XiaoMi-AI文件搜索系统
World File Search Systemmarkers
尿路上皮癌全身治疗反应的分子标记
摘要 在任何癌症领域，寻找可靠的分子生物标志物来补充临床实践都是一项极具挑战性的工作。尿路上皮癌是一种非常异质性的疾病，全身治疗的反应和根治性膀胱切除术后的结果都很难预测。下一代测序和全基因组或转录组分析等分子生物学的进展为全面了解疾病背后的生物学提供了有希望的平台，并可以识别出新兴的预测性生物标志物。此外，对患者治愈性治疗后的复发风险进行分类，甚至预测传统或靶向治疗的益处，是一项极具挑战性的工作，可能会重塑个性化治疗的选择和疾病监测。虽然已经取得了进展，但目前在临床环境中没有使用分子生物标志物来预测新辅助或辅助环境中对全身药物的反应，突显出相关的未满足需求。在这里，我们旨在介绍分子生物标志物在预测尿路上皮癌对全身药物的反应方面的新兴作用。ª 2021 年《亚洲泌尿外科杂志》编辑部。由 Elsevier BV 制作和托管 这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
链脂肪酸水平和类型的代谢标记
肠道菌群在控制2型糖尿病（T2D）中起重要作用。糙米（BR）具有较高的纤维和镁含量，并且比白米（WR）的血糖指数低，因此可能可以改善肠道菌群，短链脂肪酸（SCFA）和代谢标记物。这项研究旨在比较肠道菌群概况，SCFA水平，以及给定12周基于BR和WR的饮食的T2D患者的人体测量和实验室代谢标记的变化。这项实验前测试设计研究使用目的抽样方法招募了17名口服抗糖尿病药物（OAD）的女性糖尿病患者。对受试者进行了12周的基于BR的饮食，然后进行洗涤2周，以及基于WR的饮食12周。肠道菌群谱和SCFA。在BR干预后，受试者的浓汤，较低的细菌植物，较高的较低的菌类，较高的脂肪菌与菌植物（f/b）比和丁酸酯水平较高。此外，BR显着改善了人体测量和实验室代谢标记以及胰岛素抵抗（HOMA-IR）指数的稳态模型评估（P <0.05）。T2D患者接受了基于BR的饮食12周的肠道菌群谱，丁酸水平，人体测量和实验室代谢标记和胰岛素抵抗的更好。
多发性硬化症患者的 Epstein-Barr 病毒感染标志物
摘要：多年来，人们一直怀疑病毒感染与某些自身免疫性疾病的发病机制有关。爱泼斯坦-巴尔病毒 (EBV) 是一种属于疱疹病毒科的 DNA 病毒，被认为与多发性硬化症 (MS)、系统性红斑狼疮、类风湿性关节炎、舍格伦综合征和 1 型糖尿病的发病和/或进展有关。EBV 的生命周期包括感染 B 细胞中发生的溶解周期和潜伏期 (0、I、II 和 III)。在此生命周期中，会产生病毒蛋白和 miRNA。本综述概述了 EBV 感染的检测，重点关注 MS 中的潜伏期和溶解期标志物。在 MS 患者中，潜伏期蛋白和抗体的存在与中枢神经系统 (CNS) 的病变和功能障碍有关。此外，在 MS 患者的 CNS 中可能会检测到在溶解期和潜伏期表达的 miRNA。 EBV 的溶解性再激活也可发生在患者的中枢神经系统中，MS 患者的中枢神经系统中存在溶解蛋白，并且 T 细胞会对此蛋白产生反应。总之，在 MS 患者中可以发现 EBV 感染的标志物，这支持了 EBV 与 MS 之间存在某种关系。
InSight V-IA 心脏标志物 - NT-proBNP 和 cTnI 介绍
是一种含有76个氨基酸的多肽。❑ 直链结构，生物活性不强，经肾脏清除。❑ 半衰期为90 – 120分钟，体外稳定。❑ 血药浓度高（是BNP的15 – 20倍），血药浓度正相关
主题：肿瘤/遗传标记 - 医学覆盖指南
甲状腺的细针吸入（FNA）的标记：通过这些测试接受FNA样品测试的患者的证据，以排除恶性肿瘤并避免手术活检或切除，证据包括前瞻性临床有效性研究，对AFIRMA GSC进行了对前瞻性和回顾性的临床研究，对实现的临床研究，梅特（Meta-e Resportive）的临床研究，对梅特（Meta-e Rectimative）的实现，是针对实现的，是一项实现的，是一项实现的启示性研究。与验证研究相比，Afirma GSC平台以及支持临床实用程序的一系列证据。 现实世界中Afirma GSC数据的荟萃分析表明，NPV明显更高（以及特异性和阳性预测值[PPV]）。 在其他多中心和单中心研究中，有暗示性的证据表明，Afirma GSC或蒂尔索克V3患者的恶性肿瘤较低，这些患者被归类为良性或阴性，在一项前瞻性试验中，NPV高31.8个月，进行了31.8个月的测试后成像监视。 可用的甲状腺的细针吸入（FNA）的标记：通过这些测试接受FNA样品测试的患者的证据，以排除恶性肿瘤并避免手术活检或切除，证据包括前瞻性临床有效性研究，对AFIRMA GSC进行了对前瞻性和回顾性的临床研究，对实现的临床研究，梅特（Meta-e Resportive）的临床研究，对梅特（Meta-e Rectimative）的实现，是针对实现的，是一项实现的，是一项实现的启示性研究。与验证研究相比，Afirma GSC平台以及支持临床实用程序的一系列证据。 现实世界中Afirma GSC数据的荟萃分析表明，NPV明显更高（以及特异性和阳性预测值[PPV]）。 在其他多中心和单中心研究中，有暗示性的证据表明，Afirma GSC或蒂尔索克V3患者的恶性肿瘤较低，这些患者被归类为良性或阴性，在一项前瞻性试验中，NPV高31.8个月，进行了31.8个月的测试后成像监视。 可用的甲状腺的细针吸入（FNA）的标记：通过这些测试接受FNA样品测试的患者的证据，以排除恶性肿瘤并避免手术活检或切除，证据包括前瞻性临床有效性研究，对AFIRMA GSC进行了对前瞻性和回顾性的临床研究，对实现的临床研究，梅特（Meta-e Resportive）的临床研究，对梅特（Meta-e Rectimative）的实现，是针对实现的，是一项实现的，是一项实现的启示性研究。与验证研究相比，Afirma GSC平台以及支持临床实用程序的一系列证据。现实世界中Afirma GSC数据的荟萃分析表明，NPV明显更高（以及特异性和阳性预测值[PPV]）。在其他多中心和单中心研究中，有暗示性的证据表明，Afirma GSC或蒂尔索克V3患者的恶性肿瘤较低，这些患者被归类为良性或阴性，在一项前瞻性试验中，NPV高31.8个月，进行了31.8个月的测试后成像监视。可用的
脑部疾病中的神经血管单元、神经炎症和神经退行性标志物
通过激活神经胶质细胞和神经元损伤而引起的神经血管单元 (NVU) 炎症在神经退行性疾病中起着关键作用。虽然疾病发病的确切机制尚不明确，但某些生物标志物为了解疾病的发病机制、严重程度、进展和治疗效果提供了宝贵的见解。这些标志物可用于评估脑细胞的病理生理状态，包括神经元、星形胶质细胞、小胶质细胞、少突胶质细胞、特化微血管内皮细胞、周细胞、NVU 和血脑屏障 (BBB) 破坏。BBB 的紧密连接 (TJ)、粘附连接 (AdJ) 和间隙连接 (GJ) 成分的损伤或错位会导致包括神经退行性疾病在内的各种脑部疾病的通透性和神经炎症增加。因此，可以评估血液、脑脊液 (CSF) 或脑组织中的神经炎症标志物，以确定神经系统疾病的严重程度、进展和治疗反应。慢性炎症在与年龄相关的神经退行性疾病中很常见，包括阿尔茨海默病 (AD)、帕金森病 (PD) 和痴呆症。神经创伤/创伤性脑损伤 (TBI) 也会导致急性和慢性神经炎症反应。一些标志物的表达也可能在神经退行性疾病发作前很多年甚至几十年发生改变。在这篇综述中，我们讨论了与急性和慢性脑部疾病相关的神经炎症和神经退行性疾病的标志物，尤其是与神经血管病变相关的标志物。这些生物标志物可以在脑脊液或脑组织中进行评估。神经丝轻链 (NfL)、泛素 C 末端水解酶-L1 (UCHL1)、神经胶质纤维酸性蛋白 (GFAP)、离子钙结合衔接分子 1 (Iba-1)、跨膜蛋白 119 (TMEM119)、水通道蛋白、内皮素-1 和血小板衍生生长因子受体 β (PDGFR β ) 是一些重要的神经炎症标志物。最近的 BBB 芯片建模提供了有希望的
回顾癌症干细胞标记的预后价值...
目标：宫颈癌的预后生物标志物被广泛研究，包括癌症干细胞（CSC）标记。但是，它们的意义仍然不确定。这项研究旨在确定宫颈癌干细胞（CCSC）标记在生存中的作用。材料和方法：我们进行了系统的综述和荟萃分析（Prospero CRD42021237072），该研究报告了CCSC标记作为基于PRISMA指南的预后预测指标。我们纳入了研究组织肿瘤中CCSC表达的关联与PubMed，EBSCO和Cochrane库数据库的总生存期（OS）或无病生存期（DFS）的关联的英文文章。根据纽卡斯尔 - 奥塔瓦质量评估量表分析了研究质量。结果：从413个出版物中，在包含和排除标准的研究选择后，包括22项研究。CCSC标记的高表达与差的OS和DF相关（HR = 1.05，95％CI：1.03 - 1.07，P <0.0001; HR = 1.31，95％CI：1.09 - 1.17，P <0.00001;分别分别）。Sub-analysis of individual CCSC markers indicated significant correlations between CD44 (HR= 1.14, 95% CI: 1.07 – 1.22, P 0.0001), SOX2 (HR= 1.58, 95% CI: 1.17 – 2.14, P 0.003), OCT4 (HR= 1.03, 95% CI: 1.01 – 1.06, P 0.008), ALDH1 （HR = 1.36，95％CI：1.13 - 1.64，P 0.001）和CD49F（HR = 3.02，95％CI：1.37 - 6.64，P 0.006），OS较差； OCT4（HR = 1.14，95％CI 1.06 - 1.22，p 0.0003），SOX2（HR = 1.11，95％CI：1.06 - 1.16，P <0.0001）和AldH1（HR = 1.22，95％CI：1.10 - 1.35，P 0.0002），较差DFS）。我们没有为MSI-1和CK17进行荟萃分析，因为只有一项研究研究了这些标记。结论：OCT4，SOX2和ALDH1的表达与宫颈癌组织中的OS和DFS差有关。这些标记可能具有预测生物标志物来预测不利生存的潜在作用。
癌症干细胞的作用人类肠道微生物组的丰富性与代谢标记相关
Emmanuelt Le Chatelier 1 *, Trine Nielsen 2 *, Junjie Qin 3 *, Edi Prifti 1 *, Falk Hildebrand 4.5, Gwen Falony 4.5, Mathieu Almeida 1, Manimozhiyan Arumugam 2,3,6, Jean-Michel Batto 1, Sanannedo 1, Sanannedo 1, Sanannedo 1, San-Kennedo 1，Sannedo 1; 3.7，Kristoffer Burgdorf 2，Niels Grarup 2，TorbenJørgensen8,9,10，Ivan Brandslund 11.12，HenrikBjørnNielsen13，Agnieszka S. Juncker 13 G. Zoetendal 14, Søren Brunak 13, Karine Cle´ment 15,16,17, Joeiter Dor´e 1.18, Michiel Kleerebezem 14, Karsten Kristiansen 19, Pierre Renault 18, Thomas Sicheritz-Pontan 15,16,21, Jeroen Raes 4.5, Torben Hansen 2.22, Metahit Consortium {, Peer Bork 6，Jun Wang 3,19,23,24,25，S。DuskoEhrlich 1＆Oluf Pedersen 2,26,27,28
标记识别和基于人工智能的激进推特数据分类
摘要 目的——社交网络 (SN) 最近从一种连接人们的手段演变为一种社会工程、激进化、传播宣传和招募恐怖分子的工具。众所周知，伊拉克和叙利亚伊斯兰国 (ISIS) 的大多数成员都是阿拉伯语使用者，甚至非阿拉伯人也采用阿拉伯昵称。然而，研究该主题的大多数文献都涉及非阿拉伯语。此外，识别激进伊斯兰内容所涉及的特征很肤浅，搜索或分类术语在该地区人们的日常聊天中很常见。作者旨在将受宗教在日常生活中的作用影响的正常对话与恐怖主义相关内容区分开来。设计/方法/方法——本文介绍了作者的经验以及收集、分析和分类 ISIS 附属成员以及同情者的 Twitter 数据的结果。作者使用人工智能 (AI) 和机器学习分类算法将推文分类为与恐怖主义相关、一般宗教和无关。发现 – 作者报告了 K 近邻 (KNN)、伯努利朴素贝叶斯 (BNN) 和支持向量机 (SVM) [一对多 (OAA) 和全对全 (AAA)] 算法的分类准确率。作者获得了 83% 的高分类 F1 分数。本文的工作有望帮助更准确地分类激进内容。原创性/价值 – 在本文中，作者收集并分析了数千条提倡和宣传 ISIS 的推文。作者确定了许多 ISIS 言论的常见标记和关键词。此外，作者还应用了文本处理和 AI 机器学习技术将推文分为三类：与恐怖主义相关的、与恐怖主义无关的政治闲聊以及新闻和不相关的数据污染推文。关键词 ISIS、分类、推特、激进化、阿拉伯语 论文类型 研究论文