基因疗法被证明是治疗或预防眼部疾病的有效方法,以确保具有治疗作用的靶向,稳定和调节的外源遗传物质的引入。视网膜疾病可以大致分为两组,即单基因和复杂(多因素)形式。单基因形式的高遗传异质性代表了对基因特异性治疗策略的应用的显着限制。因此,对视网膜损害的共同途径的突变独立的治疗策略正在作为视网膜疾病的互补/替代方法获得兴趣。本综述将概述与突变无关的策略,这些策略依赖于调节这种关键退化途径的关键基因的调节中的调节。,我们将描述基于基因的方法如何探索神经营养因子,microRNA(miRNA),基因组编辑和光遗传学的使用,以恢复外部和内部视网膜疾病中的视觉功能。我们预测,应用于突变/基因独立方法的基因递送程序的开发可能会为大量患有遗传异质性和复杂视网膜疾病的大量患者的治疗需求提供答案。
以及世界各地。开发缓释制剂和装置以及更长效的药物是解决这些问题的一些方法。然而,还没有任何迹象表明这些方法中的任何一种可以带来永久性的治疗。基因疗法有可能永久降低 VEGF-A 水平并消除频繁玻璃体内注射的需要。基因增强和基因沉默方法都已用于降低 VEGF-A 水平。4 – 6 基因沉默尚未进入人体临床试验,但使用 microRNA 和 shRNA 的体外和体内研究已证明在降低 VEGF 方面取得了一些成功。7 – 9 近年来,成簇的规律间隔的短回文重复序列 (CRISPR) 相关蛋白 9 (Cas9) 已用于破坏视网膜色素上皮 (RPE) 细胞和小鼠视网膜中的 VEGF-A 基因。 10 – 12 在视网膜中,VEGF 在 Muller 细胞、RPE 细胞、神经节细胞以及视网膜和脉络膜血管中持续表达;在病理性血管生成状态下,这种表达显著增加。13、14 我们研究的目的是评估 VEGF-A 基因破坏对 Muller 细胞和 RPE 细胞的影响,这两者都是眼睛中主要的 VEGF 产生者。我们使用了通过脂质体 CRISPRMAX (LCM) 递送的 CRISPR-Cas9 核糖核蛋白 (RNP)。
神经假体是一种精密医疗设备,旨在以闭环方式操纵大脑的神经信号,同时接收来自环境的刺激并控制人脑或身体的某些部分。大脑可以在几毫秒的间隔内处理传入的视觉信息。视网膜计算视觉场景并将其输出以神经元尖峰的形式发送到皮质进行进一步计算。因此,视网膜神经假体感兴趣的神经元信号是神经元尖峰。神经假体中的闭环计算包括两个阶段:将刺激编码为神经元信号,然后将其解码回刺激。在本文中,我们回顾了使用尖峰分析包括静态图像和动态视频在内的自然场景的视觉计算模型的一些最新进展。我们假设,为了更好地理解视网膜的计算原理,需要对视网膜进行超电路视图,在该视图中,在与视网膜交互时需要考虑皮质神经元网络中已揭示的不同功能网络模式。视网膜的不同组成部分包括多种细胞类型和突触连接——化学突触和电突触(间隙连接)——这使视网膜成为理想的神经元网络,可以采用人工智能中开发的计算技术来模拟视觉场景的编码和解码。为了推进下一代视网膜神经假体作为人工视觉系统的发展,需要采用具有神经元尖峰的视觉计算的整体系统方法。2020 作者。由爱思唯尔有限公司代表中国工程院高等教育出版社有限公司出版。这是一篇根据 CC BY-NC-ND 许可协议 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。
4 王启照 1,3 , 庄培 1,3 , 黄浩亮 1 , 李亮 1 , 刘亮 1 , Hannah C. Webber 1 , 5 Roopa Dalal 1 , Leonard Siew 1 , Clarisse M. Fligor 2 , Kun-Che Chang 1 , Michael Nahmou 1 , Alexander 6 Kreymerman 1 , Yang Sun 1 , Jason S. Meyer 2 , Jeffrey Louis Goldberg 1 和杨虎 1,* 7 8
摘要:治疗显性遗传性视网膜疾病需要沉默致病等位基因。RNA 干扰抑制基因表达会受到广泛的靶向效应的影响,而 CRISPR 介导的基因破坏会在基因组中造成永久性变化。CRISPR 干扰使用由向导 RNA 引导的催化失活“死”Cas9 来阻止选定基因的转录,而不会破坏 DNA。它具有高度特异性和潜在可逆性,提高了其作为一种治疗方法的安全性。临床前研究表明,CRISPR 干扰可用于体内和体外 iPSC 移植修饰的基因沉默。应用 CRISPR 干扰技术治疗常染色体显性遗传性视网膜疾病很有前景,但迄今为止体内研究很少。本综述详细介绍了如何使用 CRISPR 干扰治疗视网膜疾病,并解决了临床转化的潜在挑战。
目的:评估深度学习算法在视网膜眼底图像中执行不同任务的性能:(1)检测视网膜眼底图像与光学相干断层扫描 (OCT) 或其他图像,(2)评估优质视网膜眼底图像,(3)区分右眼 (OD) 和左眼 (OS) 视网膜眼底图像,(4)检测老年性黄斑变性 (AMD) 和 (5) 检测可转诊的青光眼性视神经病变 (GON)。患者和方法:设计了五种算法。从包含 306,302 张图像的数据库(Optretina 的标记数据集)进行回顾性研究。三位不同的眼科医生(均为视网膜专家)对所有图像进行分类。数据集按患者分为训练(80%)和测试(20%)两部分。采用了三种不同的 CNN 架构,其中两种是定制设计的,以最小化参数数量,同时对其准确性的影响最小。主要结果测量是曲线下面积 (AUC),包括准确度、灵敏度和特异性。结果:视网膜眼底图像的测定 AUC 为 0.979,准确度为 96%(灵敏度 97.7%,特异性 92.4%)。高质量视网膜眼底图像的测定 AUC 为 0.947,准确度为 91.8%(灵敏度 96.9%,特异性 81.8%)。OD/OS 算法的 AUC 为 0.989,准确度为 97.4%。AMD 的 AUC 为 0.936,准确度为 86.3%(灵敏度 90.2%,特异性 82.5%),GON 的 AUC 为 0.863,准确度为 80.2%(灵敏度 76.8%,特异性 83.8%)。结论:深度学习算法可以将视网膜眼底图像与其他图像区分开来。算法可以评估图像的质量,区分右眼和左眼,并以高水平的准确度、灵敏度和特异性检测 AMD 和 GON 的存在。关键词:人工智能、视网膜疾病、筛查、视网膜眼底图像
摘要:RNA 编辑旨在通过改变转录水平的基因表达来治疗遗传疾病。将定点 RNA 靶向机制与工程脱氨酶配对,可以可编程地校正 RNA 中的 G > A 和 T > C 突变。这为一系列遗传疾病提供了一种有前途的治疗方法。对于由大基因点突变引起的遗传性视网膜变性(不适合单腺相关病毒 (AAV) 基因治疗,例如 USH2A 和 ABCA4),校正 RNA 提供了一种基因替换的替代方法。由于对 RNA 进行的编辑具有短暂性和潜在可逆性,因此 RNA 而不是 DNA 的基因组编辑可能提供更好的安全性。本综述考虑了当前的定点 RNA 编辑系统,以及将其转化为临床治疗遗传性视网膜变性的潜力。
要开发一种在图像分辨率、功耗和动态分辨率方面可与脊椎动物视网膜功能相匹配的仿生图像传感器,需要在效率和性能方面达到极具挑战性的标准[1]–[4]。目前,功能性生物图像处理通过异步优化场景的采样率拥有极高的时间分辨率,但却存在空间分辨率低、噪声大以及无法处理低频内容等问题[5]。无论如何,使用模拟生物视网膜行为的动态视觉传感器对于在低功耗要求下使用高速运动检测执行分类任务非常重要[6]–[9]。推动图像传感器性能满足视网膜规格的困难在于底层神经网络的生物复杂性。因此,生物视觉系统硬件映射的先决条件是了解各种视网膜细胞之间的生物处理。这里,我们提出了一个生物学上可行的细胞网络视网膜模拟器,其中光刺激在感光细胞的前端阵列处被接受,并通过从用于计算每个连续视网膜细胞响应的实验电压和电流钳数据中得出的非线性积分方程系统。[10]、[11] 表明,与传统的数值求解器相比,集成该系统可以提高性能。我们希望通过将我们的模拟器交到跨学科研究人员(尤其是计算神经科学家、数学科学家和机器学习从业者)手中,它将促进深度学习应用中更高效的视觉输入表示的开发。
本章介绍了视网膜扫描显示器在头盔式飞行员-车辆接口以及面板式 HUD 和 HDD 应用中的性能、安全性和实用性。由于 RSD 组件技术发展如此迅速,因此参考了定量分析和设计方面,以便更完整地描述为直升机开发的第一个高性能 RSD 系统。视觉显示器在封装光线以形成图像的方式上存在显著差异。视网膜扫描显示器(图 6.1 中所示的 RSD)是一种相对较新的光机电设备,最初基于红、绿和蓝衍射极限激光光源。激光束通过视频信息进行强度调制,光学组合成单个全色像素束,然后由由微型振荡镜组成的 ROSE 扫描成光栅图案,就像阴极射线管 (CRT) 的偏转线圈将电子束写入荧光屏一样。 RSD 与 CRT 不同,因为电子到光子的转换发生在光束扫描之前,因此完全消除了荧光屏及其再辐射、光晕、饱和度和其他亮度和对比度限制因素。这意味着 RSD 与其他现有显示技术有着根本的不同,因为 RSD 没有平面发射或反射表面 — ROSE 直接创建光学瞳孔。与 CRT 一样,RSD 可以扫描出斑点