小热休克蛋白Mj HSP16.5对多肽纤维生长的抑制及对成熟纤维的解聚作用

包括老年痴呆症在内的许多疾病与蛋白质或多肽的淀粉样聚集(纤维化)有关. 由于这类疾病的机制尚不清楚, 因此还没有有效的预防和治疗手段. 研究各种因素如小热休克蛋白对蛋白质或多肽淀粉样聚集的影响对开发防治相关疾病的药物具有重要意义. 甲状腺素运载蛋白(TTR)及其突变体很容易形成淀粉样纤维, 并与多种疾病相关. Mj HSP16.5是一种来源于嗜热古细菌ethanococcus jannaschii的小热休克蛋白, 它在酸性条件下具有非常高的分子伴侣活性. 本文研究了Mj HSP16.5对WTTR肽(在N端添加了色氨酸的TTR 105-115片段, 序列为WYTIAALLSPYS)纤维化的影响, 发现Mj HSP16.5能够显著地抑制WTTR肽纤维的生长, 且在Mj HSP16.5存在下, WTTR肽形成的纤维比正常条件下形成的要显著细小. 尤其是Mj HSP16.5还可以使已经成熟的WTTR肽纤维解离. 结果表明, Mj HSP16.5抑制多肽纤维的机理可能在于其能够与多肽纤维及纤维种子结合.     

MULTISCALE MECHANICS OF BIOLOGICAL AND BIOLOGICALLY INSPIRED MATERIALS AND STRUCTURES

The world of natural materials and structures provides an abundance of applications in which mechanics is a critical issue for our understanding of functional material properties. In particular, the mechanical properties of biological materials and structures play an important role in virtually all physiological processes and at all scales, from the molecular and nanoscale to the macroscale, linking research fields as diverse as genetics to structural mechanics in an approach referred to as materiomics. Example cases that illustrate the importance of mechanics in biology include mechanical support provided by materials like bone, the facilitation of locomotion capabilities by muscle and tendon, or the protection against environmental impact by materials as the skin or armors. In this article we review recent progress and case studies, relevant for a variety of applications that range from medicine to civil engineering. We demonstrate the importance of fundamental mechanistic insight at multiple time- and length-scales to arrive at a systematic understanding of materials and structures in biology, in the context of both physiological and disease states and for the development of de novo biomaterials. Three particularly intriguing issues that will be discussed here include： First, the capacity of biological systems to turn weakness to strength through the utilization of multiple structural levels within the universality-diversity paradigm. Second, material breakdown in extreme and disease conditions. And third, we review an example where the hierarchical design paradigm found in natural protein materials has been applied in the development of a novel hiomaterial based on amyloid protein.     

低剂量铅接触对大鼠神经行为的影响

为研究低剂量铅接触对大鼠神经行为的影响，采用神经行为测试方法进行观察，再测定大鼠血铅及脑铅值。通过对照组与控制组进行比较，结果表明：低剂量铅接触能引起脑负及血铅值的变化，并在神经行为与对照组有显著差异。     

电化学氧化法合成茴香醛（Ⅱ）

研究了茄香脑电氧化合成茄香醛的最佳条件：以乙醇和水为溶剂，以含１．９％茄香脑和１．６％ＮＨ４ＮＯ３（支持电解质）的乙醇溶液作阳极液；不含茄香脑的混合溶液的阴极液。溶液ＰＨ＝１－２，池温２５－２８℃，控电流电解，电流效率６０－６２％，反应总级数ｎ＝１。     

深度学习在医学影像研究中的应用

医学影像在临床应用中发挥着至关重要的作用,可用于早期发现、监测、诊断和治疗评估.当前,具有优异特征学习能力的深度学习方法已经迅速成为研究和分析医学影像的首选方法.本文介绍了医学影像研究中常见的深度学习模型,并梳理了这些深度学习模型在医学影像研究中的应用,其中包括传统的医学图像检测、分割和配准,以及深度学习模型在脑影像分析和低剂量CT医学图像重建中的应用.本文最后还对深度学习在未来医学影像研究领域的发展前景进行了讨论.     

基于影像组学与集成学习的脑胶质瘤分级预测

脑胶质瘤的术前分级对治疗决策和预后评估至关重要. 为了提高分级精度, 提出了一种基于影像组学和集成学习的无创胶质瘤术前分级方法. 首先, 从不同序列的感兴趣区域提取428个影像组学特征, 采用递归特征消除算法进行特征选择, 采用6种不同的机器学习算法对脑胶质瘤进行分级, 并对各自的性能进行评估; 然后, 根据评估结果, 选取逻辑回归、决策树和多层感知机3种分类器作为脑胶质瘤分级预测的机器学习算法; 最后, 将3种分类器的输出采用投票方式进行集成, 并评估硬投票机制与软投票机制的性能. 实验结果表明, 对于数据集BraTS2019, 基于硬投票机制的集成学习算法的性能较好, 受试者工作特性曲线下面积为0.933±0.031, 准确度为0.886±0.048, 敏感度为0.872±0.077, 特异度为0.905±0.105. 该方法不仅能增加胶质瘤分级模型的可解释性, 而且可以提高分级精度.     

动物活体NMR技术在脑研究中的应用

近十余年来核磁共振技术在生物医学研究中的应用取得了巨大的进展。动物活体NMR技术得到了广泛的重视,已成为生理学、生物化学、药理学、和神经化学研究中的新的重要手段,该技术有如下几个特点:1.非损伤性,即对被测的活体动物的组织和细胞没有破坏性,可以对同一动物进行多次测定,2.可同时直接测定动物活体内数种化合物,不需解剖、匀浆、分离提取和生化分析等繁琐步骤,因此较为方便省时。3.可在正常生理状态下连续进行实时动态测定,有利于药物代谢动力学研究。4.可对同一动物测定给药前和给药后的NMR指标进行自身比较,减少统计学处理,节省实验动物数目.为药理研究和药效评估提供一种崭新的方法。本文就我国和国外最近几年有关动物活体高分辨NMR技术在脑研究中的应用情况进行综述。     

长期低剂量喂饮钇对小鼠脑中微量元素含量的影响

通过在饮水中加入钇（0,23.25,2325.00mg.L^-1),使小白鼠长期摄入稀土,7个月后用POEMS测定F1子代小鼠脑中微量元素Cu,Zn,Mg,Fe,Ca,Co等的含量,结果显示,F1子代小鼠脑Fe,Ni含量与对照组相比显著降低（P＜0．01）,Co明显升高（P＜0．05）,提示钇的摄入可能会造成小鼠体内某些微量元素的吸收和分布,进一步造成机体某些生理功能的变化。     

基于磁共振成像的人脑图谱构建方法研究进展

基于磁共振成像的脑图谱构建对于脑与认知科学的研究非常重要,借助脑图谱,研究者可以精确地分析比较不同的脑影像数据,然而目前尚没有比较统一的标准脑图谱.本文针对基于磁共振成像的脑图谱构建方法进行概述,首先介绍了人脑图谱构建的发展进程,阐述脑图谱构建中需解决的技术问题及其局限性;然后着重描述了构建脑图谱的基本方法;最后论述了应用脑图谱进行精确定量分析的统计学方法,包括基于体素的形态学测量分析法和基于纤维束示踪的空间统计分析法,并较深入地比较了两种方法的差异和近期研究进展.通过分析目前研究现状,本文总结了脑图谱构建研究中的主要方法及不足,并就该领域未来的研究进展进行了展望.     

人脑默认模式网络的动力学行为

大脑具有自适应、自组织、多稳态等重要特征,是典型的复杂系统.人脑在静息态下的关键功能子网络--默认模式网络(DMN)的激活处于多状态间持续跳转的非平衡过程,揭示该过程背后的动力学机制具有重要的科学意义和临床应用前景.本文基于功能磁共振获得的血氧水平依赖(BOLD)信号,建立了DMN吸引子跳转非平衡过程的能量图景、吸引子非联通图、跳转关系网络等;以高级视觉皮层和听觉等皮层活动为例,通过对应激活DMN状态空间的分布,以及XGBoost、深度神经网络等算法验证了DMN状态变化与外部脑区状态的密切依赖关系;通过偏相关、收敛交叉映射等方法分析了DMN内各个脑区之间的相互作用.本文结果有助于理解静息态下大脑内在非平衡过程的动力学机制,以及从动力学的角度探索具有临床意义的脑功能障碍生物标志物.