XiaoMi-AI文件搜索系统
World File Search Systemfeatures
胰腺腺癌的代谢组学分析揭示了驱动临床结果和耐药性的关键特征
背景：尽管最近在胰腺导管腺癌 (PDAC) 生物学特征描述方面取得了重大进展，但仍需付出更多努力来提高我们的认识，并应对与该疾病的侵袭性、高死亡率和化疗耐药性相关的挑战。方法：在本研究中，我们对 77 例 PDAC 患者来源的肿瘤异种移植 (PDTX) 进行了代谢组学分析，以研究代谢谱与 PDAC 患者的总生存期 (OS)、肿瘤表型和对五种抗癌药物 (吉西他滨、奥沙利铂、多西他赛、SN-38 和 5-氟尿嘧啶) 的耐药性之间的关系。结果：我们确定了一种能够预测 PDAC 患者临床结果的代谢特征 (p < 0.001，HR=2.68 [95% CI：1.5 4.9])。相关性分析表明，该代谢组学特征与 PDAC 分子梯度 (PAMG) 显著相关 (R = 0.44 和 p < 0.001)，表明与肿瘤的转录组表型显著相关。使用 35 个 PDTX 衍生的原代细胞根据生长率抑制指标建立的耐药性评分可以识别出几种与耐药性相关的代谢物，耐药性同时伴随着几种二酰基磷脂的全球积累和溶血磷脂的减少。有趣的是，针对甘油磷脂合成提高了对三种测试的细胞毒药物的敏感性，这表明干扰代谢可能是克服 PDAC 挑战性耐药性的一种有前途的治疗策略。解读：总之，这项研究表明胰腺 PDTX 模型的代谢组学谱与临床结果、转录组表型和耐药性密切相关。我们还表明，针对脂质组学谱可用于治疗 PDAC 化疗耐药的联合疗法。© 2021 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
视觉特征前额编码的个体差异
摘要：外侧前额叶皮层 (LPFC) 通常与高级认知有关，例如注意力、语言和认知控制。然而，最近的研究表明，它对于包括物体识别在内的基本感知功能也至关重要。在这里，我们用计算模型描述了 LPFC 在视觉处理中的作用。使用 7T 的人类 fMRI 数据数据集，我们建立了编码模型，将从深度神经网络（CLIP [对比语言-图像预训练] 网络的图像编码器）中提取的视觉特征与大脑对数千张自然图像的反应联系起来。在八个受试者中，我们能够稳健地预测 LPFC 斑块中的反应，最明显的是 FEF（额叶眼场）和 vlPFC（腹外侧 PFC）区域。利用这些强大的编码模型，我们随后探索了表征结构并筛选了 LPFC 中具有高预测反应的图像。我们发现 LPFC 的编码方案存在显著的个体差异。相比之下，腹侧视觉流的编码方案在个体之间保持更一致。总体而言，我们的研究证明了 LPFC 在视觉处理中的作用未被充分重视，并表明 LPFC 可能是不同个体体验视觉世界的独特之处的基础。从方法论上讲，这些发现也可能解释了为什么以前的团体研究往往未能观察到 LPFC 中强大的视觉功能，因为受试者的反应可能需要单独校准。
识别
目的超声是一种高效的成像工具，用于乳房内部异常。然而，特别是通过乳房超声鉴定乳腺模仿纤维膜瘤（MTMF）的恶性肿瘤可能具有挑战性。这项研究旨在确定MTMF的可靠进化特征。材料和方法这项回顾性研究得到了当地伦理审查委员会的批准。包括在2011年至2021年间筛查623例患者后，有421例组织学验证的纤维膜瘤和MTMF病例。将超声检查特征与组织病理学结果进行了比较，并进行了基于算法的定量排名对预测因子的定量排名最大程度最大，这是对恶性肿瘤正确分类的最大贡献。结果分析了总共363个良性，18个中间体和40个恶性病变。Algorithm-based quantitative rank- ing showed that the most predictive features indicating malig- nancy were a hyperechoic rim (gain ratio merit 0.135±0.004), an irregular border (0.057 ± 0.002), perilesional stiffening (0.054±0.002), pectoral contact (0.051±0.003), an irregular shape (0.029 ± 0.001）和不规则的脉管系统（0.027±0.002）。结论纤维瘤的超声检查结果变化，对MTMF的识别构成挑战。诸如无缘缘和周期回声的特征是恶性肿瘤的预分量，应在超声评估纤维肾上腺瘤和MTMF期间考虑。
农田生物多样性受益于小木质特征
尽管对农业景观中木质特征的生物多样性的积极影响得到了广泛认可，但仍然存在关于哪种景观环境以优先考虑其实施以及在哪些比例方面的问题。研究农田生物多样性对不同景观组成（农田，草地，混合）中的小木质特征（SWF）密度的响应，我们分析了从111只鸟类，22个蝙蝠和25个Bush Cricket物种的标准化监测方案中的精细分辨率数据，以全国规模（依靠3772，834和724的监视点）超过372.27，这是72，724和727的监控点。 法国。我们通过不同的指标（物种多样性和功能组成）使用了广义的加性混合模型来分析人口和社区反应。我们发现三个分类单元对SWF表现出积极的反应，尤其是在Cropland，SWF密度相对于草原和混合景观最低。此外，我们的结果还提出了三个分类单元共有的非线性响应，而在大多数指标中，造成了至少6％的SWF密度的收益，但在较小程度上（例如，在7-12％的SWF时达到的最大丰度达到了最大的丰度）。我们注意到，农田鸟类专家中的某些物种受SWF的负面影响。总体而言，我们强调了在农业景观中，尤其是在农田中促进木质特征的好处，以支持生物多样性及其相关的生态系统功能。我们的研究为先前研究的建议提供了至关重要的经验证据，以及2030年欧盟生物多样性策略的相关性，将至少10％的农田专用于高多样性景观特征。
Brainbox——一种促进脑磁共振成像特征与组织病理学关联的工具
磁共振成像 (MRI) 在识别潜在组织病理方面存在局限性，这与多发性硬化症、中风或脑肿瘤等神经系统疾病有关。然而，目前没有将 MRI 特征与组织病理学相关联的标准化方法。因此，我们旨在开发和验证一种可以促进脑 MRI 特征与相应组织病理学相关联的工具。为此，我们设计了 Brainbox，这是一种防水且与 MRI 兼容的 3D 打印容器，具有集成的 3D 坐标系。我们使用 Brainbox 对八个人类大脑（新鲜的和福尔马林固定的）进行死后离体 MRI，并使用内置的 3D 坐标系将局部成像特征与组织病理学相关联。凭借其内置的 3D 坐标系，Brainbox 可以将 MRI 特征与相应的组织基质相关联。 Brainbox 用于将不同的 MRI 图像特征与相应的组织基质关联起来，包括正常的解剖结构，例如海马或血管周围空间，以及腔隙性中风。固定后脑体积减少了 7%（P = 0.01）。Brainbox 能够在扫描前对标本进行脱气，减少磁化伪影并最大限度地减少扫描过程中的体积运动。总之，我们的原理验证实验证明了 Brainbox 的可用性，它有助于提高 MRI 的特异性以及标准化死后离体人脑 MRI 与组织病理学之间的相关性。我们的机构可应要求提供 Brainbox。
妊娠期结核病的免疫神经内分泌反应和特点
结核病和妊娠的结合总是会引发关于治疗、妊娠、产科、产后和哺乳管理的特殊性、治疗对胎儿发育的影响以及结核病过程的特殊性的问题。直到最近，结核病和妊娠被认为是一种罕见的组合，但随着艾滋病毒感染问题的日益严重和成人结核病筛查的恶化，这种组合已变得相当普遍。此外，新生儿先天性结核病病例也开始出现。在这篇综述中，我们分析了影响结核病和结核病/艾滋病毒合并感染患病率的孕妇免疫和免疫神经内分泌反应特征。妊娠期特有的免疫神经内分泌变化对抗结核病免疫有多种影响，并决定了妊娠背景下结核病过程的特殊性。这些变化导致结核病的病程比怀孕前更为严重。妊娠期间和产后第一年患病的妇女的结核病临床表现结构特点是病情更严重、多器官损害发生率更高，产后患结核病的妇女的细菌分离株百分比明显高于妊娠期间患结核病的妇女。艾滋病毒感染尤其构成威胁，会加剧免疫反应紊乱，从而影响治疗效果和总体疾病进展。
揭示了Axolotl胰腺的生物学特征作为一种新的研究模型
1广东省人民医院（广东医学科学学院），南科医科大学，广东，中国广东，2 BGI研究，中国Qingdao研究，3 bgi研究中国广州南部师范大学教育部，脑研究与康复研究所，中国，5个创新的发展与疾病教育部，南中国中国技术学院，中国南部，广州大学，广东大学，6广东省级省级免疫学和分子诊断，吉恩·省医学院Forschungsgemeinschaft（DFG） - 再生疗法Dresden，TechnischeUniversitätDresden，德累斯顿，德累斯顿
在稳定固定和主动视觉期间的刺激特征的表示
研究文章|行为/认知在稳定固定和主动视觉期间的刺激特征的表示https://doi.org/10.1523/jneurosci.1652-24.2024收到：2024年9月1日修订：2024年11月7日接受：2024年11月25日接受：2024年11月25日，2024年2月25日Moran Moran Et an。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
有关前列腺癌诊断的同源持久特征的机器学习技术
摘要图像处理设备和技术的快速演变确保了新型图片分析方法的发展。是测量功能拓扑特性的最强大但计算可能的代数技术之一是持续的同源性。这是一个代数不变的，可以在不同的空间分辨率下捕获拓扑细节。持续的同源性使用一组采样点（例如像素）研究了空间的拓扑特征。它可以跟踪由被称为过滤的操作产生的嵌套空间变化引起的拓扑特征的外观和消失，在这种操作中，在我们的情况下，参数量表增加了像素的强度，以检测在各种尺度范围内研究空间的变化。此外，在机器学习的层面上，最近有许多研究和文章目睹了同源性持久性与机器学习算法之间的结合。在另一个层面上，前列腺癌被诊断为描述称为格里森评分的癌症严重程度的评分标准。经典的格里森系统定义了五种组织学生长模式（等级）。在我们的研究中，我们建议研究从新的光学显微镜技术发行的一些腺体上的格里森评分，称为Slim。这种新的光学显微镜技术在光成像中结合了两个经典的思想：Zernike的相比显微镜和Gabor的全息图。在这些图像上计算持续的同源性特征。我们建议将这些图像分类为相应的格里森评分。在同源持久性特征上应用的机器学习技术在这些图像中检测前列腺癌的正确格里森评分非常有效，并且表现出高于95％的精度。