XiaoMi-AI文件搜索系统
World File Search System心力衰竭
myh11稀有变体增强主动脉生长，并诱导心脏肥大和心力衰竭，并以压力超负荷
基因组基础模型具有精确医学，药物发现和理解复杂生物系统的变革潜力。然而，现有模型通常效率低下，受到次优的令牌化和建筑设计的约束，并偏向参考基因组，限制了它们在稀有生物圈中对低丰度，未培养的微生物的表示。为了应对这些挑战，我们开发了Genomeocean，这是一个40亿参数的基因组基础模型，该模型对超过600 GBP的高质量重叠群进行了训练，这些基础是从地球生态系统中各种栖息地收集的220 TB元基因组数据集的高质量重叠群。基因瘤的一项关键创新是直接对元基因组样品的大规模共组合进行培训，从而增强了稀有微生物物种的表示，并提高了以基因组为中心方法的概括性。我们实施了基因组序列产生的字节对编码（BPE）代币化策略，以及建筑优化，实现高达150倍的更快序列产生，同时保持高生物学保真度。Genomeocean在代表微生物物种和产生受进化原理约束的蛋白质编码基因方面表现出色。此外，其微调模型还展示了在天然基因组中发现新型生物合成基因簇（BGC）的能力，并执行生物化学上完全合理的完整BGC的零拍合成。Genomeocean为元基因组研究，自然产品发现和合成生物学设定了一个新的基准，为这些领域提供了强大的基础。
通过出院计划和教育来减少充血性心力衰竭
Aquila Digital Community将本论文/论文带给您免费和开放访问。已被Aquila数字社区的授权管理员接受了将其纳入博士学位项目。有关更多信息，请联系aquilastaff@usm.edu。
心力衰竭患者的嗜中性粒细胞和淋巴细胞定量异常：一项回顾性研究o r i g i n a l r e s a r c h菌群的突出性预测克罗恩病的纤维狭窄
目的：由于克罗恩病（CD）引起的肠纤维狭窄非常普遍。尽管已经确定了几种纤维狭窄的临床危险因素，例如验水，小肠疾病的位置和深层粘膜溃疡，预测纤维狭窄仍然具有挑战性。肠道菌群在CD的发展和进展中起着至关重要的作用。然而，其在肠纤维狭窄中的作用知之甚少。利用单中心横断面研究，我们旨在研究粪便菌群在与CD相关的纤维狭窄中的作用。方法：使用元基因组分析，我们检查了肠纤维狭窄患者与没有狭窄的患者之间的粪便菌群差异。我们鉴定了特定的微生物群，并评估了其对肠纤维狭窄的预测准确性。此外，我们探索了两组之间肠道菌群的功能差异。结果：：我们对粪便样品的研究表明，纤维狭窄患者与CD中没有狭窄的患者之间的肠道菌群结构没有显着差异。但是，从分类学上讲，我们发现了70个分类单元，两组之间的丰度明显不同（p <0.05）。此外，Lefse分析表明，g_bacteroides和g_enterocloster可以预测肠纤维狭窄，而p_actinobacteria，c_actinomycetia，c_bacilli，c_bacilli，o_lactobacilli，o_lactobacilles，f_strepteptoccoccaccaceae and g_strepteptoccus可以预测CDNESISD。结论：粪便菌群在CD中显着影响肠纤维狭窄。功能分析表明，在纤维狭窄的CD患者中，在KEGG途径水平的五个代谢途径中的差异富集，包括鞘脂代谢，脂肪酸代谢以及新霉素，kanamycin和gentamicin的新霉素的生物合成。在蛋酒数据库中，我们观察到两组之间四个功能类别的差异，包括细胞过程，信号传导和代谢。尽管α和β多样性没有显着差异，但纤维狭窄与微生物群组成和功能的变化有关，这表明粪便微生物群在预测与CD相关的纤维狭窄方面的潜力。关键字：克罗恩病，纤维狭窄，粪便菌群，元基因组分析
心力衰竭患者数字化家庭自我监测系统：SmartHeart 开发协议及可行性和可访问性评估
1 迪肯大学运动与营养科学学院、体育活动与营养研究所，澳大利亚伯伍德 2 昆士兰大学医学院、皇家布里斯班妇女医院，澳大利亚布里斯班 3 昆士兰大学医学院，澳大利亚布里斯班 4 迪肯大学健康学院护理与助产学院，澳大利亚吉朗 5 莫纳什健康学院质量与患者安全研究中心 – 莫纳什健康伙伴关系，莫纳什健康，澳大利亚墨尔本 6 拉筹伯大学贝克心血管研究、翻译与实施系，澳大利亚墨尔本 7 贝克心脏与糖尿病研究所，澳大利亚墨尔本 8 迪肯大学应用人工智能研究所，澳大利亚伯伍德 9 墨尔本大学计算机与信息系统学院，澳大利亚墨尔本 10 代尔夫特理工大学工业设计工程学院，荷兰代尔夫特 11 格里菲斯大学医学与牙科学院应用健康经济学中心，澳大利亚黄金海岸 12 李光前医学院，南洋理工大学，新加坡，新加坡 13 墨尔本大学全科医学和初级保健系，墨尔本，澳大利亚 14 墨尔本大学医学、牙科和健康科学学院墨尔本人口与全球健康学院，墨尔本，澳大利亚 15 哥本哈根大学计算机科学系，哥本哈根，丹麦 16 弗林德斯大学弗林德斯数字健康研究中心，阿德莱德，澳大利亚
新型风险预测模型，以确定心律不齐右心肌病中的不良心力衰竭结果
方法和结果：来自中国北京福威医院的290例心律失常右心心肌病患者的纵向和观察人群，并研究了来自瑞士苏黎世大学心脏中心的99名患者，并进行了随访数据。研究的主要终点是归因于HF的心脏移植或死亡。该模型是通过COX回归分析来预测风险的，并经过内部验证的。在4.92±3。03年的随访期间，有48名患者达到了主要终点。风险预测模型的决定因素是室心室射体分数，血清肌酐水平，中度严重的三尖瓣反流和心房颤动。可植入的心脏扭曲器 - 除颤器并未减少不良HF结果的发生。
主题：移植后和心力衰竭的实验室测试
临床医生在患有急性同种异体移植功能障碍的肾脏移植受者中测量DD-CFDNA水平，以排除排斥反应，尤其是抗体介导的排斥反应。 “我们建议可以使用DD-CFDNA来排除心脏移植受者中的亚临床拒绝”。国际心脏和肺移植学会（ISHLT）心脏移植接受者的指南（2022）建议包括：“基因表达谱分析（即同符）可以在心脏移植后2个月至5年之间使用；”以及对排斥的监测可能包括“监测性内膜活检和非侵袭性拒绝监测”（即Allomap，供体衍生的无细胞DNA）。证据足以支持使用供体衍生的无细胞DNA测试对心脏和肾脏移植受者的使用。用于评估肺同种异体移植排斥的DD-CFDNA测试，证据包括诊断研究。研究受到小样本量的限制，尚未确定临床公用事业研究。证据不足以确定该技术会改善净健康结果。接受SST2分析的慢性心力衰竭或确定预后或预测心脏移植后急性细胞排斥的患者，证据包括有关PRESAGE ST2分析的相关性和回顾性研究。几项研究发现，SST2测试结果没有提供其他预后信息，并且在使用SST2测定法以指导诊断为慢性心力衰竭的患者的管理方面没有发现比较研究。尚未确定前瞻性研究，可以提供有关SST2预测移植预后的能力的证据。证据不足以确定该技术会改善净健康结果。测量挥发性有机化合物评估心脏同种异体移植排斥反应的证据包括诊断准确性研究。这项单一的研究不足以确定测量挥发性有机化合物的测试的临床有效性，也没有鉴定出关于临床实用性的研究。证据不足以确定该技术会改善净健康结果。
心力衰竭中的自身免疫样机制使预防性疫苗治疗成为可能
通讯作者：Gianluigi Condorelli，医学博士，哲学博士，Humanitas 大学生物医学科学系，Via Rita Levi Montalcini 4, Pieve Emanuele 20072，米兰，电子邮件 gianluigi.condorelli@hunimed.eu；或 Marinos Kallikourdis，哲学博士，Humanitas 研究医院 IRCCS 自适应免疫实验室，Via Manzoni 56, Rozzano, 20089 米兰，意大利，电子邮件 marinos.kallikourdis@humanitasresearch.it *E. Martini、M. Cremonesi 和 A. Felicetta 贡献相同。†G. Condorelli 和 M. Kallikourdis 是共同资深作者。补充材料可在 https://www.ahajournals.org/doi/suppl/10.1161/CIRCRESAHA.124.324999 上找到。有关资金来源和披露，请参阅第 23 页。© 2024 作者。《Circulation Research》由 Wolters Kluwer Health, Inc. 代表美国心脏协会出版。这是一篇开放获取的文章，遵守知识共享署名非商业-禁止演绎许可条款，允许在任何媒体中使用、分发和复制，前提是正确引用原始作品、非商业性使用，并且未进行任何修改或改编。
叙述性回顾机器学习用于心力衰竭风险评估和诊断
摘要 充血性心力衰竭已成为日益严重的公共卫生问题。降低充血性心力衰竭的高昂成本是一项挑战，因为它在诊断前数年内悄无声息地发展，尤其是对于心血管风险高且无法控制诱发因素的人群。人工智能等新技术进步为这些问题提供了解决方案。因此，在这篇叙述性评论中，我们确定了机器学习在心力衰竭风险识别和诊断中的应用。在 PubMed、HINARI、Google Scholar 和 Elsevier 数据库中使用以下 MeSH 术语以英语和西班牙语进行搜索：“人工智能”、“机器学习”、“算法”、“心脏病学”、“心力衰竭”、“心力衰竭/诊断”和“心力衰竭/预防和控制”。我们考虑了过去七年内发表的原创文章、荟萃分析、文献综述和系统评价，包括病例和对照。在编写本文件时未使用人工智能。人工智能可以评估心力衰竭的风险，并通过分析心脏成像技术促进及时诊断。
优化心力衰竭患者的治疗
参考文献 1. Maddox TM、Januzzi JL、Allen LA 等人。2024 ACC 治疗射血分数降低的心力衰竭的专家共识决策途径。美国心脏病学会杂志 2024；83：1444-88。doi：10.1016/j.jacc.2023.12.024 2. Kittleson MM、Panjrath GS、Amancherla K 等人。2023 ACC 治疗射血分数保留的心力衰竭的专家共识决策途径。美国心脏病学会杂志 2023；81：1835-78。doi：10.1016/j.jacc.2023.03.393 3. Tromp J、Ouwerkerk W、Van Veldhuisen DJ 等人。射血分数降低的心力衰竭药物治疗的系统评价和网络荟萃分析。JACC：心力衰竭 2022；10：73–84。doi：10.1016/j.jchf.2021.09.004 4. Carrizales-Sepúlveda EF、Ordaz-Farías A、Vargas-Mendoza JA 等。针对心力衰竭患者启动和上调指南指导的药物治疗：更好、更快、更强！Card Fail Rev 2024；10：e03。doi：10.15420/cfr.2023.20
标题：针对常用小鼠心力衰竭模型的优化方案
（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2025 年 1 月 25 日发布。；https://doi.org/10.1101/2025.01.22.634221 doi：bioRxiv preprint