雌激素和相关的雌激素分子的作用是复杂的,并且在两个性别中都是多方面的。一系列自然,合成和特性分子靶向产生和响应雌激素的途径。Multiple receptors promulgate these responses, including the classical estro- gen receptors of the nuclear hormone receptor family (estrogen receptors α and β ), which function largely as ligand-activated transcription factors, and the 7-transmembrane G protein–coupled estrogen receptor, GPER, which activates a diverse array of signaling pathways.GPER在生理和疾病中的药理学和功能作用在许多生理系统中揭示了对天然和合成雌激素化合物的反应中的重要作用。这些功能对包括癌症,心血管疾病和代谢性疾病在内的多种疾病状态的治疗具有影响。本综述着重于GPER的复杂药物,并总结了GPER的主要生理功能以及靶向GPER靶向化合物的治疗意义和持续应用。
基线 (n = 7,512) 2 年随访 (n = 4,290) 年龄,岁 9.91 (0.62) 11.49 (0.66) 性别,n (%) 女性 3,625 (48.3%) 2,044 (47.7%) 男性 3,887 (51.7%) 2,246 (52.4%) 种族,n (%) 白种人 4,169 (55.5%) 2,612 (60.9%) 黑人 931 (12.4%) 385 (9.0%) 西班牙裔 1,500 (20.0%) 791 (18.4%) 亚裔 154 (2.1%) 89 (2.1%) 其他 758 (10.1%) 413 (9.6%) 家庭收入 7.73 (2.35) 7.83 (2.04) 父母教育 16.87 (2.59) 17.11 (2.44) BMI 18.72 (4.11) 20.35 (4.63) 青春期 1.75 (0.87) 2.53 (1.05) 亲密朋友总数 6.26 (9.01) 6.82 (8.37) 同性亲密朋友 4.78 (6.73) 4.99 (5.92) 异性亲密朋友 1.48 (3.68) 1.83 (3.66)
人与非人类之间的亲密关系一直是跨文化流行文化中的热门主题。虽然这种现象在西方很常见,但日本的流行文化,如漫画、动画和游戏,也提供了很多这种亲密关系的例子。在这次演讲中,我们将介绍我们对人类与非人类,特别是机器或人工智能 (AI) 之间亲密关系的性别话语和媒体表现的初步分析的一些发现。借鉴定性方法,我们的演讲将基于两个最近的案例:a) 由三养胜吾执导的真人科幻浪漫电影《AI Love You》(2016 年);b) Gatebox 于 2016 年制作的美少女 AI(也称为全息图或虚拟助手)——名为 Azuma Hikari。我们将探讨性别意识形态如何体现在日本流行文化中关于与 AI 浪漫的话语形象和观念中,并从比较文化角度以及性别、性欲和欲望的角度讨论这些案例。 Hiromi Tanaka 博士是东京明治大学信息与通信学院的副教授。她在德国波鸿鲁尔大学获得社会学博士学位 (Dr. rer. soc.)。她专攻女性主义文化和媒体研究。她的研究涉及通过数字技术实现的性别、性欲和亲密关系的转变。目前,她正在从事多个资助项目,包括情感人工智能 (UKRI-ESRC/JST-RISTEX) 和社交媒体 (MEXT/JSPS Kaken)。今年和明年,她将以访问学者的身份留在阿姆斯特丹大学 (UVA) 的阿姆斯特丹文化分析学院 (ASCA)。
十一个关系原则的来源:Amen, DG (2018)。快速感觉好转并保持下去。伊利诺伊州卡罗尔斯特里姆:Tyndale House Publishers。
最新的英国武装部队家庭战略预计将于今年秋季晚些时候出台,旨在认识到军人家庭在支持军人方面发挥的重要作用。它还旨在支持和授权家庭在武装部队社区内茁壮成长。这些都是任何现代政府的重要愿望,但对英国政府来说尤其如此,因为英国政府非常重视为服役人员及其家人挺身而出,而这项承诺的基础是已有十年历史的武装部队盟约。然而,当谈到这些承诺的实际意义时,还有什么比认识和理解更重要的呢:军事生活的挑战和压力在某些情况下会导致家庭伴侣之间的暴力和虐待,有时由于工作压力而导致或加剧的压力,他们的安全有时会受到威胁。此外,我们的武装部队社区可以从了解这些因素的支持机构那里获得帮助。
爱情三角理论认为,激情是浪漫爱情中不可或缺的组成部分。一些脑成像研究表明,亲密关系中的激情唤起与大脑中的奖赏回路有关。我们假设个体的奖赏敏感性特质也与亲密关系中的激情有关,本研究进行了两项独立研究。在第一项研究中,选取了558名正处于恋爱中的大学生作为参与者,使用惩罚敏感性和奖赏敏感性问卷、激情爱情量表和爱情三角量表探究异性恋个体的亲密度与强化敏感性之间的相关性。在第二项研究中,选取了42名同样处于恋爱中的大学生,采用功能性近红外光谱(fNIRS)探究参与者在看到伴侣、朋友或陌生人的照片时,奖赏敏感性与情绪唤起之间的神经生理相互作用。结果表明,奖励敏感性与激情呈正相关,惩罚敏感性与亲密度和承诺呈负相关。奖励敏感性和照片类型之间存在显著的相互作用,下额回的三角部分与对伴侣的奖励敏感人格特质表现出特别的相关性。总体而言,研究结果支持强化敏感性理论,并表明强化敏感人格特质(奖励和惩罚敏感性的人格特质)与爱情的所有三个组成部分都相关,只有奖励敏感性与激情相关。
机器学习 (ML) 算法在我们的环境中变得越来越普遍。它们嵌入在我们日常使用的产品和服务中,依赖于我们的个人信息,从中寻找模式并产生相应的结果 [1]。我们大多不知道这个过程,也不知道这些系统如何“看待”我们。然而,这些结果可能会严重影响我们的生活 [2–4]。最近的研究表明,一些 ML 算法反映了算法中编码的社会差异和偏见。此外,用于训练这些算法的数据集通常未能包括代表性不足的群体和历史上被边缘化的社区 [5–7]。因此,个人熟悉这些系统并了解如何检测和分类自己的身体至关重要。