Author: admin

目的 分析利伐沙班和低分子肝素在老年粗隆间骨折患者围手术期的应用效果。方法 选取access to oncological services2020年6月至2021年10月于厦门大学附属中山医院就诊的老年粗隆间骨折围手术期患者130例为研究对象。按随机数字表法分为观察组和对照组，每组65例。对照组采用低分子肝素皮下注射预防血栓，观察组采用利伐沙班口服预防血栓。比较2组患者术前及术后2周的凝血指标，术后2周内下肢深静脉血栓形成(DVT)和肺栓塞的发生率，术中出血量、术后引流量及住院时间，术后1 d炎症相关指标。结果 2组患者术前、术后2周组间和组内凝血相关指标差异均无统计MG132核磁学意义(均P>0.05)。术后观察组下肢DVT发生率显著低于对照组[4.6%(3/65)比15.4%(10/65)],差异有统计学意义(χ~2=4.188,P=0.041)。观察组与对照组术中出血量、术后引流量及住院时间差异均无统计学意义(均P>0.05)。术后1 d观察组降钙素原和C反应蛋白水平显著低于对照组[(0.17±0.02)μg/L比(0.22±0.01)μg/L、(20.2±2.3)mg/L比(23.9±3.6)mg/L],差异均有统计学意义(均P<0.001)。结论 利伐沙班与低分子肝素在老年粗隆间骨折患者围手术期均有良好的抗凝效果及安全性，但利伐沙班预防术Bemcentinib体内后下肢DVT发生的效果更显著且口服用药更方便。

自2020年以来,全球癌症的发病率和死亡率持续增高。根据统计数据,每年的新发癌症病例已超过1900万例,死亡病例超过990万例,尤其是乳腺癌、肺癌和结直肠癌等癌症类型的发病和死亡人数占据了绝大多数。表皮生长因子受体(EGFR)在肿瘤细胞的增殖、血管生成、肿瘤侵袭、转移及细胞凋亡等过程中发挥关键作用,EGFR蛋白的异常表达是癌症发生的重要信号,因此,EGFR是重要的用于抗癌药物设计的靶点。然而,由于EGFR的突变而引起的耐药性一直是开发EGFR小分子抑制剂的一个重要问题,研究针对EGFR的创新药物具有巨大的潜力,有望为治疗癌症提供重要的解决方案。本论文以EGFR为主要研究对象,通过化学信息学和人工智能等方法研究EGFR抑制剂的结构和活性关系,通过虚拟筛选和实验验证发现新型EGFR抑制剂。为实现这一目标,本论文运用多种机器学习算法,对野生型EGFR、L858R/T790M双突变EGFR及L858R/T790M/C797S三突变EGFR抑制剂的构效关系进行了深入研究SAG molecular weight,构建了EGFR抑制剂生物活性预测的多个构效关系模型。在此基础上,采用了基于配体和受体的分级虚拟筛选方法,对包含超过500万化合物的数据库进行虚拟筛选,并成功筛选出新型EGFR抑制剂。本研究的主要内容包括以下几个方面:(1)通过多种机器学习的方法探究EGFR抑制剂的构效关系。建立包含5371个EGFR抑制剂的结构和活性数据集,半数抑制浓度IC_(50)值的范围在0.003 n M～6500μM。接着,以100 n M为阈值对数据集进行划分,即IC_(50)值小于100 n M的作为高活性化合物,大于1000 n M的作为低活性化合物。随后,计算了抑制剂的3种指纹描述符(ECFP4、MACCS和RDK)和3种物理化学描述符(CORINA、MOE和RDKit),并结合支持向量机(SVM)、随机森林(RF)、逻辑回归(LG)和全连接更多神经网络(FCNN)建立了24种定性分类模型,并对模型的应用域进行了探究。对模型预测正确率(Q)和马修斯相关系数(MCC)等进行了评价,发现SVM-ECFP4的模型组合具有最好的表现,训练集五重交互检验的Q为0.92,测试集的Q和MCC分别达到了0.94和0.88,为后续EGFR抑制剂的筛选建立了基础。除了定性分类模型之外,本研究选择数据集中1301个基于荧光法测定酶活的化合物,计算了每个化合物的CORINA描述符并结合SVM和多元线性回归(MLR)建立了6个定量回归模型。SVM回归模型中测试集平均决定系数(r~2)为0.731,平均绝对误差(MAE)为0.538,平均均方根误差(RMSE)为0.713。除此之外,利用K均值(K-means)对EGFR抑制剂基于ECFP4指纹进行结构聚类,将它们分为8类化合物。对每一类化合物分析其分子骨架和片段特征,并总结出了高活性片段和低活性片段。本研究收集到较为全面的EGFR抑制剂,覆盖较大的化学空间;建立的机器学习模型取得了良好的预测效果,挖掘出了重要的结构信息;为后续设计和筛选新型EGFR抑制剂提供了良好的基础。(2)综合运用多种计算方法和筛选方案来发现新型EGFR抑制剂。在第一种方案中,结合了分子三维形状相似性比对和定量构效关系模型预测的方法,从超过500万个化合物中成功发现了新型EGFR抑制剂。首先,使用了3个具有代表性的查询式进行分子三维形状相似性评分,其中两个查询式来自晶体结构,一个查询式使用图的深度生成模型获得。接着,运用定量构效关系模型筛选出预测为高活性的化合物。最终,经过酶学抑制活性验证,从18个化合物中鉴定出9个结构新颖的EGFR抑制剂(IC_(50)值小于10μM),其中3个命中化合物(hit 1、hit 5和hit 6)对EGFR的抑制活性IC_(50)值在80 n M左右。此外,通过分子动力学模拟,进一步计算了hit 1、hit 5和hit 6的MM/GBSA结合自由能,发现均低于-49 kcal/mol,同时探究了它们与EGFR相互作用的关键残基。在第二种方案中,结合了分子三维形状和静电相似性比对以及分子对接打分的方法,成功筛选出新型EGFR抑制剂。首先,本研究选择了两个高活性EGFR抑制剂AEE788和Afatinib作为查询式,利用基于分子三维形状和静电的相似性搜索方法筛选出排名靠前的化合物。接着,使用分子对接方法研究每个化合物与受体的结合亲和力,并进行排名。酶学的抑制活性测试结果显示,筛选出的13个化合物中有12个为新型活性EGFR抑制剂。其中3个化合物(A＿1、A＿2和A＿3)的IC_(50)值在100 n M～1000 n M之间。本研究不仅成功发现了具有新型结构的高活性EGFR抑制剂,具有进一步优化开发的基础,并且通过该研究证实了基于两种级联虚拟筛选方案的有效性,也为我们开发其他靶点的新型先导化合物提供了重要参考。(3)构建了379个化合物对野生型EGFR(EGFR~(wt))和L858R/T790M双突变EGFR(EGFR~(L858R/T790M))抑制活性的数据集。以ECFP4指纹或SMILES为输入,结合支持向量机、随机森林和自注意力递归神经网络建立了6个二维分类模型。模型的Q值均在0.98以上,MCC值均在0.76以上。接着分析了高活性化合物的重要片段后发现:对于EGFR~(wt)抑制剂,含有苯胺喹啉和苯胺喹唑啉、甲氧基或氟取代苯的抑制剂属于高活性的比较多;对于EGFR~(L858R/T790M)抑制剂,苯胺嘧啶、酰胺、苯胺、甲氧基苯基和噻吩嘧啶酰胺均属于高活性片段。随后,根据ECFP4指纹,将379个化合物通过自组织神经网络(SOM)划分为6个类别,发现大部分喋呤化合物对EGFR~(wt)和EGFR~(L858R/T790M)都具有高活性抑制,苯胺嘧啶化合物对EGFR~(L858R/T790M)具有高活性抑制,苯胺喹啉或苯胺喹唑啉对EGFR~(wt)具有高活性抑制。在此基础上选择了喋呤、苯胺嘧啶和苯胺喹啉/苯胺喹唑啉为骨架的3组化合物,分别建立了三维比较分子相似性指数分析(Co MSIA)模型。通过分析位阻、静电、疏水、氢键供体和受体的等势图,发现了化合物对抑制EGFR~(wt)和EGFR~(L858R/T790M)的有利取代基和不利取代基类型。这些研究结果对于理解和设计针对EGFR~(wt)和EGFR~(L858R/T790M)的抑制剂具有重要的指导意义。(4)构建了L858R/T790M/C797S三突变EGFR(EGFR~(L858R/T790M/C797S))抑制剂的构效关系模型,并进行了新型EGFR抑制剂的活性预测工作。选择了高活性EGFR~(L858R/T790M/C797S)抑制剂BLU945、CH7233163和TQB3804作为查询式,对超过500万的化合物进行平行筛选。首先,根据分子的三维形状相似性评分,选择排名前500的化合物。在第一种筛选方案中,使用了基于配体的定量构效关系模型的分级筛选方法。建立了一个包含290个EGFR~(L858R/T790M/C797S)抑制剂的数据集,计算了ECFP4、MACCS、CORINA和RDKit描述符,并建立了4个SVM分类预测模型。模型的测试集MCC值均在0.75以上,ROC曲线下面积(AUC)均在0.87以上,显示出良好的预测能力。利用共识模型选择化合物,最终获得了9个候选化合物。此外,还使用SOM聚类方法将已知和未知活性的化合物进行聚类,将相似结构的化合物聚集到同一个神经元中。通过神经元中已知化合物的活性预测未知化合物的活性,最终获得了5个候选化合物。经过酶学抑制活性测试,发现AM01、AS01和AS02这3个化合物对EGFR~(L858R/T790M/C797S)的IC_(50)值分别为106.4 n M、524.6 n M和145.3 n M。第二种筛选方案是使用配体-受体的相互作用信息来发现活性抑制剂的筛选方法。在PDB数据库中找到相应的复合晶体进行分子对接,并通过共识评分,得到了20个预测结合亲和力较高的候选化合物。经过酶学抑制活性测试,发现3个化合物TD01、TD02和TD03对EGFR~(L858R/T790M/C797insect biodiversityS)的IC_(50)值分别为7.6 n M、33.9 n M和95.3 n M。通过分析化合物的结构发现,所有的命中化合物均为新型EGFR~(L858R/T790M/C797S)抑制剂,可用于进一步研究,为C797S耐药性突变提供了研究基础,也为发展自主研发并拥有自主知识产权的抗癌新药打下了基础。综上所述,本论文以表皮生长因子受体EGFR为研究靶点,深入探讨了EGFR~(wt)、EGFR~(L858R/T790M)和EGFR~(L858R/T790M/C797S)抑制剂的结构和活性关系。充分利用配体的结构和物化性质以及配体-受体的相互作用信息,采用了多种计算方法,包括相似性比对、机器学习模型预测、分子对接和动力学模拟等,建立了分级虚拟筛选流程。这一流程成功地帮助发现了潜在的新型EGFR抑制剂,为抗肿瘤药物的研发提供了参考。

目的 筛选影响人表皮生长因子受体2(HER2)阳性乳腺癌预后的铁死selleck亡相关基因，并构建预测模型。方法 从癌症基因组图谱数据库收集乳腺癌患者肿瘤组织RNA-seq数据和临床资料，其中HER2阳性乳腺癌185例，HER2阴性乳腺癌769例。根据HER2阳性和HER2阴性乳腺癌铁死亡相关基因表达差异确定候选基因。比较不同铁死亡相关基因表达水平HER2阳性乳腺癌的生存差异。应用Pearson相关性分析铁死亡相关基因的免疫相关性。通过CDinaciclib核磁ox和LASSO回归分析，根据中位风险评分将HER2阳性乳腺癌患者分为高风险组和低风险组，建立预后预测模型，并检验预测效能。结果 铁死亡基因FANCD2、TFRC、ATP5MC3、CS和NFE2L2不同表达水平HER2阳性乳腺癌患者生存率比较差异有统计学意义(P<0.05),其基因表达水平越高患者预后越差。上述5个铁死亡相关基因与免疫细胞存在相关性，Custom Antibody Services其中CS与CD4+T细胞存在最明显正相关，CS与NK细胞和NFE2L2与无特征细胞存在最明显负相关(P<0.01)。HER2阳性乳腺癌高风险组的生存率明显低于低风险组(P<0.05)。预后预测模型对HER2阳性乳腺癌患者治疗后3、5、8年预后预测的曲线下面积分别为0.776、0.844、0.853。结论 铁死亡相关基因FANCD2、TFRC、ATP5MC3、CS和NFE2L2与HER2阳性乳腺癌患者预后具有相关性，并且建立了预后预测模型，可有效预测HER2阳性乳腺癌患者的预后。

目的：探讨乳必宁颗粒治疗乳腺增生症（HMG）的临床疗效。方法：将100例HMG患者按随机数字表法随机分为治疗组和对照组，每购买SCH772984组50例。对照组予枸橼酸他莫昔芬片口服，治ICI 46474疗组予南通市通州区中医院院内制剂“乳必宁颗粒”冲服，2组患者均连续治疗2个月后观察疗效，并于治疗结束后1个月随访并复查，评估病情反复情况。lichen symbiosis比较2组患者治疗前后以及随访时乳房疼痛视觉模拟评分法（VAS）评分、乳房肿块大小、血清雌激素[孕酮（P）、雌二醇（E_2）、泌乳素（PRL）]水平等指标的变化情况，治疗后比较2组患者临床疗效，记录治疗期间与治疗药物相关的不良反应发生情况。结果：治疗后及随访时2组患者乳房疼痛VAS评分、肿块大小均较治疗前明显降低（P<0.05），随访时2组患者上述指标均明显低于治疗后（P<0.05）；治疗后治疗组患者乳房肿块明显小于对照组（P<0.05），随访时治疗组患者乳房疼痛VAS评分、乳房肿块大小均明显小于对照组（P<0.05）。治疗后及随访时2组患者血清E_2水平均明显低于治疗前（P<0.05），随访时2组患者E_2水平均明显低于治疗后（P<0.05）。治疗后及随访时2组患者血清P水平均明显高于治疗前（P<0.05），随访时2组患者P水平均明显高于治疗后（P<0.05）；治疗后治疗组患者P水平明显低于对照组（P<0.05），随访时治疗组患者P水平明显高于对照组（P<0.05）。治疗后2组患者血清PRL水平均明显低于治疗前（P<0.05），随访时治疗组患者PRL水平明显低于治疗后（P<0.05），对照组患者PRL水平明显高于治疗后（P<0.05），随访时治疗组患者PRL水平明显低于对照组（P<0.05）。治疗后治疗组总有效率为96.00%，明显高于对照组的82.00%(P<0.05)。2组患者胃肠道反应、阴道出血等与治疗药物相关的不良反应发生率比较差异无统计学意义（P>0.05）。结论：乳必宁颗粒治疗HMG疗效确切，可有效减轻患者乳房疼痛，缩小乳房肿块，调节雌激素水平，临床疗效显著，其疗效的稳定性和持续性较枸橼酸他莫昔芬更具优势，且有较好的安全性。

背景与目的脓毒症相关性脑病(SAE)是重症医学科常见的脑病之一,发生率及死亡率高达70%。目前关于SAE发生发展的危险因素研究不多,特别是与感染部位相关的研究DS-3201溶解度鲜少,且各研究结果不尽相同。本研究通过收集脓毒症患者相关资料,旨在研究SAE及其不良预后相关的危险因素,并分析不同感染部位脓毒症患者SAE发生率。方法本研究为单中心、回顾性研究2015年2月-2022年10月在郑州人民医院重症医学科收住的脓毒症患者(n=130)的临床资料。分析SAE及其不良预后相关的危险因素,探讨不同感染部位的SAE发生率。结果SAE发生率及危险因素分析:SAE发生率为49.2%。经过单因素分析SAE组与非SAE组在感染部位、SOFA评分、APACHE Ⅱ评分、GCS评分、PCT、CRP、PLT、Scr等方面存在统计学差异(P<0.05)。将单因素分析中有差异的八个指标纳入logistics多因素分析显示:APACHE Ⅱ评分≥20分,GCS评分≤8分是脓毒症患者发生SAE的独立危险因素(P<0.05)。SAE临床预后分析:本次研究中,患者的总体死亡人combined remediation数为66例,总体死亡率为50.8%,SAE组死亡率显著高于非SAE组,组间差异具有统计学意义(P<0.05)。将SAE组患者根据其临床结局分为存活组与死亡组,经过单因素分析死亡组的SOFA评分、APACHE Ⅱ评分、GCS评分、Scr显著高于存活组,组间差异具有统计学意义(P<0.05)。将单因素分析中有差异的四个指标纳入logistics多因素分析显示:APACHE Ⅱ评分、Scr在评估SAE患者预后方面具有统计学意义(P<0.05)。感染部位与病原学分析:SAE组患者出现胃肠道感染比例显著高于非SAE组,组间差异具有统计学意义(P<0.05)。SAE组患者的铜绿假单胞菌以及肠球菌检出率显著高于非SAE组,组间差异具有统计学意义(P<0.05)。结论SAE的发病率高,且SAE死亡率显著高于非SAE,临床工作者需引起重视,早期诊断并积极治疗,以期降低病死率。脓毒症患者入院第一天APACHE Ⅱ评分≥20分,GCS评分≥8分时更容易发生SAE。SAE患者入院第一天APACHE Ⅱ评分、Scr越高,其临床死亡可能性越大。动态评估患者病情、神志以及Scr变化有利于预测SAE的发生与预后。脓毒症的原发感染部位为胃肠道时更容MK-4827化学结构易发生SAE。脓毒症患者存在铜绿假单胞菌以及肠球菌感染时更容易发生SAE。早期确定感染部位以及病原微生物对SAE的管理尤为重要。

目的 研究法舒地尔(fasudil hydrochmouse bioassayloride, Fasudil)对大鼠脊髓损伤(spinal cord injury, SCI) Rho亚家族蛋白A/相关卷曲螺旋形selleck GSI-IX成蛋白激酶2(Rho/ROCK2)及铁死亡的影响。方法 前瞻性研究将12周龄SD成年雄性大鼠36只(225.2～245.5g)按随机数字表法分为三组：Sham组(假手术),SCI组(脊髓损伤),Fasudil组[SCI+法舒地尔10mg/(kg·d)腹腔注射(Rho/ROCK2激酶抑制剂)],各12只。脊髓撞击法制备成年大鼠SCI模型，通过Basso-Beattie-Bresnahan locomotor scale(BBB)评分检测大鼠的运动功能，试剂盒检测脊髓组织中Fe~(2+)及反应性活性氧(ROS)含量，免疫印迹法检测脊髓组织中Rho/ROCK2及铁死亡相关蛋白xCT、GPX4的表达水平。结果 与Sham组比较，SCI后大鼠BBB评分显著降低(P<0.05),Fe~(2+)含量(176.7%±31.5%vs. 84.2%±11.2%)及ROS含量(162.2%±28.0%vs. 95.8%±12.0%)显著增加(P<0.001),SCI后大鼠脊髓组织Rho/ROCK2(0.85±0.13)vs.(0.28±0.039)表达增多，xCT(0.39±0.041selleck合成)vs.(0.92±0.092)及GPX4(0.36±0.049)vs.(0.84±0.21)表达水平明显减少(P均<0.001);对比SCI组，Fasudil组大鼠BBB评分增多(P<0.05),Fe~(2+)(127.8±33.1)%及ROS(123.8±27.6)%含量减少(P<0.05),脊髓组织Rho/ROCK2(0.65±0.17)表达减少，xCT(0.64±0.03)及GPX4(0.55±0.11)表达水平增多(P均<0.05)。结论 法舒地尔减少了SCI大鼠脊髓组织中RHO/ROCK2激酶，抑制了脊髓组织中的铁死亡，进而改善SCI大鼠的运动功能。

目的 分析中医药调节铁死亡研究热点及前沿，为相关机制研究提供参考。方法 检索中国知识资源总库（CNKI）、中文科技期刊数据库（VIP）、中国学术期刊数Telaglenastat据库（万方数据）、Web of Science核心集2012年1月1日-2022年5月31日收录的中医药调节铁死亡相关文献。采用NoteExpress3.5去重及筛选，采用Excel2016绘制发文趋势图。采用VOSviewer1.6.17和CiteSpace6.1.R2进行高被引文献及高频关键词排序，绘制时间线视图、关键词聚类图谱。结果 纳入中文文献146篇，英文文献183篇。该领域中、英文文献于2020-2022年发文量逐渐增加。高被引文献所属期刊在国际研究领域均具有较大影响力。中、英文关键词分别形成12、10个metaphysics of biology有效聚类。关键词分析显示，该领域研究主要关注疾病类型（肿瘤、心脑血管疾病、神经退行性疾病等）、干预/治疗方法（中药、单体、中药复方、电针等）、代谢方式（谷胱甘肽代谢、铁代谢、脂质代谢）等。结selleck激酶抑制剂论 疾病类型、干预/治疗方法、代谢方式研究是该领域研究热点，纳米材料联合中药调节铁死亡是研究趋势和前沿。

目的评价使用磁共振图像(Magnetic Resonance Imaging,MRI)的深度学习(Deep Learning,DL)模型在鉴别小肝癌(small-Hepatocellular Carcinoma,s-HCC)与不典型增生结节(Dysplastic Nodules,DNs)中ABT-263分子式的应用价值。资料与方法影像学资料获取:本研究回顾性收集了自2012年2月至2022年10月就诊于山东省立医院及原山东省医学影像学研究所148例肝硬化结节患者的有关资料,根据手术或超声穿刺病理结果,分为s-HCC组91例和DNs组57例,收集患者术前MRI平扫序列(T1WI、T2WI)及增强各期序列(动脉期、门静脉期、延迟期、肝胆特异期)。将不同病理类型的病例按照8:2的比例随机分为训练集与验证集。临床资料获取及统计分析:收集148例患者临床特征信息,包括年龄、性别、相关病因(有无肝炎及类型)、有无肝硬化及程度、有无腹水;血清学化验指标:甲胎蛋白(AFP)、异常凝血酶原-Ⅱ(PIVKA-Ⅱ)、糖类抗原125(CA125)、甲胎蛋白异质体L3(AFP-L3)、甲胎蛋白异质体比率(AFP-L3/AFP)、糖类抗原19-9(CA199);组织病理学资料:结节病理类型、结节分化程度以及免疫组化指标(Ki-67+、Glypican-3、Arginase-1);MRI影像信息:结节发病部位、大小、个数并对增强图像特征进行selleck Ceralasertib定性评估(动脉期明显强化、门静脉期和(或)延迟期强化低于肝实质、肝胆特异期呈低信号、强化“假包膜”)。对以上资料使用SPSS 27.0版本软件进行统计分析(t检验、卡方分析及Spearman相关性分析),结果以P<0.01认为差异具有显著统计学意义,以P<0.05认为差异具有统计学意义。建立模型与效能检验:将上述所收集的DICOM格式MRI图像导入ITK-SNAP 软件(Version 3.8.0)中进行手动感兴趣区(Region Of Interest,ROI)的勾画,获取标记后mask像,以.NTTFI格式导出。结合3D卷积神经网络(CNN)深度学习技术,选择了 3D-resnet18,3D-resnet34,3D-resnet50三种网络构架,分别结合BCE,MSE,MARecurrent otitis mediaE,SMOOTH L1四类损失函数,进行预实验,并筛选网络构架和损失函数最优组合,使用最优组合建立鉴别s-HCC与DNs的3D CNN AI预测模型。利用最优损失函数及AdamW优化算法对模型进行反复训练,用验证集数据对模型效能进行检验,使用5折交叉验证法以准确度、特异度、灵敏度指标为衡量标准来评估所构建预测模型的诊断效能。结果患者临床影像资料t检验及卡方检验统计分析显示:AFP、AFP-L3/AFP、PIVKA-Ⅱ、动脉期明显强化、门静脉期和(或)平衡期强化低于肝实质、肝胆期特异期呈低信号,这七项临床及影像指标在s-HCC组与DNs组差异具有统计学意义(P<0.05)。患者性别、年龄、肝硬化病因、肝硬化程度及强化“假包膜”这五项临床变量资料差异在两组间均无统计学意义(P>0.05)。对差异有统计学意义指标进行Spearman相关分析显示:肝胆特异期呈低信号与DNs组和s-HCC组之间关系为呈正性强相关;动脉期明显强化、门静脉期和(或)延迟期强化低于肝实质与两组呈正性中等程度相关,而血清学指标AFP、AFP-L3/AFP、PIVKA-Ⅱ与两组呈正性弱相关。3D-Resnet18网络架构结合BCE损失函数得到的模型准确度最高,结合两者建立了基于CNN的3D-Resnet18 AI预测模型,经过5折交叉验证测试,结果显示模型准确度最高值为0.864,最低值为0.692,平均准确度为0.7698±0.02914(95%CI,0.6889～0.8507),特异度为 0.7890,灵敏度为 0.7052。结论通过利用DL算法提取磁共振影像信息特征,建立3D-Resnet18 AI预测模型可有效实现对s-HCC与DNs的鉴别。通过对s-HCC与DNs患者术前临床影像资料特征的统计分析,得出肝胆特异期呈低信号与DNs和s-HCC具有正性强相关,可辅助临床医师对两者进行鉴别。本研究对三种网络构架(3D-Resnet18、3D-Resnet34、3D-Resnet50)进行初筛测试,证明了在数据集相对较少的分类任务上,较浅层的网络构架(3D-Resnet18)更容易学习到数据特征从而实现对样本的准确分类。

目的 利用网络药理学技术和实验研究方法探究黄芩活性成分调控铁死亡逆转肿瘤耐药的药效物质基础、潜在靶标及作用机制。方法 通过中药系统药理学数据库与分析平台（TCMSP），以生物利用度（OB）≥30%且类药性（DL）≥0.18的条件筛选黄芩活性成分，使用UniProt数据库获得黄芩活性成分的对应靶点基因。在GeneCards、OMIM数据库中搜集肿瘤耐药的相关靶点。利用Cytoscape 3.7.0软件将获得的黄芩活性成分与肿瘤耐药的交集靶点，绘制“活性成分–endobronchial ultrasound biopsy作用靶点”网络，并借助CytoHubba插件获得活性成分度（degree）值排名，并分析关键核心靶点。通过DAVID数据库在线分析功能进行基因本体论（GO）功能和京都基因与基因组百科全书（KEGG）通路富集分析。利用FerrDb数据库获取铁Gefitinib抑制剂死亡过程中的调控基因，将其与黄芩活性成分参与逆转肿瘤耐药性的靶点基因取交集，获得黄芩通过调控铁死亡过程逆转肿瘤多药CH-223191浓度耐药性的靶点基因。利用Discovery Studio软件进行化合物和核心靶点的分子对接。取处于指数生长期的ZR-75-30和HeLa细胞，加入不同终浓度（12.5、25.0、50.0、100.0、200.0μmol/L）的汉黄芩素培养48 h，分别计算汉黄芩素联合铁死亡抑制剂（Fer-1 1μmol/L）、诱导剂（Erastin 20μmol/L和RSL3 8μmol/L）对肿瘤细胞生长的抑制率，检测汉黄芩素对肿瘤细胞ROS活力的影响。采用Western blotting法验证肿瘤蛋白53(TP53)的表达变化情况。结果 共筛选出黄芩中包括汉黄芩素、β-谷甾醇、黄芩素、豆甾醇、金合欢素等在内的32个活性成分，以及前列腺素内过氧化物合酶2(PTGS2)、TP53、花生四烯酸-12-脂加氧酶（ALOX12）等在内15个作用靶标。通过介导白细胞介素-17(IL-17)、低氧诱导因子-1(HIF-1)、磷脂酰肌醇3-激酶（PI3K）-蛋白激酶B(Akt)、肿瘤坏死因子（TNF）、C型凝集素受体、神经营养因子等信号通路调控铁死亡，从而发挥逆转肿瘤多药耐药的作用。细胞增殖实验的结果表明，汉黄芩素表现出抑制肿瘤细胞ZR-75-30和He La细胞增殖的作用。与汉黄芩素组比较，汉黄芩素与Fer-1联用后细胞抑制率有所下降；与Erastin和RSL-3联用后对细胞抑制作用明显增强（P<0.05、0.01）。与对照组相比，100μmol/L汉黄芩素可以显著促进ZR-75-30和HeLa细胞ROS含量以及HeLa细胞TP53蛋白表达的升高（P<0.05）。汉黄芩素与Fer-1联用时ROS含量、TP53蛋白表达明显下降；与Erastin和RSL-3联用后ROS含量、TP53蛋白表达明显升高（P<0.05、0.01）。结论 黄芩调控铁死亡逆转肿瘤耐药具有多成分、多靶点、多通路的作用特点，揭示了其药效物质和作用机制。

目的 探讨CT平扫“金属征”和CT灌注成像（CTP）指标与急性大血管闭塞性脑卒中（AIS-LVO患者介入取栓后发生出血转化（HT）的关系。方法 选取2019—2022年黄石市Erastin小鼠中心医院收治的介入取栓后发生HT的Amedical treatmentIS-LVO患者67例为HT组，另选取同期黄石市中心医院收治的介入取栓后未发生HT的AIS-LVO患者120例为对照组。比较两组患者临床资料、CT平扫“金属征”检出率及CTP指标，AIS-LVO患者介入取栓后发生HTMirdametinib分子式的影响因素分析采用多因素Logistic回归分析；计算CT平扫“金属征”预测AIS-LVO患者介入取栓后发生HT的正确率，绘制ROC曲线以评估CTP指标对AIS-LVO患者介入取栓后发生HT的预测价值。结果 两组入院时美国国立卫生研究院卒中量表（NIHSS）评分、入院时格拉斯哥昏迷量表（GCS）评分、取栓次数、闭塞血管、接受抗血小板治疗者占比、CT平扫“金属征”检出率、脑血流量（CBF）、脑血容量（CBV）、平均通过时间（MTT）、达峰时间（TTP）、表面通透性（PS）比较，差异有统计学意义（P<0.05）。多因素Logistic回归分析结果显示，入院时NIHSS评分、取栓次数、接受抗血小板治疗、CT平扫“金属征”、CBF是AIS-LVO患者介入取栓后发生HT的独立影响因素（P<0.05）。对照组无CT平扫“金属征”96例，HT组有CT平扫“金属征”55例。CT平扫“金属征”预测AIS-LVO患者介入取栓后发生HT的正确率为80.7%(151/187)。ROC曲线分析结果显示，CBF、CBV、MTT、TTP、PS预测AIS-LVO患者介入取栓后发生HT的AUC分别为0.804[95%CI(0.741～0.866)]、0.616[95%CI(0.532～0.699)]、0.782[95%CI(0.711～0.851)]、0.719[95%CI(0.642～0.796)]、0.801[95%CI(0.733～0.869)]。结论 CT平扫“金属征”和CBF是AIS-LVO患者介入取栓后发生HT的独立影响因素，且CT平扫“金属征”、CBF和PS对AIS-LVO患者介入取栓后发生HT具有一定预测价值。