XiaoMi-AI文件搜索系统
World File Search Systemarrest
活化的雌激素受体介导神经母细胞瘤细胞系的生长停滞和分化
摘要几份报道表明雌激素的参与参与了特定的大脑功能。此外，在大脑发育的早期阶段表达了雌类受体，这表明雌激素或相关分子可能在特定大脑区域的分化中起启发性作用。缺乏可以研究这些现象的模型系统促使我们开发了表达雌激素受体的神经母细胞瘤细胞系。细胞系以与生理活性兼容的水平表达激素受体。活化的雌激素受体能够阻止细胞的增殖而无需发挥毒性作用。随后的生长停滞，细胞显示神经元样的形态，表达T和突触素蛋白，这是在分化神经元中合成的两种蛋白。 生成的细胞系将为神经衍生细胞中雌激素活性的分子和生化研究提供有价值的模型系统。随后的生长停滞，细胞显示神经元样的形态，表达T和突触素蛋白，这是在分化神经元中合成的两种蛋白。生成的细胞系将为神经衍生细胞中雌激素活性的分子和生化研究提供有价值的模型系统。
一种用于预测院外心脏骤停后致病病变的机器学习算法
1. Kiguchi T、Okubo M、Nishiyama C 等人。全球院外心脏骤停：国际复苏联络委员会（ILCOR）首份报告。复苏。2020；152：39-49。2. Spaulding CM、Joly LM、Rosenberg A 等人。院外心脏骤停幸存者的即时冠状动脉造影。N Engl J Med。1997；336(23)：1629-1633。3. Staer-Jensen H、Nakstad ER、Fossum E 等人。复苏后心电图用于选择院外心脏骤停中可立即进行冠状动脉造影的患者。Circ Cardiovasc Interv。 2015;8(10):e002784。4. O'Gara PT、Kushner FG、Ascheim DD 等人。2013 年 ACCF/AHA ST 段抬高型心肌梗死管理指南：执行摘要：美国心脏病学会基金会/美国心脏协会实践指南工作组报告。循环。2013；127(4):529-555。5. Ibanez B、James S、Agewall S 等人。2017 年 ESC ST 段抬高型急性心肌梗死管理指南：欧洲心脏病学会（ESC）ST 段抬高型急性心肌梗死管理工作组。欧洲心脏杂志。 2018；39(2)：119 ‐ 177。6. Collet JP、Thiele H、Barbato E 等人。2020 年 ESC 关于无持续 ST 段抬高型患者急性冠状动脉综合征管理的指南。Rev Esp Cardiol（英语版）。2021；74(6)：544。7. Gorjup V、Radsel P、Kocjancic ST、Erzen D、Noc M。心肺复苏成功后发生急性 ST 段抬高型心肌梗死。复苏。2007；72(3)：379 ‐ 385。8. Lemkes JS、Janssens GN、van der Hoeven NW 等人。无 ST 段抬高型心脏骤停后的冠状动脉造影。N Engl J Med。 2019;380(15):1397 ‐ 1407。9. Kern KB、Radsel P、Jentzer JC 等。无 ST 段抬高型心脏骤停后早期冠状动脉造影与不早期冠状动脉造影的随机试点临床试验：PEARL 研究。循环。2020；142(21)：2002 ‐ 2012。10. Pareek N、Kordis P、Webb I、Noc M、MacCarthy P、Byrne J。心导管实验室对院外心脏骤停的现代管理：现状和未来方向。Interv Cardiol Rev。2019；14(3)：113 ‐ 123。11. Desch S、Freund A、Akin I 等。无 ST 段抬高型心脏骤停后的血管造影。 N Engl J Med 。2021；385：2544 ‐ 2553。12. Dumas F、Manzo ‐ Silberman S、Fichet J 等。早期心脏肌钙蛋白 I 测量能否帮助预测院外心脏骤停幸存者的近期冠状动脉闭塞？Crit Care Med 。2012；40(6)：1777 ‐ 1784。13. Waldo SW、Chang L、Strom JB、O'Brien C、Pomerantsev E、Yeh RW。预测心脏骤停复苏患者中是否存在急性冠状动脉病变。Circ Cardiovasc Interv 。2015；8(10)：e002198。14. Pareek N、Kordis P、Beckley ‐ Hoelscher N 等。一种用于早期预测院外心脏骤停后神经系统结果的实用风险评分：MIRACLE2。欧洲心脏杂志。2020；41：4508 ‐ 4517。15. Smith SW、Dodd KW、Henry TD、Dvorak DM、Pearce LA。使用改良的 Sgarbossa 规则中的 ST 段抬高与 S 波比率诊断左束支传导阻滞下的 ST 段抬高型心肌梗死。紧急医学年鉴。2012；60(6)：766 ‐ 776。16. Sgarbossa EB、Pinski SL、Gates KB、Wagner GS、GUSTO ‐ I 研究者。心室起搏心律存在下急性心肌梗死的早期心电图诊断。美国心脏杂志。 1996;77(5):423 - 424. 17. McDaniel MC, Galbraith EM, Jeroudi AM, et al. ST 段升高患者冠状动脉罪犯病变的定位
听觉刺激和深度学习可预测心脏骤停后昏迷苏醒
评估心脏骤停后昏迷患者的神经功能完整性仍是一个悬而未决的挑战。昏迷结果的预测主要依赖于专家对生理信号的视觉评分，这种方法容易产生主观性，并使相当多的患者处于预后不确定的“灰色地带”。对听觉刺激后脑电图反应的定量分析可以让我们了解昏迷时的神经功能以及患者苏醒的机会。然而，由于协议繁琐多样，标准化听觉刺激后的反应还远未在临床常规中使用。在这里，我们假设卷积神经网络可以帮助提取昏迷第一天对听觉刺激的脑电图反应的可解释模式，这些模式可以预测患者苏醒的机会和 3 个月后的存活率。我们使用卷积神经网络 (CNN) 对多中心和多方案患者队列中在标准化镇静和目标体温管理下昏迷第一天对听觉刺激的单次脑电图反应进行建模，并预测 3 个月时的结果。对于接受治疗性低温和常温的患者，使用 CNN 预测觉醒的阳性预测率分别为 0.83 ± 0.04 和 0.81 ± 0.06，预测结果的曲线下面积分别为 0.69 ± 0.05 和 0.70 ± 0.05。这些结果也持续存在于处于临床“灰色地带”的一部分患者中。网络预测结果的可信度基于可解释的特征：它与脑电图反应的神经同步性和复杂性密切相关，并受到独立临床评估的调节，例如脑电图反应性、背景爆发抑制或运动反应。我们的研究结果强调了可解释的深度学习算法与听觉刺激相结合在改善昏迷结果预测方面的巨大潜力。
乙二醇中毒因心脏骤停和升高的乳酸间隙而复杂：病例报告
乙二醇是汽车防冻剂和各种家庭和工业产品中的共同组成部分，无论是意外还是故意的，都会在摄入时构成重大健康风险。以严重的代谢性酸中毒，草酸钙晶体的形成和各种末端器官损伤，乙烯乙二醇毒性的特征是致命的，其潜在致命剂量估计为1500 mg/kg。母体化合物具有渗透活性，导致有害代谢物的产生，例如乙酸和草酸，这有助于代谢性酸中毒，肾毒性和心脏毒性。急性管理策略涉及支持性护理，将fomepizole作为竞争性酶抑制剂的管理以及通过透析消除肾脏。此外，乳酸间隙是乙二醇中毒中重要的诊断工具，突出了测量和预期乳酸水平之间的差异，这可能表明代谢性酸中毒和组织灌注不足。，我们提出了一例乙二醇中毒的病例，尽管启动治疗以及可能使用乳酸间隙来预测严重程度，但心脏骤停复杂。
异常脑心耦合与心脏骤停后缺氧缺血性脑损伤的严重程度和预后有关
1. 巴黎城市大学医学院，法国巴黎 2. 巴黎中心医院公共援助中心 (APHP-Centre) HEGP 医院重症监护室，法国巴黎 3. 巴黎大学精神病学和神经科学研究所 (IPNP) INSERM UMR 1266，法国巴黎 4. 脑和脊柱研究所 - ICM，INSERM U1127，CNRS UMR 7225，F- 75013，法国巴黎 5. 巴黎国立大学精神病学神经科学系，大学医院神经麻醉和复苏科，法国巴黎 6. 巴黎国立大学精神病学和神经科学系神经生理学和癫痫病学系，圣安妮，F-75014 巴黎 7. 巴黎城市大学，INSERM，止血创新疗法，F-75006 巴黎，法国8. 生物外科研究实验室（卡彭蒂尔基金会），法国巴黎 9. 巴黎公共医疗援助中心科钦医院重症监护室（APHP 中心），法国巴黎 10. 巴黎心血管研究中心，INSERM U970，法国巴黎
通过增强的生存和可逆的细胞周期停滞来实现癌症的复发和致死性
我们提出了一种统一的理论，可以解释癌症复发，治疗性抗性和致死性。该理论的基础是形成了多倍体和非整倍性癌细胞，多层酶癌细胞（PACC），它们通过进入细胞周期停滞状态，避免了全身治疗的毒性作用。该理论与已经发生的经典相关的致癌突变无关。PACC通常被视为衰老或垂死的细胞。我们的理论指出，治疗性抗性是由PACC形成驱动的，PACC形成是通过访问多倍体程序来启用的，该程序允许非整倍体癌细胞将其基因组含量加倍，然后进入非分散的细胞状态以保护DNA完整性并确保细胞存活。消除压力后，例如化学疗法，PACC会经过解倍倍化化并产生抗性后代，从而构成了肿瘤内大部分癌细胞。
多模式深度学习方法是预测心脏骤停后昏迷的神经系统恢复
这项工作展示了我们团队（蜜蜂）与2023年乔治·B·穆迪（George B.目的是使用临床数据和时间序列（例如多通道EEG和ECG信号）预测心脏骤停后昏迷的神经系统恢复。我们的建模方法是多模式的，基于从Nuberous EEG通道得出的两维光谱图表示，以及临床数据的整合和直接从EEG记录中提取的特征。我们提交的模型的挑战分数为0。53在预测的隐藏测试集中，自发循环返回时，进行了72小时，并排名第14。我们的研究显示了在医学分类中采用转移学习的功效和局限性。在预期实施方面，我们的分析表明，该模型的性能与决策阈值的选择密切相关，并在数据拆分之间表现出很大的可变性。
基于脑电图的心脏骤停后预测的深度学习：从当前研究到未来临床应用
心脏骤停 (CA) 后昏迷患者的结果预测至今仍是一个难题。临床结果的主要决定因素是缺氧/缺血后脑病。脑电图 (EEG) 通常用于评估昏迷患者的神经功能。目前，基于 EEG 的结果预测依赖于医学专家的视觉评估，这既耗时又容易产生主观性，并且无法识别复杂的模式。深度学习领域催生了用于在大量数据中检测模式的强大算法。因此，使用深度神经网络分析昏迷患者的 EEG 信号以协助结果预测是这些算法的自然应用。在这里，我们提供了关于使用深度学习进行 CA 后预测的第一篇叙述性文献综述。现有研究表明，无论是依靠自发或听觉诱发的 EEG 信号，在预测结果方面都具有总体较高的性能。此外，文献关注算法的可解释性，并表明深度神经网络在很大程度上基于临床或神经生理学上有意义的特征做出决策。我们通过讨论人工智能和神经病学领域未来需要共同解决的问题来结束这篇评论，以便深度学习算法能够打破出版障碍并融入临床实践。
住院心脏骤停患者的开放访问数据集：使用临床文档的基于机器学习的预测
摘要：心脏骤停是心脏功能突然丧失，并带来严重后果。在开发的1个国家中，医疗保健专业人员使用临床文档来跟踪患者信息。这两个数据可用于预测发展心脏骤停。我们正在通过打开3访问来发布数据集以推进研究领域。基于此数据集，我们的工作围绕生成4并利用合成数据库的潜力来利用合成数据。我们通过采用最先进的机器学习技术进行了5系列实验。这些实验6的目的是评估我们开发的预测模型的性能，以确定发展心脏骤停的可能性7。即使在没有电子记录系统的情况下，这种方法也可以有效地确定8个住院患者心脏骤停的风险。该研究评估了112 9名从紧急治疗部门转移到心脏病病房的患者。10开发的模型在预测心脏骤停的风险方面达到了96％的准确性。在11个结论中，我们的研究展示了利用临床文档和合成12个数据的潜力，以创建可靠的心脏骤停预测模型。这项工作的结果将为医疗保健专业人员提供13个有价值的见解和工具，以抢先解决这种关键的医疗14条件。15
伏立诺他通过上调 PTEN 诱导乳腺癌细胞 G2/M 细胞周期停滞
摘要。– 目的：乳腺癌 (BC) 是全世界女性中最常见的癌症类型。人们提出了各种方法来治疗这种疾病，但没有一种单一的药物被证明是有效的。因此，了解不同药物的分子机制变得势在必行。本研究旨在评估厄洛替尼 (ERL) 和伏立诺他 (SAHA) 在诱导乳腺癌细胞凋亡中的作用。还根据一些癌症相关基因的表达谱评估了这些药物的作用；PTEN、P21、TGF 和 CDH1。材料和方法：在本研究中，乳腺癌细胞 (MCF-7) 和 MDA-MB-231 以及人羊膜细胞 (WISH) 用两种浓度 (50 和 100 µM) 的厄洛替尼 (ERL) 和伏立诺他 (又名 SAHA) 处理 24 小时。收获细胞用于下游分析。通过流式细胞仪分析DNA含量和细胞凋亡，并进行qPCR以评估不同癌症相关基因的表达。结果：结果表明，与正常细胞和对照相比，ERL和SAHA在24小时后将两种乳腺癌细胞都抑制在G2/M期。对于细胞凋亡，随着两种所用药物的浓度增加，BC细胞显示出升高的总细胞凋亡水平（早期和晚期），在24小时处理中，ERL的最有效浓度为100µM。在对照细胞中，SAHA被证明是在100µM浓度下最有效的药物，在24小时处理中细胞凋亡百分比范围为1.7-12％。在所使用的两种乳腺癌细胞系中，坏死也呈剂量依赖性。我们进一步评估了 PTEN 、 P21 、 TGF- β 和 CDH1 的表达谱。在 MCF-7 中，数据表明对于 TGF- β 、 PTEN 和 P21 ，最有效的治疗是浓度为 100 µM 的 SAHA，而对于 CDH1 ，最有效的浓度是 100 µM 的 ERL。在 MDA-MB-232 中也观察到了类似的情况，其中对于 TGF- β 、 PTEN 和 P21 ，最有效的治疗是浓度为 100 µM 的 SAHA，而对于 CDH1 ，最有效的浓度是 50 µM 的 SAHA。结论：我们的结果揭示了 ERL 和 SAHA 在调节癌症相关基因表达中的作用，尽管这些数据需要进一步研究。