期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
阿替利珠单抗联合曲妥珠单抗和化疗治疗ERBB2阳性局部晚期可切除胃癌的随机临床试验 被引量：5
1
作者 peng z zHANG X +1 位作者 LIANG H 陈韵正(翻译) 《消化肿瘤杂志(电子版)》 2025年第2期114-114,共1页
目的比较阿替利珠单抗联合曲妥珠单抗和XELOX(卡培他滨+奥沙利铂)化疗与曲妥珠单抗联合XELOX化疗在中国局部晚期人表皮生长因子受体2(human epidermal growth factor receptor 2,ERBB2;原HER2)阳性胃癌或胃食管结合部腺癌患者中的疗效... 目的比较阿替利珠单抗联合曲妥珠单抗和XELOX(卡培他滨+奥沙利铂)化疗与曲妥珠单抗联合XELOX化疗在中国局部晚期人表皮生长因子受体2(human epidermal growth factor receptor 2,ERBB2;原HER2)阳性胃癌或胃食管结合部腺癌患者中的疗效与安全性。方法这是一项在中国8个研究中心进行的开放标签、Ⅱ期随机临床试验。纳入了符合手术条件的中国局部晚期ERBB2阳性胃癌或胃食管结合部腺癌患者。患者按1:1随机分为两组,A组接受阿替利珠单抗联合曲妥珠单抗和XELOX治疗,B组接受曲妥珠单抗联合XELOX治疗。两组患者均接受3个周期(每3周为1个周期)的新辅助治疗后手术,术后继续原方案辅助治疗5个周期。结果共计42例患者被纳入并随机分配至A组(n=21)或B组(n=21)。A组和B组患者的中位(范围)年龄分别为61(33~72)岁和65(49~72)岁,其中39例患者(93%)为男性。A组的病理完全缓解(pathological complete response,pCR)率高达38.1%,优于B组的14.3%,组间差异为23.8%(90%CI 1.3%~44.7%)。亚组分析显示,A组患者中年龄<65岁、男性和Lauren肠型与更高的pCR率相关。安全性方面,A组和B组治疗中出现的不良事件(treatment-emergent adverse event,TEAE)发生率均为100%(21/21),其中,A组和B组分别有57%(12/21)和67%(14/21)的患者发生3级或以上TEAE,严重TEAE的发生率则分别为29%(6/21)和10%(2/21)。结论在曲妥珠单抗联合XELOX化疗的基础上加用阿替利珠单抗对于ERBB2阳性局部晚期胃癌患者有良好的疗效,且未出现新的安全性问题。 展开更多
关键词 化疗 局部晚期 曲妥珠单抗 胃癌 ERBB2阳性
暂未订购
人源γ-分泌酶的三维结构
2
作者 peng z zhu Y +3 位作者 Wang Q 韩鸿雁 许春伟 李晓兵 《临床与实验病理学杂志》 CAS CSCD 北大核心 2014年第11期1236-1236,共1页
人源γ-分泌酶与阿尔茨海默病（Alzheimer＇s disease,AD）发病直接相关,其组成复杂,由早老素-1（PS1）、PEN-2、APH-1和nicastrin四个亚基组成。AD属于膜嵌入式蛋白酶,通过底物切割控制着许多重要的细胞功能。异常切割淀粉样前体蛋白AP... 人源γ-分泌酶与阿尔茨海默病（Alzheimer＇s disease,AD）发病直接相关,其组成复杂,由早老素-1（PS1）、PEN-2、APH-1和nicastrin四个亚基组成。AD属于膜嵌入式蛋白酶,通过底物切割控制着许多重要的细胞功能。异常切割淀粉样前体蛋白APP产生过量的淀粉样蛋白（Aβ）。Aβ易在脑部发生沉积,从而诱发AD。本组通过低温电子显微镜单颗粒分析, 展开更多
关键词 Γ-分泌酶 淀粉样前体蛋白 阿尔茨海默病 三维结构 颗粒分析 胞外结构域 作用机制 跨膜结构域 羧肽酶
暂未订购
一种估计模式误差的混合深度学习-资料同化方法
3
作者 彭子怡 雷荔傈 谈哲敏 《中国科学：地球科学》 CSCD 北大核心 2024年第12期3691-3707,共17页
在数值天气预报中,预报误差由初始条件误差、模式误差等组成.初始条件通常由短期预报和观测约束优化获得,因此很难将初始条件误差和模式误差清楚地区分开.模式误差对资料同化、预报预测均至关重要.为修正模式误差,本文提出一种混合深度... 在数值天气预报中,预报误差由初始条件误差、模式误差等组成.初始条件通常由短期预报和观测约束优化获得,因此很难将初始条件误差和模式误差清楚地区分开.模式误差对资料同化、预报预测均至关重要.为修正模式误差,本文提出一种混合深度学习-资料同化方法.该方法利用卷积神经网络提取初始条件和模式误差的特征,然后得到模式误差的估计;其可以考虑由模式参数不准确导致的模式误差,也可以同时考虑模式误差和初始条件误差.Lorenz05模式的离线和在线实验结果表明,该方法可有效修正由模式参数不准确导致的模式误差,包括强迫项F、耦合系数c和相对尺度b等.相较于仅考虑模式误差,同时考虑模式误差和初始条件误差可得到更准确的估计结果.此外,观测和分析场均可用于验证预报结果,但利用观测验证可更好地估计模式误差,并且在在线资料同化中能更快地趋近模式参数真值. 展开更多
关键词 资料同化 深度学习 模式误差
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部