摘要:晚期肝细胞癌 (HCC) 患者的预后极差,主要是由于病情进展迅速和有效药物匮乏。全基因组分析允许基于差异表达基因 (DEG) 探索潜在药物。然而,HCC 中的候选药物和 DEG 在很大程度上是未知的。在本研究中,我们使用癌症基因组图谱 (TCGA)、国际癌症基因组联盟 (ICGC)、基因表达综合 (GEO) 和免疫组织化学染色研究了 DEG 和预后。还分析了 DEG 之间的蛋白质-蛋白质相互作用网络,以阐明 12 个枢纽基因并查询在线数据库以寻找潜在的 HCC 治疗药物。我们发现 TCGA 数据集中的 3219 个 DEG 中有 885 个与预后相关。我们阐明了在肿瘤样本中过表达的 12 个枢纽基因,它们与 HCC 患者的总体生存率 (OS) 较差显着相关。这些发现已通过 GEO 和 ICGC 队列得到验证。此外,还使用在线数据库预测了针对 HCC 的有希望的候选药物。总的来说,12 个中心基因的上调与 HCC 患者的预后不良有关,关注它们的表达可能会推动针对 HCC 的治疗努力。
本期刊文章的自构建后版本可在Linköping大学机构存储库(DIVA)上获得:http://urn.kb.se/resolve?urn= urn= urn= urn= urnt:nbn:se:se:liu:diva-165639 N.B. N.B. N.B.:引用这项工作时,请引用原始出版物。Petkovic,F.,Lazzarino,G.,Engblom,D.,Blomqvist,A。,A。,(2020),IL-6R,IL-6R在CNS血管内皮细胞上表达,有助于在小鼠中开发实验性自身免疫性脑膜炎,杂志Neurommommomyologology of MICE,342,57777777777777777777777777777777777777777777777777777.777777777777777777777777777777777年。 https://doi.org/10.1016/j.jneuroim.2020.577211
受体酪氨酸激酶,如 VEGFR、PDGFR 和 EGFR,在肾癌中起着重要作用。在本研究中,我们研究了 EGFR 敲除作为肾细胞癌 (RCC) 的治疗方法。我们发现,与其他常用细胞系(如 HEK293、A549、Hela 和 DLD1)相比,肾细胞癌细胞系 (RC21) 的 EGFR 表达更高。通过 CRISPR/Cas9 消融 EGFR 可显著抑制肿瘤细胞生长并激活 MAPK(pERK1/2)通路。VEGFR 和 PDGFR 抑制剂舒尼替尼可减弱 EGFR 缺失诱导的 MAPK(pERK1/2)和 pAKT 表达,并进一步抑制 EGFR -/- 细胞增殖。我们发现 EGFR 的缺失最终会导致对 SAHA 和顺铂的耐药性。此外,EGFR缺失可诱导G2/M期停滞,并导致肾细胞癌对TNF相关凋亡诱导配体(TRAIL)的抵抗力增强。因此,单独使用CRISPR/Cas9或与舒尼替尼联合消融过表达的EGFR可能是肾细胞癌的新治疗选择。
(未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2020 年 3 月 25 日发布。;https://doi.org/10.1101/2020.03.24.006452 doi:bioRxiv preprint
使用针对肿瘤相关靶蛋白的特异性探针对癌症进行分子成像,为提供有关靶向治疗选择、患者分层和治疗反应的信息提供了强大的解决方案。在这里,我们展示了双环肽作为靶向探针的强大功能,以肿瘤过表达的基质金属蛋白酶 MT1-MMP 为靶标。鉴定出一种对 MT1-MMP 具有亚纳摩尔亲和力的双环肽,其放射性结合物在 HT1080 异种移植小鼠模型中显示出选择性肿瘤摄取。通过化学修饰对肽进行蛋白水解稳定化显著增强了体内肿瘤信号[注射后 (pi) 1 小时从 2.5%ID/g 增加到 12%ID/g]。使用具有不同细胞系的小鼠异种移植模型的研究表明,肿瘤信号与体内 MT1-MMP 表达水平之间存在很强的相关性。双环脂肪酸改性
第 9 章 巴甫洛夫、斯金纳和其他行为主义者对人工智能的贡献 *** Witold Kosinski 和 Dominika Zaczek-Chrzanowska 波兰-日本信息技术研究所,波兰-日本计算机技术研究中心 ul. Koszykowa 86, 02-008 Warszawa wkos@pjwstk.edu.pl mado@pjwstk.edu.pl 摘要 将在真实和人工系统的背景下提供一种智能行为的定义。将简要介绍学习原理,从巴甫洛夫的经典条件作用开始,到桑代克和斯金纳的强化反应和操作性条件作用,最后到托尔曼和班杜拉的认知学习。本文将描述行为主义中最重要的人物,尤其是那些对人工智能做出贡献的人物。本文将介绍一些根据这些原理行事的人工智能工具。本文将尝试说明何时一些简单的行为修改规则可以导致复杂的智能行为。 1. 智能:描述 毫无疑问,行为主义者对人工智能的发展做出了巨大贡献。动物学习理论的证据,尤其是行为主义者发现的学习规律,多年来吸引了人工智能领域的研究人员,许多模型都以此为基础。智能是一个复杂而有争议的概念,因此很难用一个简单的定义来概括它。根据 Jordan 和 Jordan [1] 的说法,将智能视为我们用来描述具有一定质量的行为的概念是恰当的。在这方面应该使用两个标准,即速度(即代理执行需要智力的特定任务的速度)和能力(即代理可以执行的任务的难度)。另一方面,我们可以找到另一种智能定义,即执行认知过程的能力。有三个基本的认知过程:1) 抽象,2) 学习,3) 处理新颖性。该领域的杰出研究人员对智力给出了许多定义,例如,它被定义为: