XiaoMi-AI文件搜索系统
World File Search System间期
COVID-19 疫苗的因素、推动因素和挑战......
摘要 COVID-19 大流行引发了一种脆弱感和紧迫感，促使政府、资助者、监管机构和行业采取一致行动，克服疫苗候选物开发和获得授权的传统挑战。前所未有的金融投资、巨大的需求、加速的临床开发和监管审查是加速 COVID-19 疫苗开发和批准的关键因素。COVID-19 疫苗的快速发展得益于之前的科学创新，例如 mRNA 和重组载体和蛋白质。这开创了疫苗学的新时代，拥有强大的平台技术和新的疫苗开发模式。这些经验教训凸显了强有力的领导的必要性，以便将政府、全球卫生组织、制造商、科学家、私营部门、民间社会和慈善机构聚集在一起，为全球人口创造创新、公平和平等的 COVID-19 疫苗获取机制，并建立更高效、更有效的疫苗生态系统，为可能出现的其他大流行做好准备。从长远来看，开发新疫苗时必须提供激励措施，以培养可用于中低收入国家和其他市场的制造专业知识，确保创新、获取和交付的公平性。特别是在非洲，建立疫苗制造中心并提供适当和持续的培训，无疑是未来进入新公共卫生时代的必由之路，以保障非洲大陆的健康和经济安全，保证疫苗的安全和获取，但这种能力需要在疫情间期得以维持。
果蝇染色体 DNA 复制机制
真核生物染色体中的遗传信息包含在一个双链 DNA 分子中，这一令人欣喜的概念得到了最近对果蝇 (1) 和酵母 (2, 3) 的实验的支持。鉴于这种分子连续性，复制染色体中遗传顺序的问题就简化为复制单个长 DNA 分子的问题，对于果蝇 (Drosophila melanogaster) 来说，该 DNA 分子的最大长度约为 2.1 厘米，即 62,000 kb [参考文献 1；kb（千碱基）是长度单位，等于单链或双链核酸中的 1000 个碱基或碱基对]。我们通过电子显微镜检查快速分裂的裂解核中的 DNA，研究了果蝇中的这种复制问题。在 240 ℃ 时，裂解核每 9.6 分钟分裂一次，中间期只有 3.4 分钟 (4)，在此期间每个染色体 DNA 分子都必须复制。因此，最大染色体中 DNA 的分子复制速率应等于或大于 18,000 kb/min（分子）。由于动物染色体中 DNA 复制叉的移动速率上限估计约为 3 kb/min（复制叉）（5、6），我们预计这种快速的分子复制将需要每个分子 6000 个或更多复制叉的协同作用，或每 10 kb DNA 至少需要一个复制叉。正是这种预期让我们看到了通过电子显微镜观察确定真核染色体 DNA 中复制叉的结构和分布的希望。在本文中，我们表明这种希望已经实现。果蝇卵裂核的 DNA 呈连续排列
先天性长QT综合征的诊断、处理和治疗策略
摘要 先天性长 QT 综合征 (LQTS) 的特征是心率校正 QT 间期延长和危及生命的心律失常，导致晕厥和猝死。在多达 75% 的 LQTS 病例中，编码心脏离子通道、辅助离子通道亚单位或调节离子通道功能的蛋白质的基因变异已被确定为致病突变。根据潜在的基因缺陷，LQTS 被细分为不同的亚型。对 LQTS 的遗传背景和病理生理学的深入了解已导致确定最常见遗传亚型的基因型-表型关系、识别表型的遗传和非遗传修饰因素、优化风险分层算法和发现 LQTS 的基因特异性疗法。尽管如此，尽管 LQTS 领域取得了这些巨大进步，但仍然存在巨大的知识空白。例如，高达 25% 的 LQTS 病例仍然无法确定基因型，这妨碍了正确识别有风险的家庭成员，而且，是什么决定了疾病严重程度的巨大差异，在很大程度上仍不得而知，即使在同一个家族中，相同的突变也会导致一些携带者出现恶性心律失常，而在其他携带者中，这种疾病在临床上是无症状的。在本综述中，我们总结了目前关于 LQTS 诊断、临床管理和治疗策略的证据。我们还讨论了新的科学发展和研究领域，这些发展和研究领域有望提高我们对基因型阴性患者复杂遗传结构的理解，从而改善无症状突变携带者的风险分层，并提供更有针对性的（基因特异性甚至突变特异性）治疗。
发育中的海马球体模型发作和癫痫发生
三维 (3D) 神经细胞培养物本身就适合高通量网络电生理学研究，以比二维神经网络更现实的架构复杂性研究健康和疾病状态下的大脑功能。癫痫是脑网络疾病的象征，因为它反映了异常的电路重组和超同步，导致突然和不受控制的放电（癫痫发作）。迄今为止，对癫痫特征的建模依赖于对细胞、离体脑组织或完整动物的药理学、离子或基因操作，无法重现大多数由未知原因引发的癫痫。在这里，我们报告了在生理条件下培养的啮齿动物原代海马细胞球体中自发出现的癫痫样模式，即在没有已知起始刺激的情况下，通过微电极阵列电生理学检测到。从 DIV10 到 DIV35 出现了三种不同的电表型，即发作间期（癫痫发作之间）、发作期（癫痫发作）或混合型。特别是，强直阵挛性发作放电在 DIV28-35 时最为突出。这些模式表现出的电图和光谱特征与体外和体内啮齿动物癫痫模型以及耐药性癫痫患者的海马中观察到的特征非常相似。值得注意的是，并非所有球体都表现出全面的发作活动，这与尚未解答的问题相呼应，即为什么大脑会癫痫发作并产生癫痫。这一证据表明，应谨慎使用海马细胞再生疗法，因为它们可能会引发癫痫；同时，海马球体可作为还原模型，支持涉及海马的癫痫综合征的高通量临床前研究。
深度学习在脑电图、磁共振成像和植入物中用于检测癫痫发作的应用：叙述
癫痫是一种以反复发作为特征的神经系统疾病，影响着全球数百万人。癫痫患者中医学上难以治愈的癫痫发作不仅对生活质量有害，而且对他们的安全构成重大威胁。通过在发作间期进行早期检测和干预，可以改善癫痫治疗的效果。脑电图是癫痫的主要诊断工具，但准确解释癫痫发作活动具有挑战性且非常耗时。机器学习 (ML) 和深度学习 (DL) 算法使我们能够分析复杂的 EEG 数据，这不仅可以帮助我们诊断，还可以定位致痫区并预测医疗和外科治疗结果。受视觉处理启发的卷积神经网络 (CNN) 等 DL 模型可用于对 EEG 活动进行分类。通过应用预处理技术，可以通过去噪和伪影去除来提高信号质量。DL 还可以纳入磁共振成像 (MRI) 数据的分析中，这有助于定位大脑中的致痫区。正确检测这些区域有助于获得良好的神经外科手术结果。深度学习的最新进展促进了这些系统在神经植入物和可穿戴设备中的应用，从而实现了实时癫痫发作检测。这有可能改变药物难治性癫痫的治疗。本综述探讨了机器学习和深度学习技术在脑电图 (EEG)、MRI 和可穿戴设备中用于癫痫发作检测的应用。本综述简要介绍了人工智能 (AI) 和深度学习的基础知识，强调了这些系统的潜在优势和不可否认的局限性。
FDA 批准的小分子激酶抑制剂临床心脏毒性发生率的综合回顾
基因组中编码的多种蛋白激酶已成为治疗不同类型癌症的有吸引力的靶点。截至 2020 年 1 月，共有 52 种小分子激酶抑制剂 (SMKI) 获得 FDA 批准。随着临床试验的众多和对药物安全性的高度关注，SMKI 引起的心脏毒性这种危及生命的风险引起了研究人员的极大关注。在这篇综述中，详尽描述了具有心脏毒性发生率的 SMKI。数据收集自 42 项临床试验、25 篇 FDA 发表的文献、7 篇荟萃分析/系统评价、3 篇病例报告和 50 多篇其他类型的文章。迄今为止，73%（52 个中的 38 个）的 SMKI 报告了治疗相关的心脏毒性。在38种已知有心脏毒性的SMKI中，心脏不良事件的发生率分别为QT间期延长47%（18/38）、高血压40%（15/38）、左室功能障碍34%（13/38）、心律失常34%（13/38）、心力衰竭26%（10/38）和缺血或心肌梗死29%（11/38）。在新型SMKI的研发过程中，应更加重视平衡治疗疗效和心脏毒性风险。在临床前药物研究中，建立准确可靠的心脏毒性评价模型至关重要。为避免临床潜在的心脏毒性风险和停用高效药物，应在全球标准的基础上对接受SMKI治疗的患者进行主动监测。此外，需要进一步研究 SMKI 诱导的心脏毒性的潜在机制，以开发新的疗法。
药物相互作用、血栓栓塞风险和 Proarr
摘要 综述目的 抗癌药物的心脏毒性已成为一个多方面的问题，预计会影响死亡率和发病率。本综述总结了需要抗凝剂治疗房颤 (AF) 的肿瘤患者管理中面临的临床挑战，同时考虑到当前爆发的 COVID-19（2019 冠状病毒病）大流行，因为这种感染会给这两种疾病的管理增加挑战。具体而言，目的有很多：(1) 描述直接口服抗凝剂 (DOAC) 在癌症 AF 患者中的不断发展的使用；(2) 严格评估 DOAC 与口服靶向抗癌药之间发生临床重要药物相互作用 (DDI) 的风险；(3) 解决 DOAC 与候选抗 COVID 药物之间预期的 DDI，并对潜在血栓风险的管理产生影响；(4) 描述 COVID-19 背景下心脏肿瘤学中的致心律失常责任，重点是 QT 延长。最新发现 心脏肿瘤科中的 AF 带来了诊断和管理挑战，这也是因为最近有许多抗癌药物与 AF 发病/恶化有关。口服靶向药物可能会与 DOAC 相互作用，主要由于药代动力学 DDI 会增加出血风险。此外，绝大多数口服抗癌药物会通过直接和间接的机制引起 QT 间期延长，可能导致尖端扭转型室性心动过速的发生，尤其是在接受其他有 QT 倾向的药物的易感 COVID-19 患者中。总结 肿瘤科医生和心脏病专家必须意识到由于 DDI，AF 和癌症患者的出血风险和心律失常易感性增加。应优先针对 COVID-19 高危人群采取预防策略，包括最佳抗血栓管理、药物审查和严格监测。
人工智能增强心电图分析用于识别糖尿病患者的心脏自主神经病变
1. John APP、Udupa K、Avangapur S 等人。2 型糖尿病患者的心脏自主神经功能障碍：一项针对心率变异性测量的调查性研究。Am J Cardiovasc Dis。2022；12(4)：224-232。2. Pop-Busui R、Low PA、Waberski BH 等人。先前强化胰岛素治疗对 1 型糖尿病患者心脏自主神经系统功能的影响：糖尿病控制和并发症试验/糖尿病干预和并发症流行病学研究 (DCCT/EDIC)。循环。2009；119(22)：2886-2893。doi：10.1161/CIRCULATIONAHA。108.837369 3. Zoppini G、Cacciatori V、Raimondo D 等人。新诊断 2 型糖尿病患者队列中心血管自主神经病变的患病率：维罗纳新诊断 2 型糖尿病研究（VNDS）。糖尿病护理。2015；38(8):1487-1493。doi: 10.2337/ dc15-0081 4. Low PA、Benrud-Larson LM、Sletten DM 等人。自主神经症状和糖尿病神经病变：一项基于人群的研究。糖尿病护理。2004；27(12):2942-2947。doi: 10.2337/diacare.27.12.2942 5. Chowdhury M、Nevitt S、Eleftheriadou A 等人。 1 型和 2 型糖尿病患者的心脏自主神经病变与心血管疾病及死亡风险：一项荟萃分析。BMJ Open Diabetes Research and Care。2021；9(2):e002480。doi: 10.1136/bmjdrc-2021-002480 6. Pop-Busui R、Evans GW、Gerstein HC 等人。心脏自主神经功能障碍对糖尿病心血管风险控制行动 (ACCORD) 试验中死亡风险的影响。糖尿病护理。2010；33(7):1578-1584。doi: 10.2337/dc10-0125 7. Soedamah-Muthu SS、Chaturvedi N、Witte DR 等人。欧洲1型糖尿病患者危险因素与死亡率的关系：EURODIAB前瞻性并发症研究（PCS）。糖尿病护理。2008；31（7）：1360-1366。doi：10.2337/dc08-0107 8. Cox AJ、Azeem A、Yeboah J 等人。心率校正 QT 间期是2型糖尿病患者全因死亡和心血管死亡的独立预测指标：糖尿病心脏研究。糖尿病护理。2014；37（5）：1454-1461。doi：10.2337/dc13-1257 9. Rossing P、Breum L、Major-Pedersen A 等人。QTc 间期延长可预测1型糖尿病患者的死亡率。糖尿病医学。 2001；18(3)：199-205。doi：10.1046/j.1464-5491.2001.00446.x 10. Wehler D、Jelinek HF、Gronau A 等人。超短心电图记录得出的心率变异性特征的可靠性及其在评估心脏自主神经病变中的有效性。生物医学信号过程控制。2021；68：102651。doi：10.1016/j.bspc。2021.102651 11. Kulkarni AR、Patel AA、Pipal KV 等人。机器学习算法通过心电图无创检测糖尿病和糖尿病前期。BMJ Innov。2023；9(1)：32-42。 doi: 10.1136/bmjinnov-2021-000759 12. Ribeiro Pinto J、Cardoso JS、Lourenço A。心电图生物识别技术的演变、当前挑战和未来可能性。IEEE Access。2018；6：34746-34776。doi：10.1109/ACCESS.2018.2849870 13. Aldosari H、Coenen F、Lip GYH、Zheng Y。基于基序的特征向量：面向心血管疾病分类的同质数据表示。在：Golfarelli M、Wrembel R、Kotsis G、Tjoa AM、Khalil I 编辑。大数据分析和知识发现。计算机科学讲义。施普林格国际出版公司；2021 年：235-241。doi：10.1007/978-3-030-86534-4_22 14. Abdel-Jaber H、Devassy D、Al Salam A、Hidaytallah L、EL-Amir M。深度学习算法及其在医疗保健中的应用综述。算法。2022；15(2)：71。doi：10.3390/a15020071
通过分形维数表征抗癫痫药物对脑电图神经动力学的影响
到目前为止，ASM 反应的两个最可靠的 EEG 生物标志物是发作间期癫痫样放电和功率谱分析，而个体 Alpha 频率 (IAF) 峰值的使用仍存在争议，但可能代表一种有前途的生物标志物 (Reynolds et al., 2023 )。然而，这些线性方法主要捕捉 EEG 信号的振荡分量，不考虑 EEG 信号中存在的非平稳性和非线性 (Stam, 2005; Klonowski, 2009 )。正如 Cole 和 Voytek 以及 Jones 及其同事 (Jones, 2016; Cole 和 Voytek, 2017) 所述，脑信号不仅仅代表特定频率的持续振荡，而是代表间歇性重复的短暂活动 (Feingold 等人, 2015; Lundqvist 等人, 2016)。神经调节研究表明，在调节大脑（Somers 和 Kopell，1993 年；Fröhlich 和 McCormick，2010 年；Fröhlich，2015 年；Dowsett 和 Herrmann，2016 年；Cottone 等人，2018 年；Porcaro 等人，2019 年）和调节大脑节律（Somers 和 Kopell，1993 年；Dowsett 和 Herrmann，2016 年）方面，复杂非正弦波形的应用比正弦振荡器更有效。分形维数分析等非线性方法捕获的这种“隐藏信息”可能是线性方法的补充和补充，可以揭示健康人以及患有神经病理学疾病的患者的生理神经通讯、计算和认知（Goldberger，2001；Goldberger 等人，2002；Zhang 和 Raichle，2010；Rodríguez-Bermúdez 和 García-Laencina，2015；Porcaro 等人，2017、2019、2020a、b、2022）。这就是为什么时间序列分形分析越来越多地用于从基础到科学的不同研究领域的原因
引用：Lemoine É、Neves Briard J、Rioux B 等。计算机辅助分析常规脑电图以识别癫痫的隐藏生物标志物
摘要 简介 癫痫的诊断通常依赖于神经科医生对脑电图 (EEG) 的视觉解释。癫痫在脑电图上的标志是发作间期癫痫样放电 (IED)。该标记缺乏敏感性：仅在癫痫患者 30 分钟常规脑电图中的一小部分中可捕获到它。在过去的 30 年里，人们对使用计算方法来分析脑电图而不依赖于 IED 的检测的兴趣日益浓厚，但目前尚无一种方法应用于临床实践。我们旨在回顾应用于动态脑电图分析的定量方法的诊断准确性，以指导癫痫的诊断和治疗。方法与分析该方案符合 Cochrane 对诊断测试准确性系统评价的建议。我们将在 MEDLINE、EMBASE、EBM 评论、IEEE Explore 以及灰色文献中搜索 1961 年以后发表的文章、会议论文和会议摘要。我们将纳入观察性研究，这些研究提出了一种计算方法来分析脑电图以诊断成人或儿童癫痫，而不依赖于 IED 或癫痫发作的识别。参考标准是医生对癫痫的诊断。我们将报告每个标记的估计汇总敏感度和特异性以及接收者操作特征曲线下面积 (ROC AUC)。如果可能，我们将对每个单独的标记的敏感度和特异性以及 ROC AUC 进行荟萃分析。我们将使用改进的 QUADAS-2 工具评估偏倚风险。我们还将描述用于信号处理、特征提取和预测建模的算法，并评论不同研究的可重复性。道德与传播 不需要伦理批准。研究结果将通过同行评审的出版物传播，并在与该领域相关的会议上发表。 PROSPERO 注册号码 CRD42022292261。