XiaoMi-AI文件搜索系统
World File Search Systemuenza
能量化学杂志
目标：SLE患者的合并症风险增加和生存受损。我们旨在评估使用瑞典国家健康注册表的数据，是否可以预测SLE感染，合并症，恶性肿瘤和生存的各种阈值。方法：包括2005年至2020年之间的所有事件SLE病例，年龄> 18岁，在瑞典（N¼5309），并包括了匹配的人口对照（N¼26545），然后直到2020年，总共257 942例患者年。检索了来自国家处方药登记册的信息，包括来自国家登记册的数据。风险因素。Results: Compared with no OCS, > 0 to < 5.0 mg/day, 5.0–7.5 mg/day as well as > 7.5 mg/day OCS predicted development of infections (pneu- monia, influenza, herpes zoster and urinary tract infection), osteoporosis, osteonecrosis, gastroduodenal ulcers, cataracts, hypertension and mor-泰尔（全p <0.05）。ocs> 0至<5.0 mg/天，这些合并症的危害比较低，而不是更高的OC剂量。诊断十五年后，有48％的患者以5.7 mg/天的中位剂量服用OC。 与2011 - 15年相比，诊断为诊断为SLE 2006-10的患者5年后，OCS治疗的少量减少，分别为49％和46％（p¼0.039）。诊断十五年后，有48％的患者以5.7 mg/天的中位剂量服用OC。与2011 - 15年相比，诊断为诊断为SLE 2006-10的患者5年后，OCS治疗的少量减少，分别为49％和46％（p¼0.039）。
剖析抗体OME：过去、现在和未来
体液免疫是几乎所有获批疫苗的关键保护手段。然而，对于一些最致命的杀手（例如 HIV、流感、登革热病毒等），疫苗的设计更加困难，这可能是因为我们对与保护相关的精确免疫机制的理解不完全。体液免疫受 B 细胞及其双功能分泌抗体的支配，它们都具有在免疫反应过程中进化的独特能力。当前的 OMIC 技术可以捕捉体液免疫反应的个体特征，从而了解体液成分（Fab/Fc/B 细胞组学），但无法提供体液反应作为一个集体功能臂的整体视图。在这里，我们剖析了当前的 OMIC 策略，回顾了实验和计算方法，如果整合起来，可以提供体液免疫反应的真正系统级视图。
应对传染病重大挑战的新机遇
历史上，传染病给人类带来了沉重的打击。历史一再警告我们，一种致命的病原体就能杀死数百万人。14 世纪席卷欧亚大陆的黑死病大流行夺走了多达 1 亿人的生命（ Cohn，2008 ），1918 年的西班牙流感在不到 2 年的时间内夺走了 5000 多万人的生命（ Taubenberger and Morens，2019 ）。这种情况在 20 世纪开始发生变化，抗生素和疫苗这两项了不起的成就拯救了数亿人的生命，使他们免于致命感染。如果我们没有针对天花、黄热病、脊髓灰质炎和其他致命病原体的疫苗，难以想象会有多少人丧生。如果我们没有抗生素，外科病房会发生什么情况则令人难以想象。一个令人愉快的巧合是，导致这些巨大成功的工具和技术往往是由微生物本身提供的：抗生素是由细菌和真菌产生的，疫苗通常是减毒或灭活的微生物。同样令人着迷的是，包括病毒和细菌在内的微生物教会了我们分子语言，让我们理解生命最基本的过程，并启发我们开发强大的生物技术来预防和治疗各种危及生命的感染。现代健康科学的一个支柱是 DNA 生物学和重组 DNA 技术。正是细菌和病毒教会了我们 DNA 是遗传物质，以及 DNA 基因表达是如何执行和调控的。更值得庆幸的是，我们还从这些微生物那里获得了解码 DNA 序列和设计 DNA 克隆的分子工具。如今，下一代测序和元数据分析彻底改变了我们在诊断、预防和治疗层面管理传染病的方式。尽管取得了这些突破性的成就，但传染病仍然给公共卫生带来沉重的负担，每年造成 1000 万至 1500 万人死亡。为证明这一严重的全球影响，世界卫生组织 (WHO) 于 2019 年公布的全球十大健康威胁中有六项与传染病有关 (https://www.who.int/emergencies/ten-threats-to-global-health-in-2019)。这六大威胁包括全球流感大流行、抗生素耐药性、埃博拉和其他高威胁病原体、疫苗犹豫、登革热和艾滋病毒 (HIV)。这些传染性病原体和相关问题位列全球卫生挑战之首并非偶然。人类历史上经常发生流感疫情。我们根本无法从人类中根除流感病毒，部分原因是它们会从鸟类和其他动物的天然宿主偶尔传播给人类 (Olsen 等人，2006 年)。生产有效的季节性流感疫苗已经是一个挑战，这将是一项更加艰巨的任务，预测和准备应对不可预测但即将来临的流感大流行，这在目前并非不可能。几十年来，我们一直受益于抗生素的使用。然而，过度使用抗生素和其他不良医疗习惯加速了耐药细菌的出现。如果没有可持续的新抗生素渠道，也没有其他有效的细菌感染治疗方法，我们可能会死于多重耐药致病菌（也称为超级细菌）引起的感染。据美国疾病控制和预防中心报道，仅在美国，每年就有 35,000 人死于抗生素耐药性细菌感染。
腹腔疾病患者疫苗犹豫的潜在决定因素：单一队列分析
结果：在研究人群中，大多数是女性，比率为75.66％。观察到的疫苗疫苗接种观察到了69.03％的显着比例，而39.82％的人无法召回他们先前接受的所有疫苗接种。只有7％的患者被认为对疫苗接种有负态度，而估计有76％的人赞成疫苗。对疫苗接种观察到的显着积极的侵蚀因子受到良好教育（毕业，主或更高），可能会复发可疫苗的可预测性疾病，疫苗接种覆盖率下降（调整后：13.36），与卫生保健专家的疫苗相比，与电子媒体相比，疫苗的抑制作用增加了（调整后的债券）（调整或调整）。相反，实践互补和替代药物（调整后的OR：5.59），未来再次接种疫苗的意愿（调整后OR：15.59）以及先前的负面观点（调整后或：1.01）是具有显着负相关关联的决定因素。
CRISPR/CAS9的侧向流和荧光诊断
摘要：可以设计定期间隔短的短膜重复（CRISPR/CAS）蛋白质来结合指定的DNA和RNA序列，并有很大的希望，可以准确检测核酸以进行诊断。我们将市售的试剂集成到基于CRISPR/CAS9的侧向流中，该试剂可以检测到具有单碱体特定的急性急性呼吸综合征2（SARS-COV-2）序列。此方法需要最小的设备，并代表了基于场景的简化平台。我们还开发了能够在单个反应中检测和区分SARS-COV-2，溶液和B的快速，多重荧光CRISPR/CAS9核酸酶裂解测定测定法，并区分SARS-COV-2，溶液和B，以及呼吸道合胞病毒。我们的发现提供了CRISPR/CAS9护理点诊断的原则证明，以及一个可扩展的荧光平台，用于鉴定具有重叠症状的呼吸道病毒病原体。
如何提高儿童 COVID-19 疫苗接种率......
目的：三个目标：阐明与儿童接种 COVID-19 疫苗相关的决定因素以及与父母接种疫苗的关系；比较接种疫苗儿童和未接种疫苗儿童的 PCR 阳性 SARS-CoV-2 结果率；估计父母接种 COVID-19 疫苗的比例及其与其子女接种疫苗率的关系。方法：我们对 2021 年 11 月 21 日至 2022 年 4 月 30 日期间在以色列中部地区登记的所有 5-11 岁儿童进行了回顾性图表审查，并对接种 COVID-19 疫苗与未接种疫苗的个体进行了描述。从电子医疗文件中检索的数据包括：人口统计数据 [年龄、性别、部门、社会经济地位 (SES)]；COVID-19 疫苗接种（第一剂和第二剂）和流感疫苗接种状况；合并症；以及父母的 COVID-19 疫苗接种情况。我们将人口分为三个不同的人口群体：非极端正统派犹太人（43,889 名儿童）、极端正统派犹太人（13,858 名儿童）和阿拉伯人（4,029 名儿童）。结果：在纳入研究的 61,776 名儿童中，有 20,355 名（32.9%）接种了至少一剂 COVID-19 疫苗。男性和女性的疫苗接种率相似，9-11 岁儿童的疫苗接种率高于 5-6 岁儿童。多元分析确定了与低疫苗接种率显着（p < 0.001）相关的五个独立决定因素：阿拉伯和极端正统派地区（优势比：分别为 0.235 和 0.617）；5-8 岁儿童；低社会经济地位儿童；以及之前未接种过季节性流感疫苗的儿童。患有以下合并症的儿童的疫苗接种率相对较高：接受生物制剂治疗（42.9%）；实体瘤移植（42.9%）；1 型糖尿病（38.5%）、哮喘（38.2%）和注意力缺陷多动障碍 (ADHD)（37.6%）。在患有合并症的儿童中，两剂疫苗的接种率最高，其中 1 型糖尿病、心力衰竭、接受生物制剂治疗、哮喘和肥胖症儿童的接种率最高。结论：本研究重点介绍了几个疫苗接种率低和高的儿科亚群。必须关注与低疫苗接种率相关的决定因素。
提高疫苗诱导的免疫力：基线可以预测结果吗？
通过系统免疫学捕捉“基线” 疫苗用于预防感染或疾病，是历史上最有效的救命医疗干预措施之一 [1]。过去，疫苗设计很大程度上是经验性的。然而，这种方法迄今为止大多无法治疗艾滋病毒、结核分枝杆菌 (TB) 和疟原虫 (疟疾) 等复杂感染，以及癌症和其他非传染性疾病。这种失败的原因是缺乏对疫苗诱导保护的潜在机制（即免疫规则）的深入了解 [2,3]。最近的技术进步，包括高度多路复用的免疫分析和数据驱动的计算模型，提高了在全球范围内识别这些规则的前景。系统生物学在疫苗中的应用[或“系统疫苗学”（见词汇表）]涉及以全面和公正的多组学方式（“组学”）评估疫苗接种前后免疫系统的分子和细胞状态。然后，该研究用于开发数据驱动模型，以预测疫苗接种后病原体特异性免疫反应（例如抗原特异性抗体滴度）；通过这些模型，我们的目标是确定与疫苗反应相关并可能影响疫苗反应的关键分子免疫参数。这种方法已经带来了新的见解。例如，疫苗接种后早期宿主反应与结果（例如抗体反应）之间的相关性提出了微生物组可能参与疫苗接种反应的假设。抗生素引起的微生物组变化会影响小鼠甚至人类对流感病毒疫苗接种的反应 [4-6]。这种公正的系统方法越来越多地应用于疫苗设计和测试 [7]。这也导致人们越来越认识到群体中个体之间许多免疫参数的广泛基线和反应变异性 [8]。鉴于普遍存在的群体异质性，预测哪些人会对某种疫苗产生反应是必要的。此外，了解接种疫苗前的免疫状态如何影响疫苗接种反应也很重要。最近人们认为，对于人类流感病毒、乙型肝炎病毒 (HBV) 和疟疾疫苗接种，这也是可能的 [9-14,41]。具体而言，目的是评估受试者接种疫苗前的免疫状态是否允许预测反应（即“基线预测结果”的概念）。
美国退伍军人 COVID-19 疫苗接种率的种族、族裔和农村差异
方法：利用退伍军人事务部企业数据仓库数据，我们纳入了 5,871,438 名在 2019 年至少接受过 1 次初级保健就诊的患者（9.4% 为女性），开展了一项回顾性队列研究。每位患者被分配一个种族和民族，这些种族和民族是互斥的自我报告类别。农村地区基于邮政编码级别的 2019 年家庭住址。我们的主要结果是 2020 年 12 月 15 日至 2021 年 6 月 15 日之间首次接种 COVID-19 疫苗的时间。其他协变量包括年龄（岁）、性别、地理区域（北大西洋、中西部、东南、太平洋、大陆）、吸烟状况（现在、以前、从不）、Charlson 合并症指数（基于 ≥ 1 名住院患者或 1 名门诊患者的国际疾病分类代码）、服务联系（有/无，使用退伍军人事务部标准化的残疾补偿截止值）和 2019-2020 年的流感疫苗接种情况（是/否）。
提高疫苗诱导的免疫力：基线可以预测结果吗？
通过系统免疫学捕捉“基线” 疫苗用于预防感染或疾病，是历史上最有效的救命医疗干预措施之一 [1]。过去，疫苗设计很大程度上是经验性的。然而，这种方法迄今为止大多无法治疗艾滋病毒、结核分枝杆菌 (TB) 和疟原虫 (疟疾) 等复杂感染，以及癌症和其他非传染性疾病。这种失败的原因是缺乏对疫苗诱导保护的潜在机制（即免疫规则）的深入了解 [2,3]。最近的技术进步，包括高度多路复用的免疫分析和数据驱动的计算模型，提高了在全球范围内识别这些规则的前景。系统生物学在疫苗中的应用[或“系统疫苗学”（见词汇表）]涉及以全面和公正的多组学方式（“组学”）评估疫苗接种前后免疫系统的分子和细胞状态。然后，该研究用于开发数据驱动模型，以预测疫苗接种后病原体特异性免疫反应（例如抗原特异性抗体滴度）；通过这些模型，我们的目标是确定与疫苗反应相关并可能影响疫苗反应的关键分子免疫参数。这种方法已经带来了新的见解。例如，疫苗接种后早期宿主反应与结果（例如抗体反应）之间的相关性提出了微生物组可能参与疫苗接种反应的假设。抗生素引起的微生物组变化会影响小鼠甚至人类对流感病毒疫苗接种的反应 [4-6]。这种公正的系统方法越来越多地应用于疫苗设计和测试 [7]。这也导致人们越来越认识到群体中个体之间许多免疫参数的广泛基线和反应变异性 [8]。鉴于普遍存在的群体异质性，预测哪些人会对某种疫苗产生反应是必要的。此外，了解接种疫苗前的免疫状态如何影响疫苗接种反应也很重要。最近人们认为，对于人类流感病毒、乙型肝炎病毒 (HBV) 和疟疾疫苗接种，这也是可能的 [9-14,41]。具体而言，目的是评估受试者接种疫苗前的免疫状态是否允许预测反应（即“基线预测结果”的概念）。
利用大型语言模型预测抗流感的抗体生物学活性a血凝素
单克隆抗体（mAb）代表了用于治疗自身免疫性疾病，传染病和癌症的最普遍的FDA批准方式之一。但是，治疗性抗体的发现和开发仍然是一个耗时且昂贵的过程。机器学习（ML）和人工智能（AI）的最新进步表明，在革新抗体发现和优化方面表现出了显着的希望。特别是预测抗体生物学活性的模型可以对结合和功能特性进行核内评估；这样的模型可以优先考虑在昂贵和时间密集的实验室测试程序中成功的可能性最高的抗体。我们在这里探索了一种AI模型，用于预测抗体与胞素A血凝集素（HA）抗原的结合和受体阻断活性。我们目前的模型是通过生物制剂发现的哺乳动物框架开发的，可以仅使用序列信息预测抗体 - 抗原相互作用。为了评估模型的性能，我们在各种数据拆分条件下对其进行了测试，以模仿现实世界中的情况。