摘要 - 背景:模拟器培训对于教学学生在开始在诊所工作之前与CBP相关的基本技能很重要。当前可用的高层模拟器缺乏解剖特征,可以帮助学生在视觉上了解血液动力学参数与解剖结构之间的联系。因此,我们机构开发了3D打印的硅胶心血管系统。这项研究旨在确定使用这种解剖学灌注模拟器而不是传统的“桶”模拟器是否会更好地改善灌注学生对插管部位,血流和解剖结构的理解。方法:对16名学生进行了测试以建立他们的基线知识。他们被随机分为两组,目睹了在两个模拟器之一(解剖或水桶)中运行的模拟旁路泵,然后重新测试。为了更好地分析数据,我们定义了“真实学习”的特征,其特征是在模拟后评估中纠正的仿真评估的答案不正确。结果:见证了在解剖模拟器上运行的模拟泵的组显示,平均测试评分的增加,更多的真实学习实例以及敏锐的信心间隔的增长更大。结论:尽管样本量较小,但结果表明解剖模拟器是教新灌注学生的宝贵工具。
摘要 生命科学领域的最新技术进步极大地提高了我们以前所未有的深度在分子水平上解决科学问题的能力。自推出以来,下一代测序 (NGS) 实现了高通量分析,随着时间的推移,变得越来越普及和负担得起,塑造了研究和临床应用的未来。空间分辨转录组学 (SRT),特别是原位测序 (ISS),提供单细胞转录组数据,同时保留周围组织微环境的组织病理学背景。本论文探讨了挂锁探针与原位测序 (ISS) 或下一代测序 (NGS) 结合的应用,以解决与特定疾病相关的问题。在论文 I 中,我们研究了结核分枝杆菌 (Mtb) 与结核病感染小鼠肺中免疫细胞之间的空间相互作用,绘制了细菌簇和单个细菌附近的免疫相关转录本。我们的研究结果表明,在 Mtb 抗性的 C57BL/6 小鼠中,靠近单个细菌的巨噬细胞活化。相比之下,在易感染结核分枝杆菌的 C3HeB/FeJ 小鼠的肺组织中占主导地位的组织化肉芽肿未富集免疫激活转录本。这种方法提供了对结核病免疫反应的见解,并强调了空间分辨转录组学在研究宿主-病原体相互作用方面的能力。在论文 II 中,我们研究了非小细胞肺癌 (NSCLC) 中的肿瘤微环境,重点研究了 T 细胞克隆性的影响。我们将 TCR 克隆性与基因突变、肿瘤免疫特征和对免疫疗法的反应联系起来。我们的数据显示,高 TCR 克隆性与高肿瘤突变负担、发炎的肿瘤表型以及对检查点抑制剂的反应改善有关,这表明其有可能成为 NSCLC 个性化免疫治疗的生物标志物。在论文 III 中,我们在空间上探索了新辅助治疗期间选定的 NSCLC 组织中的 TCR 模式和免疫细胞分布,这些组织具有匹配的未受影响的淋巴结,以及 HER2+ 乳腺癌病例。我们注意到,与匹配的淋巴结相比,癌症组织中的 TCR 多样性较低。我们的数据进一步揭示了扩增克隆型(主要是 CD8 T 细胞)的区域优势,这些克隆型位于靠近癌症区。总体而言,这些结果证明了 ISS 在提供诊断组织样本中肿瘤免疫微环境中克隆 T 细胞扩增之间相互作用的关键空间细节方面的实用性,特别是在治疗环境中。在论文 IV 中,我们开发了一种基于分子倒置探针 (MIP) 的经济高效的检测血液样本中微生物病原体和抗菌素耐药性标志物的检测方法,即使在资源匮乏的环境中也能提供高特异性和灵敏度。MIP 方法简化了病原体检测,无需进行大量的样品制备或生物信息学分析,使其成为资源匮乏地区监测传染病的便捷工具。总的来说,这项工作展示了挂锁探针和先进技术的应用,以加深我们对疾病的了解并改善诊断和个性化治疗。
在人类中,拉福拉病主要在地中海国家,中东,北非和印度诊断出。该疾病发生在近交率高的地区,与EPM2B或EPM2A基因中的突变有关。症状发作通常发生在儿童晚期至青春期之间,随着肌阵挛的发展,癫痫发作,神经系统的进行性脱位以及认知功能的恶化,发展了大约10年,直到死亡,直到死亡(Desdentado等人,2019年; Nitschke等,2018; Nitschke et an al al al an al an al an al an al an al an al an al an al al an al an al an al al an al an al an al an al al an al an al an al an al an al an al an al an al al an al an al an al an al an al an al an al an al al an al an al al an al an al an al an al al an al an al an al al an。Lafora的身体积累在人类中的大脑,心脏,肝脏,骨骼肌肉和汗腺中(Desdentado等,2019)。在大脑中,它们在所有地区都很丰富(Turnbull等,2018)。本文的目的是报告贝格犬中的两例拉福拉病例,这些病例表现出神经系统临床体征并被送去进行尸检。
社会经济地位 (SES) 与大脑结构相关,鉴于长期以来观察到的 SES 与认知能力和健康之间的关系,这种关系备受关注。然而,主要问题仍未得到解决,尤其是这种关系背后的因果关系模式。在一项前所未有的大规模研究中,我们评估了遗传和环境对神经解剖学 SES 差异的贡献。我们首先在多个大脑区域(皮层和皮层下)建立强大的 SES-灰质关系。这些区域相关性被解析为主要是遗传因素和可能由环境引起的因素。我们表明,遗传效应在某些区域(前额叶皮层、岛叶)比其他区域更强。在遗传效应较小的区域(小脑、颞侧),环境因素可能会产生影响。我们的研究结果表明,遗传和环境因素之间存在复杂的相互作用,这些因素影响着 SES-大脑关系,并可能最终为政策提供相关的见解。
深度神经网络 (DNN) 特征与皮质反应之间的一致性目前为更高级的视觉区域提供了最准确的定量解释 [1、2、3、4]。与此同时,这些模型特征也被批评为无法解释的解释,将一个黑匣子(人脑)换成了另一个黑匣子(神经网络)。在本文中,我们从头开始训练网络,让其直接从大量自然场景数据集中预测大脑对图像的反应 [5]。然后,我们采用“网络解剖” [6],这种方法通过识别和定位图像中已训练网络各个单元的最显著特征来增强神经网络的可解释性,并已用于研究人脑的类别选择性 [7]。我们采用这种方法创建了一个假设中性模型,然后使用该模型探索类别选择性之外的特定视觉区域的调节特性,我们称之为“大脑解剖”。我们使用大脑解剖来检查一系列生态上重要的中间特性,包括深度、表面法线、曲率和物体关系,并发现顶叶、侧部和腹侧视觉流子区域之间存在一致的特征选择性差异。例如,在三个场景选择网络中,我们发现 RSC 更喜欢远深度和平面水平表面法线,而 OPA 和 PPA 更喜欢近深度和中深度以及垂直表面法线,这表明在 RSC 和 OPA/PPA 中用于场景表示的空间坐标系发生了变化。这些发现有助于更深入、更细致地了解人类视觉皮层在观看自然场景时的功能特征。项目网站:https://brain-dissection.github.io/ 。
深度神经网络 (DNN) 特征与皮质反应之间的一致性目前为更高级的视觉区域提供了最准确的定量解释 [1、2、3、4]。与此同时,这些模型特征也被批评为无法解释的解释,将一个黑匣子(人脑)换成了另一个黑匣子(神经网络)。在本文中,我们训练网络直接从头开始预测大脑对来自大规模自然场景数据集的图像的反应 [5]。然后,我们使用“网络解剖” [6],这是一种可解释的人工智能技术,通过识别和定位图像中已训练网络的各个单元中最显著的特征来增强神经网络的可解释性,该技术已用于研究人脑的类别选择性 [7]。我们采用这种方法创建了一个假设中立模型,然后使用该模型探索类别选择性之外的特定视觉区域的调节特性,我们称之为“大脑解剖”。我们利用大脑解剖来研究一系列生态上重要的中间特性,包括深度、表面法线、曲率和物体关系,这些特性贯穿顶叶、外侧和腹侧视觉流以及场景选择区域的子区域。我们的研究结果揭示了大脑各区域对解释视觉场景的不同偏好,其中腹外侧区域偏爱较近和较弯曲的特征,内侧和顶叶区域选择更多样化和更平坦的 3D 元素,而顶叶区域则特别偏爱空间关系。场景选择区域表现出不同的偏好,因为后压部复合体偏爱远处和户外特征,而枕叶和海马旁回区域偏爱近处、垂直性,而在 OPA 的情况下,偏爱室内元素。这些发现表明,使用可解释的人工智能揭示整个视觉皮层的空间特征选择性具有潜力,有助于更深入、更细致地了解人类视觉皮层在观看自然场景时的功能特征。
社会经济地位 (SES) 与大脑结构相关,鉴于长期以来观察到的 SES 与认知能力和健康之间的关系,这种关系备受关注。然而,主要问题仍未得到解决,尤其是这种关系背后的因果关系模式。在一项前所未有的大规模研究中,我们评估了遗传和环境对神经解剖学 SES 差异的贡献。我们首先在多个大脑区域(皮层和皮层下)建立稳健的 SES-灰质关系。这些区域相关性被解析为主要是遗传因素和可能由环境引起的因素。我们表明,遗传效应在某些区域(前额叶皮层、岛叶)比其他区域更强。在遗传效应较小的区域(小脑、颞侧),环境因素可能会产生影响。我们的研究结果表明,遗传和环境因素之间存在复杂的相互作用,这些因素影响着 SES-大脑关系,并可能最终为政策提供相关的见解。
1 英国牛津大学约翰拉德克利夫医院纳菲尔德临床神经科学系、大脑功能性磁共振成像中心 (FMRIB) 威康综合神经影像中心,英国伦敦;2 英国伦敦国王学院生物医学工程系,英国伦敦;3 荷兰奈梅亨拉德堡德大学唐德斯大脑、认知和行为研究所,荷兰奈梅亨;4 美国亚特兰大埃默里大学亚特兰大儿童保健中心马库斯自闭症中心;5 英国牛津大学生理学、解剖学和遗传学系;6 德国马格德堡马格德堡大学生物学研究所;7 德国马格德堡莱布尼茨神经生物学研究所;8 英国牛津大学实验心理学系威康综合神经影像中心
Christopher Mezias *1,Bingxing Huo *2,Mihail Bota 1,Jaikishan Jayakumar 3,Partha P. Mitra +1对公共Marmoset的抽象兴趣正在增长,这是由于与实验室小鼠相比,与人类相比,与小鼠和Marmoset Brainecters的相比,与人类相比,由于与人类的进化近端而增长,包括鼠标和Marmoset Brainecters的类型,以及连接性的连接。创建一个可操作的比较平台很具有挑战性,因为这些大脑具有独特的空间组织和专家神经解剖学家的不同意。我们提出了一个一般的理论框架,以在整个分类单元之间将命名的地图集联系起来,并使用它来建立Marmoset和小鼠大脑之间的详细对应关系。与传统的观点相反,即大脑结构在较高级别的Atlas层次结构上可能更容易建立联系,我们发现尽管命名了差异,但在叶子水平上的细胞层次更细。利用现有的地图集和相关的文献,我们为这两个物种创建了叶片水平结构列表,并在它们之间建立了五种类型的对应关系。在小鼠中的43%的结构中发现了一到一条关系,而摩尔莫斯群岛的结构中有47%,而小鼠的25%和10%的棉花糖结构是无关的。其余结构显示了我们量化的一组更复杂的映射。通过这两个物种的体积图谱实现此对应关系,我们提供了一个计算工具,用于查询和可视化相应的大脑之间的关系。我们的发现为实验室小鼠和公共摩尔群岛中的中尺度连通性和细胞类型分布的计算比较分析提供了基础。
1995; Brusini等。 2018),几乎没有神经元数的数据(Racicot等人 2021)。 我们的数据是第一个证明人工选择可以驱动神经元密度的重大变化的数据,与以前的主张形成鲜明对比(Jardim-Messeder等人。 2017),没有大脑区域量的重大增加。 大脑区域体积和神经元密度可能有所不同的事实1995; Brusini等。2018),几乎没有神经元数的数据(Racicot等人2021)。我们的数据是第一个证明人工选择可以驱动神经元密度的重大变化的数据,与以前的主张形成鲜明对比(Jardim-Messeder等人。2017),没有大脑区域量的重大增加。大脑区域体积和神经元密度可能有所不同的事实