XiaoMi-AI文件搜索系统
World File Search System和顺
使用瓜拉纳粉（Paullinia cupana）在...
口腔癌负责世界各地的许多死亡，因为它导致了由于治疗失败而导致的复发和转移。常规处理破坏了分化的肿瘤细胞，但肿瘤干细胞种群具有抗性并重新填充肿瘤。Wnt/β-catenin信号传导参与肿瘤干细胞的维持，生存，自我更新和分化及其信号传导，可以通过表观遗传修饰来调节。该项目的目的是确定控制Wnt/β-catenin信号通路及其靶标涉及的表观遗传变化，并研究道路参与肿瘤干细胞积累和口服癌细胞系的化学性。研究了三种野生口服癌菌株（Cal27 wt; SCC9 WT； SCC25 wt）和顺铂耐药性（Cal27 CISR; SCC9 CISR; SCC25 CISR）及其肿瘤干细胞群（CTT+）和非肿瘤干（CTT-temor（CTTT-））。QPCR分析，以评估基因表达和蛋白质印迹以进行蛋白质水平评估。通过细胞可行性测试确定IC50剂量的抑制剂。球体流量和鉴定的CTT+的形成细胞术。染色质免疫沉淀以识别道路的表观遗传调节。Xenoenxe检验用于研究Wnt/β-catenin途径作为治疗靶标的潜力。我们观察到表观遗传机调节基因的表达增加，例如BRD7，EZH2，KDM4C和MLL1和CTNNB1基因，该基因在抗顺铂菌株中编码β-catenin的ctNNB1基因。Wnt/β-catenin途径基因（如APC和GSK3β）在3种化学主义菌株中减少，下游FGF18和MMP7基因增加。CTT+的种群表现出参与组蛋白甲基化的基因的更大表达。β-catenin和甲基化的H3K27ME3和H3K9ME2组蛋白在顺铂抗性菌株和CTT+中也增加了。EZH2（UNC1999）和β-catenin抑制剂（ICG-001和FH535）的抑制剂降低了CTT+的群体，并降低了化学谱系中CTT+的群体，并降低了β-catenin和Ezh2蛋白。H3K27ME3用抑制剂处理后也降低了它。UNC1999治疗增加了上游APC和GSK3β基因的表达，并且对ICG-001，FH535和UNC1999的处理可有效降低CTT+中下游MMP7基因。FH535显示出降低CTT+种群的有效性，尤其是与顺铂和UNC1999结合使用时。β-catenin抑制剂单一疗法或与顺铂和UNC1999结合降低了CTT+躯干表型。在肿瘤组织中施用FH535，FH535+顺铂和UNC1999+FH535之后，肿瘤生长降低，肿瘤β-catenin，Ezh2，H3K27Me3和肿瘤干细胞标记肿瘤降低。通过化学谱系和CTT+CTT+种群中的染色质免疫沉淀，我们确定EZH2与该地区
1995 年至 2016 年 65 岁以下套细胞淋巴瘤患者的生存趋势：基于 SEER 的分析
治疗选择主要取决于年龄（65 岁以下或 65 岁以上）和合并症（4）。我们的研究重点关注年轻 MCL 患者（年龄 ≤ 65 岁）的生存趋势，因为他们比老年人更健康，治疗相关并发症更少，因此可以更好地反映治疗策略的转变。2000 年之前，以 CHOP 为基础的诱导化疗（环磷酰胺、阿霉素、长春新碱、泼尼松）是年轻 MCL 患者的标准治疗（7）。标准 CHOP 方案的完全缓解 (CR) 率低，中位生存期在 2 至 5 年之间。 2001 年至 2012 年间，包含利妥昔单抗和高剂量阿糖胞苷 (HDAC) 的强化免疫化疗方案，随后进行巩固性自体干细胞移植 (ASCT)，通过改善年轻患者的反应质量和持续时间，首次在侵袭性 MCL 的临床管理方面取得了突破。这些方案包括交替 R-CHOP/R- DHAP（利妥昔单抗、地塞米松、高剂量阿糖胞苷和顺铂）、Nordic MCL2 方案（利妥昔单抗与剂量递增的环磷酰胺和阿霉素、长春新碱、泼尼松 [R-maxi-CHOP] 与 HDAC 交替）、MD Anderson 方案（超分割环磷酰胺、长春新碱、阿霉素、地塞米松与高剂量甲氨蝶呤和阿糖胞苷交替与利妥昔单抗 [R-hyper- CVAD/MA]），并在 10 年内实现中位总生存期 (OS)（8 – 13）。然而，这些疗法并不代表治愈方法，并且与急性和长期毒性有关。 2013 年至 2016 年期间，以布鲁顿酪氨酸激酶 (BTK) 抑制剂为首的新型药物以及来那度胺、硼替佐米、替西罗莫司和维奈克拉等其他口服药物代表了临床革命的第二波浪潮，这些药物通常耐受性良好且有效，显著改善了 MCL 患者的治疗选择和预后 ( 14 , 15 )。使用无化疗诱导将减轻毒性和第二种癌症的风险，这些风险与这些患者使用强化化学免疫治疗方案有关。一系列临床试验证实了这些方案和药物的效果。然而，由于临床试验的资格标准严格，病情较轻且没有并发症的患者更有可能被选中参与这些试验，从而限制了结论的普遍性。此外，之前的临床试验侧重于特定的治疗方案，因此无法预测整个人群的总体生存趋势。由于这些限制，基于一般患者人群的研究可以更实际地估计新药物和新方案的效果。之前使用监测、流行病学和最终结果 (SEER) 数据的研究分析了治疗模式变化对 MCL 生存趋势的影响；然而，这些研究没有正确考虑靶向治疗的时代（16-19）。基于一般患者人群的研究有助于确定新药物和新方案如何影响现实世界中的生存。在这些条件下，我们试图证明我们的假设，即年轻患者的生存率在代表 MCL 各自主要临床治疗的连续时期（或时代）内有所提高。
Amy E. Brouillette L3
方法：通过回顾性电子健康记录和文献综述进行的小细胞乳腺癌（SCBC）患者的病例报告。结果：一名50岁的妇女出现了右乳房。成像显示3.3 cm的质量，美国引导活检显示出高度的神经内分泌癌，没有ER，PR和HER2标记。分期研究没有显示任何遥远的转移。患者进行了右乳房切除术，并进行了哨兵淋巴结活检，该活检证实了高度小细胞癌的0.7 cm中间变体，在胸部的上部和侧向区域具有广泛的淋巴浸润，在8个轴突淋巴结中有4个，患有转移性癌症。在种系基因检测中未发现突变。肿瘤分子分析显示RB1和TP53突变。她接受了卡铂/紫杉醇/pembrolizumab的辅助治疗，然后接受阿霉素/环磷酰胺/pembrolizumab的辅助治疗，然后进行术后切除术和维持pembrolizumab。在治疗结束时，成像没有显示出复发的证据，也未检测到循环肿瘤DNA。诊断后二十三个月，她仍然没有复发的证据。小细胞癌最常见于肺部，但也可能起源于肺外部位。肺外小细胞癌是侵略性且非常罕见的癌症。宫颈和胃肠道是最常见的部位。即使在肺外小细胞癌中，SCBC也很少见，不到原发性乳腺癌的1％。总体生存率约为5年，并且与阶段密切相关。由于其频率，SCBC没有既定的治疗方案。当前的管理依赖于用于小细胞肺癌（SCLC）的适应疗法，其中包括手术，放射和化学疗法。SCLC的标准化疗方案通常涉及4-6个依托泊剂周期与铂基药物结合使用。研究表明，顺铂/紫杉醇和顺铂/依托泊苷在SCLC治疗中的疗效可比。最近，据报道，与杜瓦卢马布的合并可改善有限疾病SCLC的总生存率。但是，包括SCBC在内的肺外小细胞癌的治疗是基于病例报告中的有限证据，并从SCLC指南中推断出来。另一种方法是根据基于ER，PR和HER2状态的乳腺癌指南来治疗SCBC。对于早期TNBC，最有效的方案包括与pembrolizumab结合卡铂/紫杉醇的化学免疫性疗法，然后是阿霉素/环磷酰胺。结论：此案例报告说明了SCBC临床管理中的临床表现和挑战。SCBC和三重阴性乳腺癌具有相似的组织学和生物学特征。作为铂和免疫疗法现在是SCLC和TNBC管理的组成部分。因此，使用最有效的原发性TNBC治疗代表原代三阴性SCBC的可行治疗选择。这些结果可能会告知未来的SCBC治疗指南，以考虑ER，PR和HER2以及其他分子和生物学标志物在确定化学疗法方法时。
培米加替尼联合
胆管癌 (CCA) 是仅次于肝细胞癌 (HCC) 的第二大常见原发性肝癌，发病率相对较低，约占所有胃肠道肿瘤的 3% ( Razumilava and Gores，2014 )。根据解剖位置，CCA 可细分为肝内 CCA (iCCA)、肝门部 CCA 和远端 CCA ( Ilyas et al., 2018 )。近年来，全球 iCCA 的发病率呈上升趋势 ( Valle JW. et al., 2021 )。手术仍然是可切除的 iCCA 唯一可能治愈的选择，但术后复发率高达 70% – 75% ( Vogel et al., 2023a )。此外，大量患者在诊断时已是晚期，无法手术。 iCCA 最常见的转移部位包括肝内、淋巴结、肺和骨转移。然而，脑转移 (BM) 极为罕见且预后不良，中位总生存期 (OS) 仅为 3.7 个月 ( Liu et al., 2022 )。迄今为止，尚无针对这些患者的既定治疗指南。此前，晚期 CCA 的标准一线治疗是吉西他滨和顺铂为基础的化疗，但中位 OS 不到 1 年 ( Valle J. et al., 2021 )。近年来，靶向治疗，包括针对成纤维细胞生长因子受体 2 (FGFR2) 融合、异柠檬酸脱氢酶 1 (IDH1) 突变、B-Raf 原癌基因丝氨酸/苏氨酸激酶 (BRAF) V600E 突变、神经营养酪氨酸受体激酶 (NTRK) 融合和人表皮生长因子受体 2 (HER2) 扩增的治疗（Lamarca 等人，2022 年）以及免疫检查点抑制剂 (ICI)，正在迅速改变晚期 CCA 患者的治疗前景（Mauro 和 Forner，2023 年）。13% - 20% 的 iCCA 患者存在 FGFR2 融合或重排（Sohal 等人，2016 年）。针对FGFR2融合的代表性药物包括培米加替尼、夫替巴替尼、埃达替尼和德拉替尼（Vogel et al., 2023b）。FIGHT-202研究显示，接受培米加替尼治疗的FGFR2融合/重排晚期胆管癌患者的客观缓解率（ORR）为35.5%，其中3例患者完全缓解（CR），疾病控制率（DCR）为82%。与其他FGFR突变和非FGFR突变组相比，ORR、无进展生存期（PFS）和OS均显著改善（Abou-Alfa et al., 2020）。其他FGFR抑制剂在I/II期试验中也表现出较高的缓解率，尤其是在FGFR2融合患者中（Lamarca et al., 2020）。然而，这些研究主要集中于FGFR2抑制剂的单药治疗。此前，许多研究表明，放射治疗通过影响癌症免疫周期的几乎所有步骤来刺激强大的抗肿瘤免疫反应，将通常免疫力低下的“冷”肿瘤转变为具有丰富淋巴细胞浸润的“热”肿瘤，从而增强ICI治疗的疗效（Zhang等，2022 ）。此外，靶向药物（包括 pemigatinib）可以触发高度免疫原性的癌细胞死亡形式，从而启动癌症免疫循环（Petroni 等人，2021 ）。这些理论基础支持联合治疗策略的临床应用。本病例报告讨论了一名 FGFR2 融合阳性且 BM iCCA 患者，该患者使用 pemigatinib、ICI 和立体定向放射治疗 (SBRT) 治疗 BM 取得了出色的治疗效果。此外，相关
（几乎）所有内容都是DICKE模型 - 将非Superradiant相关光系统映射到确切可解决的Dicke模型
在过去的几十年中，空腔量子电动力学领域的进步以及电路量子电动力学为强烈和共计耦合到光模式的物质系统铺平了道路。这些实验突破使实现和研究范式理论模型（如Rabi，Tavis-Cummings和Dicke模型）在实验室中具有强烈的相互作用[4-11]。使用这些工具，一个基本问题是光与物质之间的相互作用如何相互影响，改变了分离的（潜在复杂）单个部分的特性，例如可观察结果，局部相互作用或相变的位置[12-22]。范式的光丝系统之一是Dicke模型，在光和物质部分上的设置最少[23，24]。该模型由n个单个自旋-1 / 2颗粒组成，这些粒子单独耦合到单个空腔模式。hepp和lieb显示了热力学极限n→∞可以通过Bogoliubov转换来分析求解，并具有从正常到超级阶段的二阶相变，其基态下具有非变化的光子密度[24]。虽然DICKE模型的一部分是由任意数量的旋转组成的，但在没有光结合相互作用的情况下，它会分解为非相互作用的问题，因为局部自由度仅通过腔体耦合，从而使其易于解决。一个典型的例子是Dicke-asision模型，其中最近的邻居旋转之间存在额外的ISININ相互作用。首先，在第二节。sec。sec。To make the composite system more interesting, various generalizations for the Dicke model were proposed and discussed, like more complex local spin structures [ 25 ] , multi-mode cavities [ 24 , 26 , 27 ] , non-Hermitian generalizations [ 28 ] , open systems [ 29 , 30 ] , altered light- matter interactions [ 31 , 32 ] , non-equilibrium systems [ 33 ] , and added matter-matter interac- tions between the spins [ 2 , 34，35]。使用均值场和自由度自由度的经典近似，Zhang等人。在物质部分[2]中找到了包括抗铁磁相的抗铁磁相互作用的丰富相图，其中包括抗铁磁相和顺磁相[2]。然而，使用定量数值技术，在位置以及1D中的顺序中发现了相变的偏差[1，36]。在这项工作中，我们通过考虑对物质部分的更具概括的设置来详细说明，包括长距离跳跃和关联过程，并将其耦合到单个光模式。这使我们能够研究光 - 物质和物质 - 耦合引起的相关性与效果之间的相互作用。将自己限制在与消失的光质相互作用的情况下，我们通过将其映射到有效的dicke模型来建立了该模型低能部分的分析解决方案。这使我们能够在分析的非抗抑制阶段研究这种广义的dicke模型的低覆兴激励，包括缝隙的截止，可能诱导二阶相变。本文的结构如下。2我们介绍了一般框架工作，包括广义模型和推导有效DICKE模型的先决条件。后者是在亚基中完成的。2.2和2.3，首先给出一些物理直觉，如何解决系统，然后在操作员级别上进行一般推导。3，我们将一般发现应用于Dicke-asising模型，作为示例性情况。我们比较了在热力学极限中获得的结果，与有限系统上的精确对角线化（ED）和串联扩展方法PCST ++ [3]相比，以增强有效模型的有效性。sec。 4我们得出结论，并为潜在的研究方向提供前景。sec。4我们得出结论，并为潜在的研究方向提供前景。
医疗药物临床标准
概述 本文件讨论了使用贝伐单抗药物（Avastin 和生物仿制药 Alymsys、Mvasi、Vegzelma 和 Zirabev）治疗肿瘤疾病和其他非眼科适应症。本文件不讨论眼内贝伐单抗的眼科用途。贝伐单抗是一种单克隆抗体，可结合人血管内皮生长因子 (VEGF) 并抑制其生物活性。 中枢神经系统癌症 虽然贝伐单抗已获 FDA 批准用于治疗复发性胶质母细胞瘤，但 NCCN 建议将贝伐单抗用于治疗多种对放射疗法没有反应的中枢神经系统癌症。NCCN 特别建议将贝伐单抗用于高级别（世界卫生组织 [WHO] III/IV 级）神经胶质瘤，包括：间变性星形细胞瘤、神经胶质瘤、少突星形细胞瘤和少突胶质细胞瘤；胶质母细胞瘤；和多形性胶质母细胞瘤。NCCN 还建议在某些情况下将贝伐单抗作为脑膜瘤的单一药物。NCCN 另外建议使用贝伐单抗来治疗由放射治疗引起的中枢神经系统坏死症状。结直肠癌贝伐单抗已获 FDA 批准与 5-氟尿嘧啶为基础的化疗、伊立替康或奥沙利铂联合用于治疗转移性结直肠癌。FDA 标签指出，贝伐单抗不应用于结肠癌的辅助治疗，因为两项针对 II 期或 III 期结肠癌的研究并未显示该药物在辅助治疗中有效（de Gramont 2012、Allegra 2013）。贝伐单抗联合化疗可作为一线治疗或后续治疗。在非一线治疗中，NCCN 指南和 FDA 批准的适应症建议在含贝伐单抗的方案出现进展后继续使用贝伐单抗。 NCCN 还建议在初始方案中不含贝伐单抗的治疗方案出现进展后添加贝伐单抗。CAIRO3 研究 (Simkens 2015) 研究了诱导治疗 (卡培他滨、奥沙利铂和贝伐单抗)，随后以贝伐单抗 + 卡培他滨维持或观察，然后在第一次进展后再次诱导。接受维持治疗的组显示出延长的第二次无进展生存期，支持贝伐单抗在这种疾病状态下进展后使用贝伐单抗的疗效。NCCN 指南还建议在通过标准疗法取得进展的个体中使用贝伐单抗与三氟尿苷和替吡嘧啶 (Lonsurf) 联合使用；包括那些之前接受过贝伐单抗治疗的患者。在指南中，NCCN 建议根据结肠癌指南对阑尾腺癌进行化疗。同样，建议根据直肠癌指南治疗肛门腺癌（一种罕见的肛门癌组织学形式）。鳞状细胞肛门癌（最常见的肛门癌类型）的治疗指南目前未将贝伐单抗纳入推荐治疗。间皮瘤 NCCN 建议使用贝伐单抗治疗无法切除的恶性胸膜间皮瘤。建议将其作为一线治疗，与培美曲塞和顺铂或卡铂联合使用，然后单用贝伐单抗，直至病情进展。这些建议中引用的研究包括东部
P-gp在癌症治疗中的作用 母亲糖尿病和新生儿 基于环氧链的链酸（PLA） 对视频语义标签的开放物的分析 在整个花朵季节中，定期添加葡萄糖抑制了在添加剂湖水样品中的蓝细菌丰度 通过全面的渗透测试增强移动安全 生物有效的效率是改善塞内加西尼斯和斯威尼尼尼尼氏树的生长的自然替代品之一，以及可持续性 关键趋势推动了马来西亚银行业的生成人工智能采用的采用 与BEC和顺铂的组合处理协同增强抗癌活性，并导致绝对生存 抗血管生成药物在小细胞肺癌的一线治疗中的研究进度 使用具有自我测量物理状况指标的机器学习算法的心脏病预测 风险与国立大学医院中心的糖尿病性视网膜病有关的因素Hubert Koutoukou Maga
p-糖蛋白（P-gp）是ATP结合盒（ABC）转运蛋白家族的成员，在多药耐药性（MDR）在癌症治疗中起着至关重要的作用。p-gp积极地从癌细胞中泵送化学治疗药物，降低其细胞内浓度，从而降低其疗效。本综述探讨了P-gp对MDR贡献的机制，包括内在和获得的抗性。它还讨论了抑制P-gp的各种策略，例如阻断药物结合位点，干扰ATP水解以及改变细胞膜整体性。还检查了第四代P-gp抑制剂和其他新型抑制剂的潜力，以增强癌症疗法的有效性。理解和克服P-gp介导的MDR对于改善癌症患者的治疗结果至关重要。关键字
机器学习模型的类型
机器学习模型是自动化任务的强大工具，使其更加准确和高效。这些模型可以按需求处理新的数据并扩展新的数据，从而提供有价值的见解，以提高随着时间的推移绩效。该技术具有许多好处，包括更快的处理，增强的决策和专业服务。机器学习模型是在看不见的数据集中识别模式以做出决定的软件程序。自然语言处理（NLP）使用机器学习模型来分析非结构化文本并提取可用的数据和见解。图像识别是机器学习的另一种应用，它可以识别人，动物或车辆等物体。机器学习模型需要一个数据集来培训和在优化过程中使用算法，以查找数据的模式或输出。基于数据和学习目标有四种主要类型的机器学习模型：1。**监督模型**：这些模型使用标记的数据来发现输入特征和目标结果之间的关系。2。**分类**：这种类型的模型将类标签分配给看不见的数据点，例如对电子邮件进行分类或预测贷款申请人的信誉。常见分类算法包括： *逻辑回归 *支持向量机（SVM） *决策树 *随机森林 * K-Nearest邻居（KNN）预测使用输入功能作为基础的连续输出变量预测连续输出变量在现实世界中至关重要，例如预测房地产价格，股票市场趋势，股票市场趋势，客户销售速率，销售速度和销售费用和销售。常见回归算法包括：1。回归模型利用这些功能来了解连续变量和输出值之间的关系。他们应用了学习的模式来预测新的数据点。**线性回归**：使用直线建模关系。2。**多项式回归**：使用更复杂的函数（例如二次或立方）用于非线性数据。3。**决策树回归**：一种基于决策树的算法，可预测分支决策的连续输出。4。**随机森林回归**：结合了多个决策树，以确保准确稳健的回归预测。5。**支持向量回归（SVR）**：调整支持向量机概念的回归任务，找到一个密切反映连续输出数据的单个超平面。无标记数据的无监督学习交易。它涉及使用聚类算法进行分组类似的数据点，例如：1。** K-均值聚类**：基于相似性将数据分组为预定群体。2。**分层聚类**：构建群集的层次结构，以轻松研究组系统。3。** DBSCAN（基于密度的空间群集使用噪声）**：即使在缺少数据或异常值的区域，也可以检测高密度数据点。降低维度在处理大型数据集时也至关重要。它降低了维度以维护关键功能，从而更容易可视化和分析数据。技术包括：1。2。** PCA（主要组件分析）**：通过将数据集中在更少的维度中来识别最重要的维度。** LDA（线性判别分析）**：类似于PCA，但专为分类任务而设计。最后，也可以应用无监督的学习来检测异常 - 数据与大多数的点大不相同。在数据分析中对异常值，半监督学习和强化学习的建模得到了奖励，并受到所需的行动的奖励，并对不希望的行为进行惩罚有助于玩家获得最高的回报。这种方法还涉及基于价值的学习，其中像机器人一样的代理商学会了通过获得达到末端并在撞墙时损失时间来浏览迷宫的过程。算法Q学习可以预测每个州行动组合的未来奖励，从而通过重复评估和奖励更新其知识。基于策略的学习采用了不同的途径，重点是直接学习映射到行动的政策。Actor-Critic将策略更新与价值功能再培训结合在一起，而近端策略优化解决了早期基于政策的方法中的高变化问题。深度学习利用人工神经网络识别复杂的模式。诸如人工神经网络（ANN），卷积神经网络（CNN）和经常性神经网络（RNN）之类的模型用于图像识别，自然语言处理和顺序数据分析等任务。机器学习模型利用各种功能来输入数据并产生预测，包括线性方程，决策树或复杂的神经网络。学习算法是负责在训练过程中适应模型参数以最小化预测错误的核心部分。培训数据包括输入功能和相应的输出标签（监督学习）或无标记的数据（无监督学习）。目标函数衡量预测和实际结果之间的差异，目的是最大程度地减少此功能。优化过程，例如梯度下降，迭代调整参数以减少错误。一旦受过培训，就会在单独的验证集上评估模型，以评估概括性能。最终输出涉及将训练有素的模型应用于新的输入数据以进行预测或决策。高级机器学习模型包括神经网络，这些神经网络成功地解决了复杂问题，例如图像识别和自然语言处理。卷积神经网络（CNNS）处理符号数据，例如图像，而复发性神经网络（RNN）处理顺序数据（如文本）。长期短期内存网络（LSTMS）识别长期相关性，而生成对抗网络（GAN）通过从现有数据集中学习模式生成新数据。机器学习模型随着时间的流逝而发展，产生了两个网络：一个产生网络数据，另一个区分真实样本和假样品。变压器模型通过随着时间的推移处理输入数据并捕获长期依赖性，从而在自然语言处理中获得了知名度。*医疗保健：机器学习预测疾病，建议治疗并提供预后。机器学习的现实应用程序包括： *金融服务：银行使用智能算法来了解客户的投资偏好，加快贷款批准并检测异常交易。例如，医生可以为患者预测正确的冷药。*制造业：机器学习通过提高效率和确保质量来优化生产过程。*商业领域：ML模型分析大型数据集，以预测趋势，了解营销系统并为目标客户定制产品。机器学习中的挑战包括： *有限的资源和工具，用于上下文化大数据集 *需要更新和重新启动模型以了解新的数据模式 *收集和汇总不同技术版本之间的数据以应对这些挑战，战略规划，适当的资源分配以及技术进步至关重要。