XiaoMi-AI文件搜索系统
World File Search Systemmeta
研究生院课程学期2，2024/25时间表
19-Feb-2025 CPD-LG.46 26-Feb-2025 CPD-LG.46 12-Mar-2025 CPD-LG.46 19-Mar-2025 CPD-LG.46 26-Mar-2025 CPD-LG.46 2-Apr-2025 CPD-LG.46 9-Apr-2025 CPD-LG.46 16-Apr-2025 CPD-LG.46 23-Apr-2025 CPD-LG.46 30-Apr-2025 CPD-LG.46 20-Feb-2025 CPD-G.03 27-Feb-2025 CPD-G.03 6-Mar-2025 CPD-G.03 13-Mar-2025 CPD-G.03 20-Mar-2025 CPD-G.03 27-Mar-2025 CPD-G.03 3-Apr-2025 CPD-G.03 10-Apr-2025 CPD-G.03 17-Apr-2025 CPD-G.03 24-Apr-2025 CPD-G.03 21-Feb-2025 CPD-2.47 28-Feb-2025 CPD-2.47 7-Mar-2025 CPD-2.47 14-MAR-2025 CPD-2.47 28-MAR-2025 CPD-2.47 11-APR-2025 CPD-2.47 25-APR-2025 CPD-2.47 2-MAY-20225 CPD-2025 CPD-2.47 CPD-2.47 9-MAY-2025 CPD-2.47 16-MAY-201225 CPD.ING>
2025; 16（7）：2087-2102。 doi：10.7150/jca.104389研究论文胆固醇代谢相关的基因预测胃肠道的免疫浸润和预后
背景：胃癌（GC）是全球最普遍的恶性疾病之一。异常的代谢重编程，尤其是胆固醇代谢，会影响肿瘤的发展和治疗结果。这项研究研究了胆固醇代谢相关基因在胃癌患者中的预测和功能意义。方法：使用来自基因表达综合基因综合（GEO）和癌症基因组图表（TCGA）的数据集分析了胃癌中与胆固醇代谢相关的临床和基因表达数据。使用Lasso，Cox回归和GSE26889队列开发并验证了预测签名，然后使用Kaplan-Meier分析进行评估。通过将签名与临床因素和SSGSEA整合进行免疫分析来构建一个nom图。使用Western印迹，QPCR和细胞测定法研究了NPC2的作用。结果：我们对胃癌中胆固醇代谢相关的50个基因进行了生物信息学分析。使用GEO和TCGA数据集，我们确定了28个基因在胃癌患者中表达差异。随后的Cox Univariate和Lasso回归分析分析了这28摄氏度，将五个基因（APOA1，APOC3，NPC2，CD36和ABCA1）确定为独立的预后风险因素。然后，我们为胆固醇代谢基因构建了一个风险模型，表明与低风险组相比，高危组的生存率较差，并具有更严重的病例分期结果。然后，我们使用相关列图开发了一个模型来说明这些结论。我们对高危和低风险组之间的免疫细胞进行了比较分析，揭示了免疫细胞类型表达的不同变化。我们进一步研究了NPC2的生物学特征。免疫组织化学和QPCR结果表明，NPC2在胃癌组织中表现出明显的蛋白质和mRNA表达。我们使用siRNA技术来抑制NPC2，从而降低了胃癌细胞的生存力，增殖和侵袭能力，这是由CCK-8，菌落形成，伤口愈合和Transwell分析确定的。结论：使用生物信息学构建了一个包括五个胆固醇代谢相关的基因的风险签名，以估计胃癌患者的结局和治疗反应。结果表明NPC2可以作为胃癌患者的新生物标志物。
石墨烯元推销生物传感器用于近红色状态中的covid-19检测
这项研究介绍了用于Covid-19检测的生物传感器的设计和分析，将石墨烯元面积与金，银和GST材料整合在一起。所提出的传感器架构将平方环谐振器与圆环谐振器结合在一起，并通过红外制度中的Comsol多物理模拟进行了优化。传感器表现出非凡的性能特征，在初级检测带（4.2-4.6μm）中的吸收值超过99.5％，次级带（5.0-5.5μm）中的吸收值约为97.5％。该设备表现出高灵敏度（4000 nm/riU），检测极限为0.078，优点为16.000riu⁻时，当利用晶体GST作为底物材料时。通过使用XGBoost回归的机器学习优化，传感器的性能得到了进一步提高，从而在各种操作参数之间实现了预测和实验值之间的完美相关性（R²= 100％）。双波段检测机制，结合了高级材料和机器学习优化的整合，为快速，无标签和高度敏感的COVID-19检测提供了有前途的平台。这项研究有助于开发用于病毒检测和疾病诊断的下一代生物传感技术。
高光暴露和β-胡萝卜素酮酶异源表达对胡萝卜素reinhardtii
结果：在这项研究中，用高光暴露和β-徘徊的酮醇酶的异源表达以时间依赖的方式研究了Reinhardtii中的类胡萝卜素代谢调节。结果表明，高光暴露（500μmol /m 2 /s）的应力对β-胡萝卜素的积累负调节。积极地诱导玉米黄质，晕辉语和甘氧蛋白的积累。并不断促进Zeaxanthin和canthaxanthin在C. reinhardtii中的积累。代谢组学分析表明，高光暴露应力促进了类胡萝卜素的生物合成，改善了与astaxanthin合成途径相关的中间体，并促进了β-胡萝卜素转化为下游物质。实施了几种策略，以改善Reinhardtii中的canthaxanthin的产生，以实现来自不同来源的β-芳香烯酮醇酶基因的过表达，包括强启动子，插入内含子和叶绿体传导肽。发现，在转化的过表达β-胡萝卜素酮醇酶的转化后，β-胡萝卜素，晕辉酮和canthaxanthin均显着增加。其中，在PH124-CRTO中发现了最高的canthaxanthin含量，这是
炎症标志物介导心脏代谢综合征患者的重量调整后的腰围与死亡率之间的关联
心脏代谢综合征（CMS）与心血管疾病，2型糖尿病和全因死亡率的风险增加有关。重量调整后的腰围圆形指数（WWI）已成为评估肥胖及其健康影响的新型指标。考虑了炎症标记的介导作用，研究CMS患者的WWI与死亡率之间的关系。该研究分析了2003年至2018年的国家健康和营养检查调查（NHANES）数据，并确定了6506例CMS患者。WWI被计算为腰围（CM）的平方根除以重量（kg）。死亡率数据与国家死亡指数（NDI）相关。针对人口统计学和临床协变量调整的COX回归模型，评估了第一次世界大战对全原因和原因特定死亡率的影响。最后，使用调解分析探索了炎症标记在第一次世界大战与死亡率之间关系中的作用。这项研究观察到CMS患者之间第一次世界大战与全因，心血管和与糖尿病相关的死亡率之间的线性阳性相关性。调整了人口和临床混杂因素后，第一次世界大战仍然是死亡率的重要预测指标。调解分析表明，炎症标记，尤其是中性粒细胞和全身免疫炎症指数（SII），显着介导了第一次世界大战与全因死亡率之间的关系。WWI是CMS患者死亡率的独立预测指标，炎症可能将肥胖与死亡率风险联系起来。这些发现可能会为CMS的临床风险评估和管理策略提供信息。
锻炼可以改善认知，记忆和执行功能的有效性：系统的伞审查和元 - 米塔 - 分析
摘要目的是评估随机对照试验（RCT）对运动对所有人群和年龄段一般认知，记忆和执行功能的影响的系统评价。方法对RCT进行系统评价和元分析，评估运动对一般认知，记忆和执行功能的影响符合条件。进行了数据提取和偏差评分的风险。评估系统审查的测量工具（Amstar-2）用于评估偏见的风险。使用随机效应模型合并效应大小，并报告为标准化平均差异（SMD）。亚组分析，以实现参与者和干预特征。主要结果衡量一般认知，记忆和执行功能。数据来源Cinahl，Cochrane图书馆，Embase，Medline，通过Ovid，Emcare，Proquest Central，Proquest Nursing和Allied Health Source，Psycinfo，Scopus，Scopus，Sport Fissus和Web of Science。结果包括133次系统评价（2,724 RCT和258 279名参与者）。练习显着改善了一般认知（SMD = 0.42），内存（SMD = 0.26）和执行功能（SMD = 0.24）。与成年人和老年人相比，儿童和青少年的记忆和执行功能改善的运动更大。与其他人群相比，患有注意力/多动症的人的执行功能表现出更大的改善。效果通常更大。发现在排除评分为低质量低下的评论后，在统计学上仍然很重要。较短的干预措施（1-3个月）和Exergames（需要身体运动的视频游戏）对一般认知和记忆的影响最大。结论这些发现提供了有力的证据表明，锻炼，甚至光强度，使所有人群中的一般认知，记忆和执行功能都受益，从而加强了锻炼，作为优化认知健康的必不可少的，包括包容性的建议。试用注册号Prospero ID：CRD42023468991。
在2O3催化剂掺杂的单个金属原子上的CO2氢化和分离的比例关系，并具有促进的氧气空位位点
解决过多的碳排放引起的严重环境问题，碳捕获，利用和储存技术（CCUS）已引起了广泛关注。1 - 3为了探索Co 2 Hydroge-nation对甲醇反应4,5的探索，目的是同时改善可再生能源的利用。目前，工业量表上的甲醇合成很大程度上取决于合成气的转化，该合成气体是CO和H 2的混合物，与少量CO 2促进了Cu/ZnO/ZnO/Al 2 O 3催化剂。尽管如此，基于Cu的催化剂对于反水 - 气体什叶派（RWG）反应显着活跃，导致甲醇选择性降低和催化剂失活，尤其是在相对较高的反应温度下。6 - 8
遗传，转录组，代谢和神经精神上的基础皮质功能梯度
图1：不同数据集中的遗传力（H 2）地图。a。显示低维空间，其颜色由功能网络编码34。b。显示了三个组织轴的本征图，该轴是根据人类连接组项目（HCP）35的函数连接模板22计算得出的。所有个人都与此组级模板保持一致。我们使用单个梯度和谱系/基因型信息来计算单核苷酸多态性（SNP）基于双核苷酸多态性（C），基于Twin的HCP（D）和基于TWIN的QTAB（E）的每个梯度的遗传力（H 2）。f。每两个遗传力图之间的空间相关性。空间自相关被认为使用测量距离变化函数图将图置入图，并且基于1000个排列获得了P变化图值。