实体器官移植接受者死于癌症的风险较高。事实上,免疫抑制治疗对于避免移植排斥至关重要,它会增加实体器官移植接受者死于癌症的风险 ( 1 )。然而,关于他们的癌症治疗的循证数据很少,因为移植接受者通常被排除在临床试验之外,而且登记册有限 ( 2 , 3 )。近年来,免疫检查点抑制剂 (ICI) 的开发,包括细胞毒性 T 淋巴细胞相关蛋白 4 (CTLA4) 抑制剂和程序性细胞死亡蛋白 1 或其配体 (PD1、PDL1) 的抑制剂,大大提高了某些晚期癌症患者的生存率 ( 4 )。这些单克隆抗体可促进针对恶性肿瘤的免疫反应,但有时会导致脱靶免疫不良药物反应 (ADR) ( 5 )。ICI 会破坏免疫系统,并可能引发同种异体移植排斥 (AR) ( 6 , 7 )。基于其相似的作用机制,不同的 ICI 类别被认为会对 AR 产生相同的影响,然而这从未被研究过(8)。此外,尽管美国食品药品管理局(FDA)(9,10)和欧洲药品管理局(EMA)(11,12)的药品标签中都提到了与伊匹单抗和帕博利珠单抗相关的 AR,但只有 FDA 的 cemiplimab 药品标签提到了 AR(13,14)。同样,关于 PDL1 抑制剂,AR 风险在 FDA 的药品标签中提及不一致,并且没有出现在 EMA 的药品标签中。因此,我们旨在通过对世界卫生组织(WHO)的药物警戒数据库进行不成比例分析,阐明 AR 与不同 ICI 类别的关联。
非酒精性脂肪性肝病 (NAFLD) 是世界上最常见的慢性肝病 (1)。在没有酒精过量使用和其他导致肝脏脂肪变性的原因的情况下,如果脂肪饱和度超过肝脏重量的 5% (2),即可诊断为 NAFLD。NAFLD 可发展为 NASH (非酒精性脂肪性肝炎)、晚期纤维化、肝硬化,并最终发展为肝细胞癌 (3)。全球 NAFLD 的发病率估计为 25%,而美国的 NAFLD 病例数呈上升趋势,从 2015 年的 8300 万增加到 2030 年的 1.01 亿 (4)。NAFLD 主要发生在中东和南美洲 (5)。伊朗 NAFLD 的发病率估计为近 33.9%,伊斯法罕 39.3% 的人口患有此病 (6-8)。此外,由于肥胖症的流行,全世界患 NAFLD 的人口正在增加(9)。NAFLD 可导致原发性胰岛素抵抗,也可能是胰岛素抵抗的结果,因此它与代谢综合征的组成部分密切相关,包括肥胖、胰岛素抵抗、血脂异常和高血压(10)。此外,糖尿病前期个体患糖尿病的风险最高可增加两倍。胰岛素抵抗是糖尿病病理生理的主要因素(11-13),在 NAFLD 和糖尿病之间很常见(14)。动脉粥样硬化是一种持续的炎症过程,导致动脉壁上形成斑块。动脉粥样硬化形成的病理生理是多因素的;尽管如此,所有过程都是由于促炎、内皮床功能障碍和氧化应激相互作用而发生的(15、16)。查阅文献显示,胰岛素抵抗与动脉粥样硬化形成之间存在直接而重要的关联。鉴于此,胰岛素抵抗与血清中促炎因子(如白细胞介素 1 (IL-1)、IL-6 和肿瘤坏死因子 α (TNF- α))以及导致氧化应激的自由氧自由基水平升高有关。此外,在胰岛素抵抗患者中,不适当的血小板聚集和动脉内膜中层钙斑块沉积导致内皮功能障碍已得到充分阐明(17)。理论上,由于在 NAFLD 和糖尿病前期中都可以检测到胰岛素抵抗的痕迹,两者的巧合可能使个体越来越容易患上 CVD。最近对 7 年间 34,000 名患有 NAFLD 和胰岛素抵抗的患者进行的荟萃分析发现,NAFLD 和胰岛素抵抗使 CVD 死亡和发病的风险增加了 65%。事实上,NAFLD 患者最常见的死亡原因是心血管原因(18)。尽管如此,研究 NAFLD 和糖尿病前期对 CVD 发病率影响的研究者数量有限,本回顾性病例对照研究旨在评估这一问题。
众所周知,2型糖尿病是一种因胰岛素相对或绝对缺乏而导致血糖升高的严重慢性疾病,被认为是内分泌代谢紊乱的重要组成部分(1,2)。国际糖尿病联盟(IDF)发布的《2021年糖尿病图谱》显示,到2030年糖尿病患者数量将达到6.43亿,预计到2045年将上升到惊人的7.83亿,全球与糖尿病相关的医疗保健支出可能超过1.05万亿美元(3,4)。2021年全球疾病负担研究表明,截至2021年,糖尿病已成为个人死亡和残疾的第八大风险因素(5)。事实上,大量研究糖尿病相关死亡原因的研究表明,大多数 2 型糖尿病患者至少患有一种合并症全身并发症,包括神经病变、肾病、视网膜病变,尤其是心血管损害,这是糖尿病患者死亡的主要原因(6、7)。研究表明,越来越多的 2 型糖尿病患者在年轻时(40 岁以下)被诊断出来,导致预期寿命缩短和寿命损失年数增加(8)。因此,美国糖尿病协会在其糖尿病护理标准中一直强调实施适当策略对预防和延缓糖尿病相关多系统并发症的重要性(9)。虽然葡萄糖代谢和脂质代谢是相对独立的代谢途径,但它们通过肾素-血管紧张素-醛固酮系统、线粒体功能、氧化应激和炎症反应错综复杂地相互联系。这些被破坏的分子和细胞机制共同导致了糖尿病和动脉粥样硬化的发展(10)。随着全球代谢性心血管疾病负担的不断加重,越来越多的研究强调,需要采取关键的预防和治疗干预措施,以减轻代谢因素对心血管健康的影响(11)。周围神经病变是糖尿病患者中最常见、最复杂、最严重的并发症之一,显著增加了溃疡、非创伤性截肢和足部感染的风险,可能导致长期残疾,并给 2 型糖尿病患者带来巨大的经济和心理负担(12)。此外,一项在亚洲人群中进行的观察性研究显示,2 型糖尿病患者中 2 型糖尿病肾病(DKD)的患病率高达
冠状病毒继续对全球公共卫生构成重大挑战,新变种的出现需要进一步努力来控制和管理病毒。在这种情况下,接种疫苗是限制 COVID-19 大流行蔓延的重要方法。然而,疫苗犹豫是阻碍遏制冠状病毒努力的最重要和最具影响力的问题之一;它与其他对疫苗接种有直接或间接影响的因素有关,包括心理因素 ( 1 , 2 )。然而,在中东和阿拉伯国家,COVID-19 疫苗犹豫与心理健康之间的关联尚未得到充分研究。因此,确定这些心理因素以制定干预措施和促进疫苗接受度非常重要 ( 3 )。多项研究发现,在 COVID-19 大流行期间,普通公众或医护人员中精神健康障碍的患病率增加,尤其是焦虑、恐惧和抑郁 ( 1 , 4 )。这些研究结果虽然有用,但并未超越疫情爆发到疫苗接种阶段,它们探讨了精神健康障碍,但并未将其与 COVID-19 疫苗犹豫直接联系起来,而且它们解释某些人为何不愿接种疫苗的能力仍然有限 (5)。研究人员一致表示,在 COVID-19 大流行期间报告的焦虑和抑郁症状的增加可能对疫苗犹豫产生影响 (6)。然而,先前针对这一问题的研究结果存在显著差异。例如,由于社交限制而每天感到焦虑、悲伤和烦躁的参与者对疫苗犹豫不决,而仅在某些日子报告同样感受的参与者犹豫不决较少 (7)。其他研究表明,报告有焦虑或抑郁症状的人对疫苗犹豫较少 (5)。虽然焦虑、恐惧和其他心理障碍似乎是疫苗犹豫的原因之一,但心理障碍和犹豫之间的关系可能是相互的。对疫苗安全性和有效性的担忧以及可能的副作用会引发疫苗犹豫和抵制。因此,犹豫不决的个人与社会直接对抗,因此会面临更多
摘要 我们使用飞机调度场景中的尾部分配和精确覆盖问题,对迄今为止最大的量子退火器(5000+ 量子比特量子退火器 Advantage 及其 2000+ 量子比特前身 D-Wave 2000Q)的量子处理单元进行了基准测试。基准测试集包含小型、中型和大型问题,其中既有稀疏连接实例,也有几乎完全连接的实例。我们发现,Advantage 在几乎所有问题上都优于 D-Wave 2000Q,成功率和问题规模都有显著提高。特别是,Advantage 还能够解决 D-Wave 2000Q 无法再解决的具有 120 个逻辑量子比特的最大问题。此外,仍然可以由 D-Wave 2000Q 解决的问题可以通过 Advantage 更快地解决。然而,我们发现,D-Wave 2000Q 可以在不需要 Advantage 上存在的许多新耦合器的情况下解决稀疏连接问题并获得更好的成功率,因此提高量子退火器的连通性本身并不会提高其性能。
妊娠期糖尿病 (GDM) 是指妊娠期间新发或首次确诊的糖耐量异常。据报道,全球 12.8% 的孕妇患有 GDM,在中国 GDM 的发病率已达 14.8%,且呈上升趋势 (1)。妊娠期高血压疾病 (HDP) 是一组以妊娠期间血压升高为特征的母体疾病,包括妊娠期高血压、子痫前期和子痫。据报道,全球 HDP 的患病率为 4.6% 至 13.1% (2),在中国孕妇中约为 5% 至 10% (3)。GDM 和 HDP 均与不良出生结局的风险相关,包括新生儿出生体重、早产 (PTB)、前置胎盘、胎膜早破和胎盘早剥。 GDM 的长期并发症包括母亲和后代的肥胖、糖尿病和心血管疾病。HDP 会增加未来冠状动脉疾病和慢性肾脏疾病的风险。GDM 和 HDP 都是妊娠期最常见的并发症。近年来,GDM 和 HDP 的患病率迅速上升。同时患有这两种疾病的孕妇对临床管理提出了巨大的挑战。先前的研究表明 GDM 和 HDP 密切相关,患有 GDM 的女性患高血压和先兆子痫的风险显著增加(4)。GDM 和 HDP 共病可能会进一步增加不良出生结局的风险。然而,先前的研究大多调查了只有其中一种疾病对不良结局的影响。关于 GDM 和 HDP 共病的研究很少,它们之间的相互作用尚不清楚。单一疾病的 GDM 或 HDP 与不良结局之间的关系已经得到充分证实。 GDM 与巨大儿、先兆子痫、低体重出生儿、产伤(肩难产)、呼吸窘迫、剖宫产、新生儿重症监护病房(NICU)和胎儿死亡等不良结局相关(5,6)。HDP 增加早产、死产、小于胎龄儿(SGA)和低体重出生儿的风险(3,7)。PE 显著增加胎盘早剥的风险(8)。研究表明,对于 GDM 合并 PE 的孕妇,妊娠期体重增加过多(GWG)会更明显地增加早产和大于胎龄儿(LGA)的风险(9),并且其 PE 严重程度与 SGA 呈正相关(10),这表明 GDM HDP 的共病可能会对不良出生结局产生显著影响。另一项研究表明糖尿病合并高血压显著增加早产发生率,但该研究中的是慢性糖尿病而非妊娠期糖尿病(11)。英国的一项研究表明妊娠期糖尿病合并妊娠期高血压显著增加LGA和剖宫产的发生率
雷特综合征 (RTT;OMIM ID 312750) 是一种严重的神经发育障碍,几乎只发生在女性身上,主要发生在 6 个月大的婴儿身上 ( 1 )。每 15,000 名新生儿中就有 1 名患有此病 ( 2 )。它是继唐氏综合征之后导致女孩智力障碍的第二大遗传病因 ( 3 )。在 90 – 95% 的病例中,甲基-CpG 结合蛋白 2 基因突变是导致大多数典型 RTT 和较小比例非典型 RTT 的原因。另一方面,具有 Rett 表型的患者会同时患有由细胞周期蛋白依赖性蛋白激酶样 5 基因 ( CDKL5 ) 突变引起的早发性癫痫 ( 4 )。另一种称为 FOXG1 的基因与非典型 RTT 或 RTT 样表型有关,并且可能表现出保留的功能和特定的临床特征 ( 5 )。 1999 年,首次描述了甲基-CpG 结合蛋白 2 ( MeCP2 ) 基因突变。MeCP2 基因编码甲基-CpG 结合蛋白 2 ( MeCP2 ),该蛋白与基因的长期沉默有关,并在所有组织中表达 ( 6 )。MeCP2 基因突变主要导致功能丧失,是 RTT(一种影响 X 染色体的疾病)的主要原因 ( 7 )。由于大约 95% 的突变是新生的,因此产前检测和/或 Rett 综合征的遗传咨询通常无济于事。MeCP2 在大脑功能和神经元发育中起着关键作用,无论是在神经元分化开始时还是之后 ( 8 )。RTT 患者一开始看起来都很“健康”。然而,从 6 到 18 个月大的时候,这些儿童会经历早期发育里程碑的退化,运动技能、眼神交流、言语和运动控制能力下降,头部生长减速,并出现明显的重复性、无目的的手部运动 (9)。随着时间的推移,通常会出现一系列神经系统问题,包括焦虑、呼吸问题(呼吸节律失常)和癫痫发作 (10)。RTT 的临床表型高度多变,可分为两大类:典型 (经典) RTT 和非典型 (变异) RTT。典型 RTT 的诊断标准需要一段时间的退化,然后恢复或稳定,并满足所有主要标准(失去有目的的手部技能、失去口语、步态异常和刻板的手部动作)(3)。进一步的表现可以包括自闭症特征、间歇性呼吸异常、自主神经系统功能障碍、心脏异常和睡眠障碍。除了典型或经典的 RTT 外,一些患者可能表现出许多(但不是全部) RTT 临床特征,因此存在“变异型”或“非典型型” RTT(11)。这些包括三种主要变异型:保留言语、早发性癫痫和先天性变异(12)。曲奈肽是目前 FDA 自 2023 年以来批准的唯一一种 RTT 疾病改良疗法,是一种潜在的有效且安全的治疗机会(13)。不同的药物,包括醋酸格拉替雷和右美沙芬,已在小规模临床试验中进行了研究,但效果不显著 ( 14 )。基因疗法目前正处于药物开发阶段,可能带来新的治愈机会 ( 15 )。最初,RTT 被认为是一种纯粹的神经系统病理,但近年来,它已成为一种复杂且
版权所有:© 2025 Jayanta Bhattacharya。本文为开放获取文章,根据知识共享署名许可协议发布。该许可协议允许在任何媒体上不受限制地使用、分发和复制本文,但需正确引用原文。
摘要 - 目的:基于卷积神经网络(CNN)的深度学习已使用头皮脑电图(EEG)在脑部计算机界面(BCIS)方面取得了成功。然而,对所谓的“黑匣子”方法的解释及其在立体情节摄影(SEEG)基于BCIS(SEEG)的BCIS中的应用仍然在很大程度上未知。因此,在本文中,对SEEG信号深度学习方法的解码性能进行了评估。方法:招募了三十例癫痫患者,并设计了包括五种手和前臂运动类型的范式。六种方法,包括过滤库公共空间模式(FBCSP)和五种深度学习方法(EEGNET,浅层和深CNN,Resnet,Resnet和一个名为STSCNN的深CNN变体),用于对SEEG数据进行分类。进行了各种实验,以研究Resnet和STSCNN的窗口,模型结构以及解码过程的影响。结果:EEGNET,FBCSP,浅CNN,DEEP CNN,STSCNN和RESNET的平均分类精度分别为35±6.1%,38±4.9%,60±3.9%,60±3.3%,61±3.2%和63±3.1%。对所提出方法的进一步分析表明,在光谱域中不同类别之间的可分离性明显。结论:重新连接和STSCNN分别达到了第一高的解码精度。STSCNN证明了额外的空间卷积层是有益的,并且可以从空间和光谱的角度部分解释解码过程。意义:这项研究是第一个研究Seeg信号深度学习的表现的研究。此外,本文证明了所谓的“黑盒”方法可以部分解释。
人乳头瘤病毒 (HPV) 是大多数宫颈癌以及日益增多的肛门生殖器癌和口腔癌的病因,其中大多数病例由 HPV16 或 HPV18 引起。HPV 劫持宿主信号通路以促进致癌作用。了解这些相互作用有助于识别 HPV 驱动的恶性肿瘤急需的治疗方法。Hippo 信号通路在 HPV 阳性癌症中起着重要作用,其下游效应子 YAP 发挥促癌作用。相比之下,其旁系同源物 TAZ 在这些癌症中的作用尚不清楚。我们证明 TAZ 以 HPV 类型依赖的方式失调,其机制与 YAP 不同,并通过其他细胞靶点控制增殖。宫颈癌细胞系和患者活检样本的分析显示,TAZ 表达仅在 HPV18+ 和 HPV18 样细胞中显著增加,而 TAZ 敲低仅在 HPV18+ 细胞中降低增殖、迁移和侵袭。HPV18+ 宫颈细胞的 RNA 测序显示,YAP 和 TAZ 具有不同的靶点,表明它们通过不同的机制促进致癌作用。因此,在 HPV18+ 癌症中,YAP 和 TAZ 发挥着非冗余的作用。该分析确定了 TOGARAM2 是一个先前未被表征的 TAZ 靶点,并证明了其在 HPV18+ 癌症中作为 TAZ 介导的增殖、迁移和侵袭的关键效应因子的作用。