目的以课题组纯化获得的蛋白样本为观察对象,对比原子力显微镜(atomic force microscope,AFM)及扫描电子显微镜(scanning electron microscope,SEM)的观察结果,并总结AFM观察生物大分子的主要问题和解决方法。方法将蛋白样本使用PBS稀释...目的以课题组纯化获得的蛋白样本为观察对象,对比原子力显微镜(atomic force microscope,AFM)及扫描电子显微镜(scanning electron microscope,SEM)的观察结果,并总结AFM观察生物大分子的主要问题和解决方法。方法将蛋白样本使用PBS稀释至15 nmol·L^(-1),分别固定于载玻片、硅片和云母片上烘干,制成固相观察样本,SEM样本在观察前镀铂,使用AFM及SEM观察蛋白质表面结构,计算样本高度,对比结果差异。结果带正电的蛋白样本在观察时由于AFM探针的斥力会向右偏移;云母片能很好地消除蛋白正电荷从而避免样本移动;PBS能为蛋白样本提供良好的稳定环境,但PBS盐结晶会干扰探针运行和成像清晰度;SEM样本需要镀铂后观察,无法达到AFM的精度。结论使用AFM和SEM均可在体外环境直接观察蛋白质结构,AFM能提供更高精度的观察结果;在蛋白样本稳定性允许的情况下首选超纯水为溶剂载体,乙醇等挥发性液体也可作为溶剂载体,AFM的应用可为药理学生物大分子互作研究提供一新途径。展开更多
目的了解新疆维吾尔自治区乌鲁木齐市男男同性性行为人群(men who have sex with men,MSM)人乳头瘤病毒(human papilloma virus,HPV)队列失访发生情况,探讨失访发生的相关影响因素。方法2017年3月—2021年6月,本研究基于乌鲁木齐市社会...目的了解新疆维吾尔自治区乌鲁木齐市男男同性性行为人群(men who have sex with men,MSM)人乳头瘤病毒(human papilloma virus,HPV)队列失访发生情况,探讨失访发生的相关影响因素。方法2017年3月—2021年6月,本研究基于乌鲁木齐市社会组织招募MSM建立动态队列,每6个月随访1次,基线和随访均进行问卷调查,使用棉拭子采集肛周脱落细胞检测HPV DNA;利用Cox回归模型探讨失访发生的影响因素。结果本研究纳入MSM 822名,随访1433人年,总失访发生率为42.31/100人年。随访第1年失访发生率最高,为53.05(47.36~59.18)/100人年,随访第5年失访发生率最低,为7.04(2.19~16.36)/100人年。多因素分析显示,年龄>30岁[风险比(hazard ration,HR)=0.60,95%置信区间(confidence interval,CI):0.41~0.89]和乌鲁木齐市户口(HR=0.74,95%CI:0.53~1.04)的MSM不易失访;近1年性伙伴性别男女均有者(HR=0.23,95%CI:0.06~0.98)未做过HIV咨询检测(HR=1.90,95%CI:1.22~2.94)是失访发生的危险因素;与近6个月有肛交性行为者(HR=0.50,95%CI:0.25~0.99),有2~4个性伴的MSM更不易失访(HR=0.45,95%CI:0.21~0.97)。结论乌鲁木齐市MSM队列失访发生率较高,今后可通过加强新入组研究对象宣传教育,强化与研究对象间的信任关系,考虑MSM行为特征与参与研究动机之间的联系,重新评估队列保留策略,加强随访管理,提高随访率。展开更多
目的:了解人工智能(AI)技术应用于药学领域的研究概况、热点及前沿进展,为我国相关研究的发展提供思路。方法:采用文献计量学方法,在Web of Science数据库中检索1998-2017年发表的相关期刊和会议论文(检索词为"Article"和&quo...目的:了解人工智能(AI)技术应用于药学领域的研究概况、热点及前沿进展,为我国相关研究的发展提供思路。方法:采用文献计量学方法,在Web of Science数据库中检索1998-2017年发表的相关期刊和会议论文(检索词为"Article"和"ProceedingPaper");利用ISI Web of Knowledge自带的分析检索结果及创建引文报告功能,结合CiteSpace 5.2.R1软件绘制知识图谱,对目标文献进行定量统计和定性分析,对该领域研究的发文量、共被引情况、主要研究国家/地区、主要研究机构、主要研究者、研究热点及研究前沿进行归纳总结。结果:共检索得3 674篇相关文献。1998-2017年期间该领域文献数量飞速增长;美国、中国、英国和德国因发文量大而占据领先地位,但中国的国际合作明显较少,且缺乏优秀核心团队;从研究者角度看,该领域研究处于"部分集中、整体分散"的状态,缺乏团队合作。该领域的研究热点包括AI技术的重要核心(机器学习算法)以及其在药学领域的主要运用(药物发现及设计),还有疾病或不良反应诊断分级、药学模型的建立和优化、药物筛选或药效预测、药学数据库的建立等;近年来的研究前沿包括"分子对接""机器学习""Meta分析""精准用药""靶向治疗"等。结论:AI技术在药学领域的应用是一个时效性极强的热门研究领域,其应用于医药产业开发是大势所趋,而我国在该领域的研究现状与国际前沿水平仍存在一定差距。这需要我国药学工作者在做好实验研究和临床试验等基础工作的同时,加强与AI领域专家的的交流和合作,以适应AI技术与药学紧密结合发展的国际趋势。展开更多
基金supported by the National Natural Science Foundation of China(No.82273747)the National Key R&D Program of China(No.2022YFC2702900)the Chongqing Graduate Research Innovation Project(No.CYB240297)。
文摘目的以课题组纯化获得的蛋白样本为观察对象,对比原子力显微镜(atomic force microscope,AFM)及扫描电子显微镜(scanning electron microscope,SEM)的观察结果,并总结AFM观察生物大分子的主要问题和解决方法。方法将蛋白样本使用PBS稀释至15 nmol·L^(-1),分别固定于载玻片、硅片和云母片上烘干,制成固相观察样本,SEM样本在观察前镀铂,使用AFM及SEM观察蛋白质表面结构,计算样本高度,对比结果差异。结果带正电的蛋白样本在观察时由于AFM探针的斥力会向右偏移;云母片能很好地消除蛋白正电荷从而避免样本移动;PBS能为蛋白样本提供良好的稳定环境,但PBS盐结晶会干扰探针运行和成像清晰度;SEM样本需要镀铂后观察,无法达到AFM的精度。结论使用AFM和SEM均可在体外环境直接观察蛋白质结构,AFM能提供更高精度的观察结果;在蛋白样本稳定性允许的情况下首选超纯水为溶剂载体,乙醇等挥发性液体也可作为溶剂载体,AFM的应用可为药理学生物大分子互作研究提供一新途径。
文摘目的了解新疆维吾尔自治区乌鲁木齐市男男同性性行为人群(men who have sex with men,MSM)人乳头瘤病毒(human papilloma virus,HPV)队列失访发生情况,探讨失访发生的相关影响因素。方法2017年3月—2021年6月,本研究基于乌鲁木齐市社会组织招募MSM建立动态队列,每6个月随访1次,基线和随访均进行问卷调查,使用棉拭子采集肛周脱落细胞检测HPV DNA;利用Cox回归模型探讨失访发生的影响因素。结果本研究纳入MSM 822名,随访1433人年,总失访发生率为42.31/100人年。随访第1年失访发生率最高,为53.05(47.36~59.18)/100人年,随访第5年失访发生率最低,为7.04(2.19~16.36)/100人年。多因素分析显示,年龄>30岁[风险比(hazard ration,HR)=0.60,95%置信区间(confidence interval,CI):0.41~0.89]和乌鲁木齐市户口(HR=0.74,95%CI:0.53~1.04)的MSM不易失访;近1年性伙伴性别男女均有者(HR=0.23,95%CI:0.06~0.98)未做过HIV咨询检测(HR=1.90,95%CI:1.22~2.94)是失访发生的危险因素;与近6个月有肛交性行为者(HR=0.50,95%CI:0.25~0.99),有2~4个性伴的MSM更不易失访(HR=0.45,95%CI:0.21~0.97)。结论乌鲁木齐市MSM队列失访发生率较高,今后可通过加强新入组研究对象宣传教育,强化与研究对象间的信任关系,考虑MSM行为特征与参与研究动机之间的联系,重新评估队列保留策略,加强随访管理,提高随访率。
文摘目的:了解人工智能(AI)技术应用于药学领域的研究概况、热点及前沿进展,为我国相关研究的发展提供思路。方法:采用文献计量学方法,在Web of Science数据库中检索1998-2017年发表的相关期刊和会议论文(检索词为"Article"和"ProceedingPaper");利用ISI Web of Knowledge自带的分析检索结果及创建引文报告功能,结合CiteSpace 5.2.R1软件绘制知识图谱,对目标文献进行定量统计和定性分析,对该领域研究的发文量、共被引情况、主要研究国家/地区、主要研究机构、主要研究者、研究热点及研究前沿进行归纳总结。结果:共检索得3 674篇相关文献。1998-2017年期间该领域文献数量飞速增长;美国、中国、英国和德国因发文量大而占据领先地位,但中国的国际合作明显较少,且缺乏优秀核心团队;从研究者角度看,该领域研究处于"部分集中、整体分散"的状态,缺乏团队合作。该领域的研究热点包括AI技术的重要核心(机器学习算法)以及其在药学领域的主要运用(药物发现及设计),还有疾病或不良反应诊断分级、药学模型的建立和优化、药物筛选或药效预测、药学数据库的建立等;近年来的研究前沿包括"分子对接""机器学习""Meta分析""精准用药""靶向治疗"等。结论:AI技术在药学领域的应用是一个时效性极强的热门研究领域,其应用于医药产业开发是大势所趋,而我国在该领域的研究现状与国际前沿水平仍存在一定差距。这需要我国药学工作者在做好实验研究和临床试验等基础工作的同时,加强与AI领域专家的的交流和合作,以适应AI技术与药学紧密结合发展的国际趋势。
