本文旨在探究富含天冬氨酸尾1的单通道膜蛋白(Single-pass Membrane Protein With Aspartate Rich Tail1,Smdt1)对C3H10T1/2细胞增殖和成脂分化的调控效应。本研究将Smdt1基因的过表达和干扰载体转染至C3H10T1/2细胞模型,采用qPCR方法...本文旨在探究富含天冬氨酸尾1的单通道膜蛋白(Single-pass Membrane Protein With Aspartate Rich Tail1,Smdt1)对C3H10T1/2细胞增殖和成脂分化的调控效应。本研究将Smdt1基因的过表达和干扰载体转染至C3H10T1/2细胞模型,采用qPCR方法量化了增殖和成脂分化关键基因的表达水平变化,利用EdU染色检测细胞增殖活力,油红O染色方法鉴定脂滴积累的状态;进一步通过String database、Bio GRID、Int Act、GeneMANIA、DAVID和Genecard数据库构建Smdt1蛋白互作网络图。结果显示,在C3H10T1/2细胞中过表达Smdt1,极显著提升了增殖标志基因Pcna、Ki67、Cdk1及Cdk4的表达,EdU阳性细胞比例反映了细胞增殖速率加快;Smdt1极显著促进成脂分化关键基因Pparγ、Fabp4、-Adipoq的表达量,显著促进了Cebpα、Cebpβ的表达量,脂滴数量变多。在C3H10T1/2细胞体系中,干扰Smdt1,与增殖紧密相关的标志基因,包括Ki67、Pcna及Cdk1,其表达水平极显著降低,Cdk4的表达也呈现显著降低的趋势,反映在EdU增殖检测中,阳性细胞数量明显减少,细胞增殖活性受到抑制。进一步干扰Smdt1后,成脂分化途径的关键调控基因Cebpα、Pparγ、Cebpβ、Fabp4、Adipoq的表达均极显著降低,细胞内脂滴的数量也显著减少,细胞成脂分化能力削弱。蛋白功能预测发现,Smdt1能够与Mcu相互作用,参与线粒体钙离子转运、摄取和稳态。本研究发现Smdt1可以促进C3H10T1/2细胞增殖和成脂分化,为脂肪沉积的研究提供了新的方向。展开更多
目的系统评价肺段切除术与肺叶切除术治疗T1c期非小细胞肺癌(non-small cell lung cancer,NSCLC)的疗效及安全性。方法系统检索PubMed、EMbase、Cochrane Central Register of Controlled Trials(CENTRAL)、中国知网、万方数据库,检索...目的系统评价肺段切除术与肺叶切除术治疗T1c期非小细胞肺癌(non-small cell lung cancer,NSCLC)的疗效及安全性。方法系统检索PubMed、EMbase、Cochrane Central Register of Controlled Trials(CENTRAL)、中国知网、万方数据库,检索时限为建库至2024年2月。由3名研究人员独立筛选文献,提取相关资料并对纳入的文献依据纽卡斯尔-渥太华量表(Newcastle-Ottawa Scale,NOS)进行偏倚风险评价。采用STATA 15.1进行Meta分析。结果共纳入8个回顾性队列研究,发表于2004—2022年,共7433例患者。纳入研究NOS评分均≥7分。Meta分析结果显示,接受肺叶切除比接受肺段切除术患者的5年总生存率更高[校正HR=1.11,95%CI(0.99,1.24),P=0.042];两者3年总生存率[校正HR=0.88,95%CI(0.62,1.24)]、5年肺癌特异性生存率[校正HR=1.10,95%CI(0.80,1.51)]和5年无复发生存率[校正HR=1.23,95%CI(0.82,1.85)]差异均无统计学意义;接受肺段切除术患者不良事件发生风险低于肺叶切除术患者[OR=0.57,95%CI(0.37,0.90)]。亚组分析结果显示,在未纳入接受新辅助治疗患者的研究中,接受肺段切除术患者与接受肺叶切除患者5年总生存率差异无统计学意义[校正HR=1.02,95%CI(0.81,1.28)]。结论对于T1c期NSCLC患者,肺段切除术与肺叶切除术在长期生存方面差异无统计学意义,但接受肺段切除术的患者术后并发症发生率较低。未来还需要更多高质量的临床试验评估肺叶切除术与肺段切除术治疗T1c期NSCLC患者的有效性及安全性。展开更多
基于忆阻器阵列的类脑电路为实现高能效神经网络计算提供了极具潜力的技术路线.然而,现有方案通常需要使用大量的模数转换过程,成为计算电路能效进一步提升的瓶颈.因此,提出了一种基于1T1R(1 Transistor 1 Resistor)忆阻器交叉阵列与CMO...基于忆阻器阵列的类脑电路为实现高能效神经网络计算提供了极具潜力的技术路线.然而,现有方案通常需要使用大量的模数转换过程,成为计算电路能效进一步提升的瓶颈.因此,提出了一种基于1T1R(1 Transistor 1 Resistor)忆阻器交叉阵列与CMOS(Complementary Metal-Oxide-Semiconductor)激活函数的全模拟神经网络架构,以及与其相关的训练优化方法 .该架构采用1T1R忆阻器交叉阵列来实现神经网络线性层中的模拟计算,同时利用CMOS非线性电路来实现神经网络激活层的模拟计算,在全模拟域实现神经网络大幅减少了模数转换器的使用,优化了能效和面积成本.实验结果验证了忆阻器作为神经网络权重层的可行性,同时设计多种CMOS模拟电路,在模拟域实现了多种非线性激活函数,如伪ReLU(Rectified Linear Unit)、伪Sigmoid、伪Tanh、伪Softmax等电路.通过定制化训练方法来优化模拟电路神经网络的训练过程,解决了实际非线性电路的输出饱和条件下的训练问题.仿真结果表明,即使在模拟电路的激活函数与理想激活函数不一致的情况下,全模拟神经网络电路在MNIST(Modified National Institute of Standards and Technology)手写数字识别任务中的识别率仍然可以达到98%,可与基于软件的标准网络模型的结果相比.展开更多
目的:关于胃癌(Gastric Cancer,GC)预后研究较多,但专门针对T1期GC患者预后的研究较少。本文旨在研究影响T1期GC患者的预后因素。方法:本研究选取2010—2019年15293例T1期GC患者为研究对象,其中14637例T1期GC患者来自监测、流行病学和...目的:关于胃癌(Gastric Cancer,GC)预后研究较多,但专门针对T1期GC患者预后的研究较少。本文旨在研究影响T1期GC患者的预后因素。方法:本研究选取2010—2019年15293例T1期GC患者为研究对象,其中14637例T1期GC患者来自监测、流行病学和最终结果(Surveillance Epidemiology and End Results Program,SEER)数据库,被随机分配到训练队列、内部队列,656例T1期GC患者来自武汉协和医院肿瘤中心(Wuhan Union Hospital Cancer Center,WUHCC)用于外部验证。为确定独立的临床病理预测因素,进行单变量和多变量Cox分析,并构建预测总生存率(Overall Survival,OS)和肿瘤特异性生存率(Cause-Specific Survival Rate,CSS)的模型。校准曲线和受试者特征曲线(Receiver Operating Characteristic Curve,ROC)用于评估模型的预测价值,验证队列则用于验证列线图模型的适用性。结果:多变量分析表明年龄、婚姻状况、性别、种族、组织学类型、TNM分期、肿瘤大小、肿瘤位置、分化程度、术后化疗和是否手术是T1期GC患者的独立预测因素(P<0.05)。本研究从中选择了9个预测因子构建了列线图,列线图在预测1、3和5年OS和CSS方面显示出良好的准确性,在OS中,训练队列的曲线下面积(Area Under Curve,AUC)分别为0.878、0.884和0.876;内部验证队列的AUC分别为0.885、0.884和0.865;外部验证队列的AUC分别为0.883、0.901和0.920。对于CSS,训练队列AUC分别为0.910、0.933和0.931;内部验证队列中分别为0.916、0.930和0.928,外部验证队列中分别为0.918、0.947和0.956。校准曲线和ROC曲线显示该模型具有极佳的预测准确性。结论:基于简化临床病理特征的新模型能有效帮助预测T1期GC的总生存期和癌症特异性生存期,并协助临床医生诊疗。展开更多
文摘本文旨在探究富含天冬氨酸尾1的单通道膜蛋白(Single-pass Membrane Protein With Aspartate Rich Tail1,Smdt1)对C3H10T1/2细胞增殖和成脂分化的调控效应。本研究将Smdt1基因的过表达和干扰载体转染至C3H10T1/2细胞模型,采用qPCR方法量化了增殖和成脂分化关键基因的表达水平变化,利用EdU染色检测细胞增殖活力,油红O染色方法鉴定脂滴积累的状态;进一步通过String database、Bio GRID、Int Act、GeneMANIA、DAVID和Genecard数据库构建Smdt1蛋白互作网络图。结果显示,在C3H10T1/2细胞中过表达Smdt1,极显著提升了增殖标志基因Pcna、Ki67、Cdk1及Cdk4的表达,EdU阳性细胞比例反映了细胞增殖速率加快;Smdt1极显著促进成脂分化关键基因Pparγ、Fabp4、-Adipoq的表达量,显著促进了Cebpα、Cebpβ的表达量,脂滴数量变多。在C3H10T1/2细胞体系中,干扰Smdt1,与增殖紧密相关的标志基因,包括Ki67、Pcna及Cdk1,其表达水平极显著降低,Cdk4的表达也呈现显著降低的趋势,反映在EdU增殖检测中,阳性细胞数量明显减少,细胞增殖活性受到抑制。进一步干扰Smdt1后,成脂分化途径的关键调控基因Cebpα、Pparγ、Cebpβ、Fabp4、Adipoq的表达均极显著降低,细胞内脂滴的数量也显著减少,细胞成脂分化能力削弱。蛋白功能预测发现,Smdt1能够与Mcu相互作用,参与线粒体钙离子转运、摄取和稳态。本研究发现Smdt1可以促进C3H10T1/2细胞增殖和成脂分化,为脂肪沉积的研究提供了新的方向。
文摘目的探索人工智能辅助压缩感知(artificial intelligence-assisted compressed sensing,ACS)技术加速颅内血管壁高分辨率三维T1加权黑血成像(three-dimensional T1-weighted black blood imaging,3D T1_HRVWI)的可行性,并与临床常规采用的并行采集技术(parallel imaging,PI)进行对比分析。方法前瞻性纳入47例脑血管疾病患者,行ACS加速(实验组)和PI加速(对照组)的3D T1_HRVWI扫描。客观比较ACS组和PI组的序列扫描时长、图像中血管壁的信噪比以及相对于血管腔的对比噪声比,主观评估两组图像总体质量、颅内血管显示情况及病灶诊断价值,并进行统计分析。结果相较于PI 3D T1_HRVWI,ACS 3D T1_HRVWI的扫描时长缩短43%;ACS 3D T1_HRVWI图像中颈内动脉、基底动脉、椎动脉、大脑前动脉、大脑中动脉、大脑后动脉血管壁的信噪比均显著升高(P<0.001);两组图像的总体质量评分和颅内血管的显示评分均未见显著差异(P>0.05);两组图像的病灶诊断价值相当(P>0.05)。结论ACS技术实现了3D T1_HRVWI序列更快的采集速度,同时保持了较好的成像质量,为开发兼顾扫描效率与诊断精度的脑血管影像扫描方案提供了循证依据,在脑血管疾病的精准诊断中展现出重要价值。
文摘基于忆阻器阵列的类脑电路为实现高能效神经网络计算提供了极具潜力的技术路线.然而,现有方案通常需要使用大量的模数转换过程,成为计算电路能效进一步提升的瓶颈.因此,提出了一种基于1T1R(1 Transistor 1 Resistor)忆阻器交叉阵列与CMOS(Complementary Metal-Oxide-Semiconductor)激活函数的全模拟神经网络架构,以及与其相关的训练优化方法 .该架构采用1T1R忆阻器交叉阵列来实现神经网络线性层中的模拟计算,同时利用CMOS非线性电路来实现神经网络激活层的模拟计算,在全模拟域实现神经网络大幅减少了模数转换器的使用,优化了能效和面积成本.实验结果验证了忆阻器作为神经网络权重层的可行性,同时设计多种CMOS模拟电路,在模拟域实现了多种非线性激活函数,如伪ReLU(Rectified Linear Unit)、伪Sigmoid、伪Tanh、伪Softmax等电路.通过定制化训练方法来优化模拟电路神经网络的训练过程,解决了实际非线性电路的输出饱和条件下的训练问题.仿真结果表明,即使在模拟电路的激活函数与理想激活函数不一致的情况下,全模拟神经网络电路在MNIST(Modified National Institute of Standards and Technology)手写数字识别任务中的识别率仍然可以达到98%,可与基于软件的标准网络模型的结果相比.
文摘目的:关于胃癌(Gastric Cancer,GC)预后研究较多,但专门针对T1期GC患者预后的研究较少。本文旨在研究影响T1期GC患者的预后因素。方法:本研究选取2010—2019年15293例T1期GC患者为研究对象,其中14637例T1期GC患者来自监测、流行病学和最终结果(Surveillance Epidemiology and End Results Program,SEER)数据库,被随机分配到训练队列、内部队列,656例T1期GC患者来自武汉协和医院肿瘤中心(Wuhan Union Hospital Cancer Center,WUHCC)用于外部验证。为确定独立的临床病理预测因素,进行单变量和多变量Cox分析,并构建预测总生存率(Overall Survival,OS)和肿瘤特异性生存率(Cause-Specific Survival Rate,CSS)的模型。校准曲线和受试者特征曲线(Receiver Operating Characteristic Curve,ROC)用于评估模型的预测价值,验证队列则用于验证列线图模型的适用性。结果:多变量分析表明年龄、婚姻状况、性别、种族、组织学类型、TNM分期、肿瘤大小、肿瘤位置、分化程度、术后化疗和是否手术是T1期GC患者的独立预测因素(P<0.05)。本研究从中选择了9个预测因子构建了列线图,列线图在预测1、3和5年OS和CSS方面显示出良好的准确性,在OS中,训练队列的曲线下面积(Area Under Curve,AUC)分别为0.878、0.884和0.876;内部验证队列的AUC分别为0.885、0.884和0.865;外部验证队列的AUC分别为0.883、0.901和0.920。对于CSS,训练队列AUC分别为0.910、0.933和0.931;内部验证队列中分别为0.916、0.930和0.928,外部验证队列中分别为0.918、0.947和0.956。校准曲线和ROC曲线显示该模型具有极佳的预测准确性。结论:基于简化临床病理特征的新模型能有效帮助预测T1期GC的总生存期和癌症特异性生存期,并协助临床医生诊疗。
