诱导 GFP 表达。C、D. 成年年轻果蝇睾丸中的 DNA(Hoechst)和 4Mbox-GFP(Mitf 活性报告基因)的代表性图像。D 中勾勒出了 C 中精原细胞和精母细胞的放大区域。C 中勾勒出了囊细胞核。DE 中的虚线标出了有丝分裂到减数分裂的转变。对成年年轻雄性有丝分裂精原细胞(n = 10 个睾丸中的 50 个精原细胞)和减数分裂精母细胞(n = 10 个睾丸中的 50 个精母细胞)中 4MBox-GFP 强度的量化。平均值 ± SD p < 0.0001,Mann-Whitney U 检验。 F. 量化年轻男性(n =60 个精母细胞,来自 12 个睾丸)和老年男性(n =80 个精母细胞,来自 16 个睾丸)精母细胞中 4Mbox-GFP 强度。平均值 ± SD p < 0.0001,Welch t 检验。G. 年轻和老年男性精母细胞中 DNA(Hoechst)和 4Mbox-GFP(Mitf 活性报告基因)的代表性图像。H. 量化年轻男性(n =60 个精母细胞,来自 12 个睾丸)和老年男性(n =65 个精母细胞,来自 13 个睾丸)精母细胞中 VhaSFD-GFP 强度。平均值 ± SD p < 0.0001,Welch t 检验。I. 年轻和老年男性精母细胞中 DNA(Hoechst)和 VhaSFD-GFP 的代表性图像。条,20 µm。
已清楚的是,胎儿和出生后肝脏 (LPC) 中的多能干细胞能够分化为肝细胞和胆管细胞。然而,与 LPC 分化有关的信号通路仍未完全了解。转录因子 EB (TFEB) 是溶酶体生物合成和自噬的主要调节因子,已知其参与成骨细胞和髓系分化,但它在肝脏谱系承诺中的作用尚未得到研究。我们在这里表明,在发育和再生过程中,TFEB 驱动小鼠 LPC 分化为祖细胞/胆管细胞谱系,同时抑制肝细胞分化。遗传相互作用研究表明,Sox9 作为前体细胞和胆道细胞的标志物,是 TFEB 的直接转录靶点,也是其影响肝细胞命运的主要介质。总之,我们的研究结果确定了一条控制肝细胞谱系承诺的未探索的通路,其失调可能在胆道癌中发挥作用。
方法:使用了三组雄性大鼠幼崽(n = 8)。第一组被指定为抑郁群,暴露于母体分离应力和相关应激源。代表PTSD模型的第二组暴露于单个延长应力。第三组用作对照。焦虑状和抑郁样行为。海马TFEB和Stathmin蛋白水平。使用Prism软件分析数据。单向方差分析和事后Tukey测试,以评估行为任务中组之间的统计差异。独立的t检验用于评估组之间蛋白质水平的差异。
尊敬的编辑,人工智能(AI)有可能通过为未来的医生提供最新的技术进步来彻底改变医学教育(1,2)。研究探讨了如何将AI集成到教育框架中,例如手术技能培训和基于病例的学习。一些研究重点介绍了AI在医学教育中的实际应用,例如通过模拟和评估使用AI驱动的机器人系统进行技能开发和知识获取(3,4)。但是,实施这些变化时存在挑战。尽管面临这些挑战,AI技术通过赋予医疗保健专业人员并改善患者护理结果来提供巨大的潜在收益(5)。为了充分意识到这些好处,有必要在医学课程中继续探索和采用AI。给编辑的这封信旨在探索与在医学教育中使用AI相关的机遇,挑战和道德问题。机会1。人工智能驱动的虚拟患者人工智能可用于为医学生创建虚拟患者,以练习诊断和治疗各种疾病。这为学生提供了一个安全且受控的环境,可以学习和犯错,而没有任何现实世界的后果(6)。2。基于人工智能的人体模型基于人工智能的机器人可以充当医学教育的人体模型。基于人工智能的医学教育将机器人用作人体模型,模拟场景,功能
在儿童和青少年中(1, 2)。据估计,tRCC 约占所有 RCC 的 5%,但由于组织学特征重叠以及需要分子检测来确认诊断,其患病率可能被低估(2, 3)。tRCC 预后不良,没有特定的治疗方法,在转移性环境中无法治愈。tRCC 的特征是涉及 MiT 转录因子家族的 3 个基因的染色体易位:TFE3(Xp11.23)、TFEB(6p21.1)和 MITF(3p13)(4-7)。最常见的易位基因是 TFE3 ,已鉴定出十几个伴侣基因(8),包括 ASPSCR1 t(X;17) (p11.23; q25.3) (9)、SFPQ t(X;1) (p11.23; p34.3) (10) 和 PRCC t(X;1) (p11.23; q23.1) (5)。最常见的基因融合是 ASPSCR1-TFE3 。值得注意的是,ASPSCR1-TFE3 还与肺泡软组织肉瘤 (ASPS) 的发病机制有关,肺泡软组织肉瘤是一种罕见的软组织肉瘤(11, 12),与 tRCC 一样,可能出现在儿童和年轻人中(13)。 ASPSCR1-TFE3 与其他 TFE3 融合蛋白一起,也促进了血管周围上皮样细胞亚群的发育
这项描述性分析横断面研究于2022年在萨拉万(Saravan)和伊朗萨拉万(Saravan)的血液输血组织进行。通过功率分析确定了368名参与者的样本量,以检测ABO血型和RH系统之间牙周疾病患病率的统计学上显着差异。假设中等效应大小(Cohen的W = 0.3),α水平为0.05,功率为80%,所需的样本量的计算约为320。为了说明潜在的数据丢失并确保足够的亚组表示,特别是对于RH阴性组,最终样本量增加到368名参与者。此调整确保了足够的能力来比较牙周疾病患病率