过氧化物酶体增殖激活受体 γ (PPAR γ ) 属于核受体家族,可作为脂质传感器。PPAR γ 是一组称为噻唑烷二酮 (TZD) 的胰岛素增敏剂的靶点,这些药物可调节参与葡萄糖和脂质代谢的基因以及调节其他组织代谢功能的脂肪因子的表达。非酒精性脂肪性肝病 (NAFLD) 在世界范围内患病率很高,在肥胖和胰岛素抵抗患者中患病率甚至更高。TZD 介导的 PPAR γ 激活可以作为 NAFLD 的良好治疗方法,因为 TZD 在体外表现出抗纤维化和抗炎作用,并增加外周组织的胰岛素敏感性,从而改善肝脏病理。然而,小鼠模型中的机制研究表明,肝细胞中 PPAR γ 的激活可能会降低或限制 TZD 对 NAFLD 的治疗潜力。在本综述中,我们简要介绍了 PPAR 亚型的简史、它们在不同组织中的表达相关性以及 NAFLD 的发病机制和潜在治疗方法。我们还讨论了一些来自小鼠模型的证据,这些证据可能有助于内分泌学家评估 PPAR 的组织特异性作用、补充逆向内分泌学方法,并了解 PPAR γ 在肝细胞和非实质细胞中的直接作用。
摘要:近年来,非病毒肝细胞癌(HCC)的发生率显着增加,这可能与肥胖症和2型糖尿病的代谢综合征的患病率增加有关,这可能与肥胖症的患病率增加有关。几项流行病学研究已经建立了T2DM与HCC发生率之间的关联,并证明了Diabetes Mellitus作为HCC发展的独立危险因素的作用。非酒精性脂肪肝疾病(NAFLD)及其到非酒精性脂肪性肝炎(NASH)和肝硬化的发展是多种多样的,并且涉及促弹药,氧化应激,凋亡,脂肪症,JNK-1激活,IGFISTRATION,IGIG-1增加,氧化应激,氧化应激率增加微生物群。此外,这些机制被认为在与NAFLD相关的肝细胞癌的发展中起着重要作用。早期诊断和及时纠正危险因素对于防止肝脏纤维化和HCC的发作至关重要。本综述的目的是总结有关肥胖,NASH/NAFLD,T2DM和HCC之间关联的当前证据,重点是临床影响。此外,我们将研究这种复杂关系的主要机制,以及最近为这些疾病治疗而出现的有希望的策略。
在两种情况下(培养未分化细胞和 CD56 + 细胞期间)孵育后,计算集落形成单位(CFU,具有超过 100 个细胞的神经球)、簇形成单位(ClFU,30 至 100 个细胞的神经球)的含量、CFU 的有丝分裂活性及其特化强度。使用羟基脲(1 µ M)通过细胞自杀技术评估祖细胞的增殖活性。[6] 细胞周期 S 期的 CFU 池根据以下公式确定:N = [( ab)/a ] × 100%,其中 a 是未用羟基脲处理的细胞的 CFU 数量的组平均值;b — 用羟基脲处理的细胞的 CFU 数量的组平均值。通过计算 ClFU 与 CFU 的比率来确定祖细胞特化过程的强度(分化指数)。[6,9]
钠-葡萄糖协同转运蛋白 2 (SGLT2) 抑制剂已被证实对糖尿病患者和非糖尿病患者、左心室射血分数范围广泛的急性和慢性心力衰竭患者以及动脉粥样硬化性心血管疾病患者和非动脉粥样硬化性心血管疾病患者均有心血管益处(图 3)。10–13 鉴于有充分证据表明 SGLT2 抑制剂对具有与 NAFLD 相似病理生理机制的疾病患者具有心血管保护作用,并且由于缺乏有效的 NAFLD 药物治疗方法,11,12 人们越来越有兴趣研究 SGLT2 抑制剂在 NAFLD 中的作用,并且在临床前和临床研究中显示出有利的效果。在本综述中,我们总结了 SGLT2 抑制剂对 NAFLD 影响的当前证据
在研究问题和相关数据集之后,特征提取是机器学习和数据科学管道的最重要组成部分。小波散射变换(WST)是最近开发的基于知识的特征提取技术,在结构上像卷积神经网络(CNN)一样。它保存在高频中,对信号变形不敏感,并产生分类任务中通常需要的实价信号的较低差异。借助来自公共可用UCI数据库的数据,我们研究了从多通道脑电图(EEG)信号中提取的基于WST的功能的能力,以区分20名酗酒和20个男性健康的男性的男性受试者的1.0-S EEG记录。使用记录的10倍交叉验证,我们发现输入到支持向量机(SVM)分类器的基于WST的特征能够正确对所有酒精和正常EEG记录进行正确分类。使用1D CNN实现了类似的性能。相比之下,最高的独立主题平均值10倍跨验证性能是通过馈送到线性判别(LDA)分类器的基于WST的特征实现的。使用两种10倍的交叉验证方法获得的结果表明,WST与CON CON CONTAILAL分类器一起是CNN的替代品,用于对酒精和正常脑电图分类。在区分酒精和正常的脑电图记录方面,枕骨和顶部区域的基于WST的特征是最有用的。
摘要 - 大多数传统的酒精中毒检测方法都是基于基于机器学习的方法开发的,这些方法无法从不同层中提取脑电图(EEG)信号的深层隐藏特性。因此,本研究旨在引入一种基于深倾的方法,该方法可以自动识别酒精脑电图信号。它还探讨了手工制作的特征提取方法是否值得应用于酒精中毒分类的深度学习技术。为了调查这一点,本文介绍了两种基于深度学习的算法,用于分类酒精性脑电图信号以进行比较。在算法1中,基于主成分分析(PCA)的特征提取技术已应用于提取代表性的组件,然后将提取的特征用作人工神经网络(ANN)进行分类的输入。在算法2中,原始的脑电图数据直接用作深度学习方法的输入:“长期记忆(LSTM)用于检测酒精中毒。对所提出的算法进行了公开可用的UCI酒精脑电图数据集测试。实验结果表明,提出的算法2可以达到93%的平均分类精度,而该算法的准确性为86%。使用最新算法的比较评估表明,算法2还优于文献中其他相互竞争的算法。因此,将深度学习算法应用于原始数据时,可以比手工制作的特征方法和深倾斜算法的组合产生更好的性能。我们提出的系统可用于确定与酒精中语相关的EEG信号变化的程度以及治疗计划的有效性。
脂肪肝(脂肪变性)在中国非常普遍,而且与肥胖的关系比与酗酒的关系更密切。在中国较富裕地区,非酒精性脂肪性肝病(NAFLD)的社区患病率为 15%。随着肥胖症的日益流行,NAFLD 的患病率在过去十年中大约翻了一番。其危险因素与其他种族人群相似,但值得注意的是,针对不同种族人群的中心性肥胖、肥胖和代谢综合征的定义对评估中国人更为有用。中国患者已显示出 NAFLD 的各种组织学表现,但迄今为止,肝脏严重程度通常较轻。与慢性丙型肝炎相比,脂肪变性在慢性乙型肝炎患者中不太常见;它与代谢因素有关,而非病毒因素,而且似乎不会影响疾病严重程度。尽管NAFLD在中国人群中的长期结果尚不明确,但它可能是代谢紊乱、糖尿病和心血管疾病的预测因素。因此,公共卫生干预措施应阻止或扭转中国肥胖的全国趋势,以改善肝脏和代谢健康。2008年欧洲肝脏研究协会。由Elsevier BV出版,保留所有权利。