XiaoMi-AI文件搜索系统
World File Search SystemZh
Citation Zheng, Hai, Bai, Yang, Jiang, Meiling, Tokuyasu, Taku A, Huang, Xiongliang, Zhong, Fajun, Wu, Yuqian, Fu, Xiongfei, Kleckner, Nancy, Hwa, Ter
一般定量关系将细胞生长和大肠杆菌中的1个细胞周期联系起来2 3 hai zheng 1,2， *，Yang bai 1， *，介于江1， *，taku A. tokuyasu 1，xiongliang huang 1,2 Terence HWA 4，Chenli Liu 1,2，+ 5 6 1 Cas Cas Key定量工程生物学实验室，深圳合成生物学研究所，深圳市综合生物学研究所，中国科学院高级技术学院7分子和蜂窝生物学，哈佛大学，剑桥，马萨诸塞州02138，美国10 4物理系，U.C.圣地亚哥，拉霍亚，加利福尼亚州92093-0374，美国11 12 *同等贡献13 +可以解决该信件。电子邮件：cl.liu@siat.ac.cn 14 15关键词：细菌细胞周期，细胞大小，细胞分裂，DNA复制，细菌生理学16 17从细胞群体研究中出现的生长法规定，对全球的18个机制提供了基本的限制，该机制是协调细胞生长1-3的全球机制。基于在大肠杆菌中进行的19项广泛的工作，细菌细胞周期研究的基础依赖于20年前提出的两个相互联系的教条：将细胞质量与生长速率1相关的SMK生长法，以及Donachie对21种增长速率不依赖于21个不依赖于增长率的起始开始质量4。这些教条刺激了许多努力，以了解其22个分子基础和生理后果5-14。虽然在快速增长的23制度中普遍接受，即在低于一小时以下的两倍时，这些教条延长至慢速增长24制度从未始终如一地实现。通过大肠杆菌细胞25周期的定量生理研究在广泛的增长率上，我们在这里报告说，在26个慢速或快速增长的方案中，教条均未举行。在他们的稳定下，细胞质量与27个染色体复制/隔离的速率之间的线性关系显示在所有生长速率上都是有效的。这28个关系导致我们提出了一个整体阈值模型，其中细胞周期由29个许可过程控制，其速率以简单的方式与染色体动力学相关。这些结果30为预测理解细胞生长细胞周期关系提供了定量基础。31
模块 1 案例研究报告，作者：Edward Zhang rg tiny edits 2 17 25.docx
2018 年台风飞燕侵袭日本大阪湾，造成关西国际机场被淹，暴露出沿海机场在极端天气面前的脆弱性。1 此次事件凸显了在海平面上升和风暴加剧的情况下重新评估基础设施恢复力的迫切需要。1,2 案例事实：2018 年 9 月 4 日，台风飞燕袭击日本大阪湾，风速 130 英里/小时，风暴潮高达 11 英尺，关西国际机场完全被淹没。3 关西国际机场建在大阪湾的一个人工岛上。1 风暴潮彻底冲击了海堤，淹没了跑道，导致 8000 名乘客和工作人员被困。此外，一艘被台风吹偏的油轮摧毁了通往大陆的唯一桥梁，进一步切断了机场与大陆的联系。1 超过 8000 名乘客和机场工作人员被困近 36 个小时。不幸的是，台风导致该地区11人死亡，400多人受伤。2 国内航班在两天后部分恢复，但完全恢复需要数周时间。4 事件的流行病学方面：《日本许多主要机场接近海平面，这是一场灾难》这篇文章是一项描述性分析，而非流行病学研究。1 在考察台风飞燕对关西国际机场的影响以及气候风险对航空的影响时，没有采用结构化的研究设计或相对风险 (RR) 或优势比 (OR) 的参数模型。相反，本文讨论了案例比较，并在一个框架内引用了过去的极端天气事件和地理空间数据，强调低洼机场仍然很脆弱。虽然作者提供了气候模型预测，但他们没有对混杂因素（例如基础设施抵抗力和灾害响应）应用回归模型或统计控制。 1 文章中潜在的偏见来源源于选择偏见，因为所讨论的机场都是主要的国际枢纽机场，而分析并未考虑可能同样面临气候相关风险的小型区域机场。2 没有控制混杂变量，例如风暴防备、基础设施弹性或政府应对政策，而这些是决定机场脆弱性的主要因素。5 文章概括地表明，气候变化会给机场带来洪水风险，但遗憾的是，它没有提供评估该风险的模型证据或比较结果。 文章没有明确说明如何处理与缺失数据相关的潜在数据缺口。1 然而，鉴于这是一项新闻研究而非科学研究，机场洪水事件的历史数据少报或缺失可能会影响分析的全面性。事件管理： 公共卫生部门对台风“飞燕”的响应主要包括疏散、恢复服务并长期承担灾害损失。4 由于台风造成严重洪涝，主通道桥梁无法通行，日本政府和关西国际机场当局协调安排包租紧急渡轮和巴士疏散了8000名滞留旅客。2,4 然而，由于机场的防洪设施无法抵御这场创纪录风暴带来的洪流，防灾准备工作显得不足。交通中断以及缺乏直接的应急计划，进一步影响了当时的应对工作。
引文 Zhang YY, Yang XY and Wan Q (2025) 血浆动脉粥样硬化指数与 2 型糖尿病并发症的关系：横断面研究
众所周知，2型糖尿病是一种因胰岛素相对或绝对缺乏而导致血糖升高的严重慢性疾病，被认为是内分泌代谢紊乱的重要组成部分（1,2）。国际糖尿病联盟（IDF）发布的《2021年糖尿病图谱》显示，到2030年糖尿病患者数量将达到6.43亿，预计到2045年将上升到惊人的7.83亿，全球与糖尿病相关的医疗保健支出可能超过1.05万亿美元（3,4）。2021年全球疾病负担研究表明，截至2021年，糖尿病已成为个人死亡和残疾的第八大风险因素（5）。事实上，大量研究糖尿病相关死亡原因的研究表明，大多数 2 型糖尿病患者至少患有一种合并症全身并发症，包括神经病变、肾病、视网膜病变，尤其是心血管损害，这是糖尿病患者死亡的主要原因（6、7）。研究表明，越来越多的 2 型糖尿病患者在年轻时（40 岁以下）被诊断出来，导致预期寿命缩短和寿命损失年数增加（8）。因此，美国糖尿病协会在其糖尿病护理标准中一直强调实施适当策略对预防和延缓糖尿病相关多系统并发症的重要性（9）。虽然葡萄糖代谢和脂质代谢是相对独立的代谢途径，但它们通过肾素-血管紧张素-醛固酮系统、线粒体功能、氧化应激和炎症反应错综复杂地相互联系。这些被破坏的分子和细胞机制共同导致了糖尿病和动脉粥样硬化的发展（10）。随着全球代谢性心血管疾病负担的不断加重，越来越多的研究强调，需要采取关键的预防和治疗干预措施，以减轻代谢因素对心血管健康的影响（11）。周围神经病变是糖尿病患者中最常见、最复杂、最严重的并发症之一，显著增加了溃疡、非创伤性截肢和足部感染的风险，可能导致长期残疾，并给 2 型糖尿病患者带来巨大的经济和心理负担（12）。此外，一项在亚洲人群中进行的观察性研究显示，2 型糖尿病患者中 2 型糖尿病肾病（DKD）的患病率高达
Wenli Zhang，博士 - 常春藤商学院
● Predicting Consultation Success in Online Health Platforms Using Dynamic Knowledge Networks and Multimodal Data Fusion, University of Arizona, 2024 ● Predicting Consultation Success in Online Health Platforms Using Dynamic Knowledge Graphs and Multimodal Data Fusion, Summer Workshop on AI for Business (SWAIB), Shanghai, China, 2024 ● Achieving Equitable Access to Medical Laboratory Tests through Optimal Sparse Decision Tree, IISE Annual Conference & EXPO，加拿大蒙特利尔，2024●使用多模式和多通道多通道的多渠道综合语音术数据，IISE年度会议和博览会，加拿大蒙特利尔，2024年，患者辍学的预测：一种多模式的动态知识和文本矿业，IC Science，IC Scorial，IC Scorial，IC Science，IC Science，IC Scorial，IC Scorial，IC Sciencal，Arona social IC， Real-Time Signals with Wavelet-Transform-based Convolutional Neural Network, in: Proceedings of the 54 th Hawaii International Conference on System Sciences (HICSS), Hawaii, USA, 2023 ● Depression Detection in Social Media Using Time-and-knowledge-aware LSTM and Depression Diagnosis-related Entity Extraction, FoRMLA - Front Range of Machine Learning Alliance Seminar Series, University of Colorado, 2022 ● ICU Mortality预测：我们可以做得更好吗？一个基于机器学习和随机信号分析技术的新模型，爱荷华州立大学，2021●域●领域适应从大型社交媒体数据集中提取信号的域名，爱荷华州立大学，2018年，对哮喘的风险因素的全面分析：基于机器学习和机器学习和大型异构数据源的疾病，及其在jossection和sysport of Systems of Systems的疾病和分析的信息， Management, UT Dallas, 2018 ● A Machine Learning Approach for Understanding Population-Level Health Effects of E-Cigarettes, Conference on Health IT and Analytics (CHITA), 2017 ● Are Electronic Nicotine Delivery Systems (ENDS) a Safe Substitute for Cigarettes Among Asthma Patients: A Social Media Based Analysis, INFORMS Annual Meeting, Houston, Texas, USA, 2017 ● Domain Adaptation for Signal Extraction from Large Social Media Datasets, the INFORMS Conference on Information Systems and Technology (CIST), Houston, Texas, USA, 2017 ● Are Electronic Cigarettes a Safer Substitute for Cigarettes for Asthma Patients, Workshop on Information Technologies and Systems (WITS), Seoul, South Korea, 2017 ● A Comprehensive Analysis of Risk Factors for Asthma: Based on Machine Learning and Large Heterogeneous Data Sources, Iowa State University, 2017 ● Extracting Signals from Social Media for Chronic Disease监视，国际数字健康会议（DigitalHealth'16），蒙特利尔，加拿大魁北克，2016年●社交媒体上有关电子烟的关键对话趋势和模式，信息会议，田纳西州纳什维尔，田纳西州，2016年，2016年
引用了原始发表的论文（记录的版本）：Zhang，C.，Shi，M.，Kim，W。等（2022）。发现针对PKL
一项生命实验室科学，KTH-瑞典B皇家技术研究院，瑞典B皇家技术学院，B北部大学，450001，亨南省郑州大学教育部，郑州大学教育部高级药物准备技术的主要实验室瑞典d Atat€Urk大学医学院医学药理学系，25240年，Erzurum，土耳其E e e e Erzurum E，兽医学系，兽医学院，阿塔图尔克大学，Erzurum，25240，土耳其，土耳其F，Firke Intralies，Erzurum Truncator，25200 er er turkey Erlime groum groum，Turkey groum，Turkey gokurum，Turke ful ful Fir Full Full Full Full Full Full Full Full Fire Ercult and Genetics，伊斯坦布尔，土耳其H伊斯坦布尔，夏尔默斯技术大学，哥德堡，哥德堡I大学，瑞典I医学生物学系，医学系，阿塔特·欧克大学，土耳其Erzurum，土耳其Erzurum，Turkey j ost-microbiome互动中心一项生命实验室科学，KTH-瑞典B皇家技术研究院，瑞典B皇家技术学院，B北部大学，450001，亨南省郑州大学教育部，郑州大学教育部高级药物准备技术的主要实验室瑞典d Atat€Urk大学医学院医学药理学系，25240年，Erzurum，土耳其E e e e Erzurum E，兽医学系，兽医学院，阿塔图尔克大学，Erzurum，25240，土耳其，土耳其F，Firke Intralies，Erzurum Truncator，25200 er er turkey Erlime groum groum，Turkey groum，Turkey gokurum，Turke ful ful Fir Full Full Full Full Full Full Full Full Fire Ercult and Genetics，伊斯坦布尔，土耳其H伊斯坦布尔，夏尔默斯技术大学，哥德堡，哥德堡I大学，瑞典I医学生物学系，医学系，阿塔特·欧克大学，土耳其Erzurum，土耳其Erzurum，Turkey j ost-microbiome互动中心
引用Zhang Q，Wang H，Tian Y，Li J，Xin Y和Jiang X（2024）Mendelian随机分析，以研究口服和Oropha中的肠道微生物组
头颈癌是全球第六个最常见的癌症（Warnakulasuriya，2009年），口服和口咽癌是最常见的亚型。烟草和酒精消耗（Hashibe等，2009），人乳头瘤病毒（HPV）感染（Ang等，2010）和特定的性行为（Heck等，2010）已被认为是口腔和口腔和口腔咽部癌症癌症危险因素。最近，人们对癌症与微生物组之间的联系越来越多。特别是，在肠道微生物组中已经观察到癌症相关的生物标志物（Cullin等，2021）。肠道菌群是肠道中存在的细菌种类的集合。肠道微生物在肿瘤中的作用可以分为局部和远端角色（Matson等，2021）。除了特异性肠道微生物在局部致癌作用中具有的重要作用外，肠道微生物还可以改变宿主的整体免疫系统，从而导致癌症（Castellarin等，2012; Amieva and Peek，2016）。肠道微生物与肠上皮之间存在天然的解剖屏障，主要由分泌肠道粘液的杯状细胞组成（Kim和Ho，2010）和产生抗菌肽的细胞（Salzman等人（Salzman et al。，2007））。因此，肠道微生物与免疫系统之间的接触受到限制。但是，特定的微生物会影响肠道屏障的完整性。益生菌调节免疫系统是一种潜在的抗肿瘤策略（Vétizou等，2015）。当这种完整性被破坏时，癌的数量越来越多，通过受损的肠道障碍循环（Rajagopala等，2017）；此外，诱导了炎症或免疫抑制，在促进癌症中起间接作用（Yu and Schwabe，2017）。An example illustrating this distal role is that the gut microbiota can promote hepatocellular carcinoma and pancreatic cancer growth/progression/invasion and metastasis, which contain no known microbiome, by elevating cancer- promoting in fl ammatory microbial-associated molecular patterns such as lipopolysaccharides ( Dapito et al., 2012 ; Ochi et al., 2012 ).肠道微生物可以通过调节肠上皮屏障的原发性和继发性淋巴机构来调节免疫力，从而影响肿瘤微环境（Gopalakrishnan等，2018）。先前已经报道了肠道微生物与肠肿瘤敏感性之间的关联（Yachida等，2019）。肠道微生物群已被证明通过调节免疫细胞功能，影响炎症反应，调节免疫耐受性（Zhou等，2021）和产生代谢物（Zhang等，2019）。然而，肠道菌群与肠胃外肿瘤（尤其是口咽和口服癌症）之间的因果关系尚不清楚。Mendelian随机化（MR）是一种统计方法，用于根据工具变量（遗传变异）评估暴露与结果之间的因果关系，可以看作是随机对照试验（RCT）的自然类似物。因此，我们旨在研究肠道菌群是否与口服和与传统的黄金标准RCT相反，参与者根据其基因型分配，从而减少了反向因果关系和混杂因素（例如道德和社会经济因素）的影响。
卓讯鸿图股份有限公司 10-K 表格年度报告已提交 2025-01 ...
本公司原为控股公司，通过其全资子公司 Gushen Holding Limited 运营，为香港和马来西亚的初创企业以及 SME（中小型企业）提供管理和 IT 支持，以协助他们在运营初期扩大和发展自己的公司。2016 年 8 月 5 日，本公司收购了一家香港公司 Gushen Credit Limited，该公司拥有根据香港《放债人条例》第 163 章注册的放债人牌照。由于香港竞争激烈且租金高昂，2017 年 4 月 27 日，本公司决定以 105,000 美元的对价出售该资产，并停止在香港的业务。此后，本公司在 2017 年 11 月至 2020 年 3 月期间没有开业或产生任何收入，因此处于休眠状态。
引文 Jin L, Wang D, Yang D, Jin Q, Cao M, Li Y, Yang J, Xie G 和 Zhang W (2025) 儿童时期感知到的照顾者焦虑和压力的影响
抑郁症是全球第三大致残原因，已成为影响所有年龄段人群的重大公共卫生问题，对身心健康产生深远的负面影响。在美国，经历重度抑郁发作的一生中风险接近 30% (1,2)。在此背景下，抑郁家庭环境中的经历在塑造后代对抑郁和焦虑症的脆弱性和适应力方面起着至关重要的作用 (3)。因此，研究越来越多地关注家庭动态和抑郁症之间的复杂相互作用，特别强调照顾者的情绪健康对儿童心理发展的影响。照顾者的焦虑和压力被认为是可能引发或加剧抑郁症状的关键因素 (4)，此外，父母的抑郁和焦虑有可能跨代传递 (5)。例如，Carly J. Johnco 和同事发现了焦虑和抑郁代际传递的证据，并指出父母的排斥和缺乏温暖会显著增加儿童患抑郁症的风险（6）。照顾者的焦虑和压力等心理健康问题会对家庭环境产生不利影响，从而可能增加后代患抑郁症的风险。有多种机制可以阐明照顾者的压力如何影响儿童：1.家庭环境对神经发育的影响：Nicole R. Bush 和同事发现，家庭社会经济地位、家庭结构和环境、养育行为和互动方式、父母的心理健康和功能以及父母的物质使用等因素都会影响儿童的大脑发育，进而影响他们患精神疾病的风险（7）；2.情绪感染：儿童可能会内化照顾者的情绪状态，导致抑郁症状的出现。行为模仿：儿童可能会采用照料者模仿的适应不良的应对策略。例如，Emily L. Robertson 及其同事观察到，自 COVID-19 疫情爆发以来，照料者的焦虑、愤怒、悲伤/抑郁情绪增加，饮食和睡眠模式发生变化，对未来的希望减少，冲突加剧，这些因素可以预测一个月后其子女脾气问题、冲突和注意力缺陷多动障碍 (ADHD) 症状的严重程度 ( 8 )。3. 育儿实践受损：照料者的焦虑会破坏育儿行为，导致过度保护、管教不一致或忽视，进而导致儿童情绪失调和抑郁症状。由于照料者情感缺失导致亲子关系恶化，进一步增加了儿童患抑郁症的可能性 ( 9 )。4.社会经济和环境压力源：照料者的压力往往伴随着社会和经济压力，这些压力会通过限制儿童获得资源和机会而加剧上述影响（10、11）。尽管有大量的研究，但大多数研究都是在西方背景下进行的，主要关注父母情绪对儿童情绪健康的影响。关于照料者压力和焦虑影响的研究明显不足
引文 Liu J, Fu Q, Su R, Liu R, Wu S, Li K, Wu J 和 Zhang N (2024) 非传统脂质参数与 2 型糖尿病风险的关系
非酒精性脂肪性肝病 (NAFLD) 是代谢综合征在肝脏的一种表现，其病理特征是肝脏脂肪异常大量积聚，不包括饮酒和病毒性肝炎等其他病因。在过去的几十年中，NAFLD 已迅速成为最常见的肝脏疾病，影响到世界约三分之一的人口，是肝脏相关疾病高发病率和高死亡率的主要原因，给患者带来了严重的健康问题和经济负担 ( 1 )。2 型糖尿病 (T2DM) 是一种以高血糖、高胰岛素血症和胰岛素抵抗 (IR) 为特征的代谢性疾病，影响着全球数亿人，NAFLD 与 T2DM 之间的关联已得到充分证实 ( 2 , 3 )。一项对501 022名个体进行中位随访期为5年的荟萃分析显示，NAFLD可导致罹患2型糖尿病的风险增加约2.2倍（4）。Kanwalet等的研究显示，合并2型糖尿病的NAFLD患者罹患肝细胞癌或肝硬化的风险是非糖尿病患者的2倍以上（5）。在临床诊断2型糖尿病之前，很大一部分患者存在空腹血糖或糖耐量受损，即所谓的糖尿病前期，而这种状态也被认为与NAFLD密切相关（6），有进展为2型糖尿病的潜力（7）。因此，NAFLD患者早期糖代谢管理在临床上尤为重要，但目前尚无合适指标能有效揭示NAFLD患者的糖代谢，研发一种便捷的预测异常糖代谢生物代谢物的指标已势在必行。脂质代谢异常是 NAFLD 与糖代谢异常之间的纽带，而 NAFLD 与脂质异常密切相关（8），表现为甘油三酯 (TG) 水平升高和高密度脂蛋白胆固醇 (HDL-C) 水平降低。此外，NAFLD 患者的总胆固醇 (TC) 代谢发生显著改变，表现为胆固醇合成增加和吸收减少（9），胆固醇过量积聚会导致胰腺 b 细胞
引用Zeng Y，Yin L，Yin X和Zhao D（2023）甘油三酸酯 - 葡萄糖指数水平与妊娠糖尿病的关联
妊娠糖尿病（GDM）是指在怀孕期间的第一次葡萄糖不耐症的不同程度，无论预先存在糖尿病（1）。在过去几年中，GDM的发病率逐渐增加，范围从9.3％到25.5％（2）。GDM通常与先兆子痫，大疾病，围产期异常和死亡率有关，同时与母亲和后代的代谢综合征和高血糖的发作密切相关（3）。这种情况显着影响孕妇和胎儿的福祉，并为未来的疾病带来隐藏的风险（4，5）。GDM的临床诊断通常发生在24-28周的妊娠期，使用75G口服葡萄糖耐受性测试（OGTT）（6）。然而，经验证据表明，在此阶段诊断出GDM时，尽管症状管理可能有可能受益，但母亲和胎儿都可能已经在不同程度上受到不利影响（5，7）。因此，早期认识到GDM风险的怀孕对于预防妊娠和代谢性疾病的代际传播的负面结果至关重要。孕妇的胰岛素抵抗（IR）的早期检测已被证明有助于预测临床诊断之前的GDM发作（8，9）。TYG指数是根据禁食等离子体葡萄糖（FPG）和血清甘油三酸酯（TG）计算得出的，被认为是IR（10，11）的直接，经济，可复制和可靠的替代物。例如，sánchez-garcı́a等。Song等人的元分析。许多研究调查了TYG指数和GDM之间的关系，表明其作为早期GDM风险指标的潜力（12，13），但种族之间可能存在差异。（14）发现有或没有妊娠糖尿病的拉丁美洲孕妇TYG指数值没有显着差异。（15）表明，较高的TYG指数可以预测亚洲妇女的GDM，但在非亚洲妇女中不能预测。因此，使用来自国家健康和营养检查调查（NHANES）的数据，我们对美国的一群孕妇进行了横断面调查，以评估TYG指数与GDM之间的联系。