1 伦敦帝国理工学院国家心肺研究所,伦敦,英国;2 爱丁堡大学炎症研究中心,爱丁堡,英国;3 格拉斯哥大学医学研究委员会病毒研究中心,格拉斯哥,英国;4 利物浦大学临床感染、微生物学和免疫学系,利物浦,英国;5 利物浦大学医院 NHS 基金会热带和传染病科,利物浦健康伙伴,利物浦,英国;6 爱丁堡大学罗斯林研究所,爱丁堡,英国;7 伦敦卫生与热带医学院临床研究系,伦敦,英国;8 国家健康与护理研究所,利物浦大学健康与生命科学学院感染、兽医学和生态科学研究所,新发和人畜共患感染健康保护研究组,利物浦,英国;9 呼吸医学,Alder Hey 儿童医院,利物浦,英国;英国爱丁堡皇家医院重症监护室
结核分枝杆菌是结核病 (TB) 的病原体,仍然是全球健康负担。虽然结核分枝杆菌主要是一种呼吸道病原体,但它可以扩散到其他器官,包括大脑和脑膜,导致结核性脑膜炎 (TBM)。然而,人们对导致跨器官差异疾病的免疫机制知之甚少。人们的注意力集中在控制肺部结核分枝杆菌的 T 细胞反应差异上,但新出现的数据指出抗体作为疾病控制的生物标志物和抗菌分子发挥着作用。鉴于人们对血脑屏障跨区室抗体反应的认识日益加深,我们在此表征了 TBM 中血液和脑区室的抗体谱,并确定肺部结核分枝杆菌感染 (肺结核) 和 TBM 之间结核分枝杆菌特异性体液免疫反应是否不同。采用高通量系统血清学方法,我们深入分析了 HIV 阴性成人肺结核 ( n = 10) 和 TBM ( n = 60) 患者针对 10 种不同结核分枝杆菌抗原(包括脂阿拉伯甘露聚糖 (LAM) 和纯化蛋白衍生物 (PPD))的抗体反应。抗体研究包括免疫球蛋白同种型 (IgG、IgM、IgA) 和亚类水平 (IgG1–4) 的分析以及结核分枝杆菌特异性抗体结合 Fc 受体或 C1q 并激活先天免疫效应功能(补体和自然杀伤细胞活化;单核细胞或中性粒细胞吞噬作用)的能力。机器学习方法被用于表征 TBM 中的血清和 CSF 反应,确定与疾病严重程度相关的预后因素,并确定区分 TBM 和肺结核的关键抗体特征。在患有 TBM 的个体中,我们发现脑脊液特异性抗体谱标志着针对结核分枝杆菌的独特且区室化的体液反应,其特征是结核分枝杆菌特异性抗体的富集,这些抗体能够强效激活补体并驱动单核细胞和中性粒细胞的吞噬作用,所有这些都与表现时的 TBM 严重程度较低有关。此外,与患有肺结核的个体相比,患有 TBM 的个体血清中存在结核分枝杆菌特异性抗体,激活单核细胞吞噬作用的能力增强,尽管 IgG 滴度和 Fc γ 受体结合能力较低。总的来说,这些数据表明体液反应在功能上有所不同,具体取决于感染部位(即肺部与大脑),并表明 TBM 中脑脊液内存在高度区室化的结核分枝杆菌特异性抗体反应。此外,我们的结果表明,吞噬作用和补体介导的抗体可能促进神经病理学减弱和 TBM 疾病减轻。
Title: Gene expression responses of CF airway epithelial cells exposed to elexacaftor/tezacaftor/ivacaftor (ETI) suggest benefits beyond improved CFTR channel function Authors: Thomas H. Hampton 1 , Roxanna Barnaby 1 , Carolyn Roche 1 , Amanda Nymon 1 , Kiyoshi Ferreira Fukutani 1 , Todd A. MacKenzie 2 ,和Bruce A. Stanton* 1 Thomas H. Hampton博士1美国新罕布什尔州汉诺威市Geisel医学院微生物和免疫学系电子邮件: amandanymon@gmail.com Kiyoshi Ferreira Fukutani,博士电子邮件:kiyoshi.ferreira.fukutani@dartmouth.edu todd A. Mackenzie,博士2美国新罕布什尔州黎巴嫩达特茅斯盖塞尔医学院生物医学数据科学系 *通讯作者:布鲁斯·A·斯坦顿博士。微生物学和免疫学系Geisel医学院,达特茅斯520 Remsen Building Hanover NH 03755电话:603-646-5396电子邮件:bruce.a.stanton@dartmouth.edu摘要:Elexacaftor/tezacaftor/tezacaftor/ivacaftor/ivacaftor(eti fiikectik reigral inibral inibral inibristion conversion intrigry repription intrike)通过改善气道上皮细胞(AEC)分泌CFTR介导的CL-和HCO 3-导致肺功能的改善,频繁的病情较低。然而,研究表明,诸如ETI的组成部分Ivacaftor之类的CFTR调节剂对改善CFTR通道功能的CF细胞具有许多影响。由于对ETI对CF AEC基因表达的影响知之甚少,因此我们将原代人AEC暴露于ETI 48小时,并通过RNA-SEQ和QPCR询问转录组。eti增加了防御素基因表达(DEFB1)的观察结果,与CF患者(PWCF)肺部细菌负担减轻的报道一致。eti还降低了MMP10和MMP12基因表达,这表明ETI可能会减少蛋白水解诱导的肺破坏
棘阿米巴是一种普遍存在的真核微生物,在捕食过程中识别和吞噬各种微生物方面发挥着关键作用,为微生物动力学和免疫反应提供了见解。一个有趣的观察是,棘阿米巴似乎更喜欢革兰氏阴性菌而不是革兰氏阳性菌,这表明对细菌猎物的识别和反应机制可能存在差异。在这里,我们全面回顾了影响棘阿米巴与细菌相互作用的模式识别受体 (PRR) 和微生物相关分子模式 (MAMP)。我们分析了这些相互作用背后的分子机制,本综述的主要发现是棘阿米巴对装饰有碳水化合物的细菌细胞表面附属物表现出亲和力。值得注意的是,这与温血免疫细胞相似,强调了微生物识别中保守的进化策略。本综述旨在为探索 PRR 和 MAMP 奠定基础。这些见解增强了我们对微生物相互作用的生态和进化动态的理解,并阐明了控制免疫反应的基本原理。利用棘阿米巴作为模型生物,在生态相互作用和免疫学之间架起了一座桥梁,为未来的研究提供了宝贵的视角。
信息政策领导中心(CIPL)欢迎有机会根据合法的基础来对信息专员办公室(ICO)的咨询进行回应,以培训生成AI(Gen AI)模型。已有20多年了,CIPL一直处于促进组织问责制和基于风险的方法作为有效数据保护法,政策和监督的基石的最前沿。正如我们的白皮书中指出的《全球AI条例》第1条的十个建议,CIPL提倡任何对AI的监管方法都应寻求保护基本人权,并最大程度地减少对个人和社会的损害风险,同时启用负责任的发展和部署AI。CIPL最近发布了一份题为“建筑物责任AI计划:将新兴实践”映射到CIPL问责制框架2的报告,该框架2展示了20个领先组织如何通过CIPL责任框架的镜头开发负责任的AI计划和最佳实践,以在地面上开发和部署AI。CIPL对咨询的反馈将重点关注1)ICO的分析2)开发人员应采取的技术和组织措施限制客户使用AI代模型的方式,以及3)该主题的方面CIPL希望ICO在未来的出版物中考虑。
抽象目标赫希斯普伦病(HSCR)是一种严重的先天性疾病,影响1:5000活产。HSCR是由于肠神经系统(ENS)祖细胞在胚胎发育过程中完全定植胃肠道的失败而导致的。这会导致远端肠中炎症病,导致运动活性干扰和蠕动受损。当前,唯一可行的治疗选择是对静脉肠道的手术切除。然而,患者经常患有终身症状,经常需要进行多种外科手术。因此,替代治疗选择至关重要。一种有吸引力的策略涉及人类多能干细胞(HPSC)产生的ENS祖细胞的移植。设计ENS祖细胞是使用加速方案从HPSC生成的,并通过单细胞RNA测序,蛋白质表达分析和钙成像的结合详细介绍了。我们使用器官浴收缩力在体内移植向有机型培养的患者衍生的结肠组织后,测试了ENS祖细胞在HSCR结肠中整合和影响功能反应的能力。结果我们发现,我们的方案始终产生具有早期ENS祖细胞的转录和功能标志的细胞群的高收率。移植后,HPSC衍生的ENS祖细胞在外植的人类HSCR结肠样品中整合,迁移并形成神经元/胶质。与对照组织相比,移植的HSCR组织表现出显着增加的基础收缩活性和对电刺激的反应增加。结论我们的发现首次证明了HPSC衍生的ENS祖细胞在人类HSCR患者结肠组织中重新填充和增加功能反应的潜力。
此预印本版的版权持有人于2024年8月7日发布。 https://doi.org/10.1101/2024.08.04.606499 doi:biorxiv Preprint
作为人类 - 引起气候变化的加速,加利福尼亚州将经历与记录历史上任何遇到的任何人不同的水文和温度条件。这些变化将如何影响该州的淡水生态系统?河流,湖泊和湿地是作为水资源管理的,但它们也支持复杂的生命网,从细菌,真菌和藻类到大型植物,木本植物,无脊椎动物,鱼类,两栖动物,两栖动物,爬行动物,鸟类,鸟类和哺乳动物。在该州的大部分地区,本地淡水生物已经难以在大规模的水流和大坝上生存,水质恶化,农业和城市发展的广泛土地覆盖范围以及外来物种的入侵。面对气候变化,我们需要扩大努力以恢复退化的生态系统并保护现有生态系统的韧性,健康和生存能力。为此,需要对河流,湖泊和湿地生态系统的更多理解,以预测系统将如何应对未来的气候变化和我们的干预措施。这将需要1)扩大我们的能力,以机械机理的方式对淡水生物群和生态系统的响应方式进行对环境变化的反应; 2)假设 - 驱动监测和现场研究; 3)建立研究,从业者,管理和政策能力的教育和培训; 4)制定用于构建弹性生态系统的工具和政策。需要一个目标 - 驱动的,假设的 - 部落,州(和联邦)机构,非政府组织,非政府组织,院士和顾问的目标,以实现这些目标,并促进对从业人员,监管机构的未来劳动力以及必须伴随着已经存在的气候变化的研究人员的技能和知识。
在 1956 年首次创造人工智能 (AI) 一词之前( Russell and Norvig,2016 ),艾伦·M·图灵 (Alan M. Turing) 构思了他著名的“图灵测试”。图灵通过测试试图探索计算机生成的反应是否能够在不知情的观察者看来与人类的反应区分开来( Kleppen,2023 )。如果计算机的回答与真实人类回答者的回答无法区分,则计算机“通过”了图灵测试。 2014 年,名为 Eugene Goostman 的聊天机器人( Warwick and Shah,2015 )成为第一台通过图灵测试的机器,代表了人工智能和机器学习的一个重要里程碑,为后续程序树立了标杆。按照目前的定义,人工智能是指设计用于执行原本需要人工干预的任务的计算机系统( Sutton and Barto,2018 )。早期的人工智能研究侧重于使用符号逻辑和基于规则的系统解决一般问题(Jordan and Mitchell,2015)。最初,人工智能研究受到了乐观的评价(Russell and Norvig,2016);然而,由于资金和计算能力不足等因素,研究工作停滞不前。在 20 世纪 90 年代和 21 世纪,由于神经网络、强化学习、计算机视觉和自然语言处理的出现(Jordan and Mitchell,2015),以及大数据、更便宜的计算和先进的计算算法的兴起,机器学习取得了重大进展。最近,深度学习人工智能模型(一种机器学习算法的分层网络,可以通过处理大量数据来提取越来越复杂的信息)已导致基于人工智能的研究取得重大突破(LeCun 等人,2015)。关于人工智能是否通过了图灵测试,仍然存在激烈的争论。如今,无论是在文本还是语音中,都有大量论断声称深度学习程序(例如 Chat GPT)和文本转语音程序能够生成与人类难以区分的输出,从而通过图灵测试(Biever,2023 年;Mai 等人,2023 年)。近年来,人工智能技术对医疗保健系统产生了尤为重要的变革性(Yu 等人,2018 年)。例如,在医学成像领域,深度学习算法已被用来以比放射科医生更高的准确度检测潜在异常(Liu 等人,2019 年)。自然语言处理使人工智能能够分析和提取患者病历中的相关健康数据,以协助准确诊断和辅助治疗计划(Kreimeyer 等人,2017 年)。可穿戴人工智能辅助监测系统已被用来追踪重要的患者健康指标,并可以提醒护理人员注意潜在的健康风险(Senders 等人,2018 年)。人工智能还被用于机器人辅助手术,以实现常规任务的自动化并提高手术的精准度(Hashimoto 等人,2018 年)。在制药行业,深度学习在药物开发中非常有用,甚至可以用来帮助医疗服务提供者根据患者的生物/遗传特征和个人需求确定对患者最有效的药物(Mak 等人,2023 年)。在临床实践中,聊天机器人和虚拟助手已被证明对患者教育、药物提醒和心理健康支持有益(Miner 等人,2016 年)。在精神保健领域,人工智能技术的应用同样具有影响力。具体来说,人工智能和机器学习工具已经