XiaoMi-AI文件搜索系统
World File Search System倍性
毒力表型是由病原体倍性和遗传背景相互作用产生的
图 1 白色念珠菌遗传背景对健康宿主适应性有不同的影响。 （a）未感染（仅暴露于大肠杆菌食物源，灰色）或感染不同白色念珠菌菌株（图例中所示）的健康野生型线虫宿主种群的生存曲线。误差线表示±SE。每个处理中分析的宿主数量（n）如表 S1 所示。使用生存曲线的成对比较和 Log-rank（Mantel-Cox）检验来检验统计学显着性。星号表示与未感染对照相比具有统计学显着性（* 表示 p < .05；**** 表示 p < .0001）。具有相同字母的白色念珠菌处理没有显著差异，而具有不同字母的处理在统计学上存在差异。 (b) 宿主谱系生长的箱线图，以 7 天内产生的单个创始宿主的 F1 和 F2 后代的总种群大小表示。方框表示 25 到 75 分位数，平均值表示为一条线。误差线是标准化的数据范围，圆圈表示异常值。未感染对照处理的平均值和 95% 置信区间分别用灰色虚线和阴影灰色方框表示。使用单因素方差分析检验统计显著性。星号表示与未感染对照相比的统计差异（* 表示 p < .05；*** 表示 p < .001）。事后 Dunn 多重比较检验表明，字母相同的白色念珠菌处理没有显著差异，而字母不同的处理有统计学差异。 （c）感染白色念珠菌的宿主成年期第 1-3 天（正常繁殖时间）产生的（d）宿主幼虫总数和宿主幼虫百分比。数据和统计分析与（b）相同。（e）二倍体（dip）和四倍体（tet）白色念珠菌菌株在第 7 天的宿主存活率（彩色符号表示特定的白色念珠菌遗传背景）。使用 Wilcoxon 配对符号秩检验检验统计学意义，并标明 p 值。（f）感染白色念珠菌二倍体和四倍体菌株的宿主的谱系生长、（g）幼虫数量和（h）繁殖时间。数据和统计分析与（e）相同
使用植入前基因测试对非整倍性
在美国使用植入前基因检测（PGT-A）的使用一直在稳步增加。此外，用于24种染色体分析的基础技术继续迅速发展。尚未证明PGT-A作为常规筛查测试的价值。尽管一些较早的单中心研究报告说，PGT-A对有利的先知患者的活出生率较高，但最近在具有可用胚泡的女性的多中心，随机对照试验得出的结论是，通过冷冻胚胎转移的整体妊娠结局在PGT-A中相似，在PGT-A和便利性肥料之间相似。PGT-A对降低临床流产的风险的价值尚不清楚，尽管这些研究具有重要的局限性。本文档替换了同名文档，最后在2018年发布。（fertil Steril 2024; 122：421 - 34。2024美国生殖医学学会。）El Resumenestádodanibleenespañolalfinal delartículo。
无创基因筛查：胚胎倍性预测人工智能的最新进展
本综述讨论了人工智能 (AI) 算法在体外受精程序中植入前遗传检测中无创预测胚胎倍性状态的应用。目前的黄金标准，即非整倍体的植入前遗传检测，具有诸如侵入性活检、经济负担、结果报告延迟和结果报告困难等局限性。本文探索了无创倍性筛查方法，包括囊胚腔液取样、废培养基检测以及使用胚胎图像和临床参数的人工智能算法。人们已经使用不同的机器学习算法开发了各种人工智能模型，例如随机森林分类器和逻辑回归，这些模型在预测整倍体方面表现出不同的性能。静态胚胎成像与人工智能算法相结合在倍性预测方面表现出良好的准确性，其中胚胎排名智能分类算法和 STORK-A 等模型的表现优于人工评分。通过人工智能算法分析的延时胚胎成像也显示出预测倍性状态的潜力；然而，纳入临床参数对于提高这些模型的预测价值至关重要。嵌合性是胚胎分类的一个重要方面，但在人工智能算法中经常被忽视，应该在未来的研究中加以考虑。将人工智能算法集成到显微镜设备和胚胎镜平台中将有助于进行无创基因检测。进一步开发优化临床考虑并纳入最低必要协变量的算法也将提高人工智能在胚胎选择中的预测价值。基于人工智能的倍性预测有可能提高妊娠率并降低体外受精周期的成本。（Fertil Steril 2023；120:228 – 34。2023 年，美国生殖医学会。）关键词：人工智能、机器学习、无创基因筛查、延时成像、辅助生殖
![[Hiroshima University]防止遗传性顽固性疾病，多囊性肾脏疾病的发作...](/simg/g:\will\search\icon\source\9\98e0a9ee1d2e76f9f014ae06e9b98ce27b5eea93.webp)
加速度诱発性意识消失（Gravity-induced loss of consciousness
摘要 重力引起的意识丧失 (G-LOC) 是战斗机飞行员面临的主要威胁，可能会导致致命事故。高 +Gz（头到脚方向）加速度力会诱发脑出血，导致周边视力丧失、中央视力丧失（昏厥）和 G-LOC。我们尝试建立一个公式，使用脑氧合血红蛋白 (oxyHb) 值、身高、体重和身体质量指数 (BMI) 来预测 G-LOC。我们分析了 2008 年至 2012 年间测量的 249 名人体离心机受训者的脑氧合血红蛋白值。受训者暴露于两种离心机模式。一种是 4G–15s、5G–10s、6G–8s 和 7G–8s，不穿抗荷服（间隔 60 秒，发作率为 1G/s）。另一组为 8G-15s，起始速率为 6G/s，穿着抗荷服。我们使用近红外光谱仪 (NIRS)（NIRO-150G，日本静冈县滨松光子学株式会社，滨松）测量了受训者的脑氧合血红蛋白值。分析了以下参数。A）基线值为 +Gz 暴露前 30 秒的平均值。B）+Gz 暴露期间氧合血红蛋白的最大值。C）+Gz 暴露期间氧合血红蛋白的最小值。D）氧合血红蛋白从最大值到最小值的变化率（变化率）。使用逻辑回归分析进行统计分析，以建立预测 G-LOC 的公式。受训者的年龄为 24.1 ±1.7（S.D.）（范围，22 ～ 30）
使用家庭高级...
图1多个系统萎缩的治疗方法这种形状说明了针对多系统萎缩（MSA）病理机制的各种治疗策略。MSA的特征是神经元丧失，神经胶质病和α-突触核蛋白夹杂物的积累。抗 - α突触核蛋白疗法包括 - 在诸如ANELE138B，清除剂，例如PD01A，PD03A，LU AF82422，TAK - 341和UB – 312和UB –312和UB –312和抑制方法之类的清除剂中的聚集。细胞疗法涉及修复和再生受损神经组织的间充质干细胞。能量代谢和INSU -LIN信号 - 靶向疗法包括脱齿素 - 4，泛氨醇和NAD +补充。抗炎性和神经保护疗法具有氟西汀，AAV2 - GDNF和KM819的化合物，可减少炎症并提供神经保护作用。细胞调节文本包括显示退化的神经元，α-突触核蛋白夹杂物，活化的星形胶质细胞和小胶质细胞，免疫 - 反应性T细胞，IM成对的线粒体，Pro - 炎性细胞因子，肌蛋白损失和髓质细胞质细胞胞质包含（GCIS）（GCIS）。此视觉代表提供了MSA中治疗策略及其细胞靶标的概述。
人工智能模型（整倍体预测算法）可以根据延时数据预测胚胎倍性状态
摘要背景：对于延时摄影技术（TLT）与胚胎倍性状态之间的关联，目前尚未完全阐明。TLT具有数据量大、非侵入性的特点。如果想从TLT准确预测胚胎倍性状态，人工智能（AI）技术是一个不错的选择。但目前AI在该领域的工作需要加强。方法：研究共纳入2018年4月至2019年11月的469个植入前遗传学检测（PGT）周期和1803个囊胚。所有胚胎图像均在受精后5或6天内通过延时显微镜系统捕获，然后进行活检。所有整倍体胚胎或非整倍体胚胎均用作数据集。数据集分为训练集、验证集和测试集。训练集主要用于模型训练，验证集主要用于调整模型的超参数和对模型进行初步评估，测试集用于评估模型的泛化能力。为了更好的验证，我们使用了训练数据之外的数据进行外部验证。从2019年12月至2020年12月共155个PGT周期，523个囊胚被纳入验证过程。结果：整倍体预测算法（EPA）能够在测试数据集上预测整倍体，曲线下面积（AUC）为0.80。结论：TLT孵化器已逐渐成为生殖中心的选择。我们的AI模型EPA可以根据TLT数据很好地预测胚胎的倍性。我们希望该系统将来可以服务于所有体外受精和胚胎移植（IVF-ET）患者，让胚胎学家在选择最佳胚胎进行移植时拥有更多非侵入性辅助手段。关键词：AI，倍性状态，延时，PGT，预测
特定染色体的非整倍性对缺乏纺锤体检查点蛋白BUB3
急性呼吸道感染（ARIS）是整个生命周期发病率和死亡率的主要原因。在全球范围内，估计每年发生的170亿ARI，占儿童死亡人数240万人（> 740,000人死亡）[1]。尽管这些ARI中的大多数是由呼吸道病毒引起的，但大多数严重或致命的病例是由细菌呼吸道病原体引起的。越来越多地，上呼吸道（URT）中的共生微生物会影响呼吸道病毒感染的风险和严重程度，以及细菌病原体对定殖和感染的抗性。因此，人们对利用这些微生物 - 微生物或微生物 - 主机相互作用的兴趣越来越多，以制定新的ARI策略或治疗[2]。尽管益生菌的现代历史可以追溯到一个多世纪以来，但活细菌菌株的鼻内给药将代表我们预防和治疗ARIS的方法的转变。这种鼻腔益生菌的必要特征将包括粘附上皮并成功地定居人类的能力，缺乏对呼吸性上皮细胞的细胞毒性，对地平线基因转移和移动遗传元件的某种程度的抵抗力，低倾向，低倾向，可侵犯宿主组织，使宿主的组织以及可用的可用抗药性可用的抗生素。下面，我们描述了一种研究的细菌物种，即dolosigranulum pigrum，越来越多地将其视为人类URT中的基石物种，也被视为预防ARI预防或治疗的有希望的鼻益生菌候选者。