XiaoMi-AI文件搜索系统
World File Search System小球
化学筛查和小球藻的粗提取物的化学筛查和抗菌活性。在
使用Agilent 5973N模型质量选择性检测器（美国圣克拉拉）进行分析。Restek RTX-5MS（30 m×0.25 mm I.D.×0.25μm）气相色谱毛细管柱用作sta tionary阶段（美国贝尔方特）。气相色谱级（超纯色）氦气。分别将注入端口，离子源，四极杆和传递线温度保持在280°C，230°C，150°C和280°C下。GC烤箱程序在50°C保持2分钟，然后在4°C/min下增加到280°C，并保持10分钟。总分析时间为70分钟。质量范围为50-550 m/z，在完整扫描模式下，扫描速率为每秒0.45扫描。使用70 eV电离能进行电子电离。使用质量猎人软件（Qualita Tive Analysis B.07.00）和NIST质谱库确定并确定化合物。
肾小球疾病的病理生理学和诊断的新方面
在自身免疫性疾病的多种组织中检测到抽象的免疫沉积/复合物，但没有器官吸引像肾脏一样多的注意力。几种肾脏疾病的特征是存在此类沉积物的特定构型，其中许多疾病在风湿病学家和肾病学家之间的“共享护理”下。本综述着重于在流变学和肾脏学实践中通常遇到的五种不同疾病，即IGA血管炎，狼疮肾炎，冷冻球菌血症，抗斜利的基底膜膜疾病和抗神经粒细胞性粒细胞抗体抗体 - 抗体 - 抗体 - 抗体 - 抗体 - 抗体 - 抗体 - 抗体胶质腺纤维骨膜炎。它们在疾病的疾病生成方面有所不同，但肾功能下降的潜在速度，对免疫抑制/免疫调节的反应以及免疫沉积/复合物的沉积。迄今为止，尚不清楚沉积物是导致特定疾病还是旨在消除负责组织损伤的炎症级联反应，例如中性粒细胞外陷阱或补体系统。原则上，尚未开发出免疫抑制疗法来解决免疫沉积/复合物，并且反复进行肾脏活检研究发现，尽管有活跃的炎症减少了沉积物的持久性，再次强调了他们对他们参与组织损伤的不确定性。在这些研究中，经常报道主动病变向慢性变化（例如肾小球硬化）的发展。新颖的治疗方法旨在更有效，迅速地减轻这些变化。在几分钟之内溶解IgG的几种新药物，例如Avacopan，一种口服C5AR1抑制剂或Imlifidase，更具体地降低了肾脏中的炎症性级联反应和重复的组织采样，可能有助于了解它们对免疫池的影响，并最终了解免疫功能的影响，并最终影响免疫复合物/肾脏的潜在影响。
糖尿病中的盐皮质激素受体拮抗作用通过保留肾小球内皮糖质
引言肾小球疾病，包括糖尿病性肾病（DN），是终末期肾衰竭的最常见原因（1）。大约有5分之一的糖尿病患者在其一生中需要DN治疗（2）。2018年，美国有70万人因终末期肾病（ESRD）治疗，糖尿病占所有新ESRD病例的47％（3）。肾素 - 血管紧张素 - 醛固酮系统（RAAS）具有血管紧张素转换酶抑制剂（ACEI）或血管紧张素受体阻滞剂（ARB）的阻断降低了蛋白尿和ESRD的风险（4）。然而，由于醛固酮逃脱，使用ACEI或ARB可能不会减少醛固酮介导的矿物皮质激素受体（MR）刺激（5，6）。在DN中，在ACEI或ARB治疗中添加MR拮抗剂进一步降低了蛋白尿，这表明MR激活直接导致蛋白尿（7-12）。最近，大型III阶段Fidelio-DKD试验报告说，在患有慢性肾脏疾病（CKD）和2型糖尿病的患者中，MR拮抗作用降低了CKD进展，蛋白尿和心血管疾病的风险（13）。然而，包括高钾血症在内的副作用限制了MR拮抗剂的临床使用（10、12、14-16）。因此，需要更好地定义由MR拮抗剂介导的肾小球保护机制，以鉴定新型的特异性治疗靶标。
kdigo 2021肾小球治疗指南...
•实践点是关于进行系统审查的护理和补充建议的特定方面的共识陈述。•请注意，实践点代表了指南工作组的专家判断，但也可能基于有限的证据。•与建议不同，练习点没有为建议或质量的证据。•用户应将实践点视为专家指导，并将其视为适合为患者的护理提供信息。
Rho-kinase抑制剂恢复糖尿病肾脏疾病中的肾小球脂肪酸代谢
在糖尿病肾脏中激活了小的GTPase Rho及其效应子Rho-kinase（Rock），最近的研究十年表明，岩石信号传导是糖尿病肾脏疾病进展的一种积分途径。我们以前识别了岩石（岩石）在脂肪酸代谢中的岩石1的独特作用。但是，药理学干预对Rock1的影响尚不清楚。在本研究中，我们表明Y-27632对Rock1的抑制作用和Fasudil恢复了肾小球中的脂肪酸氧化。从机械上讲，这些化合物通过AMPK磷酸化和随后诱导PGC-1 a来优化脂肪酸利用率和氧化还原平衡。一项进一步的体内研究表明，Rock1的抑制抑制了肾小酸氧化相关基因表达的下调，而DB/DB小鼠的肾小球细胞中的线粒体片段化抑制了降低。这些观察结果表明，通过改善肾小球脂肪酸代谢的机制，Rock1可能是糖尿病肾脏疾病的有前途的治疗靶点。©2023 Elsevier Inc.保留所有权利。
jak抑制剂阻止肾小球细胞中的jak/stat/apol1信号传导和人类肾脏器官的足细胞病
引言肾功能衰竭是Covid-19感染的毁灭性并发症。急性肾脏损伤（AKI）复杂的住院和70％的入院和70％的入院率复杂，进而将死亡率风险增加30％至50％（1，2）。肾脏活检病例系列显示，崩溃的肾小球病是COVID-19-与AKI相关的最常见的组织病理学诊断（3）。Covid-19-19-相关的肾病（Covan;也称为COVID-19-相关倒塌的glomerulop- achy）的独特特征是对携带2种载脂蛋白L1（apoL1）的2种风险等位基因的黑人（3，4）。2个风险等位基因（命名为G1和G2）作为APOL1基因中的编码变体出现，并针对非洲锥虫病进行了判断。然而，G1G1，G2G2或G1G2的运输（是高风险基因型）增加了肾脏疾病频谱的风险，并解释了黑人人群非肾脏肾脏疾病的多种过量风险（5-8）。估计有13％的黑人携带高风险的APOL1基因型（7）。在199日大流行期间，研究人员发现，在高风险APOL1基因型的携带者中，有92％的活检证实的Covan病例是，其中有61％在介绍时需要透析（3，9）。这些发现建立了APOL1变体，作为COVID-19健康结果中种族差异的主要因素。尽管这种令人印象深刻的关联，但将高危Apol1 Geno-类型连接到SARS-COV-2感染的细胞机制和Covan崩溃的肾小球病的发病机制仍然未知。高风险APOL1基因型和Covan之间的强烈流行病学关联导致假说，即在足细胞和肾小球内皮细胞（GECS）中coVID-19诱导Apol1 G1或G2的表达 - 在崩溃的肿瘤性肿瘤性疾病中受到collopapsing glomerulopathy persosiss covan covan covan covan covan covan covan。
辉瑞治疗后出现局灶节段性肾小球硬化症...
2019 冠状病毒病 (COVID-19) 疫苗表现出了出色的安全性。最常见的短期副作用是注射部位反应、发烧、疲劳和头痛，而严重不良反应的报道很少 [1]。然而，自大规模接种疫苗以来，已报告了几种免疫介导反应（包括心肌炎和新发或复发性肾小球肾炎 [GN]）[1]。据报道，COVID-19 疫苗还可诱导 T 细胞活化 [2]。在这方面，接种 COVID-19 疫苗后发生肾脏疾病可能与其对病毒信使 RNA (mRNA) 产生的 T 细胞介导的免疫反应有关，而这种免疫反应可引发足细胞损伤 [2]。在此，我们报告了一例局灶性节段性肾小球硬化 (FSGS) 病例，该病例在接种第一剂辉瑞-BioNTech COVID-19 疫苗后出现节段性小叶塌陷和足细胞增生，模仿 FSGS 的细胞病变。
病例报告：开始 Ado-Trastuzumab Emtansine 治疗后发生塌陷性局灶节段性肾小球硬化症
Ado-trastuzumab emtansine (T-DM1) 是一种抗体 - 药物偶联物，由单克隆抗体曲妥珠单抗与具有潜在抗肿瘤活性的美登木素 DM1 连接而成，获批用于治疗人表皮生长因子受体 2 (HER2) 阳性乳腺癌。美国食品药品监督管理局 (FDA) 不良事件报告系统的分析发现，曲妥珠单抗的肾脏不良事件为 124/1,243 (10%)。但是，尚无已发表的病例报告描述与曲妥珠单抗或 T-DM1 的肾毒性相关的肾活检结果。我们报告了一例在开始 T-DM1 治疗后因塌陷性局灶节段性肾小球硬化 (FSGS) 和肾小管损伤而出现肾病范围蛋白尿的病例的肾活检结果。在系统排除其他原因后，观察到的塌陷性 FSGS 可能与之前开始的 T-DM1 治疗有关。停止 T-DM1 治疗 3 周后，无需进一步特殊治疗，蛋白尿和肾功能得到改善的临床过程进一步支持了这一观点。总之，我们提供了第一份关于塌陷性 FSGS 导致开始 T-DM1 治疗后出现肾病范围蛋白尿的病例的肾活检结果报告。由于 T-DM1 被广泛使用，这个问题尤其重要，肾病学家必须意识到这种可能罕见但严重的并发症。
定向培养小球藻以增加类胡萝卜素的合成
摘要。Chlorella sorokiniana 的代谢会受到各种培养条件的影响。如果使用定量紫外线照射，则有可能补偿性地增加类胡萝卜素的合成，从而防止氧化应激。菌株 211-8k 在各种光照条件下培养：对照样品接受荧光照射；样品 1 每天接受 15 分钟的定量定期紫外线照射和荧光照明；样品 2 在稳定阶段接受 30 分钟的紫外线照射。定期紫外线照射对 C. sorokiniana 的种群增长产生负面影响，这种影响仅在第九天才可检测到，并且生物量产量显著下降。单次 30 分钟的紫外线照射会导致风干生物量的产量略有下降，但随着种群的进一步增长可能会得到补偿。定期接受紫外线照射可刺激类胡萝卜素的合成，干生物量的产量平均比对照样品高出 30%。在稳定阶段，单次紫外线照射 30 分钟会导致叶绿素和类胡萝卜素的生物量含量下降。微藻的显微镜检查显示，紫外线照射会导致出现凋亡迹象的细胞形成。
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系，日本京都 B) 日本京都肾脏病学系，日本京都，京都，京都，京都，京都，京都，京都，日本 D) 京都大学医学院生物医学数据智能系，日本京都 E) 京都大学医院医学信息学和管理规划部，日本京都 F) 京都大学医学院诊断病理学系，日本京都 H) Rise，药物开发数据智能平台小组，日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能（AI）模型，但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里，我们开发了人工智能模型来对肾小球图像进行分类，以获得病理诊断所需的主要发现，并研究这些模型是否可以提高肾病科医生的诊断能力。方法