به منظور تشخیص سرطان پروستات، سرطان پانکراس، سرطان روده بزرگ و سرطان ریه با آنالیز ادرار در حال تکمیل تحقیقاتشان هستند.

ارائه رویکرد جدید امیدوارکننده برای توسعه واکسن‌های_سرطان_اتولوگ ارائه می‌کند که نسبت به روش‌های معمولی مؤثرتر و آسان‌تر است.

برای بررسی فعالیت ضد توموری ترکیب مهار AKT و دوستاکسل در تومورهای پروستات پروتئین PTEN null و WT

کاهش سلول های T تنظیمی درون توموری وابسته به گیرنده Fc را به عنوان مکانیزم مورد نیاز برای افزایش احتمال بقا با ترکیب SM و anti-CTLA-4 تأیید شد.

تکنولوژی ریزآرایه زمینه تجزیه و تحلیل بیان ژن با توان عملیاتی بالا را امکان پذیر می کند به نحوی که استفاده از داده های ریز آرایه سبب فهم بهتر مکانیسم های مولکولی و معماری ژنتیکی در دهه گذشته شده است. هدف این مطالعه تجزیه و تحلیل مقایسه ایی داده های ریزآرایه دو لاین سلولی سرطان پروستات LNCap و PC-۳ برای شناسایی نشانگرهای زیستی بالقوه سرطان پروستات به شیوه ای سیستماتیک و قدرتمند می باشد. مجموعه داده ریزآرایه GSE۱۳۱۳۱ مشتمل بر ۲ رده سلولی LNCaP و PC-۳ از پایگاه داده بیان ژن GEO انتخاب و با استفاده از ابزار آنلاین GEO۲R آنالیز شدند. تجزیه و تحلیل هستی شناسی ژن (GO) و غنی سازی ژن ها در مسیر KEGG با استفاده از پایگاه داده حاشیه نویسی، تجسم و کشف یکپارچه (DAVID) انجام شد و با استفاده از پلاگین Cytohubba ژن های اصلی دارای تعاملات زیاد (هاب ژن های اصلی) شناسایی شدند و در نهایت ماژول های اصلی اثر گذار مشخص شدند.