“在实验室的某些条件下,结构表面蛋白能够将自身转化为 VLP。它们可以在实验室中利用细菌作为微型工厂来刺激这种转化。第二步是接种抗原,即 COVID-19 中的刺突蛋白。这简化了整个过程,使其更加灵活,并降低了开发疫苗的成本,”他说。
高级体外模型概括了人心脏的结构组织和功能,这对于准确的疾病建模,更可预测的药物筛查和安全药理学非常需要。传统的3D工程心脏组织(EHT)在流量下缺乏异型细胞的复杂性和培养,而通常缺乏3D构造和准确的收缩读数,微型流体的心脏内片(HOC)模型缺乏。在这项研究中,通过培养人类多能干细胞(HPSC)衍生的心肌细胞(CMS),内皮(ECS)和平滑肌细胞(SMC),与人类心脏小胸针(MICBRONIAID-FORMIATS-INTER-MICTRORORY FOR-ORRORORIATH)一起培养,开发了一种创新和用户友好的HOC模型来克服这些局限性。 (μEHTS)具有CM-EC界面,让人联想到生理毛细管衬里。在流量下培养的μEHT显示出增强的收缩性能和传导速度。 此外,EC层的存在改变了μEHT收缩中的药物反应。 该观察结果表明EC具有潜在的类似屏障的功能,这可能会影响药物对CMS的可用性。 这些具有增加生理复杂性的心脏模型,将为筛选治疗靶标的铺平道路并预测药物效应。μEHT显示出增强的收缩性能和传导速度。此外,EC层的存在改变了μEHT收缩中的药物反应。该观察结果表明EC具有潜在的类似屏障的功能,这可能会影响药物对CMS的可用性。这些具有增加生理复杂性的心脏模型,将为筛选治疗靶标的铺平道路并预测药物效应。
摘要。背景/目标:接受辅助放疗的乳腺癌患者可能患有≥2级皮炎。在登记项目中,移动应用程序(APP)提醒患者进行皮肤护理,以预期进行皮肤护理,目的是减少临床上显着的放射性皮炎。这项研究旨在确定设计前瞻性试验所需的≥2级皮肤炎和危险因素的患病率。患者和方法:在对2022 - 2023年期间327例乳腺癌患者的回顾性研究中,研究了≥2级皮炎和23个潜在危险因素的患病率。结果:≥2级皮炎的患病率为31.2%。在多变量分析中,它与慢性炎症疾病(P = 0.001),明显的心血管疾病(P <0.001),吸烟史> 10年(P <0.001),晚期T型阶段(P = 0.017),Normo-Fraction,Normo-Fraction(P <0.001)和Radiation Boost Boost(P <0.001)。结论:鉴定出侵入性乳腺癌辅助放疗期间≥2级皮炎和独立危险因素的患病率有助于改善患者护理和前瞻性试验的设计。
基于蛋白质的病毒样颗粒(P-VLP)通常用于空间组织抗原并通过多价抗Gen显示器增强体液免疫。但是,p-vlps是胸腺依赖性抗原,它们是自我免疫原性的,可以诱导可能中和平台的B细胞反应。在这里,我们研究了使用SARS-COV-2峰值蛋白的受体结合结构域(RBD)的多价抗原显示的替代性DNA折纸,这是Neu-Tralization抗体反应的主要靶标。用基于DNA的VLP(DNA-VLP)对小鼠进行顺序免疫,以依赖于显示的抗原和T细胞帮助的抗原价值的方式,会在SARS-COV-2中保护对SARS-COV-2的中和抗体。重要的是,与p-vlps相比,免疫血清不包含针对DNA支架的抗体抗体,而P-VLP会引起针对靶抗原和支架的强B细胞记忆。因此,DNA-VLPS增强了目标抗原免疫原性,而无需产生支架定向免疫,从而为颗粒疫苗设计提供了重要的替代材料。
背景:限制频谱成像限制评分(RSIRS)是用于检测临床上显着前列腺癌(CSPCA)的定量生物标志物。但是,RSIR的定量值受到诸如Echo Time(TE)之类的成像参数的影响。目的:本研究的目的是开发一种校准方法来说明回声时间的差异,并促进将RSIR用作检测CSPCA的定量生物标志物。方法:这项研究包括197个经过MRI和活检检查的连续患者; 97被诊断为CSPCA(年级≥2)。rsi数据是三次获取的:在最小TE 〜75ms,一次在TE = 90ms(分别为Temin 1,Temin 2和TE90)时进行两次。对无CSPCA的患者进行了培训的一种拟议的校准方法,估计了RSI信号模型的四个扩散室(C)中的每个扩散室中的每个缩放系数(F)。确定了一个线性回归模型,将TE90的C映射与Temin 1的参考c映射匹配,范围为95 th thth
公司背景:AI Arrive 是一家人工智能公司,其愿景是创建 AI 产品,以加速研究并增强我们对人类疾病的了解。CloseBy 是一个健康生活平台,它汇总不同的社区数据,以帮助个人在搬迁到特定区域时做出明智的决定。我们的使命很简单,就是使数据孤岛民主化,并呈现一个整体的画面,帮助个人做出更明智的决定。团队规模:4-5 名学生地点:远程,客户/团队会议将使用 Zoom 举行。项目摘要:AI Arrive 希望使用开源数据集(例如人口普查、空气质量开放数据、CDC 社会脆弱性指数、Zillow 住房和租金价格以及 python news-fetch)开发一个健康生活平台。目标是构建 ETL 提取系统和聚合开源社区数据和新闻文章的数据模型。另一个目标是使用 d3.js 和/或其他可视化工具开发视觉效果以在地图上显示数据。所有知识产权将归 AI Arrive 所有。关键技能/技术:开发 ETL 管道、使用数据库和使用 d3.js 进行可视化的背景将有助于完成这个项目。团队可以向客户寻求指导。学生福利:
