1. 意大利罗马第一大学心血管与呼吸系统疾病系肺动脉高压科 2. 德国汉诺威医学院呼吸医学系 3. 德国肺脏研究中心 (DZL) 4. 德国柏林夏里特医学院生物统计与临床流行病学研究所和柏林健康研究所 5. 德国德累斯顿工业大学医学院临床药理学研究所 6. 德国海德堡大学海德堡胸外科医院肺动脉高压中心 7. 德国吉森-马尔堡大学肺病学系 8. 德国维尔茨堡 Missionsklinik 内科系肺动脉高压与肺血管疾病中心 9.汉堡-埃彭多夫大学医院,德国 10. 雷根斯堡大学医学中心内科 II,雷根斯堡,德国 11. 内科 III 号诊所(心脏病学)和分子医学中心 (CMMC),科隆,德国 12. 北威州心脏和糖尿病中心综合和介入心脏病诊所,巴特恩豪森 13. 格罗斯汉斯多夫肺根诊所,格罗斯汉斯多夫,德国 14. 德累斯顿工业大学卡尔古斯塔夫卡鲁斯大学医院医学部 I,德累斯顿,德国 15. 阿姆斯特丹自由大学阿姆斯特丹大学医学部肺科,阿姆斯特丹心血管科学系,荷兰 16. 波恩大学内科 II-心脏病学/肺病学系,波恩,德国 17. 格赖夫斯瓦尔德大学医学院,内科部和门诊部,德国格赖夫斯瓦尔德肺病学/传染病学 18. 英国伦敦帝国理工学院国家心肺研究所 19. 比利时鲁汶大学医院肺病学系 20. 拉脱维亚里加斯特拉迪日大学内科系 4 Hipokr ā ta iela, LV-1079 21. 英国伦敦皇家自由医院心脏病学系 22. 瑞士苏黎世大学医院肺病学诊所
摘要 口服抗氧化剂和抗炎药物有可能改善目前炎症性肠病的治疗。然而,口服治疗的成功取决于药物在胃肠道中保持结构稳定的能力,以及进入靶细胞的可行性。使用靶向纳米粒子将抗炎和抗氧化剂药物输送到巨噬细胞可以使治疗更有效。本文描述了含有高抗氧化偶极 C50 类胡萝卜素细菌红素 (BR) 加地塞米松 (Dex):NAC-Dex 的巨噬细胞靶向纳米结构古脂质载体 (NAC) 的结构特征和体外活性。获得了超小(66 nm)、-32 mV 电位、1200 g Dex /ml NAC-Dex,由 compritol 和 BR 核心组成,外壳由 sn 2,3 醚连接的古脂质和 Tween 80(2: 2: 1.2: 3 % w/w)覆盖。NAC-Dex 被巨噬细胞和 Caco-2 细胞广泛捕获,并在由 Caco-2 细胞和脂多糖刺激的 THP-1 衍生巨噬细胞制成的肠道炎症模型中表现出高抗炎和抗氧化活性,分别降低了 65% 和 55% 的 TNF- 和 IL-8 释放以及 60% 的活性氧产生。NAC-Dex 还逆转了炎症引起的形态变化并增加了跨上皮电阻,部分重建了屏障功能。 NAC-Dex 中 BR 和 Dex 的活性在模拟胃肠道消化后得到部分保护,提高了 BR-Dex 联合活性的可能性。结果表明口服 NAC-Dex 作为肠屏障修复剂值得进一步探索。关键词:口服给药;炎症性肠病;Caco-2/THP-1 共培养
简介和目标:非酒精性脂肪性肝病 (NAFLD) 是导致持续性慢性肝病的主要原因,而慢性肝病会引发心血管疾病、恶性肿瘤和相关死亡。红细胞 (RBC) 指数与 NAFLD 发病率之间存在关联,但其因果关系尚未确定。我们旨在通过前瞻性和孟德尔随机化 (MR) 分析来调查这种关联。材料和方法:这项前瞻性研究涉及来自英国生物银行的 237,016 名参与者。我们采用 Cox 比例风险模型和限制性三次样条模型来评估 RBC 指数与 NAFLD 之间的关联,并使用双样本 MR 分析来确定任何因果关系。结果:在平均 8.64 年的随访中,来自英国生物银行的 2,894 名参与者患上了 NAFLD。这项前瞻性研究表明,高水平血红蛋白 (HGB)(风险比 [HR],1.41;95% 置信区间 [CI] 1.24 − 1.60;P < 0.001)和红细胞计数 (HR,1.20;95% CI,1.07 − 1.36;P = 0.003) 与 NAFLD 风险增加之间存在显著关联。MR 分析表明高 HGB 水平与 NAFLD 风险之间存在因果关系(比值比 [OR],1.55;95% CI,1.11 − 2.18;P = 0.010)。然而,没有观察到红细胞计数和 NAFLD 之间的因果关系。结论:这项前瞻性和 MR 分析显示 HGB 水平与 NAFLD 之间存在正向因果关系。 HGB可以预测NAFLD的风险,有望成为一种大规模、非侵入性工具,动态监测NAFLD的发生发展。© 2025 Fundación Clínica Médica Sur, AC 由 Elsevier España, SLU 出版本文为 CC BY-NC-ND 许可下的开放获取文章( http://creativecommons.org/licenses/by-nc-nd/4.0/ )
一、比赛說明: (一)人工智慧(Artificial Intelligence,简称AI)各项应用与发展已经是近年的热门话题,利用AI 來提升效率完成工作或进行各式美术创作更是现在必须要学习的资讯素养。本校文锱艺术中心秉持「创造艺术新价值、培育美学涵养」的目标,让本校学生能够接触使用热门议题技术,利用新科技之能力,并结合本館珍贵船舶館藏,创作出饶富想像力与美感的新式美术创作。
接下来,将进行初步现场测试。在此任务期间,将进行测量以确保该技术适用于检测裂缝和各种城市/工业表面和介质中的污染源,并确定其在绘制污染积聚区域地图方面的潜力。采样和现场测试程序将进行优化,以确保现场测量具有可重复性、准确性和可现场分析性。这将允许开发可在现场部署的方法来精确定位浓度梯度上的污染源,确定污染是局部的还是扩散到某个区域,并提供有关最佳管理措施(例如清扫、吸尘、渗透介质)是否影响了相关污染水平的反馈。还将采用不同的使用场景,可能包括:1. 对码头边清扫和/或吸尘的前后进行评估2. 评估靠近金属表面的区域以评估锌和铜的浸出,以此作为改进模型的一种手段,例如 WinSLAMM 模型(NESDI 项目编号 455:用于量化雨水排放中金属的来源、负荷和缓解行动的海军设施建模工具)3. 测量生物过滤带上方和下方表面的金属污染情况4. 测量飞碟靶场的铅浓度。
摘要:石器时代欧洲旧石器时代的洞穴绘画是史前人类文明最具说服力的历史记录。它们代表了表达的主要手段,也是史前人类文明的最有价值的视觉遗产。作为西方艺术的起点,学术界对这些洞穴绘画的解释主要集中在其功能和含义上。代表性理论包括泰勒的“原始魔术”,弗雷泽的“同情魔术”,康德,席勒和斯宾塞的“ Play”,Engels and Plekhanov的“劳动”,Lu Xun的“野牛”,以及Wicke的“情绪误解”。但是,如果我们将重点转移到洞穴绘画本身并探索不同动物图像之间的关系和构造原理,例如呈现高和低,顶部和底部和底部,远处,远处,远处,连接和分离,以及前后的时间因素,我们将发现欧洲古浮石洞穴绘画中隐藏的常数原理或视觉序列。本文旨在通过图像分析来解释洞穴绘画中呈现的视觉顺序特征,同时发现人类最初尝试将绘画作为一种表达形式的固有的视觉规则。
在当今的科技时代,人工智能发展迅速,已在各个领域确立了存在。人工智能的目的是减少人为干预,以更好的结果完成任务。在本研究中,我们将以建筑绘画为例,研究人工智能技术在艺术教学中的应用。建筑绘画是一种只关注建筑的绘画,包括建筑物的室内和室外景观。在早期阶段,建筑仅出现在以不同物体为主要主题的绘画背景中。后来,建筑本身成为绘画领域的主流流派。正如其他研究人员所表明的那样,互联网技术、无线传感器网络(WSN)和深度学习技术等人工智能等最新技术都已部署在艺术教学中。人工智能使教学变得更容易。本系统利用互联网技术、WSN、人工智能和轻量级深度学习模型在艺术教学领域。通过采用这项新技术,教学方法得到了增强。为了对所提出的系统进行分析,实施了有限 Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) 艺术算法。该 L-BFGS 算法专注于在任何给定应用中寻找局部最小值。在建筑绘画艺术教学中,所提出的算法将有助于解释在创作艺术品时需要注意的细微工作。然后将所提出的算法与传统的梯度下降、Adam 和 Adadelta 算法进行比较。从结果可以看出,所提出的算法在训练和测试阶段分别实现了 97% 和 98% 的准确率。