虾青素对氧化应激诱导内皮祖细胞凋亡的保护作用

目的：探讨虾青素对体外氧化应激诱导的人外周血内皮祖细胞凋亡的影响及机制。方法体外培养人外周血单核细胞源的内皮祖细胞,分为对照组、模型组（叔丁基过氧化氢100μmol/L ）、虾青素＋叔丁基过氧化氢组[虾青素0．10、1．00、10．00 nmol/L预处理24 h后,分别使用叔丁基过氧化氢溶液（100μmol/L）连续培养6 h]。细胞存活率采用MTT法检测;细胞凋亡率采用DAPI染细胞检测;DCFH-DA法检测细胞内活性氧（reactive oxygen species ,ROS）水平;JC-1法测定线粒体膜电位。结果与对照组比较,叔丁基过氧化氢（100μmol/L）能明显的造成内皮祖细胞的凋亡（P＜0．05）。虾青素可降低叔丁基过氧化氢引起的内皮祖细胞凋亡,表现为细胞凋亡率减少（P＜0．05）,线粒体膜电位增加。结论虾青素对叔丁基过氧化氢诱导的内皮祖细胞凋亡具有保护作用,其机制可能与保护线粒体功能有关。     

鹿茸多肽预处理通过miR-133a调控TGF-β/Smad信号通路对TBHP诱导心肌H9c2细胞损伤的保护作用

目的：探讨鹿茸多肽（VAP）预处理对叔丁基过氧化氢（TBHP）诱导大鼠心肌H9c2细胞损伤的保护作用,阐明VAP对miR-133a/转化生长因子β (TGF-β)/Smad轴的作用及其机制。方法：将H9c2心肌细胞分为空白对照组、空白血清组、TBHP组、TBHP+低剂量（100 mg·kg-1）VAP组、TBHP+高剂量（400 mg·kg-1） VAP组和miR-133抑制剂（miR-133 inhibitor）组。空白对照组不做任何处理,其余各组细胞经VAP处理24 h后,给予200μmol·L-1 TBHP处理;miR-133inhibitor组细胞转染miR-133 inhibitor 24 h,给予400 mg·kg-1 VAP处理24 h,并给予200μmol·L-1TBHP处理。MTT法检测各组H9c2细胞存活率,酶联免疫吸附试验（ELISA）法检测各组细胞培养上清液中肌钙蛋白T (cTnT)、肌钙蛋白I (cTnI)和肌酸激酶同工酶（CK-MB）水平,实时荧光定量PCR (RT-qPCR)法检测各组H9c2细胞中miR-133表达水平,Western blotting法...     

牛膝总皂苷对IL-1β诱导髓核细胞的凋亡及炎性损伤的影响

目的 通过观察髓核细胞（nucleus pulposus cell, NPC）的凋亡、炎症及细胞外基质（extracellular matrix, ECM）代谢研究不同浓度牛膝总皂苷（achyranthes bidentata saponin, ABS）对白细胞介素-1β(interleukin-1β, IL-1β)诱导人源NPC损伤的保护作用。方法 通过IL-1β诱导建立NPC退变模型,随机将细胞分为正常组、模型组（10 ng/mL IL-1β）、ABS低剂量组（10 ng/mL IL-1β+3μg/mL ABS）、ABS中剂量组（10 ng/mL IL-1β+10μg/mL ABS）及ABS高剂量组（10 ng/mL IL-1β+30μg/mL ABS）,干预24 h。CCK-8法检测细胞活力,采用Tunel法和流式细胞术检测细胞凋亡,Western blot检测B细胞淋巴瘤-2相关X蛋白（B-cell lymphoma-2-associated X protein, Bax）、天冬氨酸蛋白水解酶3(cysteinyl aspartate specific proteinase-3...     

右美托咪定对脂多糖诱导RAW264.7细胞凋亡的影响

目的：探讨右美托咪定（ DEX）对脂多糖（ LPS）诱导的小鼠巨噬细胞RAW264.7凋亡的影响。方法：体外培养小鼠巨噬细胞系 RAW264.7,细胞随机分为正常对照组、LPS刺激组（10 mg/L）、DEX组（0.1、1、10、100μmol/L）和LPS＋DEX组（0.1、1、10、100μmol/L）;采用四甲基偶氮唑盐（ MTT）微量酶反应比色法检测细胞存活率,流式细胞术检测细胞凋亡,蛋白质免疫印迹法（ western blot）检测bax、bcl-2蛋白表达。结果：与正常对照组相比,DEX组（浓度为0.1、1、10μ mol/L ）对RAW 264.7细胞生存率、凋亡率以及bax、bcl-2的表达影响不明显（ P﹥0.05）;100μmol/L DEX对RAW264.7细胞生存率、凋亡率明显下降,bax的表达明显增加,bcl-2表达降低（P﹤0.05）;与 LPS刺激组相比,LPS＋DEX组（0.1,1,10μmol/L）可增加RAW264.7细胞的生存率,降低细胞凋亡率,bax表达降低,bcl-2表达增加（ P﹤0.05）,LPS＋100μmol/L DEX组细胞生存率显著降低,凋亡率显著增加,bax表达明显增加,bcl-2表达显著降低。结论：低浓度DEX（﹤10μmol/L）抑制LPS诱导RAW264.7细胞凋亡,高浓度则表现为增强作用。     

谷氨酰胺抑制过氧化氢诱导的A549细胞凋亡

目的观察谷氨酰胺诱导A549细胞表达HSP70及在抗过氧化氢（H2O2）诱导的细胞凋亡中的作用。方法体外培养A549细胞,随机分为4组：①空白对照组（C组）即生理盐水组;②谷氨酰胺组（Gln组）：以含谷氨酰胺8mmol/L的培养液预处理细胞;③过氧化氢组（H₂O₂组）：以浓度为400μmol/L过氧化氢处理细胞;④谷氨酰胺预处理后过氧化氢刺激组（Gln+H₂O₂组）：以含谷氨酰胺8mmol/L预处理细胞后,再加入400μmol/L过氧化氢处理细胞. 用免疫印记（Western blotting）法检测HSP70蛋白的表达,记录平均灰度值;用流式细胞仪Annexin-V法检测细胞凋亡,计算细胞总凋亡率。结果① 与C组HSP70表达（1.87±0.55） 相比,Gln组（8.42±1.38）、H₂O₂组（9.35±1.57）和Gln+H₂O₂组（13.12±1.85）的HSP70表达分别增高约4.5倍、5倍和7倍（P＜0.01）;与H₂O₂组HSP70表达相比,Gln+H2O2组进一步增高（P＜0.01）;②与C组相比,Gln组细胞总凋亡率无明显变化;H₂O₂组和Gln+H₂O₂组细胞总凋亡率分别为7.48%和6.06%,均明显高于C组（P＜0.01）;与H₂O₂组相比,Gln+H₂O₂组细胞总凋亡率明显降低（P＜0.01）。结论谷氨酰胺诱导A549细胞表达HSP70并可明显地抑制H2O2所致的细胞凋亡作用。     

氧化苦参碱对脂多糖诱导的RAW264.7细胞一氧化氮及其诱导型合酶表达的影响

目的：观察氧化苦参碱（OMT））对脂多糖（LPS）诱导的RAW 264.7细胞一氧化氮（NO）释放量及诱导型一氧化氮合酶（iNOS）表达的影响。方法：采用LPS诱导RAW 264.7细胞建立细胞炎症反应模型。实验分组：空白对照组、LPS组（1μg/mL）、OMT组（100μmol/L）、LPS＋OMT小剂量组（20μmol/L）、LPS＋OMT中剂量组（50μmol/L）、LPS＋OMT大剂量组（100μmol/L）。采用Griess试剂法测定细胞培养液中NO释放量。采用逆转录聚合酶链式反应（RT-PCR）方法测定RAW 264.7细胞iNOS mRNA的表达。结果：OMT显著减少LPS诱导的RAW 264.7细胞NO的释放（P〈0.05,P〈0.01）;同时减少LPS诱导的RAW 264.7细胞iNOS mRNA的表达（P〈0.05,P〈0.01）。结论：OMT可能通过抑制LPS诱导的巨噬细胞iNOS mRNA表达,减少NO的释放量而发挥抗炎作用。     

c-Jun氨基末端激酶活化在三丁基锡诱导凋亡中的作用及机制

目的：研究c-jun氨基末端激酶（JNK）参与三丁基锡（Tributyltin, TBT）诱导正常人羊膜细胞FL凋亡的分子机制。方法：FL细胞经不同浓度TBT染毒1h后,PI/Annexin V双染色法检测FL细胞凋亡率。Western blot检测FL细胞JNK的磷酸化水平,Bax定位、Bcl-2的磷酸化水平及总Bax和Bcl-2表达水平。结果：与对照组相比,4μmol/L和6μmol/L的TBT染毒剂量组细胞凋亡率明显升高,2μmol/L～6μmol/L剂量组JNK磷酸化水平升高,差异有统计学意义（P〈0.01）。JNK特异抑制剂SP600125明显降低TBT诱导的FL细胞凋亡率,而JNK特异抑制剂SP600125对Bax定位、Bcl-2的磷酸化水平及总的Bax和Bcl-2表达量无影响。结论：JNK的活化是TBT诱导FL细胞凋亡的重要因素,但JNK介导凋亡的途径并非通过调控凋亡相关因子Bax和Bcl-2。     

金丝桃苷通过激活Keap1/Nrf2/HO-1通路保护小鼠GC-2细胞的氧化损伤

目的 从Keap1/Nrf2/HO-1通路角度研究金丝桃苷（Hyp）对H2O2所诱导的小鼠精母细胞（GC-2）氧化损伤的保护作用。方法 将GC-2细胞随机分为正常组、模型组、氮乙酰半胱氨酸组（阳性组,NAC,2.5 mmol/L)以及金丝桃苷组（50、100、200 μmol/L）,各组按剂量孵育48 h后,除正常组外其余各组细胞加入H2O（2 150 μmol/L）处理2 h,正常组给予等容量培养基。采用CCK-8法检测细胞的活力,流式细胞仪检测细胞凋亡水平,酶联免疫法检测超氧化物歧化酶（SOD）、谷胱甘肽过氧化物酶（GSH-PX）、过氧化氢酶（CAT）活力以及丙二醛（MDA）含量,Western blot和RT-qPCR检测Nrf2、Keap1、HO-1蛋白及mRNA的相对表达水平,免疫荧光法检测Nrf2核转位水平。结果 150 μmol/L H2O2干预2 h可制备GC-2细胞氧化损伤模型。与正常组比较,模型组GC-2细胞增殖率以及SOD、GSH、CAT活力显著降低,MDA含量、细胞凋亡率,Keap1和Nrf2 mRNA表达显著升高（P<0.05）以及Keap1蛋白表达水平显著升高（P<0.01）。与模型组比较,NAC组和金丝桃苷200 μmol/L组细胞增殖率和SOD、GSH-PX、CAT活力显著升高,MDA含量、细胞凋亡率显著下降（P<0.05）;金丝桃苷200 μmol/L组Keap1 mRNA表达显著下降,HO-1 mRNA表达显著升高（P<0.01）;金丝桃苷200 μmol/L组Nrf2核蛋白（NEs-Nrf2）以及HO-1的蛋白表达显著升高（P<0.05）,Keap1蛋白表达显著下降（P<0.01）;金丝桃苷组出现了明显的核转位现象（P<0.05）。结论 金丝桃苷可能通过激活Keap1/Nrf2/HO-1信号通路,对H2O2诱导的GC-2细胞氧化损伤具有保护作用。     

芍药醇对叔丁基过氧化氢损伤的血管内皮细胞的保护作用

目的：探讨芍药醇（PAE）对叔丁基过氧化氢（TBHP）损伤的血管内皮细胞的保护作用及其机制。方法：体外培养人脐静脉内皮细胞（HUVECs）分为对照组（Control组）、造模组（TBHP组）和PAE处理组（各浓度PAE+THBP组）;用CCK8法及乳酸脱氢酶（LDH）检测各组HUVECs细胞增殖抑制情况,Transwell实验检测细胞的迁移能力,流式细胞仪和Cleaved-caspase 3免疫荧光染色检测HUVECs细胞凋亡情况。结果：与Control组比较,TBHP组细胞存活率和细胞迁移数明显降低,细胞凋亡率、LDH释放量和Cleaved-caspase 3蛋白的表达明显升高（均P＜0.05）。与TBHP组比较,PAE处理组细胞的存活率和细胞迁移数均随着给药浓度的增加而逐渐升高,细胞凋亡率、LDH释放量和Cleaved-caspase 3蛋白的表达均随着给药浓度的增加而逐渐下降（均P＜0.05）。结论：PAE通过抑制TBHP诱导的HUVECs细胞存活率降低、LDH释放量升高、细胞凋亡增多、Cleaved-caspase 3蛋白表达的上调,发挥其对TBHP损伤的血管内皮细胞的保护作用,且呈剂量依赖性。     

芝麻酚对体外培养人结肠癌HCT-8细胞的影响及其机制

目的：探讨芝麻酚对体外培养人结肠癌HCT-8细胞的影响及其机制。方法：体外培养人结肠癌HCT-8细胞,分为对照组、芝麻酚50μmol/L组、芝麻酚100μmol/L组和芝麻酚250μmol/L组共4组,采用四甲基偶氮唑盐（MTT）比色法检测各组不同作用时间细胞增殖率,采用流式细胞术检测各组细胞凋亡率,采用蛋白免疫印迹法（Western blotting）检测各组Janus激酶2/信号转导与转录激活因子3(JAK2/STAT3)信号通路相关蛋白、增殖相关蛋白和凋亡相关蛋白表达水平。结果：经芝麻酚处理24、48、72 h后,HCT-8细胞的OD值从高到低依次为对照组>芝麻酚50μmol/L组>芝麻酚100μmol/L组>芝麻酚250μmol/L组,HCT-8细胞的抑制率从低到高依次为对照组<芝麻酚50μmol/L组<芝麻酚100μmol/L组<芝麻酚250μmol/L组,差异有统计学意义（P<0.05）;经芝麻酚处理后HCT-8细胞凋亡率从低到高依次为对照组<芝麻酚50μmol/L组<芝麻酚100μmol/L组<芝麻酚250μmo...     

基于ERNIE-BiGRU-Attention-CRF的电子病历命名实体识别方法

目的/意义 改善中文电子病历命名实体识别模型的性能,更好地开展医疗信息的组织和挖掘。方法/过程 构建ERNIE-BiGRU-Attention-CRF中文电子病历命名实体识别模型,首先采用ERNIE1.0预训练模型生成具有语义特征的词向量,然后利用BiGRU捕获全局语义特征与语法结构特征,通过Attention机制进一步增强语义特征的捕获,最后连接CRF解码层输出全局概率最大的标签序列。结果/结论 在公开的医疗文本数据集CCKS2017开展对比实验、消融实验,利用生成的模型进行实例分析,取得较好的识别效果。     

基于主题模型的中医辨证关系探索

主题模型因能够有效捕获离散数据间的语义关系和挖掘隐含的主题，而在语义分析、文本分类、信息检索等领域得到广泛的应用。在“证候-症状-用药”的辨证诊疗模式中，主题模型能够挖掘中医多类实体间的复杂语义关系。基于Link-LDA模型，提出了Multi-Link-LDA模型。利用这两种模型，在不同中医诊疗数据集上进行示范性分析，结果显示主题模型能够较好地捕获中医的诊疗规律。     

基于对抗神经网络的突发公共卫生事件虚假新闻检测

目的：在缺乏相应先验知识和训练语料的情况下，实现对突发公共卫生事件社交媒体虚假新闻的早期检测。方法：融合虚假新闻文本的语义特征和统计特征，构建基于对抗神经网络的跨领域虚假新闻检测模型，并使用新浪微博数据集开展实验。结果：基于对抗神经网络的跨领域虚假新闻检测模型的检测效果较好，检测正确率达85.6%。结论：深度语义特征与传统统计特征相结合能够更好地辅助虚假新闻的识别，对抗神经网络能够在训练过程中提取更多虚假新闻的潜在通用特征，从而提升模型的领域迁移能力，更好地进行突发公共卫生事件虚假新闻的检测。     

基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用

目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息。结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立BiLSTM模型,预测下一句文本,结果表明使用BERT预训练模型特征的BiLSTM模型F1-score达到75.23%,且具有实际应用的价值。在专科专病文本推荐的场景下,BERT特征优于独热编码和Word2Vec词向量。     

基于融合先验知识的肺结节深度学习分类方法

目的提出一种基于融合先验知识的肺结节深度学习分类方法。方法整体模型中包括图像特征提取子模型、语义提取子模型、语义整合子模型、多模态融合部分等。首先通过本文提出算法将医师标注语义信息转换为模糊one-hot码,然后将区域生长法设定不同阈值的输出图像输入语义提取子模型,模糊one-hot码作为多标签训练模型。最后将已训练语义提取子模型固定权重作为语义提取器置入整体模型中,输入图像分别经过图像特征提取子模型和语义提取子模型与语义整合子模型后通过融合输出预测结果。结果以公开数据集LIDC-IDRI作为实验数据做五折交叉验证,得出模型分类性能准确度88.32%、灵敏度81.86%、特异性93.37%、AUC 0.9220。结论基于融合先验知识的肺结节深度学习模型可较高性能实现肺结节良恶性诊断,可作为辅助影像医师诊断的有效工具。     

Vaccine adverse event text mining system for extracting features from vaccine safety reports

Objective

To develop and evaluate a text mining system for extracting key clinical features from vaccine adverse event reporting system (VAERS) narratives to aid in the automated review of adverse event reports.

Design

Based upon clinical significance to VAERS reviewing physicians, we defined the primary (diagnosis and cause of death) and secondary features (eg, symptoms) for extraction. We built a novel vaccine adverse event text mining (VaeTM) system based on a semantic text mining strategy. The performance of VaeTM was evaluated using a total of 300 VAERS reports in three sequential evaluations of 100 reports each. Moreover, we evaluated the VaeTM contribution to case classification; an information retrieval-based approach was used for the identification of anaphylaxis cases in a set of reports and was compared with two other methods: a dedicated text classifier and an online tool.

Measurements

The performance metrics of VaeTM were text mining metrics: recall, precision and F-measure. We also conducted a qualitative difference analysis and calculated sensitivity and specificity for classification of anaphylaxis cases based on the above three approaches.

Results

VaeTM performed best in extracting diagnosis, second level diagnosis, drug, vaccine, and lot number features (lenient F-measure in the third evaluation: 0.897, 0.817, 0.858, 0.874, and 0.914, respectively). In terms of case classification, high sensitivity was achieved (83.1%); this was equal and better compared to the text classifier (83.1%) and the online tool (40.7%), respectively.

Conclusion

Our VaeTM implementation of a semantic text mining strategy shows promise in providing accurate and efficient extraction of key features from VAERS narratives.     

学科背景知识在医学文本特征抽取中的应用

分析目前科技文献文本特征抽取方法研究现状,将基于背景知识的TF-IDF方法应用到医学文本特征抽取中,在4个医学领域中进行试验对比,结果表明该方法在抽取词汇数量较少时可以显著提高抽取效果,在对文本集合中通用词的过滤及重要特征词的识别方面明显优于使用通用IDF的TF-IDF方法。     

Machine-learned solutions for three stages of clinical information extraction: the state of the art at i2b2 2010

Objective

As clinical text mining continues to mature, its potential as an enabling technology for innovations in patient care and clinical research is becoming a reality. A critical part of that process is rigid benchmark testing of natural language processing methods on realistic clinical narrative. In this paper, the authors describe the design and performance of three state-of-the-art text-mining applications from the National Research Council of Canada on evaluations within the 2010 i2b2 challenge.

Design

The three systems perform three key steps in clinical information extraction: (1) extraction of medical problems, tests, and treatments, from discharge summaries and progress notes; (2) classification of assertions made on the medical problems; (3) classification of relations between medical concepts. Machine learning systems performed these tasks using large-dimensional bags of features, as derived from both the text itself and from external sources: UMLS, cTAKES, and Medline.

Measurements

Performance was measured per subtask, using micro-averaged F-scores, as calculated by comparing system annotations with ground-truth annotations on a test set.

Results

The systems ranked high among all submitted systems in the competition, with the following F-scores: concept extraction 0.8523 (ranked first); assertion detection 0.9362 (ranked first); relationship detection 0.7313 (ranked second).

Conclusion

For all tasks, we found that the introduction of a wide range of features was crucial to success. Importantly, our choice of machine learning algorithms allowed us to be versatile in our feature design, and to introduce a large number of features without overfitting and without encountering computing-resource bottlenecks.     

基于深度学习的患者安全事件的命名实体识别

为解决日益增长的数据体量与实际作业效率和成本的矛盾,用科学的标注体系对患者安全事件语料进行标注,设计了一种基于深度学习的BERT-BiLSTM-CRF模型,结合中文文本语料的语义特征和字符特征对其进行命名实体识别,最终实验F1值为91.49%,相较于BiLSTM-CRF模型和IDCNN-CRF模型,实体的识别性能分别提升了7.33%和8.30%,验证了该模型的有效性。     

基于PCA和KPCA特征抽取的SVM网络入侵检测方法

提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。