心血管疾病(CVD)是影响心脏和/或血管的疾病簇,是全球死亡和残疾的最大原因。在2019年,据估计,1,790万死亡归因于CVD,这是全球死亡的第一个主要原因(1)。CVD具有复杂的病因,并且在明显的症状事件发生前经常发展数十年。早期干预对于降低CVD的发病率和死亡率至关重要,这将对公共卫生负担产生深远的影响。因此,对不同危险因素的因果效应(尤其是在微观和分子水平上)的因果关系的改进,可以重新预防策略,并为CVD的治疗干预提供新的靶标。细胞因子在调节炎症反应,改变血管收缩和阻碍内皮依赖的血管舒张方面起关键部分,因此,它们可能提供预防CVD的潜在靶标(2)。广泛的流行病学证据已经证明了细胞因子与CVD之间的密切关联。例如,一项包含29个队列研究的荟萃分析表明,几种细胞因子,例如白介素6(IL-6),IL-18和肿瘤坏死因子α(TNF-a),每种都与发展冠状动脉疾病(CAD)的风险(CAD)相关,在近似log-log-log-fistry-lorig-dipplist fivestion危险中,传统的风险是独立于传统的(3)。另一项涉及17,180名个体的研究发现,单核细胞趋化蛋白1(MCP-1)的循环水平与中风长期风险的正相关(4)。然而,经典的观察设计容易逆转因果关系,并混淆了促进因果的推论,并且对细胞因子干预进行临床试验具有挑战性。Mendelian随机化(MR)是一项可靠的技术,可以解决上述观察性研究伴随的局限性,并通过将遗传变异作为工具变量(IVS)提供了最高水平的证据层次结构(5)。此方法,当满足某些假设时,可以确定
16。Wei H,Cao H,Cao Y,Zhou Y,Xue W,Ni D等。 时间一致的超声心理分割与外观和形状共同学习。 论文介绍:医学图像计算和计算机辅助干预 - Miccai 2020:23国际会议。Wei H,Cao H,Cao Y,Zhou Y,Xue W,Ni D等。时间一致的超声心理分割与外观和形状共同学习。论文介绍:医学图像计算和计算机辅助干预 - Miccai 2020:23国际会议。
Zhang,X.,Xiong,T.,He,B.,Feng,S.,Wang,X.,Wei,L。&Mai,L。(2022)。 水钾离子电池的最新进展和观点。 能源与环境科学,15(9),3750-3774。 https://dx.doi.org/10.1039/d2ee01573kZhang,X.,Xiong,T.,He,B.,Feng,S.,Wang,X.,Wei,L。&Mai,L。(2022)。水钾离子电池的最新进展和观点。能源与环境科学,15(9),3750-3774。https://dx.doi.org/10.1039/d2ee01573khttps://dx.doi.org/10.1039/d2ee01573k
日益严重的环境问题与能源危机,促使全球掀起碳中和战略,从而推动了风能、太阳能、燃料电池等新能源转换技术以及新能源存储技术尤其是电化学能源装置的发展。其中,超级电容器(Wei et al.,2017)、锂/钾/锌/钠/镁离子/空气电池(Wei et al.,2020)和燃料电池(Wei et al.,2014)作为下一代先进电源,因其能量密度高、规模灵活性强、环境友好等特点,引起了广泛研究。为加速电化学能源转换与存储产业的发展,《Frontiers in Chemistry》杂志提出了“先进电化学能源装置”的研究课题,邀请了多所知名大学的专家、研究人员分享该领域的发展前景或进展。本研究课题共包含4篇论文,其中包括3篇研究论文和1篇综述,代表了当前先进电化学能源装置的热门研究方向,作者对这些技术给出了深刻的见解。
在过去的几年中,光摄影学(PPG)的利用率有了显着的激增,这是监测心血管指标的最常用的生物信号之一。这可以归因于其在提供方便,非侵入性和连续测量中的显着潜力,例如心率(HR)[1],动脉血压(ABP)[2] [2],血液氧气饱和(SPO 2)[3]和呼吸率(RR)[4] [4]。具有上述优势,PPG传感器已成为多种应用方案中的有价值工具,并且已嵌入到各种设备中,尤其是可穿戴设备中。Diverse types of PPG devices have been designed to monitor users' health conditions, including pulse oximeters (e.g., Innovo Deluxe Fingertip pulse oximeter), smartwatches (e.g., Apple Watch Series 9), rings (e.g., Amovan Nova Ring), and even scarves (e.g., Manchester City
在女性生殖系统中,最致命的癌性生长被称为上皮性卵巢癌 (EOC)。根据 2020 年全球癌症统计数据,卵巢癌在全球女性恶性肿瘤中排名第七,每年新发病例超过 310,000 例(Lee 等人,2022 年;Konstantinopoulos 和 Matulonis,2023 年)。卵巢癌每年夺走约 210,000 人的生命。2020 年,中国有 60,000 例新诊断病例被诊断为卵巢癌,并导致 40,000 人死亡(Zhao 等人,2023 年)。晚期卵巢癌患者的 5 年生存率约为 30%。随着多次复发,治疗和复发的间隔变得更短,导致对铂类药物的敏感性降低,最终发展为铂类耐药性。该病的治疗难度大,预后往往较差(Marchetti等,2021;Porter和Matulonis,2023)。克服卵巢癌的化疗耐药性是一个紧迫而重要的临床问题。炎症反应主要分为急性和慢性两类。急性炎症主要发生在物理、化学或急性感染情况下,是机体的早期防御机制,通常很快可自行缓解(Yang等,2023)。慢性炎症则发生在慢性感染或自身免疫性疾病中,机体正常的反馈调节无法阻止炎症,导致慢性炎症(Liu等,2022)。统计数据显示,全球约20%的恶性肿瘤是由慢性炎症引起的(Kennel et al., 2023; Venakteshaiah and Kumar, 2021; Haas et al., 2021),非甾体抗炎药物在临床上可以降低各类实体瘤的发病率和转移率,降低肿瘤引起的死亡率。慢性炎症被认为对癌症的发生、生长和进展有显著的影响。慢性炎症引发肿瘤发生、发展的机制多种多样,但往往与炎症为肿瘤提供的微环境有关。癌相关成纤维细胞(CAFs)作为癌症基质的重要组成部分,与炎症和肿瘤免疫微环境(TME)密切相关(Chen et al., 2021)。 CAFs 与 NF- κ B、PI3K-Akt、IL6-JAK-STAT3 和 TGF- β 等各种信号通路相互作用,帮助形成和维持 TME,影响 ECM 结构并产生免疫治疗耐药性(Mao et al., 2021; Wu F. et al., 2021)。此外,活化的 CAFs 促进单核细胞粘附并驱动巨噬细胞向 M2 极化方向分化,进一步抑制 TME 中的免疫反应(Lavie et al., 2022; Galbo et al., 2021)。因此,分析与炎症相关的基因与肿瘤免疫环境之间的关系有助于
骨质骨术是一种罕见的代谢骨疾病,其特征是骨矿物质密度异常增加,导致骨髓衰竭,压缩神经病和骨骼畸形(1)。根据遗传模式,可以将其分为常染色体显性骨质术(ADO),常染色体隐性骨质骨术(ARO)和X连接的骨质疏松症(XLO)(1-3)。ADO是骨质骨术的最常见形式,估计发病率为1:20,000(4)。早期,ADO被认为包括两种表型,ADO I(OMIM 607634)和ADO II(OMIM 166600)(2)。ADO I的特征是LDL受体相关蛋白5(LRP5)基因的突变,该基因导致高骨量,但不会导致骨折(5)。ADO II是由整骨骨吸收受损引起的,这些骨吸收通常是由于氯化物通道7(CLCN7)基因(6,7)中杂合的错义突变引起的。clcn7是一种基因,不仅可以引起严重的隐性骨质肌膜病形式,即ARO,而且还可以根据Clcn7突变的类型(8)。此外,由CLCN7突变引起的ADO II占ADO的70%,这是最常见的骨质疏松症类型(9)。因此,这项研究的重点是由CLCN7突变引起的骨质疏松症。CLCN7编码Cl- /H +交换转运蛋白7,也称为CLC-7,通常将其定位于溶酶体区室和骨 - 分解骨细胞的Ruf膜膜(10)。CLCN7突变导致骨质细胞异常无法分泌酸,因此无法溶解骨骼,从而导致骨质疏松症。这种疾病表现出异质性,表型表现出各种程度的严重程度,从无症状到威胁生命(11-13)。在没有基因检测或典型的放射线摄影发现的情况下,乳酸脱氢酶(LDH),天冬氨酸氨基转移酶(AST)和肌酸激酶BB同酶(CK-BB)的水平升高与Clcn7突变引起的骨化(14、15)有关。尽管如此,这些生物标志物的水平尚未证明与疾病的严重程度相关,而正常值不排除CLCN7基因中突变的存在(4)。因此,迫切需要找到更多的特定和敏感的生物标志物。有许多关于骨质造成症的遗传研究,但目前尚未发现CLCN7突变引起的骨质疏松症的血清代谢研究。通过阐明区分健康和疾病表型的特定特征,代谢组已成为理解生理和病理过程之间差异的基石,可能使我们可以搜索
Aihua Dong, HiSilicon Bright Ho, MA-tek Charvaka Duvvury, IEEE Fellow Chun-Yu Lin, National Taiwan Normal University David Pommerenke, Graz University of Technology Geng Yang, UNISOC Guanghui Liu, ViVo Guangyi Lu, HiSilicon Guoyan Zhang, Silergy Corp Hailian Liang, Jiang Nan University Jun Wang, SMIC Ming-Dou Ker, National Yang Ming Chiao Tung University Meng Miao, GLOBALFOUNDRIES Mengfu Di, Skyworks Ming Qiao, UESTC Mingliang Li, HiSilicon Nanhai Xiao, YINT Electronics Qi-an Xu, CXMT Shen-Li Chen, National United University Shurong Dong, Zhejiang University Tung-Yang Chen, AIP Technology Corporation Wei Gao, HiSilicon Wei Huang, ESDEMC Technology Wei Liang, GLOBALFOUNDRIES Wenqiang Song, NuVolta Technologies Xiaozong Huang, CETC-24 Xin Gao, HiSilicon Xin Wu, East China Normal University Yang Wang, Xiang Tan University Yi-Ting Lee, Siemens Yuan Wang, Peking University Zhaonian Yang, Xi'an PolyTech University Zhiguo Li, YMTC Zhiwei Liu, UESTC
Tim A. Coombs 1†,Qi Wang 1,A。Shah 1,J.Hu 1,L。Hao 1,I。Patel 1,H。Wei 1,Y。Wu 1,Thomas Coombs 1,4